Analisa Kondisi Mesin Induk Kapal Dengan Aplikasi Metode Fuzzy Inference System Nahlah M. Darma 1, Heri Supomo, M.Sc.2, Setyo Nugroho3 Mahasiswa Pasca Sarjana Teknik Produksi dan Material Kelautan Institut Teknologi Sepuluh Nopember Surabaya, Indonesia1 Dosen Fakultas Teknologi Kelautan ITS2 Dosen Fakultas Teknologi Kelautan ITS3 Email:
[email protected]
Abstrak Sistem permesinan merupakan kendala yang paling dominan dialami dalam pengoperasian kapal. Mesin Induk adalah sebagai tenaga penggerak utama yang berfungsi untuk mengubah tenaga mekanik menjadi tenaga pendorong bagi propeller kapal agar kapal dapat bergerak, dimana dalam pengoperasionalnya mesin induk selalu dalam kondisi running secara terus menerus. Hal ini tentunya akan mempengaruhi kondisi mesin. Pada sebuah sistem yang kompleks seperti pada Mesin Induk kapal dimana terdiri dari pompa, turbin, turbo-generator maupun jenis lainnya, kerusakan yang terjadi sangatlah bervariasi. Dalam kondisi aktualnya, kerusakan yang terjadi pada sebuah mesin sangatlah kompleks, sehingga sangat sulit untuk mencari model matematik dari sebuah mesin yang dapat digunakan sebagai parameter dalam mendiagnosa kerusakan. Selain itu hubungan antara kerusakan dan gejala kerusakan terkadang terlalu kompleks, hampir tidak bisa diketahui secara pasti. Sehingga hasil dari diagnosa mengandung ketidakpastian (fuzzines) yang cukup tinggi. Pengamatan secara rutin terhadap parameter temperature, tekanan, kekentalan serta flow oil dan bahan bakar adalah merupakan salah satu metode yang cukup baik untuk mengetahui kondisi mesin. Metode fuzzy logic dalam hal ini FIS (Fuzzy Inference System) digunakan dalam penelitian untuk diaplikasikan dalam mengatasi permasalahan pada mesin induk kapal. Perancangan system dalam menganalisa kondisi mesin induk kapal dengan menggunakan FIS, yang mana dilakukan dengan merancangan system meliputi proses pengambilan data kondisi normal mesin induk , pengelompokan system yang bekerja pada mesin induk dan perancangan system FIS. Dalam perancangan system ini akan dibentuk FIS alat yaitu peralatan pendukung dari system bahan bakar, pelumas dan pendingin, kemudian FIS system yaitu system bahan bakar, FIS system pelumas dan system pendingin dan terakhir adalah FIS mesin induk . Demikian halnya terhadap rule-rule dari masing-masing alat, system dan mesin induk. Kata Kunci : mesin induk kapal, logika fuzzy, fuzzy inference system
1. PENDAHULUAN 1.1 Latar Belakang Hingga saat ini penilaian operator kapal terhadap proses kelayakan sistem diatas kapal masih bersifat subyektif, hanya didasarkan pada intuisi saja. Dengan kata lain proses penilaiannya tidak dilandasi oleh pembahasan yang ilmiah atau konsep yang jelas. Agar penilaian teknis terhadap sistem dan komponen di kapal mempunyai dasar perhitungan yang ilmiah dan obyektif, maka diperlukan alternatif penilaian yang lebih kuantitatif. Pada sebuah sistem yang kompleks seperti halnya pada Mesin Induk (ME) kapal (pompa, turbin, turbo-generator maupun jenis lainnya), kerusakan yang terjadi sangatlah bervariasi. Dalam kondisi aktualnya, kerusakan yang terjadi pada sebuah mesin sangatlah kompleks, sehingga sangat sulit untuk mencari model matematik dari sebuah mesin yang dapat digunakan sebagai parameter dalam mendiagnosa kerusakan. Selain itu hubungan antara kerusakan dan gejala kerusakan terkadang juga terlalu kompleks hampir tidak bisa diketahui secara pasti. Sehingga hasil dari diagnosa mengandung ketidakpastian (fuzzines) yang cukup tinggi (Ping Yang dan Sui – sheng Liu, 2005). Metode fuzzy logic dalam hal ini FIS (Fuzzy Inference System) banyak sekali diaplikasikan untuk mengatasi permasalahan diatas. Fuzzy logic memiliki kelebihan dalam mengklasifikasikan kerusakan serta mengidentifikasi kerusakan yang terjadi berdasarkan fuzzy information. Dari fuzzy information dapat dibuat rule-rule sebagai pertimbangan dalam pengambilan keputusan. Dengan demikian kekhawatiran bagi para pemegang kebijakan dalam perusahaan pelayaran dapat dikurangi karena dengan pencegahan sedini mungkin akan mengurangi pengeluaran biaya yang besar terhadap perbaikan maupun penggantian peralatan yang mengalami kegagalan 1.2 Perumusan Masalah Berdasarkan uraian yang telah dikemukakan maka permasalahan yang akan dibahas dalam penelitian ini adalah : 1. Bagaimana menyusun struktur FIS (Fuzzy inference system) yang dapat digunakan untuk menganalisa kondisi Mesin Induk (ME) kapal berdasarkan data sekunder berupa data temperature, tekanan, kekentalan dan flow. 2. Bagaimana memvalidasi output FIS (Fuzzy inference system) yang telah disusun sehingga dapat menjamin kemampuan dari metode tersebut dalam menilai kondisi Mesin Induk (ME) tersebut. 1.3 Tujuan dan Manfaat Penulisan Tujuan yang hendak dicapai dalam penelitian ini adalah : 1. Membuat sistem analisa otomatis yang mampu mengidentifikasi kondisi dari sistem mesin induk kapal dengan menggunakan FIS (Fuzzy Inference System) 2. Menguji tingkat validasi output FIS (Fuzzy inference system) yang telah disusun sehingga dapat menjamin kemampuan dari metode tersebut dalam menilai kondisi mesin induk kapal. Manfaat dari penelitian ini adalah dihasilkannya suatu sistem perbaikan mesin utama kapal yang dibuat dalam program komputer. Hasil penelitian ini diharapkan dapat:
1. Mengurangi faktor subjektifitas dari manusia dalam penentuan keputusan mengenai kondisi yang terjadi pada mesin induk kapal. 2. Memberikan informasi yang akurat bagi operator kapal maupun pemegang keputusan dalam menentukan tindakan perawatan dan perbaikan kapal 3. Digunakan sebagai bahan informasi studi lanjutan yang diperlukan untuk pengembangan yang berkaitan dengan monitoring system dan control system.bagi kalangan akademis. 2. TINJAUAN PUSTAKA 2.1. Mesin Induk Kapal Untuk mempertahankan kondisi mesin agar tetap mampu beroperasi maksimal tentunya main engine akan dibantu dengan beberapa system pendukung lainnya. Sistem pendukung tersebut antara lain : 1. Sistem Bahan Bakar, 2. Sistem Pelumas, 3. Sistem Pendingin Ketiga sistem tersebut diatas sangat berpengaruh terhadap kinerja main engine, oleh sebab itu kesuksesan operasi maupun kegagalan operasi didalam main engine juga akan dipengaruhi oleh ketiga sistem tersebut diatas. 2.1.1. Sistem Bahan Bakar Sistem bahan bakar ini secara umum terdiri atas fuel oil transfer, filtery dan purifering; fuel oil circulating, fuel oil supply,dan heater. Bahan bakar di kapal disimpan di storage tank. Koil pemanas harus dipasang pada tangki bunker sehingga temperature bahan bakar pada tangki bunker dapat dipertahankan pada temperature 40 500C. Untuk memastikan pensuplaian bahan bakar cukup banyak, maka kapasitas dari circulating pump dibuat lebih besar dari jumlah bahan bakar yang dikonsumsi oleh motor induk. Dan kelebihan bahan bakar tersebut akan disirkulasikan kembali dari motor melalui venting box yang kemudian akan menuju ke circulating pump kembali. Ketika engine berhenti, circulating pump akan terus bekerja untuk mensirkulasikan Heavy Fuel yang telah dipanaskan dan tetap melewati fuel oil system engine dengan tujuan untuk menjaga bahan bakar tetap panas dan katup bahan bakar tetap terdeaerated. Pada sistem bahan bakar ada beberapa peralatan yang mendukung sistem tersebut antara lain: System Transfer, Filtering dan purifikasi. Sistem ini bertugas memindahkan bahan bakar dari storage tank ke settling tank, serta membersihkan bahan bakar dari kotoran yang berasal dari storage tank. Heavy fuel oil harus dibersihkan terlebih dahulu dengan melewatkanya melalui centrifuge sebelum masuk ke daily tank. Pada centrifuge nantinya kotoran-kotoran yang terdapat pada HFO yang terdiri atas partikel dan air akan dipisahkan dari HFO. 2.1.2. Sistem Pelumas Pelumas merupakan sarana pokok dari mesin untuk bekerja secara optimal. Tanpa pelumas dapat dipastikan bahwa mesin tidak akan dapat beroperasi. Memberikan pelumas yang salah dapat mengakibatkan mesin yang menggunakannya langsung rusak atau jika tidak begitu fatal, maka salah satu konsekuensinya adalah mesin tidak dapat bekerja secara optimal. Pelumas di engine sangat diperlukan karena berfungsi untuk melumasi koponen-komponen yang bergesekan. Tujuannya adalah untuk mempertahankan umur dan daya tahan komponen sesuai dengan umur ekonomisnya. Selain sistem pelumas berfungsi untuk mengurangi gesekan antar komponen engine.
2.1.3 Sistem Pendingin Sistem pendingin adalah sistem yang digunakan untuk mendinginkan Main Engine sehingga dapat beroperasi dalam waktu yang lama. Ada beberapa konfigurasi yang paling sering digunakan dalam perencanaan sistem pendingin, yang pertama dengan pendinginan menggunakan air laut temperature rendah dan pendinginana air tawar untuk jacket cooling. Sistem ini hanya mempunyai dua set pompa (untuk sea water dan jacket water). Sistem pendingin menggunakan type Central Cooling, dimana air laut difungsikan sebagai obyek penerima panas dari air tawar yang telah digunakan sebagai pendingin utama, dengan alat penukar panas pada central cooler. Sirkulasi dari air laut ini merupakan sirkulasi terbuka dimana air laut dipompa dari sea chest kemudian disirkulasikan dan akhirnya keluar lewat over board. 2.2. Konsep Dasar Fuzzy 2.2.1 Logika Fuzzy dan Himpunan Fuzzy Logika fuzzy adalah cara yang tepat/mudah untuk memetakan hubungan antara input output yang didasari konsep himpunan fuzzy. Hal ini sering dikenal dengan istilah black-box. .Pada dasarnya, himpunan fuzzy merupakan perluasan dari himpunan klasik (crisp), pada himpunan klasik A suatu elemen akan memiliki 2 kemungkinan keanggotaan. Yaitu anggota A yang dinotasikan dengan µA(x). Dimana µA(x) = 1 apabila x merupakan anggota dari A dan µA(x) = 0 apabila x bukan anggota A. • Degree of Membersip (Derajat Keanggotaan) Berfungsi untuk memberikan bobot pada suatu input yang telah diberikan sehingga inp ut tersebut mempunyai nilai. Misalnya “suhu” adalah” dingin”, maka suhu tersebut akan mempunyai nilai diantara range 0 – 1 • Scope (Domain) Suatu batas dari kumpulan input tertentu . Misalnya suhu dikatakan ’warm’ jika berada diantara range 60 – 80 derajat. • Label Adalah kata – kata yang untuk memberikan suatu keterangan pada scope/domain. Contohnya : panas,dingin, cepat, sangat cepat • Membership function (Fungsi keanggotaan) Suatu bentuk bangun yang merepresentasikan suatu batas scope/domain • Crisp Input Nilai input analog yang akan diberikan untuk mencari derajat keanggotaan • Universe Of Discourse Batas semua input yang akan diberikan Membership function (Fungsi keanggotaan) Ada 2 cara dalam mendefinisikan keanggotaan himpunan fuzzy, yaitu secara numeris dan fungsional. Definisi numeris menyatakan fungsi keanggotaan sebagai vektor jumlah yang tergantung pada tingkat diskretisasi. Misalnya jumlah diskret dalam semesta pembicaraan. Definisi fungsional menyatakan sebagai derajat keanggotaan sebagai batasan ekspresi analitis yang dapat dihitung. Fungsi keanggotaan yang biasa digunakan antara lain : 1. Fungsi –S (S-function) 2. Fungsi - Π 3. Fungsi Keanggotaan Segitiga (Triangular Membership Function)
4. Fungsi Keanggotaan Trapezium (Trapesoidal Membership Function) 5. Persamaan untuk bentuk geberalized bell adalah: 2.3. Inferensi Fuzzy 2.3.1 Variabel Linguistik dan Linguistik Hedge Suatu linguistik hedge adalah suatu operasi yang memodifikasi arti dari suatu himpunan fuzzy. Jika A adalah suatu himpunan fuzzy, maka linguistik hedge m mengenerate term B = m(A). Model matematis sering digunakan sebagai linguistik hedge seperti berikut : Concentration : µcon( A) (u) = (µA (u))2
Dilation :
µdil( A) (u) = (µA (u))1/ 2
Intensification : untuk µint(A) (u) = ⎧⎪2(µ (u)) 2
A
⎨ ⎪⎩1−2(1−µA(u)
µ A (u ) ∈ [0,5]
))
2
Secara umum linguistik hedge berikut berasosiasi dengan operator matematis tersebut : Jika A adalah suatu himpunan fuzzy, maka sangat A = con (A) lebih kurang A = dil(A) plus A = A 1.25 2.3.2 Aturan – aturan Linguistik (Linguistik Rules) Persamaan ini menggambarkan dinamika atau kinematika dari suatu sistem atau pengetahuan tentang sistem dalam bentuk yang sangat sederhana. Hubungan antara masukan x dan keluaran f(x) bisa digambarkan, misalnya melalui persamaan f (x) =
(x −3)2 30
Dengan substitusi harga numerik x (masukan, fakta, kondisi) kepada persamaan ini maka diperoleh harga f (x) ( keluaran, konklusi, konsekuensi). Aturan i : JIKA x adalah Ai MAKA f(x) adalah Bi, (i = 1,...,n) dengan x dan f(x) masing-masing adalah variabel bebas dan variabel tidak bebas, Ai dan Bi adalah konstanta linguistic, dan n adalah banyak data eksperimen. Dari bentuknya aturan ini biasa disebut dengan aturan JIKA – MAKA. Klausa JIKA sebagai antenseden atau kondisi, dan klausa MAKA sebagai konsekuen. Aturan linguistik dapat diklasifikasikan dalam dua kategori ditinjau dari konstanta linguistik Ai dan Bi yaitu aturan linguistik dengan bahasa yang well-defined (aturan JIKA-MAKA crisp) dan aturan linguistik dengan bahasa yang ill-defined. 2.3.2.1 Aturan linguistik dengan bahasa yang well-defined (aturan JIKA-MAKA crisp) Dalam aturan JIKA-MAKA crisp semua konstanta linguistik direpresentasikan dengan bahasa yang well-defined (informasi crisp atau nilai numerik yang eksak), seperti misalnya 800C, 220 volt, 12 Ma, dan sebagainya. Berikut ini adalah contoh aturan yang termasuk dalam kategori ini. Aturan 1 : JIKA x adalah -2 MAKA f(x) adalah 25/30 Aturan 2 : JIKA x adalah -1 MAKA f(x) adalah 16/30 Aturan 3 : JIKA x adalah 0 MAKA f(x) adalah 9/30 Aturan 4 : JIKA x adalah 1 MAKA f(x) adalah 4/30 Aturan 5 : JIKA x adalah 2 MAKA f(x) adalah 1/30
dan seterusnya. Tampak bahwa deskripsi ini sangat sederhana dan mudah dilakukan perubahan pada bagian konsekuensi dari aturan JIKA-MAKA bila diperlukan. Hal ini berarti bahwa aturan JIKA-MAKA sangat cocok untuk sistem belajar (learning sistem), selforganizing system, sistem adaptif, dan sebagainya. Meskipun demikian ada beberapa kekurangan dari sistem semacam ini. 2.3.2.2 Aturan Linguistik dengan Bahasa yang ill-defined Aturan linguistik ini serig disebut sebagai JIKA-MAKA fuzzy, atau aturan fuzzy. Dalam kategori ini semua kendala linguistik direpresentasikan dengan bahasa yang illdefined(informasi fuzzy), misal mewah, tinggi, sekitar 45kg dan sebagainya. Aturan fuzzy dapat menggambarkan relasi antara x dan f(x), sebagai contoh modifikasi aturan linguistik yang well-defined ke dalam bentuk aturan fuzzy Apabila ada perubahan dalam karakteristik sistem, merubah aturan fuzzy jauh lebih mudah dibandingkan dengan merubah persamaan matematis, yaitu hanya beberapa aturan saja yang harus dirubah atau ditambah. Sementara dalam persamaan matematis harus melakukan kalkulasi ulang. 2.3.2.3 Basis Aturan Fuzzy Suatu basis aturan fuzzy memuat sekumpulan aturan fuzzy if-then. Dalam beberapa aplikasi, ini merupakan inti dari sistem fuzzy. Terdapat dua cara untuk mengambil kesimpulan dengan sekumpulan aturan, yaitu inferensi berbasis komposisi (composition based inference) dan inferensi berbasis aturan individu (individual-rule based inference). 2.3.2.4 Inferensi berbasis Komposisi Dalam inferensi berbasis komposisi, semua aturan dalam basis aturan fuzzy dikombinasikan menjadi suatu relasi fuzzy tunggal dalam U x V yang selanjutnya dipandang sebagai aturan fuzzy if-then secara tunggal. Misalkan Ru(l) adalah relasi fuzzy dalam U x V, yang menyatakan aturan fuzzy if-then , yaitu Ru = A x...xA →B dengan A1l x...xAnl relasi fuzzy pada U = U1 X ..X Un yang didefenisikan sebagai berikut : (x ..., x ) = µ (x ) ... µ (x ) dengan menyatakan operator T-norm, sedangkan implikasi µ (l )
l 1
l n
∗
A1l x ... xA Nl
1,
n
(l)
A nil
1
∗
A nl
n
dalam Ru didefenisikan menurut salah satu interpretasi fuzzy if-then. Aturan-aturan fuzzy if-then sebanyak m dapat dinyatakan sebagai relasi fuzzy tunggal Qm dalam U x V yang didefenisikan sebagai : m Qm = U Ru l =1
Kombinasi ini dinamakan kombinasi Mamdani (Wang, 1997). Salah satu prinsip pokok dalam logika fuzzy adalah modus ponens yang diperumum (generalized modus ponens). Misal A himpunan fuzzy dengan semesta X, dan B himpunan fuzzy dengan semesta Y, generalized modus ponens dinyatakan dengan skema sebagai berikut (Klir dan Yuan, 1995) : Rule : Jika x adalah A maka y adalah B Fact : x adalah A’ Konklusi : y adalah B’ Apabila diberikan himpuan fuzzy A’ yang menyatakan premis x adalah A’ dan relasi fuzzy A→B dalam U x V yang menyatakan premis jika x adalah A maka y adalah B,
suatu himpunan fuzzy B’ dalam V yang menyatakan kesimpulan y adalah B’ dapat ditentukan sebagai berikut : µB ( y) = supt[µA (x), µA→B (x, y)] '
3 METODOLOGI PENELITIAN Dalam penelitian ini, dilakukan langkah – langkah untuk memperoleh tujuan penelitian adalah sebagai berikut : 1. Studi literatur yang berkaitan dengan tujuan penelitian. Tinjauan Pustaka memberikan pengetahuan mendasar bagi peneliti untuk meneliti obyek penelitian, sehubungan dengan itu maka dilakukan studi pustaka mengenai: a) Mesin Induk Kapal b) Logika Fuzzy, c) FIS dan Penggunaan Software Matlab. 2. Melakukan pemilihan variabel yang akan didiagnosa. 3. Mengumpulkan Data Sekunder. . 4. Persiapan Data Input 5. Proses Perancangan sistem (Semua perancangan tersebut dengan bantuan software Matlab) 6. Implementasi sistem. 7. Kesimpulan. 4.
Perancangan Sistem . Perancangan system ini meliputi proses pengambilan data kondisi normal mesin induk , pengelompokan system yang bekerja pada mesin induk dan perancangan system FIS. 4.1. Dasar Perancangan data input Sistem Analisa Mesin Induk Mesin induk kapal dengan merk mesin WUXI dengan model G 830 ZC 16 B-1 yang terdiri dari beberapa system pendukung dalam beroperasi, dimana setiap system tersebut memiliki nilai kondisi normal dalam beroperasi. Nilai-nilai tersebut diperoleh dari instruction manual book dari mesin. Nilai- nilai ini merupakan data input yang digunakan dalam perancangan FIS. Nilai kondisi normal mesin induk terdapat pada tabel-tabel dibawah ini. Table . Nilai Normal Sistem Bahan Bakar Alat Supply Pump Fuel oil heater FO Feed Pump Fuel flow filter Circulating Pump FO Fuel Transfer pump
Suhu ( °c ) 40 - 50 60 - 65 60 - 65 60 - 65 40-50 30
Keadaan Tekanan Kekentalan ( MPa) ( cST) 0,15 - 0,2 13 0,25 13 0,25 10 0,15 10 0,15 12 0,15 9
Debet (m3/h) 1 0,8 1 1 1 0,8
Table . Nilai Normal Sistem Pelumas Alat
Suhu ( °c )
Keadaan Tekanan Kekentalan ( MPa) ( cST)
Debet (m3/h)
Cylinder oil pump
50
0,4
14,3
26
LO Purifier
60
0,4
13
27
Cylinder oil filter
60
0,38
16,3
24
LO Pump LO Cooler Fine Filter (pressure)
80 80 60
0,32 0,38 0,4
12,5 13.7 14
29 26 26
Table .4.3. Nilai Normal Sistem Pelumas Suhu ( °c )
Alat Sea Waterpump FW Filter FW Pump FW Cooler Jacket Cooling
Keadaan Tekanan ( MPa)
60 60 85 80 60
0,15 0,15 0,05 0,1 0,1
Debet (m3/h) 60 60 40 40 40
4.2. Rancangan System Analisa Mesin Induk Mesin induk beroperasi dibantu dengan beberapa system pendukung lainnya. Sistem pendukung tersebut antara lain : Sistem Bahan Bakar, Sistem Pelumas, Sistem Pendingin. Selanjutnya system pendukung mesin induk dapat dibuat dalam tree diagram Sistem Mesin Induk seperti pada gambar 4.1.
keterangan :
T, P, V, F
FO Fuel Transfer
T, P, V, F
FO Feed Pump
T, P, V, F
Supply Pump
T, P, V, F
Circulating Pump
T, P, V, F
Fuel Oil Heater
T, P, V, F
Fuel Flow Filter
T, P, V, F
LO Pump
T, P, V, F
Fine Filter (pressure)
T, P, V, F
LO Cooler
T, P, V, F
LO Purifier
T, P, V, F
Cylinder Oil Filter
T, P, V, F
Cylinder Oil Pump
T, P, V, F
FW Cooler
T, P, V, F
FW Filter
T, P, V, F
FW Pump
T, P, V, F
Jacket Cooling
T, P, V, F
Sea Water Pump
Sistem Bahan Bakar
Sistem Pelumas
Main Engine
Sistem Pendingin
Gambar 4.1. Tree Diagram Sistem Mesin Induk
T = Temperature; P = Pressure (Tekanan); V = Viscosity (Kekentalan); F = Flow (Aliran)
4.3. Rancangan FIS Dalam perancangan FIS untuk memperoleh output yang dikehendaki , maka dilakukan tahapan-tahapan rancangan FIS. 4.3.1. Pembentukan himpunan fuzzy input dan output pada Sistem Bahan Bakar Pada Sistem bahan Bakar memiliki 6 input variable linguistic yaitu Supply Pump, FOl heater, FO feed pump, Fuel flow filter, Circulating Pump, FO fuel transfer Pump. Sedangkan ouput dari FIS ini adalah nilai Kondisi alat. 4.3.1.1. Variable Input FIS pada Supply Pump Terdapat 4 variable input pada supply pump yang akan dimodelkan yaitu temperatur, tekanan, kekentalan dan flow. Setiap variabel menggunakan tiga himpunan
fuzzy yaitu himpunan fuzzy rendah, normal dan tinggi. Fungsi keanggotaan yang digunakan adalah fungsi keanggotaan Trapezium (Trapmf) sebagai berikut : 1. Temperatur, Fungsi keanggotaan yang digunakan adalah fungsi keanggotaan Trapezium (Trapmf) µrendah(x,a,b,c,d) dimana = [-5 0 10 40] µnormal(x,a,b,c,d) dimana = [10 40 50 80] µtinggi(x,a,b,c,d) dimana = [50 80 90 100] Gambar menunjukkan fungsi keanggotaan pada variable input “temperatur”
” Tekanan, Fungsi keanggotaan yang digunakan adalah fungsi keanggotaan Trapezium (Trapmf) µrendah(x;a,b,c,d) dimana = [-0.1 -0.03 0.05 0.15] µnormal(x,a,b,c,d) dimana = [0.05 0.15 0.2 0.3] µtinggi(x;a,b,c,d) dimana = [0.2 0.31 0.38 0.5] Gambar 4.4. menunjukkan fungsi keanggotaan pada variable input “tekanan” 2.
3.
Kekentalan, Fungsi keanggotaan yang digunakan adalah fungsi keanggotaan Trapezium (trapmf) dan Segitiga (trimf) µrendah(x;a,b,c,d) dimana = [-5 -1 3 12] µnormal(x;a,b,c,) dimana = [5 13 20] µtinggi(x;a,b,c,d) dimana = [14 22 27 30] Gambar 4.5. menunjukkan fungsi keanggotaan pada variable input “kekentalan”
4.
Aliran, Fungsi keanggotaan yang digunakan adalah fungsi keanggotaan Trapezium (trapmf) dan Segitiga (trimf) µrendah(x,a,b,c,d) dimana = [-0,8 -0.1 0.3 1] µnormal(x;a,b,c,) dimana = [0.5 1 1.5] = [1 1.7 2.1 2.9] µtinggi(x,a,b,c,d) dimana Gambar 4.6. menunjukkan fungsi keanggotaan pada variable input “Aliran”
5.
Kondisi alat , Fungsi keanggotaan yang digunakan adalah fungsi keanggotaan Trapezium (trapmf) µkondisi A(x;a,b,c,d) dimana = [80 95 100 110 ] µkondisi B(x;a,b,c,d) dimana = [65 80 85 95 ] = [45 60 65 75] µkondisi C(x;a,b,c,d) dimana = [-3.5 0 35 50] µkondisi D(x;a,b,c,d) dimana
Gambar. menunjukkan fungsi keanggotaan pada variable output “Kondisi”
Proses Inferensi 4.4.1. Penyusunan linguistic rule Alat System bahan bakar dinilai dari 6 indikator yaitu Supply Pump, Fuel Oil Heater, FO Feed Pump, Fuel Flow Filter, Circulating Pump, FO Fuel Transfer Pump. Fungsi untuk masing-masing parameter ini memuat tiga himpunan fuzzy yaitu rendah, normal dan tinggi. Input : 4 variabel (Temperatur, Tekanan, Kekentalan, Aliran) Variable : 3 himpunan fuzzy( RENDAH, NORMAL, TINGGI) Sehingga rule FIS didapat dengan mengkombinasikan input antara variabel dan himpunan fuzzy dan didapat dengan cara : Jumlah himpunan fuzzy tiap variabel dipangkatkan jumlah variabel input = 3^4 = 81 rules. Pada kondisi di lapangan tidak mungkin ditemukan kondisi temperatur rendah dan kekentalan rendah terjadi secara bersamaan sehingga 81 rule itu akan dikurangi kondisi tersebut. Kondisi temperatur rendah dan kekentalan rendah terjadi secara bersamaan terjadi 9 kali didapat dari jumlah himpunan fuzzy tiap variabel pangkat jumlah variabel yang berkaitan = 3^2 = 9 rule , sehingga didapat rule FIS Alat= 81 - 9 = 72 rules. Berikut ini adalah sebagian dari rules yang digunakan dalam FIS system Bahan Bakar. Rule (1) Jika Temperatur RENDAH DAN Tekanan RENDAH DAN Kekentalan NORMAL DAN Flow RENDAH MAKA B Rule (28) Jika Temperatur NORMAL DAN Tekanan NORMAL DAN Kekentalan RENDAH DAN Flow RENDAH MAKA B Rule (47) Jika Temperatur TINGGI DAN Tekanan RENDAH DAN Kekentalan RENDAH DAN Flow NORMAL MAKA C
5. IMPLEMENTASI DAN PENGUJIAN SISTEM Input data yang digunakan dalam pengujian terhadap FIS alat ini diperoleh dari kondisi kapal yang telah terjadi. Seperti pada tabel Table. Hasil Pengujian Sistem FIS Alat Keadaan Alat
Temperatur
Tekanan
Kekentalan
Aliran
( °c ) 65 50 60 78 55
( MPa) 0.08 0.2 0.6 0.15 0.2
( cST) 12 12 8 13 12
(m3/h) 1.2 0.8 1.1 1 12
32
0.16
10.5
1
60 60 52 70 70
0.4 0.6 0.3 0.3 0.4
13 13 16 11.8 13.5
22 29 24 25 23
Supply Pump Fuel oil heater FO Feed Pump Fuel flow filter Circulating Pump FO Fuel Transfer Pump Cylinder oil pump LO Purifier Cylinder oil filter LO Pump LO Cooler KONDISI
RANGE
Kondisi Sistem
Kondisi
75.1 92 95 81.5 94
C A A B A A
95 95 95 95 95.5 95
A A A A A
DESKIPSI
Kondisi A
100
–
85
Kondisi B
84.99
-
75
baik dan beroperasi normal terdapat gejala kerusakan
Kondisi C
74.99
-
60
Kondisi D
59.99
-
0
cacat/rusak tapi bisa jalan gagal /rusak total/ tidak bisa dipakai / tdk bisa jalan
Dalam menkonversikan nilai numeric yang dihasilkan oleh FIS maka dibuat aturan konversi kondisi output sebagi berikut : Nilai Kondisi dinyatakan dalam (%) : Demikian selanjutnya untuk mengetahui kondisi akhir dari mesin induk , maka output yang dihasilkan pada FIS system, selanjunya dijadikan input pada FIS Mesin Induk, seperti pada tabel Setelah diperoleh nilai kondisi pada tiap peralatan , selanjutnya output FIS peralatan dijadikan input pada FIS system.seperti pada tabel Supply Pump
Fuel oil heater
FO Feed Pump
Fuel flow filter
Circulating Pump
FO Fuel Transfer Pump
Kondisi ME (0-100)
75.1
92
95
81.5
94
95
97.5
SISTEM PELUMAS
Cylinder oil pump
LO Purifier
Cylinder oil filter
LO Pump
LO Cooler
Fine Filter (pressure)
kondisi (0-100)
Parameter kondisi skala 0-100
95
95
95
95.5
95
92.5
97.5
SISTEM PENDINGIN
Sea Water Pump
FW Filter
FW Pump
FW Cooler
Jacket Cooling
97
93.5
94.5
93.5
SISTEM BAHAN BAKAR Parameter kondisi skala 0-100
Parameter kondisi skala 0-100
85.5
MAIN ENGINE
SISTEM BAHAN BAKAR
SISTEM PELUMAS
SISTEM PENDINGIN
Parameter kondisi skala 0-100
97.5
97.5
97.5
kondisi (0-100) -
97.5
kondisi (0-100) 97.5
Dari pengujian terhadap FIS mesin induk diperoleh nilai akhir kondisi mesin induk adalah 97.5. nilai tersebut apabila dikonversikan maka mesin induk berada pada kondisi A, atau dapat dikatakan bahwa kondisi mesin induk berada dalam keadaan NORMAL. Berdasar hasil pengujian terhadap system FIS yang telah dirancang, terlihat adanya perbedaan pada nilai kondisi dalam persen numeric. Akan tepati setelah dikonversikan kedalan nilai crisp, maka perbedaan tersebut tidaklah terlalu signifikan , bahkan terdapat beberapa kondisi yang sama antara kondisi dengan pengujian FIS dan kondisi nyata di kapal. DAFTAR PUSTAKA Arismunandar. Wiranto, Koichi Tsuda, (2002), Motor Diesel Putaran Tinggi, Pradnya Paramita, Jakarta Priambodo. Bambang, (1986), Operasi dan Pemeliharaan Mesin Diesel. Penerbit Erlangga, Jakarta.
Harrington, Roy L, (1968), Marine Engineering, The Society of Naval Architect and Marine Engineers. Kusumadewi,SriHartati.(2006)”Neuro-Fuzzy;Integrasi Sistem Fuzzy dan Jaringan Saraf”.Graha Ilmu. Kusumadewi,SriHartati.(2002)”Analisa dan Desain Sistem Fuzzy”.Graha Ilmu Kusumadewi,SriHartati.(2004)”Aplikasi Logika Fuzzy”.Graha Ilmu Sugiyono, Dr. Prof. (2008), Metode Peneltian Kuantitatif, Kualitatif dan R&D Harrington, Roy L, (1968), Marine Engineering, The Society of Naval Architect and Marine Engineers.
