Optimasi Dimensi Buoy Pendeteksi Tsunami dengan Metode Backpropagation Neural Network dan Genetic Algorithm

Fawwazy, Ilyas Farell (2024) Optimasi Dimensi Buoy Pendeteksi Tsunami dengan Metode Backpropagation Neural Network dan Genetic Algorithm. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 5007201215_Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only Download (5MB) | Request a copy

Abstract

Kepulauan Indonesia terletak pada pertemuan 3 lempeng dunia yaitu lempeng Eurasia, samudra pasifik dan Indo Australia. Hal itu menyebabkan pulau-pulau disekitar pertemuan tiga lempeng tersebut sangat rawan terhadap gempa bumi dan tsunami. Dengan banyaknya bencana tsunami yang terjadi, kiranya perlu Indonesia mengembangkan sistem peringatan dini bencana tsunami. INA-Buoy sendiri merupakan sistem peringatan dini bencana tsunami berbasis buoy yang dikembangkan oleh BRIN. Sistem ini terdiri dari satu unit OBU dan satu unit buoy. Buoy berperan sebagai penerima data dari OBU dan mentransmisikan data tersebut via satelit ke pusat pemantau tsunami. Dengan sistem kerja tersebut, kestabilan operasional dan keamanan menjadi fokusan utama. Dalam tugas akhir ini akan berfokus dalam mengoptimasi buoy tersebut dengan menggunakan variasi pada dimensi buoy dengan 5 variasi diameter utama yakni 1400mm, 1600mm, 1800mm, 2000mm, 2200mm dan 5 variasi tinggi floater buoy yakni 800mm, 820mm, 840mm, 860mm, 880mm dan 900mm. Variasi ini akan digunakan untuk bisa mendapatkan dimensi paling optimal untuk mendapatkan nilai gerak heaving maksimal guna meminimalkan resiko permukaan atas buoy tertutup air dan rolling minimal agar buoy tetap dapat mentransmisikan data dengan baik. Tahapan tugas akhir dimulai dari menentukan data awal dimensi pada INA Buoy Gen.3. Kemudian, model buoy didesain menggunakan software Fusion 360. Model 3D yang telah didesain akan disimulasikan dengan ANSYS untuk menentukan nilai gerak heaving dan rolling pada variasi desain. Pada simulasi tersebut, digunakan beberapa variasi yang telah ditentukan. Dari hasil yang didapatkan, dilakukan analisis data serta optimasi desain buoy menggunakan metode Backpropagation Neural Network (BPNN) yang dilanjutkan dengan metode Genetic Algorithm untuk mendapatkan desain dengan dimensi yang optimum. Hasil dari tugas akhir ini didapat 30 data yang akan di-training dengan BPNN. Pada BPNN output volume, net terbaik diperoleh dengan 1 hidden layer, 4 neuron tiap hidden layer, dan activation function tiap hidden layernya berupa tansig. Pada BPNN output heaving, net terbaik diperoleh dengan 3 hidden layer, 3 neuron tiap hidden layer, dan activation function tiap hidden layernya berupa logsig. Sedangkan, pada output rolling, net terbaik diperoleh dengan 1 hidden layer, 4 neuron tiap hidden layer, dan activation function tiap hidden layernya berupa tansig. Dari net terbaik ini selanjutnya digunakan sebagai input GA dan didapatkan parameter terbaik buoy dengan diameter 1977,802 mm dan tinggi floater tengah 900 mm dengan output berupa heaving sebesar 0,4038 m dan rolling sebesar 3,2796O. Dimensi tersebut disimulasikan kembali pada ANSYS AQWA dan didapatkan heaving sebesar 0,4039 m dan rolling sebesar 3,243O berdasarkan dimensi optimalnya. Untuk volume didapatkan prediksi BPNN-GA sebesar 3,9283 m3, sedangka dari desain didapatkan 3,93 m3.
============================================================
==========================================
Indonesia is located at the convergence of three tectonic plates, the Eurasian plate, the Pacific plate, and the Indo-Australia plate. This condition makes the islands around the plate boundaries highly susceptible to earthquakes and tsunamis. Given with so many tsunami disasters, it is crucial for Indonesia to develop an early warning system for tsunamis. INA-Buoy is a tsunami early warning system based on buoys developed by BRIN. The system consists of one OBU unit and one buoy unit. The buoy functions as a data receiver from the OBU and transmits this data via satellite to tsunami monitoring center. With this work system, operational stability and safety are the main focus. This final project aims to optimize the buoy by varying its dimensions with five main diameter variations with 1400mm, 1600mm, 1800mm, 2000mm, 2200mm and five variations in the height of the mid floater tengah of the buoy with 800mm, 820mm, 840mm, 860mm, 880mm, and 900mm will be considered. These variations will be used to obtain the most optimal dimensions for maximizing heaving motion for minimizing the risk of the buoys upper surface being submerged, and ensuring minimal rolling for effective data transmission. The project will start by determining the initial dimensional data for INA-Buoy Gen.3. Subsequently, the buoy model will be designed using Fusion 360 software. The 3D model will then be simulated using ANSYS to determined heaving and rolling values for the various design variations. Several predetermined variations will be utilized in the simulation. From the obtained results. Data analysis and buoy design optimization will be performed using the Backpropagation Neural Network (BPNN) followed by Genetic Algorithm method to achieve optimum dimensional design. The results of this final project obtained 30 data that will be trained with BPNN. In BPNN output volume, the best net is obtained with 1 hidden layer, 4 neurons per hidden layer, and activation function per hidden layer is tansig. For the heaving output BPNN, the best net is obtained with 3 hidden layers, 3 neurons per hidden layer, and the activation function for each hidden layer is logsig. Meanwhile, on the rolling output, the best net is obtained with 1 hidden layer, 4 neurons per hidden layer, and the activation function for each hidden layer is tansig. The best net is then used as input for GA and the best parameters are obtained with a diameter of 1977.802 mm and a centre floater height of 900 mm with outputs of heaving by 0.4038 m and rolling by 3.2796O. These dimensions were simulated again in ANSYS AQWA and obtained heaving of 0.4039 m and rolling of 3.243O based on the optimal dimensions. For volume, the BPNN-GA prediction is 3.9283 m3, while the design is 3.93 m3.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Buoy, Heaving, Optimasi, RAO, Rolling, Buoy, Heaving, Optimization, RAO, Rolling
Subjects:	T Technology > TA Engineering (General). Civil engineering (General) > TA347 Finite Element Method
Divisions:	Faculty of Industrial Technology and Systems Engineering (INDSYS) > Mechanical Engineering > 21201-(S1) Undergraduate Thesis
Depositing User:	Ilyas Farell Fawwazy
Date Deposited:	09 Aug 2024 03:21
Last Modified:	09 Aug 2024 03:21
URI:	http://repository.its.ac.id/id/eprint/114039

Actions (login required)

View Item