Jurnal Tugas Akhir
PENDEKATAN OPTIMASI DALAM PERANCANGAN STRUKTUR PENDUKUNG OFFSHORE WIND ENERGY Yogi Pramadhika1, Murdjito2, Daniel M Rosyid2 Mahasiswa Teknik Kelautan, 2Staf Pengajar Teknik Kelautan
1
Abstrak Pada penelitian ini perancangan turbin energi angin lepas pantai di dekati dengan metode optimasi. Optimasi tersebut digunakan dalam tahap desain konseptual turbin angin. Parameter tersebut diantaranya elevasi blade, dan diameter rotornya. Selanjutnya bagimana desain detail struktur tersebut, yaitu dimensi dan kekuatan struktur penopangnya. Proses optimasi dilakukan dengan dua metode, yaitu artificial intelligence dan metode seleksi optimasi dari blade yang ada di pasaran. Hasil dari optimasi menggunakan artificial intelligence tersebut adalah dengan jumlah kaki struktur 3, diameter rotor 65 meter, dan elevasi blade dari permukaan 60 meter. Sedangkan hasil dari seleksi dan optimasi blade yang ada di pasaran menghasilkan desain type B dengan spesifikasi jumlah kaki struktur 3, diameter rotor 60 meter, dan elevasi dari permukaan 60 meter dengan parameter harga sebagai variabel keputusan. Untuk detail desain, dimensi struktur dihitung berdasar rasio kerampingan sebesar 110, dan dihasilkan diameter vertical chord, brace horisontal dan diagonal berturut-turut, 2.46 m, 0.305 m, dan 0.51 m. ketebalannya adalah berturut-turut, 0.054 m, 0.0068 m, dan 0.0135 m. dengan panjang chord 95 m, horizontal brace 15 m, dan diagonal brace 25 m. Setelah di modelkan di SACS 5.2 hasilnya desain ini aman dengan pembebanan kombinasi beban lingkungan, selfweight. Kata kunci: offshore wind energy, artificial intelligence, optimasi, energi angin.
1. Pendahuluan Rasio elektrifikasi Indonesia 60,28% (PLN Statistik, 2008), menunjukkan bahwa belum seluruh daerah di Indonesia mendapatkan fasilitas listrik. Dan 60% tersebut di dominasi oleh Pulau Jawa. Untuk Nusa Tenggara Timur misalnya, rasio elektrifikasinya 21,34%. Sehingga setiap 100 jiwa penduduk, hanya 22 jiwa yang menikmati fasilitas listrik. Daerah seperti Nusa Tenggara Timur mengalami berbagai hambatan ketika dipasang pembangkit tenaga uap (batu bara), atau diesel yang selama ini banyak digunakan di Indonesia. Pembangkit dengan bahan bakar batu bara merupakan pembangkit skala besar (Mahmudsyah, 2009), tidak sebanding dengan kebutuhan disana. Sedangkan pembangkit listrik dengan bahan bakar solar sangat bergantung pada harga minyak dunia. Sehingga energi terbarukan sangat berpeluang untuk menjadi alternatif solusi energi listrik di daerah tersebut. Sebagai salah satu contoh adalah pada Juni 2009 lalu, pemerintah Kupang, Nusa Tenggara Timur membeli sistem pembangkit listrik tenaga angin dari perusahaan asal Belanda guna mengatasi krisis energi di Kupang. Secara struktural, proses perancangan turbin angin lepas pantai ini meliputi dua tahap yaitu
konseptual desain, dan detail desain. Konseptual desain menentukan konsep awal struktur, dalam kasus ini misalnya tinggi struktur, jumlah blade, panjang blade, dan energi atau daya listrik yang akan dibutuhkan tiap strukturnya. Sedangkan detail desain meliputi perancangan struktur tersebut lebih mendetail seperti diameter kaki, kekuatan pondasi, perhitungan beban lingkungan, dan lain-lain. Pertimbangan terhadap hal-hal yang berkaitan dengan energi yang akan dihasilkan menjadi cukup penting untuk diperhitungkan secara matang, dikarenakan Beaya investasi yang cukup besar. Instalasi dan juga produksi peralatan wind turbin yang memakan Beaya yang cukup besar. Oleh karena itu sangat disayangkan jika energi yang dihasilkan lebih kecil dari kebutuhan yang semula di rencanakan. Sehingga permasalahan penelitian ini adalah bagaimanakah desain struktur secara konseptual dengan pendekatan optimasi. Dan yang kedua adalah bagaimana detail design struktur pasca optimasi pada tahap konseptual sebelumnya.
1
Jurnal Tugas Akhir
Gambar 1.1 Struktur offshore wind energy 2. Dasar Teori 2.1 Metode Optimasi Metode optimasi yang dipakai tergantung pada tipe permasalahan. Dalam penelitian ini metode optimasi yang sesuai adalah metode optimasi dengan kendala. Metode optimasi dengan kendala memiliki teknik penyelesaian yang bermacam-macam, tetapi secara umum dapat dibagi menjadi dua, metode langsung dan metode tak langsung. Salah satu teknik dari metode tak langsung adalah metode penalty interior . Metode interior penalti sendiri adalah metode yang yang mengubah suatu problem optimasi dengan kendala menjadi problem optimasi tanpa kendala. Mengubah problem yang berkendala atau dengan kata lain mempunyai 2 variabel atau lebih yang belum bisa dicari hasilnya kedalam bentuk tanpa kendala (hanya mempunyai 1 variabel yang belum bisa dicari) maka mempermudah untuk melangkah ke tahap selanjutnya. 2.1.1 Linear Programming Pemrograman linier adalah alat untuk menyelesaikan permasalahan optimasi (Wayne, 1993). Pemrograman linier telah digunakan untuk menyelesaikan permasalahan optimasi pada industri seperti perbangkan, pendidikan, kehutanan, perminyakan, dan transportasi. Langkah awal dalam menyelesaikan permasalahan pemrograman linier adalah terlebih dahulu tentukan variabel keputusannya. Variabel ini nilainya belum diketahui dan harus dicari. Langkah selanjutnya adalah menentukan fungsi tujuan. Fungsi tujuan adalah fungsi dari variabel keputusan yang dimaksimumkan atau diminimumkan. Setelah
fungsi tujuan dibuat, ditentukan batasan, yaitu pembatasan yang membatasi variabel keputusan. Kemudian didefinisikan pembatasan untuk membatasi nilai apakah variabel keputusan mencakup nilai non-negatif atau tidak. Nilai variabel keputusan yang didapatkan nantinya harus memenuhi semua batasan dan pembatasan yang telah didefinisikan. Nilai yang telah memenuhi batasan-batasan tersebut berada pada feasible region (daerah yang memungkinkan). Feasible region adalah sekumpulan semua titik yang memenuhi batasan dan pembatasan pemrograman linier. Sedangkan sembarang titik yang tidak berada dalam feasible region disebut infeasible point. Hasil solusi optimal didapatkan pada titik dalam feasible region dengan nilai fungsi tujuan paling besar. Untuk masalah permasalahan yang meminimalkan, solusi optimal adalah titik dalam feasible region dimana nilai fungsi tujuannya paling kecil. 2.2 Artificial Intelligence Sejak dekade akhir abad ke-20, kecerdasan buatan (Artificial Intelligence) telah menjadi topik yang menarik untuk dikembangkan dalam berbagai disiplin ilmu. Artificial Intelligence atau kecerdasan buatan adalah suatu metode penyelesaian permasalahan mengadopsi cara penalaran dan logika manusia. Terdapat berbagai jenis dari artificial intelligence yaitu genetic algoritm, case based learning, fuzzy logic, ant coloni, artificial immune system, dan juga artificial neural network. 2.2.1 Jaringan Syaraf Tiruan (Artificial Neural Network) Jaringan syaraf tiruan adalah paradigma pemrosesan suatu informasi yang terinspirasi oleh sistim sel syaraf biologi, sama seperti otak yang memproses suatu informasi. Elemen mendasar dari paradigma tersebut adalah struktur yang baru dari sistim pemrosesan informasi. Jaringan syaraf tiruan, seperti manusia, belajar dari suatu contoh. Jaringan syaraf tiruan dibentuk untuk memecahkan suatu masalah tertentu seperti pengenalan pola atau klasifikasi karena proses pembelajaran.
2
Jurnal Tugas Akhir
Neuron JST Bobot Bobot
Bobot Bobot INPUT NEURON
masukan ini merupakan nilai aktivasi unit-unit masukan. Dengan melakukan perambatan maju dihitung nilai aktivasi pada unit-unit dilapisan berikutnya. Pada setiap lapisan, tiap unit pengolah melakukan penjumlahan berbobot dan menerapkan fungsi sigmoid untuk menghitung keluarannya. Untuk menghitung nilai penjumlahan berbobot digunakan persamaan:
OUTPUT NEURON
Gambar 2.1 Struktur dasar jaringan syaraf tiruan dan struktur sederhana sebuah neuron Jaringan perambatan galat mundur (backpropagation) merupakan salah satu algoritma yang sering digunakan dalam menyelesaikan masalah-masalah yang rumit. Hal ini dimungkinkan karena jaringan dengan algoritma ini dilatih dengan menggunakan metode belajar terbimbing. Pada jaringan diberikan sepasang pola yang terdiri atas pola masukan dan pola yang diinginkan. Ketika suatu pola diberikan kepada jaringan, bobot-bobot diubah untuk memperkecil perbedaan pola keluaran dan pola yang diinginkan. Latihan ini dilakukan berulang-ulang sehingga semua pola yang dikeluarkan jaringan dapat memenuhi pola yang diinginkan. Algoritma pelatihan jaringan perambatan galat mundur terdiri dari dua langkah, yaitu perambatan maju dan perambatan mundur. Langkah perambatan maju dan perambatan mundur ini dilakukan pada setiap pola yang diberikan selama jaringan mengalami pola yang diberikan selama jaringan mengalami pelatihan. Jaringan perambatan galat mundur terdiri dari tiga lapisan atau lebih unit pengolah. Gambar 2.2 menunjukkan jaringan perambatan galat mundur yang terdiri dari tiga lapisan pengolah, bagian kiri disebut sebagai lapisan masukan, tengah sebagai lapisan tersembunyi, dan bagian kanan sebagai lapisan keluaran.
........ (2.1) Dengan: ai = masukan yang berasal dari unit i wji = bobot sambungan dari unit i ke unit j Setelah nilai Sj dihitung, fungsi sigmoid diterapkan pada Sj untuk membentuk f(Sj). Fungsi sigmoid ini mempunyai persamaan: ........ (2.2) Hasil perhitungan f(Sj) ini merupakan nilai aktivasi unit pengolah j. Nilai ini dikirimkan ke seluruh keluaran unit j. Setelah perambatan maju selesai dikerjakan maka jaringan siap melakukan perambatan mundur. Yang dilakukan pada langkah perambatan mundur adalah menghitung galat dan mengubah bobot-bobot pada semua interkoneksinya. Dimulai dari lapisan keluaran dan mundur sampai lapisan masukan. Hasil keluaran dari perambatan maju dibandingkan dengan hasil keluaran yang diinginkan. Berdasarkan perbedaan ini kemudian galat untuk tiap-tiap lapisan pada jadingan. Pertama-tama dihitung galat untuk lapisan keluaran. Kemudian bobotbobot setiap sambungan yang menuju lapisan tersembunyi dan dihitung perubahan bobot yang menuju ke lapisan tersembunyi. Demikian proses dilakukan mundur sampai ke lapisan masukan secara iteratif. Jika j adalah salah satu unit pada lapisan keluaran maka galat lapisan keluaran dapat dihitung dengan persamaan berikut: ........ (2.3)
Pola masukan
Lapisan tersembunyi
Pola keluaran
Gambar 2.2 Tiga lapis jaringan perambatan galat mundur
Dengan: tj = keluaran yang diinginkan aj = keluaran dari unit j f’ (Sj) = turunan dari fungsi sigmoid Sj = hasil penjumlahan berbobot
Perambatan maju dimulai dengan memberikan pola masukan ke lapisan masukan. Pola 3
Jurnal Tugas Akhir Jika j adalah suatu lapisan tersembunyi, maka galat lapisan tersembunyi dapat dihitung dengan menggunakan rumus: ......(2.4) ......(2.5) Dengan: Δwji = perubahan bobot dari unti i ke j η = laju belajar / konvergensi δj = galat lapisan tersembunyi ai = masukan yang berasal dari unit i Variabel η menyatrakan konstanta belajar yang berharga 0.25-0.75. Nilai ini menunjukkan kecepatan belajar dari jaringan. Nilai yang terlalu tinggi mengakibatkan jaringan tidak stabil sedangkan nilai yang terlalu kecil menyebabkan waktu belajar yang lama. Oleh karena itu pemilihan nilai η harus seoptimal mungkin agar didapatkan proses belajar yang cepat. 2.3 Struktur Turbin Angin Lepas Pantai Energi angin adalah energi yang memanfaatkan kecepatan dan aliran angin untuk memutar turbin lalu menggerakkan motor generator sehingga dapat menghasilkan listrik. Oleh karena itu dibutuhkan turbin angin beserta struktur pendukungnya. Kebutuhan akan energi terbarukan yang ramah lingkungan menyebabkan pengembangan energy angin meningkat 10 tahun terakhir. Sehingga bermacam-macam jenis struktur pendukung turbin angin telah ditemukan.
pantai secara umum sama, akan tetapi dalam hal struktur pendukungnya akan memiliki beberapa perbedaan yang disebabkan oleh adanya perbedaan lingkungan antara darat dan laut.
Gambar 2.4 Jenis-jenis struktur pendukung turbin angin Secara umum struktur pendukung tersebut dapat dikelompokkan menjadi struktur terapung dan terpancang. Gambar 2.4 di atas menunjukkan jenis-jenis pondasi struktur turbin angin lepas pantai. Jenis-jenis pondasi tersebut memiliki kekuatan yang berbeda-peda pada masing-masing kedalaman. Seperti hasil penelitian dari Sixth Framework programme kerja sama antara Universitat Stuttgart dan Delft University of Technology ditunjukkan pada gambar 2.5 berikut ini.
Gambar 2.5 Kurva kekuatan berbagai jenis pondasi padaberbagai kedalaman
Gambar 2.3 Bagian-bagian struktur turbin angin Secara umum struktur wind turbin adalah seperti gambar 2.3 di atas. Terdiri dari pondasi, struktur tiang, dan sitem kincirnya yang terdiri dari hub, nacelle dan blade. Untuk turbin angin lepas
2.4 Beban Lingkungan 2.4.1 Beban Angin Beban angin merupakan beban dinamis, tetapi beberapa struktur akan meresponnya pada model statis yang paling mendekati. Dalam perancangan sebuah offshore structure pada umumya, perhitungan beban angin disyaratkan untuk didasarkan pada besarnya kecepatan ekstrim dengan waktu pengulangan 50 atau 100 tahun. Besarnya gaya angin sangat dipengaruhi oleh kecepatan dan luas (projected area) peralatan dan member yang terkena pengaruh gaya angin. Gaya anginya dihitung berdasarkan 4
Jurnal Tugas Akhir hasil kali antara tekanan angina dan luasan gaya angin seperti pada persamaan 2.6 F=P*A (2.6) dengan, F : gaya angin (KN) P : tekanan angin (KN/m2) A : luasan gaya angin (m2) Tekanan angin merupakan fungsi dari masa jenis udara, koefisien bentuk, koefisien ketinggian serta kuadrat kecepatan angina seperti pada persaaman 2. 7 P = 0.5 ρw Vk2 Ch Cs (2.7) dengan, Vk : kecepatan angin (m/s) Ch : koefisien ketinggian (non-dimensional) Cs : koefisien bentuk (non-dimensional) ρw : massa jenis udara (1.22 kg/m3) 2.4.2 Beban Gelombang Berdasarkan lokasi instalasi dari offshore wind energy support structure maka tidak dapat dielakkan bangunan tersebut terkena gaya gelombang. Untuk menghitung gaya gelombang dapat dilakukan dengan cara Persamaan Morison (Chakrabarti, 1987). Persamaan Morison mengasumsikan bahwa gaya gelombang merupakan gabungan dari komponen gaya inersia dan gaya hambatan (drag) yang dijumlahkan secara linier. Koefisien kedua gaya tersebut diperoleh dari hasil eksperimen. Persamaan Morison tepat jika diterapkan pada kasus struktur dengan gaya hambatan signifikan, yakni ketika pada struktur yang ukurannya (diameter=D) relatif kecil jika dibandingkan dengan panjang gelombang (l). Syarat lengkap syarat-syarat yang dimaksud adalah sebagai berikut : D / λ >1 = Gelombang mendekati pemantulan murni, persamaan Morison tidak valid D/ λ >0,2 = Difraksi gelombang perlu diperhitungkan, persamaan Morison tidak valid D/ λ <0,2 = Persamaan Morison valid Secara umum perhitungan gaya diatas dapat diformulasikan dengan persamaan morison : F=FD+FI dengan : FD = Gaya drag (Newton) FI = Gaya inertia (Newton) Persamaan Morison yang digunakan untuk mendapatkan gaya gelombang per unit panjang adalah (Indiyono, 2003) : x
F =F + F D I dz 0 ........
(2.8)
x
F= 0
1 1 ρ Cd D u u + π D 2 Ci ax dz 2 4 .......
(2.9)
dengan: ρ : massa jenis air laut (Kg/m3) Cd : koefisien hambatan Ci : koefisien inersia u : kecepatan gelombang (m/s) az : percepatan gelombang (m/s2) 3. Metodologi Penelitian Penelitian ini diawali dengan mencari data kebutuhan listrik di Nusa Tenggara Timur, yaitu: rasio elektrifikasi 21.34%. daya terpasang 124.78 MW, daya mampu 80.24 MW beban puncak 74.74 MW. Kebutuhan listrik disana sekitar 280 MW untuk memenuhi seluruh rumah tangga dan disana. Selanjutnya dilakukan perencanaan lokasi, yang mana akan dibangun di laut sebelah selatan Pulau Sawu, Nusa Tenggara Timur. 3.1 Optimasi Blade 3.1.1 Linear Programming Menentukan variabel keputusan dan juga fungsi tujuan menjadi langkah awal metode ini, dimana sebelumnya tentu didahului dengan mencari data terkait spesifikasi blade yang ada di pasaran Variabel keputusan ini nilainya belum diketahui dan harus dicari. Fungsi tujuan adalah fungsi dari variabel keputusan yang dimaksimumkan atau diminimumkan. Setelah fungsi tujuan dibuat, ditentukan batasan, yaitu pembatasan yang membatasi variabel keputusan. Kemudian didefinisikan pembatasan untuk membatasi nilai apakah variabel keputusan mencakup nilai non-negatif atau tidak. Setelah ditemukan fungsi tujuan, dan juga batasan-batasannya, maka digunakan software ILOG OPL, yang dapat membantu menemukan solusi optimasi yang diinginkan. Dengan memasukkan fungsi tujuan dan batasan yang ada maka kita dapatkan solusi tersebut. 3.1.2 Artificial Intelligence Jenis artificial intelligence yang digunakan adalah jaringan syaraf tiruan dengan metode 5
Jurnal Tugas Akhir backpropagation. Kemudian dilakukan pencarian data trainning untuk metode tersebut. Jaringan syaraf tiruan dirancang dengan terlebih dahulu dengan menentukan parameter input dan output dan dilanjutkan menentukan jumlah layer.Dan trainning dilakukan untuk melatih kecerdasan jaringan, dan menemukan bobot yang paling sesuai dengan eror paling kecil. Trainning ini dilakukan dengan menggunakan pasangan data eksisting struktur yang telah ada diatas. Selanjutnya bobot tersebut digunakan untuk menghitung atau memprediksi keluaran yang akan dihasilkan dari inputan baru. Sehingga dihasilkan keluaran optimum yang diharapkan. Metode ini dimodelkan dengan bahasa pemrograman matlab. Adapun tampilannya adalah sebagi berikut: Gambar 3.2 Desain di autocad 3.3 Pemodelan Struktur Dimensi struktur yang telah dihitung kemudian di modelkan pada software SACS 5.2. Adapun model strukturnya adalah sebagai berikut:
Gambar 3.1 tampilan jaringan syaraf tiruan pada GUI Matlab. Kemudian hasil ini akan dibandingkan dengan optimasi dengan metode konvensional, yaitu pertama dengan mencari data kebutuhan listrik, dan menghitung daya listrik yang mungkin akan dihasilkan dari offshore wind energy ini. Selanjutnya mencari daftar penyedia turbin angin di pasar, dan menyeleksinya hingga ditemukan yang optimum dari berbagai aspek baik dari segi daya yang dihasilkan, maupun ekonomisnya. 3.2 Perancangan Dimensi Struktur Perancangan ini yang utama adalah merancang chord atau kaki struktur. Pertama adalah dengan menghitung bobot struktur atas (blade) lalu menghitung panjang, dan dari panjang struktur ini maka dihitung diameter dan tebalnya berdasar slenderness ratio. Begitu juga pada brace baik yang horizontal maupun diagonal.
Gambar 3.3 Model di SACS 5.2 3.4 Analisis Statis SACS 5.2 Analisis statis adalah suatu analisis terhadap struktur dengan gaya-gaya inersia yang timbul akibat beban dinamis tidak diperhitungkan (diabaikan). (Wijaya A.S. 2006). Pada analisis ini struktur dibebani kombinasi beban lingkungan, dan selfweigt. Dari analisis ini dapat diketahui besarnya beban yang terjadi pada struktur, defleksi yang terjadi, dan unity check member. 4. Pembahasan 4.1
Optimasi
dengan
metode
linear
programming Dari data yang diperoleh, maka diputuskan untuk menggunakan empat variabel dalam 6
Jurnal Tugas Akhir optimasi ini. Yaitu harga, berat, elevasi, dan diameter blade. Data yang diperoleh adalah sebagai berikut: Type Diameter Elevasi Berat Harga (m) (m) (Ton) (US$) A 70 60 14.5 130,000 B 60 60 13 105,000 C 55 60 10 150,000 D 70 70 15 140,000 E 65 65 13.5 120,000 Fungsi tujuannya adalah meminimalkan harga, dengan konstrain berat struktur. Karena terdapat beberapa data, maka digunakan regresi liniervariabel ganda untuk mendapatkan persamaan optimasinya. Sehingga didapatkan fungsi tujuan sebagai berikut: Y’= -127.44+12.7426*x1+116.568*x2 Dengan constrain(batasan): 1.31982*x1+11.9475*x2 <= -15 Dan didapatkan hasil, X1= 60 m X2= 60 m Dimana X1= diameter rotor, dan X2= elevasi blade. 4.2 Optimasi dengan metode jaringan syaraf tiruan Dari hasil perancangan dengan jaringan syaraf tiruan, maka didapatkan dimensi sebagai berikut: Input: Kecepatan angin rata-rata: 7.2 m/s Kedalaman perairan : 35 meter Tinggi gelombang (H Rms) : 5.65 meter Daya listrik yang dihasilkan : 500 kW Maka dihasilkan Output: Jumlah kaki: 3 Diameter rotor: 65 meter Elevasi blade dari permukaan : 60 meter 4.2 Perancangan dimensi struktur Perancangan ini menggunakan slenderness ratio, dimana untuk perairan Indonesia kl/r = 110. Dengan panjang kaki 95 meter, dan k=1 maka didapatkan r (jari-jari girasi) = 0.86 meter. Jika r=0.35 OD, maka OD=2.4675 meter dan t=0.054m. Dimensi di atas adalah dimensi chord (kaki utama). Sedangkan untuk dimensi brace, didapatkan dengan cara yang sama, adalah sebagai berikut: Horizontal Brace: OD : 0.305 meter t : 0.0068 meter l : 15 meter
Diagonal Brace: OD : 0.51 meter t : 0.0135 meter l : 25 meter 4.3 Pemodelan Struktur dan Analisis Statis Dalam model struktur kali ini pembebanan dilakukan dengan selftweigt, kombinasi beban lingkungan saja. Dan shape factor dari beban angin adalah 0.6, dikarenakan struktur dapat dianggap transparan (API WSD, 2000) Hasil dari pemodelan salah satunya adalah UC (Unity Check) berikut ini adalah UC maksimumnya:
5. Kesimpulan dan Saran 5.1 Kesimpulan Dari analisis yang telah dilakukan, maka dapat diambil beberapa kesimpulan sebagai berikut: 1. Perancangan desain konseptual struktur dengan metode jaringan syaraf tiruan menghasilkan sebagai berikut: Jumlah kaki = 3 Elevasi blade = 60 meter Rotor diameter=65 meter Sedangkan dengan menggunakan linier programming didapatkan hasil sebagai berikut: Elevasi blade = 60 meter Rotor diameter= 60 meter 2. Secara detail desainnya, sesuai dimensi yang telah dirancang, struktur ini cukup aman. 5.2 Saran Beberapa hal yang dapat disarankan pada akhir dari penelitian ini adalah: 1. Penggunaan metode artificial intelligence untuk kedepan harus diperhatikan lagi, terutama terkait persediaan data trainning. Karena data trainning sangat mempengaruhi kualitas dari Artificial Intelligence tersebut 2. Penelitian mengenai offshore wind energy perlu dilanjutkan mengingat terjadinya krisis energi dunia, dan potensi angin yang cukup besar di Indonesia.
7
Jurnal Tugas Akhir
DAFTAR PUSTAKA Kusumadewi, S. 2003. Artificial Intelligence (Teknik dan Aplikasinya). Graha Ilmu, Yogyakarta. Purnomo, M H. 2006. Supervised Neural Networks dan aplikasinya. Graha ilmu, Yogjakarta. Siang, J J. 2004. Jaringan Syaraf Tiruan dan Pemrogramannya Menggunakan Matlab. Penerbit Andi, Yogyakarta. Triatmodjo, B. 1999. Teknik Pantai. Beta Ofset, Yogyakarta Wijaya, Arief S. 2006. Analisa Kekuatan Ultimate Struktur Jacket denganpendekatan LRFD dan Berbasis Keandalan. Tugas Akhir Jurusan teknik Kelautan FTK-ITS. Surabaya. PLN, 2008. PLN Statistic2008. PLN. Jakarta Rosyid,D.M. 1999. Optimasi, Teknik pengambilan Keputusan Secara Kuantitatif. Diktat Kuliah Optimasi Program Pendidikan Tinggi Teknik, Teknik Kelautan, ITS, Surabaya.
8
