Prediksi Konsumsi Bahan Bakar Kapal Berdasarkan Pengaruh Kondisi Cuaca di Perairan Indonesia

Megawati, Sintia (2024) Prediksi Konsumsi Bahan Bakar Kapal Berdasarkan Pengaruh Kondisi Cuaca di Perairan Indonesia. Masters thesis, Institut Teknologi Sepuluh Nopember.

Text 6009212003-Master_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 April 2026. Download (7MB) | Request a copy

Abstract

Perencanaan rute pelayaran berdampak pada penggunaan bahan bakar pada kapal. Kondisi lingkungan yang buruk akan meningkatkan penggunaan bahan bakar kapal sehingga biaya operasional akan meningkat dan pelayaran menjadi tidak efisien. Prediksi konsumsi bahan bakar kapal umumnya dilakukan dengan menggunakan model matematis, namun model matematis tidak dapat mengakomodir hubungan bersifat non-linier yang berasal dari eksternal seperti kondisi cuaca. Variabel masukan berupa jam kerja mesin dan RPM memiliki pengaruh yang signifikan terhadap penggunaan bahan bakar jika dibandingkan dengan variabel lainnya. Jaringan Syaraf Tiruan (JST) adalah salah satu metode kecerdasan buatan yang banyak digunakan dikarenakan JST dapat memodelkan hubungan yang kompleks dan non-linier. Pada penelitian-penelitian terdahulu, kondisi cuaca diterapkan sebagai variabel masukan pada JST. Pada penelitian ini, kondisi cuaca tidak diterapkan sebagai variabel masukan namun diterapkan sebagai gangguan pada model JST. Hasil menunjukkan bahwa dengan model JST yang telah dirancang, model menghasilkan akurasi prediksi konsumsi bahan bakar yang mencapai 80%. Penggunaan variabel cuaca sebagai gangguan memiliki efektivitas yang lebih baik jika dibandingkan dengan menggunakan variabel cuaca sebagai variabel masukan. Akurasi ini divalidasi melalui perbandingan dengan studi terdahulu yang memiliki model JST hampir sama dengan model yang diusulkan, namun pada studi sebelumnya, kondisi cuaca diterapkan sebagai variabel masukan.
=================================================================================================================================
Voyage route planning has an impact on the ship's fuel consumption. Unworthy environmental conditions will increase ship fuel consumption, increase operating costs, and affect the voyage inefficient. Ship fuel consumption prediction is generally done using mathematical models, but the mathematical model is unable to accommodate the non-linear relationship from external factors such as weather conditions. The input variables of engine hours and engine RPM have a significant influence on ship fuel consumption compared to the other variables. Artificial Neural Network (ANN) is one of the most widely used artificial intelligence methods since the method is able to model complex and non-linear relationships. In previous studies, weather conditions were applied as input variables to ANN. In this study, the weather conditions are not applied as the input variables but as disturbances to the ANN model. The results show that with the designed ANN model, the model produces a fuel consumption prediction accuracy of 80%. The use of weather variables as disturbances is more effective than using the weather variables as input variables. This accuracy is validated by comparison with a previous study that has an ANN model almost the same as the proposed model but in the previous study, weather conditions were applied as input variables.

Item Type:	Thesis (Masters)
Uncontrolled Keywords:	Prediksi, Konsumsi Bahan Bakar, Kapal, Cuaca, JST, Prediction, Fuel Consumption, Ship, Weather, ANN
Subjects:	Q Science > QA Mathematics > QA336 Artificial Intelligence Q Science > QA Mathematics > QA76.87 Neural networks (Computer Science) T Technology > T Technology (General) > T57.5 Data Processing T Technology > T Technology (General) > T57.62 Simulation V Naval Science > VM Naval architecture. Shipbuilding. Marine engineering V Naval Science > VM Naval architecture. Shipbuilding. Marine engineering > VM276.A1 Fuel (Including supplies, costs, etc.)
Divisions:	Faculty of Industrial Technology and Systems Engineering (INDSYS) > Physics Engineering > 30101-(S2) Master Thesis
Depositing User:	Megawati Sintia
Date Deposited:	21 Feb 2024 00:59
Last Modified:	21 Feb 2024 00:59
URI:	http://repository.its.ac.id/id/eprint/107636

Actions (login required)

View Item