Metode Evaluasi Risiko Tubrukan untuk Multi-Kapal

Pratiwi, Emmy (2019) Metode Evaluasi Risiko Tubrukan untuk Multi-Kapal. Doctoral thesis, Institut Teknologi Sepuluh Nopember.

Text 04111660010003_Doctoral.pdf Restricted to Repository staff only Download (5MB) | Request a copy

Abstract

Sebagai mode transportasi perdagangan internasional terbesar di dunia, aktivitas operasional kapal-kapal adalah salah satu industri internasional yang paling berisiko. Peningkatan keselamatan pelayaran menjadi bidang penelitian penting dalam navigasi kapal, khususnya untuk mengurangi jumlah kecelakaan tubrukan kapal. Penilaian risiko tubrukan multi-kapal merupakan topik penting sebagai usaha untuk memastikan keselamatan lalu lintas kapal akibat semakin meningkatnya kepadatan lalu lintas dalam beberapa tahun terakhir. Prediksi trayektori yang akurat diharapkan dapat meningkatkan keselamatan navigasi kapal. Hal tersebut penting untuk memprediksi posisi kapal dan mengetahui posisi di mana tubrukan mungkin terjadi untuk menghindari pertemuan antar kapal yang berpotensi menyebabkan tubrukan. Penelitian ini menyajikan dua metode utama untuk penilaian risiko tubrukan kapal, yaitu simulasi Monte Carlo untuk risiko tubrukan di sepanjang prediksi trayektori kapal dan menghitung risiko untuk multi-kapal yang dinyatakan dengan nilai rasio tubrukan menggunakan metode yang diusulkan yaitu berdasarkan Critical Collision Zone (CCZ) dan Predicted Point of Collision (PPC). Untuk prediksi trayektori kapal dalam metode pertama, Artificial Neural Network (ANN) yang merupakan suatu learning process yang telah banyak digunakan dalam berbagai masalah dalam peramalan atau prediksi. Dalam studi ini, dengan memanfaatkan data Automatic Identification System (AIS), prediksi trayektori berdasarkan gerakan kapal dilakukan dengan menggunakan ANN. Namun pada ANN, learning process merupakan salah satu tantangan karena bobot dan bias terbaik sebagai parameter kontrol dalam model tersebut tidak diketahui. Oleh karena itu, penelitian ini mengusulkan algoritma yang baru dikembangkan yang disebut Whale Optimization Algorithm (WOA) dalam training feedforward neural networks. Hasilnya kemudian diverifikasi menggunakan perbandingan dengan Back-Propagation sebagai metode berbasis gradien yang paling populer. Risiko tubrukan dapat diestimasi dengan melakukan pendekatan Monte Carlo untuk mensimulasikan posisi acak yang terdistribusi secara normal multivarian dan mendapatkan nilai risiko tubrukan berdasarkan jumlah iterasi yang sudah ditentukan. Namun situasi pertemuan multi-kapal masih sulit untuk dimodelkan dalam metode ini. Oleh karena itu, suatu model baru diusulkan untuk mengevaluasi risiko tubrukan menggunakan parameter CCZ dan PPC. Tiga studi kasus mengenai tubrukan kapal disajikan pada penelitian ini. Hasil analisis menunjukkan bahwa menurut model yang diusulkan, collision ratio pada studi kasus pertama untuk semua kapal yang terlibat dalam encounter tersebut adalah 0,1431; 0.3557 and 0,4218. Sedangkan perbandingan dengan menggunakan metode konvensional berupa Collision Risk Index (CRI) dengan parameter DCPA dan TCPA, risiko tubrukan antara dua kapal pada multi-encounters adalah 0,871; 0,907 dan 0,768. Algoritma yang diusulkan mampu memberikan model yang efektif dan efisien dalam mengevaluasi risiko tubrukan multi-kapal apabila dibandingkan dengan perhitungan untuk setiap kapal terhadap masing-masing kapal target secara parsial seperti dalam model CRI. Oleh karena itu, model penilaian risiko tubrukan pada penelitian ini diharapkan dapat meningkatkan keselamatan lalu lintas pelayaran dan mengurangi kerugian baik berupa aset, finansial maupun korban jiwa akibat kecelakaan tubrukan kapal.
===============================================================================================================================
As world’s life blood of the global trade, shipping is one of the most risky industries. The improvement of safety has become important research field in the maritime navigation specially to reduce the number of ship collision accident. Multi-vessel collision risk assessment is the important technique to ensure the safety of maritime traffic due to the increasing traffic density in recent years. The accuracy of the trajectory prediction could improve the safety of marine navigation. It is necessary to provide the future location of the ship and the position where the collision may occur for marine navigator or port management to avoid the danger encounter which might lead to collision accident. This study presents two major methods for estimating ship collision risk, namely Monte Carlo simulation for collision probability along the ship trajectory prediction and calculating the probability for multi-vessels expressed as collision ratio using proposed method based on Critical Collision Zone (CCZ) and predicted point of collision (PPC). For the ship trajectory prediction in the first method, Artificial neural network (ANN) in machine learning has been widely used in various problems in forecasting and prediction. In this study, by utilizing the historical Automatic Identification System (AIS) data, the trajectory predictions based on vessel’s current motion are performed using ANN. In addition, the learning process in ANN is one of the most difficult challenge due to the unknown best weight and bias as controlling parameters. Therefore, this study proposed the newly developed algorithm called whale optimization algorithm (WOA) in training feedforward neural networks instead of using gradient-based methods. The results are then verified by comparison with Backpropagation as the most popular gradient-based method. The model successfully shows better performance indicated by small value of miss distance which is around 0.24 m and 1.15 m. Then the collision probability is estimated by performing Monte Carlo approach to simulate the random position that multivariate normally distributed and generated the collision based on defined iterations number. Unfortunately, multi-ship encounter situations are still difficult to be modelled in this method. Therefore, the new proposed model for evaluating collision risk using parameters CCZ and PPC are presented. Critical collision zone (CCZ) is defined as an area where two ships may overlap and collide. The collision risk in this study is represented by collision ratio. The collision ratio of own ship and target ships in the specific zone are derived by comparing CCZ with the length of its trajectory heading to PPC. Three collision scenarios are presented to prove the applicability of the proposed model. The result shows that according to proposed model, the collision ratio for all involved ships in the first experimental case study are 0.1431, 0.3557 and 0.4218 respectively. Meanwhile the comparison using conventional methods such as the Collision Risk Index (CRI) with DCPA and TCPA parameters, the collision risk between two vessels in the multi-encounters are 0.871, 0.907 and 0.768. The proposed algorithm is able to provide the effective and efficient in evaluating the risk for multi-vessels instead of calculating for each ship against other target ship partially as in CRI. Therefore, this risk assessment framework is expected can improve the safety of maritime traffic and reduce the loss of lives and property due to ship collision accident.

Item Type:	Thesis (Doctoral)
Uncontrolled Keywords:	Risiko tubrukan multi-kapal, neural network, prediksi trayektori, critical collision zone, predicted point of collision.
Subjects:	V Naval Science > VM Naval architecture. Shipbuilding. Marine engineering > VM293 Shipping--Indonesia--Safety measures
Divisions:	Faculty of Marine Technology (MARTECH) > Ocean Engineering > 38001-(S3) PhD Thesis
Depositing User:	Emmy Pratiwi
Date Deposited:	23 Jul 2026 04:26
Last Modified:	23 Jul 2026 04:26
URI:	http://repository.its.ac.id/id/eprint/70762

Actions (login required)

View Item