Pendeteksi Crack Pada Propeller Kapal Dengan Menggunakan Metode Convolutional Neural Network

Bela, Rhesa (2022) Pendeteksi Crack Pada Propeller Kapal Dengan Menggunakan Metode Convolutional Neural Network. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 02111840000083-Undergraduate Thesis.pdf Download (4MB)

Abstract

Peningkatan jumlah pelayaran di Indonesia menyebabkan meningkatnya kerusakan kapal yang terjadi. Salah satu kerusakan yang dapat terjadi adalah crack pada propeller kapal. Untuk menjaga kondisi propeller kapal yang baik, maintenance pada bagian propeller kapal merupakan hal wajib yang harus dilakukan oleh pemilik kapal. Maintenance ini bertujuan mencegah kerusakan pada propeller seperti benturan, faktor alam, hingga human error. Dalam rangka mencegah terjadinya kerusakan dibutuhkan proses survey dan marking sebagai salah satu langkah dalam melakukan maintenance. Proses survey dapat dilakukan ketika kapal berada di air atau ketika kapal naik dock. Survey ketika kapal berada di air dilakukan dengan surveyor mengitari bagian kapal dan melakukan marking pada bagian kerusakan. Untuk hasil survey yang lebih menyeluruh pada bagian kapal, seorang surveyor harus dapat berenang dan menyelam agar kerusakan yang mungkin terjadi pada bagian bawah kapal dapat terdeteksi kerusakannya pula. Hal ini juga dilakukan pada saat surveyor melakukan pengecekan pada bagian propeller kapal. Namun langkah ini memiliki kekurangan diantaranya membutuhkan waktu yang lama dan memiliki peluang terjadinya kecelakaan saat menyelam. Dengan alasan tersebut, dibutuhkan Remotely Operated Vehicle (ROV) untuk dapat meminimalisir resiko yang timbul ketika proses survey dan marking. ROV ini dirancang dengan menggunakan lampu sebagai penerang dan kamera yang bertujuan untuk merekam kondisi bagian kapal yang nantinya dapat diidentifikasi menggunakan Convolutional Neural Network (CNN). Data rekaman yang ditangkap oleh kamera langsung diolah dengan menggunakan deteksi crack dengan metode CNN berarsitektur SSD mobilenet versi 1. Dengan menggunakan batch size 24, data training sebanyak 600 data, iterasi training sebanyak 40,000 step, model mampu mendeteksi crack hingga kedalaman 1,5 meter dibawah permukaan air dan dengan jarak 1 meter dari objek crack dengan akurasi 81,48% dan total loss sebesar 0,861%.
==================================================================================================================================
The increase in the number of shipping in Indonesia causes an increase in ship damage that occurs. One of the damages that can occur is on the propeller of the ship. There are so many factors cause damage to propeller including high impact, natural factors, and human error. Maintenance is a way for the ship’s owner to prevent the damages that occurs on the propeller. In order to prevent damage, survey and marking process is needed as on of the step in maintenance. The survey and marking process can be done when the ship is in the water or when the ship boards the dock. When the ship is in the water, a surveyor who is able to dive while do a survey and marking process is needed. However this step takes along time to prepare the dive equipment and has a possibility of an accident to the diver. For those reason, the diver can be replace with remotely operated vehicle (ROV) to be able minimize the risk that arise during the survey and marking process. The ROV is designed using lights and the camera to record the condition of the ship which can be identified later using deep learning algorithms. The recording data can be processed directly using Convolutional Neural Network (CNN) to detecting crack that happened on the propeller. The architecture that used in the CNN is SSD Mobilenet V1 with 24 batch size, 600 taining data, and 40.000 training steps. The model was able to detect cracks to a depth of 1.5 meters below the water and with distance of 1 meter from the crack object. The model accuracy reaches 81,48% with training total loss 0,861%

Item Type:	Thesis (Other)
Additional Information:	RSM 620.112 6 Bel p-1 2022
Uncontrolled Keywords:	Convolutional Neural Network (CNN), Crack, ROV., Remotely Operated Vehicle
Subjects:	V Naval Science > VM Naval architecture. Shipbuilding. Marine engineering V Naval Science > VM Naval architecture. Shipbuilding. Marine engineering > VM753 Propellers
Divisions:	Faculty of Industrial Technology and Systems Engineering (INDSYS) > Mechanical Engineering > 21201-(S1) Undergraduate Thesis
Depositing User:	Mr. Marsudiyana -
Date Deposited:	21 Feb 2025 00:28
Last Modified:	21 Feb 2025 00:28
URI:	http://repository.its.ac.id/id/eprint/118830

Actions (login required)

View Item