ANALISIS TEKNIS DAN EKONOMIS PERANCANGAN KAPAL PATROLI CEPAT BERBASIS DAERAH PERAIRAN – STUDY KASUS WILAYAH ARMADA TIMUR
Moch Noor Falikhin Program Studi S1 Teknik Perkapalan Institut Teknologi Sepuluh Nopember
Abstrak Hal terpenting dalam mendesain sebuah kapal patroli adalah penentuan spesifikasi desain, diantaranya adalah tipe, ukuran utama dan kecepatan kapal patroli. Dengan teknik Case Based Reasoning (CBR), maka proses desain kapal patroli diharapkan dapat dilakukan dengan lebih efektif dan efisien. Dalam tugas akhir ini, teknik CBR di atas dikombinasikan dengan teknik optimasi untuk proses adaptasi/modifikasi spesifikasi desain kapal terbaik. Ukuran-ukuran utama optimal kapal yang dihasilkan dari proses di atas kemudian akan dijadikan sebagai input untuk langkah berikutnya, yaitu penggambaran rencana garis dan rencana umum. Kata kunci : kapal patroli cepat, case based reasoning, optimasi. PENDAHULUAN Dalam tahap awal proses desain kapal, penentuan spesifikasi desain, yang terdiri dari tipe, ukuran utama, kecepatan dan lain-lain, dilakukan. Dalam proses ini, perhitungan-perhitungan yang berkaitan dengan besar displacement kapal, koefisien-koefisien bentuk badan kapal, hambatan kapal, dan lain-lain, serta pemeriksaan-pemeriksaan yang meliputi displacement, kapasitas, stabilitas, trim, freeboard dilakukan. Setelah spesifikasi desain kapal yang telah memenuhi persyaratan berdasarkan pemeriksaanpemeriksaan ini didapatkan, proses desain kemudian dilanjutkan dengan perhitungan dan penggambaran Lines Plan (Rencana Garis), perhitungan hydrostatic and Bonjean curves, dan perhitungan serta penggambaran General Arrangement (Rencana Umum). Guna membantu desainer dalam proses perancangan awal kapal patroli yang optimal yang memanfaatkan spesifikasi
desain dari contoh-contoh kapal patroli lama, maka perlu dilakukan sebuah penelitian yang difokuskan pada penggunaan teknik case based reasoning, yang dikombinasikan dengan teknik optimasi untuk proses adaptasi/modifikasi spesifikasi desain kapal patroli, pada proses perancangan awal kapal patroli guna mempercepat tahap awal proses desain. TINJAUAN PUSTAKA Case Based Reasoning (CBR) Dalam konteks ilmu komputer, pemanfaatan pengalaman desain kapal yang lalu untuk sebuah proses desain kapal yang baru adalah sesuai dengan teknik yang dikenal dengan Case Based Reasoning (CBR) (Maher dkk. 1995); sebuah teknik Artificial Intelligence (AI). CBR dalam desain mempunyai tiga komponen: case representasion, case recalling (retrieval) dan case adaptation (lihat Gambar 1).
Gambar 1. Model sederhana dari CBR.
Secara singkat, dalam model CBR ini jika diberikan masalah baru (new problem) sebagai input, maka desain lama akan ditarik dan selanjutnya akan diadaptasi untuk menghasilkan desain baru (new solution). Desain baru tersebut kemudian dapat disimpan kedalam case base sebagai desain lama untuk siklus proses berikutnya. Dalam tahap awal proses desain kapal patroli, desainer sering melihat spesifikasi desain (tipe, ukuran utama, kecepatan, dll.) dari contoh-contoh kapal pembanding yang ada dan sering menggunakan spesifikasi desain ini sebagai referensi untuk menghasilkan spesifikasi desain dari kapal patroli baru yang akan dirancang. Sering, desainer memilih spesifikasi desain kapal patroli pembanding tertentu yang sesuai dengan permintaan owner, atau persyaratan desain yang telah ditentukan, untuk digunakan lagi atau dimodifikasi atau dioptimalkan untuk menghasilkan spesifikasi desain yang lebih optimal yang kemudian digunakan untuk menghasilkan gambar Lines Plan dan General Arrangement. Jadi, secara sadar atau tidak sadar desainer sebenarnya telah melakukan proses yang dikenal dengan pattern matching antara spesifikasi desain permintaan owner sebagai input dengan spesifikasi desain dari contoh-contoh kapal patroli pembanding. Dalam konteks CBR, pattern matching ini merupakan salah satu proses kunci dari case retrieval (recall), dan untuk proses ini, spesifikasi desain kapal patroli direpresentasikan dalam bentuk numerical and symbolic patterns karena spesifikasi ini direpresentasikan dalam bentuk text (symbolic) dan angkaangka (numerical).
Berdasarkan uraian di atas dan guna membantu desainer dalam proses perancangan awal kapal patroli yang optimal yang memanfaatkan spesifikasi desain dari contoh-contoh kapal patroli lama, maka perlu dilakukan sebuah penelitian yang difokuskan pada penggunaan teknik case based reasoning. Optimasi Optimasi dapat dijelaskan sebagai proses mencari kondisi yang memberikan nilai optimum dari sebuah fungsi (Rao, 1996). Pada dasarnya optimasi adalah mencari nilai maksimum atau minimum dari suatu fungsi. Dalam proses optimasi selalu melibatkan hal-hal di bawah ini yaitu variable, parameter, constanta, batasan, dan fungsi objektif (Setijoprajudo, 1999). Variable adalah harga-harga yang akan dicari dalam suatu proses optimasi. Parameter adalah harga yang besarnya tidak berubah selama satu kali proses optimasi karena adanya syarat-syarat tertentu. Sedangkan constanta merupakan harga-harga yang tidak berubah selama proses optimasi berlangsung tuntas. Batasan merupakan harga-harga batas yang telah ditentukan baik oleh perencana, pemesan, biro klasifikasi, peraturan keselamatan pelayaran, kondisi perairan, dan persyaratan lainnya. Dan fungsi obyektif adalah hubunga antara semua atau beberapa variable serta parameter yang harganya akan dioptimalkan. Sebuah ekspresi optimasi atau juga biasa disebut dengan pemrograman masalah matematis dapat dinyatakan sebagai berikut: x1 x2 Find X = sehingga meminimalkan xn nilai f (X) dengan constraints:
g j (X) ≤ 0, j = 1, 2, 3, ..., m I j (X) ≤ 0, j = 1, 2, 3, ..., m dimana x adalah design vector dengan x 1 , x 2 , ..., x n adalah design variable, f(X) adalah objective function (fungsi obyektif), dan g j (X) serta I j (X) adalah constraints ketidaksamaan dan persamaan. Masalah di atas disebut dengan Constrained Optimization Problem. Dari ekspresi optimasi di atas dapat kita ringkas urutan dalam pelaksanaan proses optimasi sebagai berikut: a. Mencari bentuk matematis Menentukan variable dan parameter Mencari hubungan antar variable dan parameter b. Mencari batasan untuk variable c. Memilih fungsi obyektif yang diinginkan. METODE PENELITIAN Pengumpulan bahan referensi penunjang yang dapat membantu dalam penulisan untuk mendapatkan tinjauan pustaka yang berhubungan dengan Tugas Akhir yang akan dikerjakan. Proses studi literatur dilakukan dengan cara pencarian buku acuan yang berhubungan dengan tema permasalahan. Sumber-sumber bahan referensi ini bisa dicari melalui jurnal, paper, buku-buku, dan website. Proses awal pelaksanaan tugas akhir ini adalah merepresentasikan spesifikasi desain kapal patrol ke dalam bentuk attribute value pairs, dimana bentuk dari value tersebut dapat berupa numerical (angka) atau symbolic (teks atau label) pattern. Kemudian dikembangkan teknik pembandingan nilai-nilai dari atributatribut yang bersesuaian antara spesifikasi desain-desain kapal patrol lama dan input spesifikasi desain keinginan owner. Teknik ini terkenal dengan nama teknik pattern matching. Dari hasil pattern matching ini lah yang nantinya akan dioptimasi untuk mencari ukuran utama kapal patrol yang paling optimal dengan biaya pembangunan yang paling rendah. Proses-proses yang
telah diuraikan di atas diberikan dalam diagram pada Gambar 2.
Gambar 2. Diagram alir metode penelitian.
ANALISIS HASIL DAN PEMBAHASAN Hasil pattern matching Untuk merepresentasikan spesifikasi desain kapal, program komputer di bawah ini ditentukan. Dalam program ini sebuah kapal yang akan direpresentasikan dilengkapi dengan beberapa slot atribut, seperti nama, ukuran-ukuran utama, dan lain-lain. Kapal tersebut disimpan ke dalam Microsoft Office Excel yang selanjutnya akan direpresentasikan ke dalam Visual Basic. Selanjutnya, seperti yang telah diuraikan di atas, pada sistem yang sedang dikembangkan ini, terdapat set ukuran utama 14 kapal patroli yang telah disimpan dalam case base. Apabila salah satu nama kapal pada interface kapal dipilih, maka sebuah interface yang menampilkan detail sebuah data spesifikasi desain kapal tersebut akan dimunculkan.
Sebagai contoh, jika kapal anda KPC 28 dipilih pada interface dalam Gambar 3, maka interface dalam Gambar 4 akan ditampilkan. Interface ini akan menjelaskan detail spesifikasi desain kapal tersebut.
Gambar 3. Interface dari data 14 buah kapal patroli.
Gambar 4. Interface dari detail spesifikasi salah satu desain kapal patroli.
Seperti yang telah diuraikan diatas, proses pattern matching antara sebuah input pattern yang mewakili spesifikasi desain kapal permintaan owner dan pattern sejenis yang merepresentasikan data beberapa kapal patroli dalam case base juga dilakukan dalam sistem yang dikembangkan. Disamping itu, proses pengukuran kesamaan antara kedua pattern tersebut dan proses case retrieval dari pattern dalam case base yang terbaik menempati peringkat pertama dengan nilai perbedaan terhadap input pattern yang
atau paling sama dengan input pattern juga dapat dilakukan. Sebagai contoh atau case study, untuk menjelaskan hasil ketiga proses diatas, interface dari sebuah contoh input pattern yang diberikan dalam Gambar 5, yang merepresentasikan sebuah kapal patroli, dibandingkan (pattern-match) dengan 14 data kapal patroli pada interface dalam Gambar 3. Sebelum melakukan pengukuran, seorang owner harus memberikan preferensi/nilai pembobotan terhadap beberapa ciri yang ada, misalkan seperti Gambar 6. Pemberian nilai preferensi pada sebuah ciri tidak boleh bernilai negative dan jumlah total nilai preferensi adalah 100. Semakin besar nilai preferensi yang diberikan pada salah satu ciri maka hasil matching akan cenderung mengarah pada salah satu ciri tersebut. Sehingga jika dari 2 ciri tersebut diberi nilai 30 dan ciri yang satunya diberi nilai 40 seperti pada Gambar 6 berarti hasil matching akan mempunyai kecenderungan yang sama antara ketiga ciri, yaitu Radius, Displacement dan Vs. Dengan memasukkan nilai preferensi seperti Gambar 6 dan matching dilakukan maka akan didapatkan satu pola atribut yang akan muncul pada interface seperti pada Gambar 7. Dalam Gambar 7, hasil proses pattern matching diurutkan atau di-ranking berdasarkan tingkat kesamaan antara input pattern dan data kapal dalam case base, mulai dari tingkat kesamaan tertinggi sampai dengan terendah, atau skor/nilai perbedaan terendah di peringkat atas sampai dengan yang terbesar di peringkatperingkat dibawahnya dan seterusnya. Dalam Gambar 8, angka-angka menunjukkan tingkat perbedaan antara input pattern dan data kapal dalam case base. Semakin kecil angka tersebut, semakin kecil perbedaan antara kedua pattern tersebut, atau dengan kata lain semakin tinggi tingkat kesamaannya, dan sebaliknya. Dalam hal ini, kapal Hiu terkecil, yaitu 0.06985, diikuti oleh kapal KPC 38 M dengan skor 0.11184 di
peringkat kedua, kapal Police Patrol Boat dengan nilai 0.11345 di peringkat ketiga, dan seterusnya.
Gambar 5. Interface dari contoh data input pattern kapal patroli.
Gambar 6. Interface dari nilai preferensi.
Gambar 7. Interface dari hasil pattern matching dengan input pattern dalam Gambar 24 dan preferensi dalam Gambar 25.
Gambar 8. Interface dari rekapitulasi hasil pattern matching dengan input pattern dalam Gambar 24 dan preferensi dalam Gambar 25.
Optimasi Dalam proses optimasi ini, peneliti menggunakan tool yang ada pada software Microsoft excel yaitu Solver. Sedangkan harga-harga variabel yang akan dicari meliputi ukuran utama kapal, yaitu : • Panjang kapal (Lpp). • Lebar kapal (B). • Tinggi kapal (H). • Sarat kapal (T). Sebagai nilai awal (initial value) dari design variable di atas diambil data dari ukuran utama kapal pembanding yang diperoleh dari hasil pattern matching dengan preferensi yang ditunjukkan pada Gambar 6, dengan data sebagai berikut: • Type : Fast Patrol Boat • Name : Hiu • Length : 24 m • Breadht (B) : 5.4 m • Depth (H) : 3.3 m • Draft (T) : 1.05 m • Vs : 27 knot Batasan yang digunakan dalam proses optimasi disini, adalah menggunakan batasan dari ukuran-ukuran utama
minimum dan maksimum dari kapal pembanding yang ada. Berikut ini adalah batasan-batasan yang digunakan : • Rasio ukuran utama untuk fast patrol boat yaitu: − L/B : 3.9 ∼ 6.8 − B/T : 2.5 ∼ 6.3 − B/H : 1.5 ∼ 2.8 − L/H : 6.00 ∼ 13.3 − H/T : 1.2 ∼ 3.5 −
V L
: 1.5 ∼ 3.03
− Lpp : 17 ~ 54 − Bmld : 4.4 ~ 8.0 − Hmld : 2.37~ 4.75 − T : 0.95 ~ 2.4 Objective function dalam proses optimasi ini adalah meminimalkan total cost pembangunan kapal dengan biaya investasi awal yang dikeluarkan sebesar Rp. 6,519,110,329.70. Sebelum menjalankan program optimasi, kita harus membuat dulu model optimasinya. Model Optimasi ini dibuat dengan menggunakan Microsoft Excel, dimana isi dari model optimasi tersebut harus ada, yaitu Variables yang akan dicari nilainya, Constraints yang membatasi variabel-variabel yang ada dan Objective function yang akan dicari nilainya (max atau min). Untuk lebih jelasnya, ketiga isi tersebut ditunjukkan dalam Gambar 9, 10 dan 11.
Gambar 10. Variable dan Constraints untuk model optimasi kapal patroli.
Gambar 11. Objective function untuk model optimasi kapal patroli.
Setelah model optimasinya di buat, kita memilih data pada menu bar, lalu pilih solver. Setelah kita klik solver, maka akan muncul tampilan solver parameter seperti dalam Gambar 12.
Gambar 12. Tampilan solver parameter pada program Microsoft Excel.
Gambar 9. Parameter untuk model optimasi kapal patroli.
Setelah solver parameter ditampilkan, pada set target cell dimasukkan nilai dari fungsi objektif (nilai yang akan diminimalkan atau dimaximalkan) dan pada daerah equal to kita memilih sel yang min (karena pada optimasi kali ini peneliti ingin meminimalkan biaya pembangunan kapal). Untuk lebih jelasnya, tampilan ini diperlihatkan dalam Gambar 13.
mengecek max time, iterations, precision, tolerance, convergence, sebelum program ini di run. Untuk lebih jelasnya, tampilan ini dapat dilihat dalam Gambar 17. Gambar 13. Tampilan solver parameter dengan Target cell.
Pada By Changing Cell, kemudian dipilih variabel yang akan dicari pada model optimasi dengan memblok sel variable, seperti dalam Gambar 14.
Gambar 17. Tampilan solver parameter dengan melihat solver option.
Gambar 14. Tampilan solver parameter dengan By changing cell.
Memasukkan batasan-batasan dengan cara menekan tombol add pada solver parameter yang sesuai dengan batasan yaitu kurang dari sama dengan ( ≤ ), lebih dari sama dengan ( ≥ ) atau sama dengan ( = ), seperti dalam Gambar 15 dan Gambar 16.
Setelah Options di cek, kita kembali ke menu utama dengan menekan tombol ok, setelah itu, tekan tombol Solve, apabila model yang di buat sudah benar maka akan muncul pesan “Solver found a solution”, seperti dalam Gambar 18.
Gambar 18. Tampilan hasil optimasi apabila solusi optimal ditemukan.
Hasil optimasi ditampilkan dalam Gambar 19 dan Gambar 20. Sedangkan perbandingan harga hasil sebelum optimasi dan setelah optimasi ditunjukkan dalam Tabel 1. Gambar 15. Tampilan solver parameter dengan constraint.
Gambar 16. Tampilan solver parameter dengan cara memasukkan constraint.
Setelah batasan-batasan dimasukkan kemudian tekan tombol option untuk
Gambar 19. Variable hasil optimasi.
Gambar 20. Objective function hasil optimasi. Tabel 1. Perbandingan hasil sebelum dan setelah optimasi.
Item
Sebelum
Setelah
Optimasi
Optimasi
Lpp
24 m
21.01 m
B
5.4 m
4.4 m
H
3.3 m
2.37 m
T
1.05 m
0.95 m
Vs
27 knot
27 knot
L/B
4.44
4.776
B/H
1.6364
1.8565
B/T
5.14
4.6316
H/T
3.1429
2.4947
V/√L
2.835
3.03
Biaya
Rp.
Rp.
Pembangu
6,519,110,32 5,113,892,07
nan
9.7
4.41
Perhitungan teknis disini meliputi: Perencanaan dan Penggambaran Lines plan, perhitungan Hidrostatik dan Bonjean, perhitungan Stabilitas, perhitungan dan penggambaran General Arragement serta perhitungan Tahanan dan daya mesin. KESIMPULAN Proses pattern matching yang dilakukan dengan menggunakan software Visual Basic pada Microsoft Office Excel dinyatakan telah berfungsi optimal karena
dapat mencari data spesifikasi desain kapal sesuai dengan input design. Case base reasoning dapat mengurutkan dan merangking tingkat kesamaan terhadap input design sehingga dapat membantu desainer dalam melakukan proses perancangan kapal. Hal ini juga berarti mengurangi lama waktu yang dibutuhkan seorang desainer dalam merancang kapal. Sehingga program case base reasoning ini dinyatakan berhasil. Proses optimasi pada Microsoft excel solver, menghasilkan data ukuran utama kapal yang optimal dengan biaya pembangunan kapal awal sebesar Rp. 6.519.110.329,70 yang kemudian berkurang menjadi Rp. 5.113.892.074,41 setelah proses optimasi. DAFTAR PUSTAKA Maher, M. L. and A. G. D. S. Garza, Casebased reasoning in design. IEEE Expert. Special Issue on Artificial Intelligence in Design, 1997. Manfaat, D. (2003). Penerapan teknik combined topological pattern and geometric shape matching untuk penarikan layout akomodasi kapal. Jurnal Ilmiah IPTEK-ITS, Vol. 14, No. 4, pp 213-226. Rao, S. S. 1996. Engineering optimization theory and practice. Wiley – Interscience. USA.
