PERANCANGAN SISTEM PENGENDALIAN DAN MONITORING UNTUK MENGHINDARI TABRAKAN ANTAR KAPAL DI ALUR PELAYARAN TANJUNG PERAK SURABAYA

PERANCANGAN SISTEM PENGENDALIAN DAN MONITORING UNTUK MENGHINDARI TABRAKAN ANTAR KAPAL DI ALUR PELAYARAN TANJUNG PERAK SURABAYA (Devina Puspita Sari, Dr. Ir. Aulia Siti Aisyah, MT., Dr. Ir. A. A. Masroeri, M.Eng.) Jurusan Teknik Fisika – Fakultas Teknologi Industri Institut Teknologi Sepuluh Nopember Kampus ITS, Keputih – Sukolilo, Surabaya 60111 Email : [email protected] Abstrak Terjadinya beberapa kecelakaan kapal di alur barat pelayaran Tanjung Perak Surabaya melatarbelakangi sebuah penelitian tentang perancangan sistem kendali pada kapal untuk menghindari adanya tabrakan antar kapal. Adanya pengendalian otomatis secara autopilot diperlukan untuk meminimalisir terjadinya tabrakan antar kapal. Dalam penelitian Tugas Akhir ini diselidiki penerapan logika fuzzy untuk mengendalikan sudut yaw atau sudut belok kapal pada kapal MV Karana Sembilan. Kontrol Logika Fuzzy (KLF) yang digunakan adalah tipe Sugeno Takagi. Masukan pada KLF berupa error heading, laju yaw dan jarak kapal dengan halangan, kemudian ketiga variabel tersebut dikuatkan dengan strategi FGC (Fuzzy Gain Controller) tipe Mamdani. Sistem pengendalian tanpa gangguan melakukan aksi saat ada halangan 300 meter didepan, kecepatan kapal 11 knot dengan error heading 0.50 mampu berbelok 240. Sedangkan, untuk halangan berada 1000 meter di depan ,kecepatan kapal 11 knot dengan error heading 1 0 mampu berbelok 150. Hasil pengendalian dengan fuzzy tersebut di sinergikan kedalam monitoring pada sistem M&C dengan visual basic, yaitu berupa data lintasan tracking dan tracking belok bila ada halangan didepan. Diberikan 3 skenario untuk sistem monitoring. Skenario pertama dan kedua sama-sama diberikan pengendalian dengan fuzzy menghasilkan belokan lebih halus dalam range sudut yaw -300 sampai dengan 300 dan mampu menghindari halangan di depan. Sedangkan untuk skenario 3 tidak diberikan pengendalian, sehingga kapal MV Karana Sembilan tidak mampu menghindari halangan kapal didepannya. Kata kunci : Kontrol Logika Fuzzy, Kapal, Sistem Pengendalian, Sistem M&C dan Halangan Kapal. Upaya peningkatan transportasi laut saat ini sedang dikembangkan di wilayah pelabuhan Tanjung Perak Surabaya, dimana telah berupaya mengusahakan sebuah alat pengamat jaringan elektrik (buatan jepang), selain pengamatan berupa radar dan GPS yang berada di stasiun pusat. Sistem navigasi yang diberlakukan di pelabuhan Tanjung Perak Surabaya adalah mendirikan alur atau lintasan yang mana dalam peranannya seperti sebuah jalur dan petunjuk yang harus dilintasi sesuai aturannya sehingga dapat menjamin kelancaran untuk berlayar. Terdiri atas buoy yang masing-masingnya diletakkan tertentu di tiap titik berdasarkan posisi lintang dan bujurnya (sesuai aturan). Sehingga, dalam pelayaran di Tanjung Perak Surabaya sistem keamanan yang dipergunakan hanya berupa petunjuk lintasan buoy, pengamatan monitoring menggunakan radar dan GPS di stasiun maupun di kapal. Namun pada sistem monitoring di pelabuhan yang dipergunakan hanya di VTS (Vessel Trafiic System), dan terkadang terdapat beberapa sistem yang off dan diperlukan perbaikan. Saat perbaikan inilah untuk beberapa saat diperlukan adanya pemantauan di kapal dan adanya sistem berupa autopilot yang dapat memberikan respon kembali saat diberikan adanya bahaya di depannya untuk mencegah terjadinya tabrakan antar kapal. Pada penelitian Tugas Akhir ini akan dilakukan perancangan sistem pengendalian dan perancangan monitoring transportasi laut di alur barat pelayaran Tanjung Perak Surabaya (Karang Jamuang – Tanjung Perak) dengan kaidah kontrol

1. PENDAHULUAN 1.1 Latar Belakang Indonesia adalah Negara Kepulauan yang memiliki sektor perairan adalah 2/3 dari seluruh luas wilayah Indonesia, sehingga indonesia disebut pula sebagai negara maritim. Saat ini, industri Perniagaan menggunakan transportasi laut telah semakin berkembang pesat, dimana hal tersebut seiring dengan peningkatan adanya komoditas ekspor – impor serta terjadinya kepadatan lalu lintas kapal yang cukup signifikan. Dapat kita ketahui, Pelayaran di wilayah barat perairan indonesia salah satunya adalah pelabuhan Tanjung Perak dan merupakan salah satu pelabuhan kelas satu di indonesia, maka lalu lintas padat yang terjadi di wilayah tersebut dapat memicu terjadinya suatu kecelakaan kapal yang berbahaya, sehingga akan meresahkan dan menambah ketidaknyamanan penggunaannya. Pernyataan ini diperkuat juga bahwa ternyata dalam kurun waktu 5 tahun terakhir ini telah banyak terjadi kecelakaan kapal diantaranya adalah kapal tenggelam 41%, tabrakan kapal 11%, kebakaran 14%, permasalahan dimesin 3%, dan kebocoran kapal. Tahun 2005 sebanyak 125 kecelakaan laut [Dirjen Hubla, Desember 2006], dan tahun 2007 terdapat 159 kejadian kecelakaan [Dirjen Hubla, Desember 2007]. Hal tersebut kemungkinan dapatlah terjadi disebabkan kesalahan manusia (human error), bencana alam (force majeur) dan akibat struktur kapal (hull structure). Oleh karena hal – hal tersebut, maka diperlukan adanya suatu pengamanan kapal guna mengendalikan adanya tabrakan serta dapat memonitoring letak kapal yang strategis untuk memudahkan pemantauan kapal.

1

cerdas berdasar logika fuzzy. Sesungguhnya, pengembangan sistem navigasi kapal yang efektif dan aman telah banyak dilakukan, hal ini terlihat dari berbagai penelitian dan pengembangan yang dilakukan oleh pemerintah maupun lembaga – lembaga penelitian di lingkungan kampus. Penelitian dilakukan dalam upaya menciptakan sebuah sistem pengendalian otomatis yang dapat mengurangi tingkat resiko kecelakaan dalam pelayaran. Pada sistem kendali otomatis ini, dinamika kapal tidaklah lepas dari pengaruh lingkungan di sekitar Tanjung Perak Surabaya berupa gangguan arus.



1.2 Permasalahan Permasalahan yang diangkat untuk penelitian ini adalah bagaimana melakukan perancangan sistem pengendalian menggunakan kontrol logika fuzzy kemudian mengsinergikannya dengan pengembangan sistem M&C yang dibuat sehingga dapat diperoleh hasil performansi yang sesuai dan mampu memperkecil tingkat tabrakan pada kapal.





1.3 Batasan Masalah Batasan permasalahan dalam penelitian ini adalah: 1. Sistem monitoring dirancang untuk mengetahui posisi, arah, dan lintasan pada kapal. 2. Sistem pengendalian dilakukan hanya pada kapal MV Karana Sembilan. 3. Variabel yang dikendalikan adalah sudut yaw kapal. 4. Metode perancangan sistem pengendalian berdasarkan logika fuzzy tipe Sugeno dan dilakukan fuzzy Gain Scheduling pada variabel masukan yaitu, jarak halangan, kecepatan kapal, dan error heading. 5. Rudder yang digunakan adalah tipe Van Amorengen. 6. Gangguan pada dinamika kapal di pelabuhan Tanjung perak disesuaikan dengan kondisi real yakni arus laut. 7. Alat bantu mensimulasikan sistem pengendalian adalah Matlab R2009a sedangkan untuk monitoring adalah software Visual Basic 6.0.

 



1.4 Tujuan Tujuan dari adanya penelitian ini adalah melakukan perancangan sistem pengendalian menggunakan kontrol logika fuzzy kemudian mengsinergikan dengan pengembangan sistem M&C yang dibuat sehingga dapat diperoleh hasil performansi yang sesuai dan mampu memperkecil tingkat tabrakan pada kapal



dan sistem navigasi sebagai penunjang dalam pola menghindari tabrakan pada kapal tersebut. Pengambilan Data Data masukan yang digunakan untuk menyusun simulasi kapal dalam menghindari tabrakan adalah data-data dari kapal niaga MV Karana Sembilan berupa spesifikasi koifisien hidrodinamika yang dibangkitkan dari spesifikasi fisik yang dimiliki oleh kapal yaitu: panjang (L), lebar (B), kedalaman (D) dan koefisien blok (CB) dari kapal. Data spesifikasi ini, digunakan sebagai penentu crisp masukan yang berupa jarak kapal serta sudut rudder kapal terhadap target yang berupa titik-titik koordinat yang sudah ditentukan dan berbentuk lintasan sebenarnya. Perancangan Pengendalian Anti Tabrakan Merancang sistem pengendalian untuk menghindari tabrakan pada kapal niaga MV Karana Sembilan berdasarkan kontrol logika fuzzy. Simulasi Software Matlab R2009a Simulasi menggunakan Matlab R2009a berupa Simulink dengan memasukkan data masukan berupa error (e*), yawrate (r*) dan jarak kapal dengan halangan (d). Uji Performansi Sistem Pengendalian Uji performansi dilakukan untuk mengetahui hasil performansi sesuai atau tidak. Sinergi Pengembangan Sistem M&C yang dibuat Melakukan perancangan database data transportasi kapal yang ada di Pelabuhan Tanjung Perak Surabaya, kemudian mengsinergikan dengan sistem pengendalian yang dibuat. Simulasi Program Pengembangan M&C yang dibuat Dilakukan simulasi program pengembangan M&C yang dibuat dan melakukan Uji Performansinya. Uji performansi dilakukan sebanyak 3 kali, berupa pengujian terhadaptanpa adanya gangguan, adanya gangguan arus dan pengujian terhadap adanya halangan kapal. Penyusunan dan Penulisan Laporan.

1.6 Sistematika Laporan Untuk memudahkan pembacaan dan pemahaman terhadap laporan tugas akhir ini, maka diberikan sistematika penulisan laporan tugas akhir sebagai berikut: a. BAB I Pendahuluan Bab I ini terdiri dari latar belakang, permasalahan, batasan masalah, tujuan, metodologi penelitian, dan sistematika laporan. b. BAB II Teori Penunjang Pada bab II ini dibahas mengenai teori-teori yang berkaitan dengan penelitian yang akan dilakukan, seperti model dinamika kapal kargo, teori tentang sistem fuzzy, penelitian-penelitian sebelumnya tentang pengendalian untuk menghindari tabrakan pada kapal, pengembangan sistem M&C. c. BAB III Metodologi Penelitian

1.5 Metodologi Penelitian Dalam perancangan ini, langkah-langkah yang dilakukan untuk mencapai tujuan penelitian adalah sebagai berikut :  Studi Literatur Meliputi pemahaman secara teoritis dan geografis tentang zona-zona pelayaran alur barat Tanjung Perak Surabaya, pengendalian anti tabrakan menggunakan kontrol logika fuzzy, dinamika kapal Niaga peti kemas MV Karana Sembilan, sistem engine (mesin)

2

redaman yang diperoleh dari linierisasi persamaan gaya dan momen pada arah surge, sway dan yaw. Persamaan kecepatan dan sistem kemudi kapal akan sesuai berdasarkan beberapa asumsi, yaitu: a. Distribusi massa homogen dan bidang xz simetris (Ixy = Iyz = 0) b. Mode heave, roll dan pitch dapat diabaikan (ω = p = q = ω = p = q = 0 ) Kemudian gunakan asumsi diatas ke dalam persamaan : Surge : m(u – νr – xGr2) = X (2.2) =Y Sway : m( + ur + xGr) (2.3) Yaw : Izr + mxG( + ur) =N (2.4)

Pada bab ini berisi mengenai rancangan dari penelitian yang dilakukan, metode, dan langkah-langkah dalam penelitian. d. BAB IV Analisa Data dan Pembahasan Pada bab ini berisi tentang data hasil penelitian dari simulasi kontroler logika fuzzy, uji performansi sistem pengendalian menggunakan logika fuzzy, simulasi program pengembangan M&C dan uji performansi sistem. e. BAB V Kesimpulan dan Saran Pada bab ini diberikan kesimpulan tentang tugas akhir yang telah dilakukan berdasarkan data-data yang diperoleh, serta diberikan saran sebagai penunjang maupun pengembangan tugas akhir selanjutnya. 2. TEORI PENUNJANG 2.1 Kapal kargo Kapal kargo terbagi atas dua macam. Yaitu kapal penumpang dan kapal kontainer. Kapal penumpang adalah kapal yang mengangkut penumpang yang hendak berlayar di sekitar Alur Barat Pelayaran Tanjung Perak Surabaya ( Tanjung Perak-Pulau Karangjamuang ). Kapal kontainer adalah kapal barang yang mengangkut barang misalkan barang untuk distribusi industri dan pabrik. Umumnya kapal kargo di wilayah Tanjung Perak Surabaya memiliki jenis radar yang bervariasi, namun kebanyakan menggunakan jenis radar Furuno dengan tipe yang bervariasi. Kapal kargo milik dalam negeri di pelabuhan Tanjung Perak Surabaya umumnya memiliki kecepatan maksimum sekitar 10 sampai 15 knot. 2.2 Model Dinamika Kapal Secara umum gerakan yang dialami sebuah kapal ketika melaju di lautan ada 2 macam, yaitu gerakan translasi dan rotasi. Gerak translasi kapal dibagi menjadi tiga, yaitu heave, surge, dan sway. Gerakan yaw adalah gerakan memutar ke samping, gerakan heave adalah gerakan ke atas, gerakan roll adalah maju, gerakan sway adalah gerakan ke samping, dan gerakan pitch adalah gerakan memutar ke depan.

2.3 Fungsi Transfer pada Manuvering Kapal Model dinamika manuvering kapal didapatkan dari pendekatan yang dilakukan oleh Nomoto (1957) sebagai bentuk matematis orde 1 dan 2. Di bawah ini adalah fungsi transfer dari model Nomoto:

   s   K R 1  T3 s s1  T1 s 1  T2 s  R (2.5)

Parameter – parameter dari fungsi transfer diatas diperoleh dari :

det M  det N 

T1T2 

(2.6)

T1  T2 

n11m22  n22 m11  n12 m21  n21m12 det( N )

(2.7)

KR 

n21b1  n11b2 det( N ) (2.8)

K RT3 

m21b1  m11b2 det( N )

(2.9) Dimana elemen mij, nij dan bi ( i = 1,2 dan j = 1,2) didapatkan dari matriks berikut:

 m  Yv mxG  N v

Gambar 2.1 Gerakan pada kapal kargo

M= 

Bentuk umum persamaan kendali manuvering kapal dinyatakan dalam bentuk : M  D   L (2.1)

 Y  N

N(uo)= 

dengan ν = [u, v, r]T merupakan vektor kecepatan, yang nantinya akan diturunkan dalam bentuk pemodelan kedalam dua range frekuensi, yaitu frekuensi rendah dan frekuensi tinggi, dan τL merupakan vektor kendali gaya dan momen. M dan D merupakan matrik inersia dan

mxG  Yr  I z  N r  mu0  Yr  mxG u 0  N r 

(2.25)

Parameter dalam penentuan gain kendali yang diturunkan Nomoto berdasarkan linierisasi dari model Davidson dan Schiff (1946), dimana bentuk persamaan gain kendali Nomoto adalah :

3

 N r C B 1 B   0.017 B  0.33  2 T 12  (T / L) L

n21b2  n11b1 det(N)

K

(2.10) dengan

(2.18)

det (N) =

(2.11)

det

 Yv C B  1  0.4 B 2 T  (T / L)

Yv N r  mxG u   N v Yr  mu

m  Yv I z  N r   mxG  N v mxG  Yr 

(M)=

1 B B    2.2   0.08  2  (T / L) L T 

(2.12)

 N v 1 T    2.4  2 2  (T / L) L (2.21)

(2.13)

 N r B 1 B   0.039  0.56  2 T 4  (T / L) L

m  Yv N   mxG  N v Y det M

(2.22) Sedangkan untuk gaya dan momen yang diakibatkan rudder, persamaannya adalah sebagai berikut :

(2.14) Pada matriks M dan N diatas mengandung parameter hidrodinamika kapal, dimana m = massa kapal,

Yv =

turunan gaya arah sway terhadap

v , Yr = turunan

Y  

N r = turunan momen yaw terhadap r , Yv = turunan gaya arah sway terhadap v, Yr = turunan

gaya yaw terhadap r ,

gaya arah yaw terhadap r,

Nv =

(2.24) Fungsi transfer antara kecepatan yaw dan sudut rudder adalah :

N v = turunan momen sway terhadap v , N r = momen yaw terhadap r, xG = pusat massa. Pada

pendekatan teori slender body strip turunan koefisien hidrodinamika dapat dinyatakan sebagai fungsi dari rasio panjang terhadap lebar dari kapal, dengan dikalikan sebuah konstanta tertentu. Smitt (1970), Norrbin (1971) dan Inoue (1981) mengembangkan suatu rumusan secara empiris dari beberapa persamaan turunan koefisien hidrodinamika yang dikemukakan oleh Clarke (1982). Bentuk persamaan regresi tersebut dinyatakan dalam bentuk persamaan. Koefisien hidrodinamika merupakan bentuk non dimensi yang diturunkan dengan sistem Prime I (Fossen, 1994). Untuk memperoleh besaran gaya dikalikan dengan ½ ρU2L2 dan momen dikalikan dengan ½ ρU2L3. Dimana ρ = rapat massa air laut (1014 kg/m3), L = panjang kapal, U = kecepatan servis kapal, B = lebar kapal, T = kedalaman kapal, CB = koefisien blok. Maka :

r

R

 N v

s  

K R 1  T3 s  1  T1 s 1  T2 s 

2.4 Persamaan Gerakan pada Kapal Persamaan gangguan gerakan pada kapal berdasarkan asumsi kecepatan sway ν, kecepatan yaw r dan sudut rudder δ kecil. Hal ini dapat mengimplikasikan bahwa mode surge dapat dipisahkan dari mode sway dan yaw. Dengan demikian, kita dapat mengasumsikan bahwa kecepatan dalam sway dan yaw adalah ν0 = r0 = 0. Konsekuensinya, u = u0 + Δu (2.26) ν = Δν (2.27) r = Δr (2.28) X = X0 + ΔX (2.29) Y = ΔY (2.30) N = ΔN (2.31) Dimana Δu, Δν dan Δr adalah gangguan yang berasal dari harga uo, νo dan ro, dan ΔX, ΔY dan ΔN adalah gangguan yang berasal dari X0, Y0 dan N0. Diasumsikan bahwa orde tertinggi dari gangguan dapat diabaikan, maka persamaan nonlinier gerak dapat ditulis: m Δu = X0 + ΔX (2.32) m(Δ  + uo Δr + xG Δr) = ΔY (2.33) Iz Δr + mxG(Δ + uo Δr) = ΔN (2.34)

2

(2.15)

 Yr B B  0.67   0.0033  2  (T / L) L T 

4 LT

(2.23)

turunan momen sway

 Yv C B B  1  0.16 B  5.1  2 T  (T / L) L

 A

1 N    Y 2

terhadap v, turunan

2

(2.20)

 Yv , n21=  N v I  N r Y  mxG  Yr N  b1  z det M

dimana n11=

b2 

(2.19)

 Yr

2

(2.16)

B B  1.1   0.041   (T / L) L T  2

(2.17)

4

2.

Catatan bahwa persamaan sistem kemudi dari gerak kapal telah terpisah dari persamaan kecepatan. Persamaan kecepatan : mu = X (2.35) Persamaan sistem kemudi : =Y (2.36) m( + uo r + xG r) Iz r + mxG( + uo r) =N (2.37) Momen dan gaya hidrodinamika pada kapal dapat dilihat pada persamaan : X = X (u, ν, r, u, δ, T) (2.38) Y = Y (ν, r, ν, r, δ) (2.39) N = N (ν, r, ν, r, δ) (2.40) T adalah daya propeller yang sesuai dengan satu singlescrew propeller. Kapal mempunyai lebih dari satu propeller yang dapat dideskripsikan dengan menambahkan hubungan persamaan X pada surge.

Kiri menang kanan kalah (West is The Best, East is The Least) Jika nahkoda kapal yang satu melihat kapal lain berada di kirinya maka nahkoda kapal tersebut diharuskan untuk lewat terlebih dahulu dan sebaliknya jika nahkoda kapal yang satu melihat kapal yang lain berada dikanannya maka nahkoda kapal tersebut diharuskan untuk mengurangi kecepatannya dan menunggu kapal yang dilihat untuk lewat terlebih dahulu.

2.6 Konsep Logika Fuzzy Logika fuzzy pertama kali dikenalkan oleh Lotfi A. Zadeh, professor ilmu pengetahuan komputer dari Universitas California, Barkeley. Pada tahun 1965, Zadeh memodifikasi teori himpunan dimana setiap anggotanya memiliki derajat keanggotaan yang bernilai kontinu antara 0 sampai 1. Himpunan ini disebut himpunan kabur (Fuzzy Set). Beberapa kelebihan yang dimiliki oleh logika fuzzy sehingga dunia ilmu pengetahuan memahami mengapa menerapkan penggunaan logika fuzzy, yaitu : a. Konsep logika fuzzy mudah dimengerti, dimana konsep matematis yang mendasari fuzzy sangat sederhana dan mudah dimengerti. b. Logika fuzzy bekerja didasarkan pada bahasa alami. c. Logika fuzzy memiliki toleransi terhadap data-data yang tidak tepat. d. Logika fuzzy mampu memodelkan fungsifungsi nonlinier yang sangat kompleks. e. Logika fuzzy dapat bekerja sama dengan teknik-teknik kendali secara konventional.

2.5 Model gangguan arus pada kapal Gangguan dari lingkungan yang akan mempengaruhi performansi pemenuhan lintasan ada 3 yaitu arus, angin dan gelombang. Namun pada aplikasi dilingkungan sekita pelabuhan gangguan real yang terjadi hanyalah berupa arus saja. Gangguan lain seperti gelombang dan angin sangat kecil karena letak geografis alur pelayaran berada pada selat. Dalam pembahasan ini, digunakan model arus dua dimensi (Fossen, 1994; Vukic, 1998). Komponen arus dapat dijelaskan dengan dua parameter: kecepatan rata-rata arus Vc dan arah arus γc. Komponen dari body-fixed dapat dihitung dari: uc = Vccos(γc-ψ) υc = Vcsin(γc-ψ) (2.41) Kecepatan arus laut rata-rata untuk simulasi komputer dapat dibangkitkan menggunakan process Gauss-Markov orde satu : (2.42) dengan ω(t) adalah akar dari zero mean Gaussian white noise dan μ0≥0 adalah konstan. Proses ini harus dibatasi : Vmin≤Vc(t)≤Vmax agar menstimulasi arus laut yang realistis. Alogaritma pembangkitan arus menggunakan integrasi euler adalah sebagai berikut :  Nilai awal : Vc (0) = 0.5 (Vmax + Vmin)  Integrasi euler dengan sampling waktu h o  Limiter : jika (Vc (k+1)> Vmax)atau(Vc (k+1)< Vmin) maka o Vc (k+1)= Vc (k)- h (k)  k=k+1, kembali ke langkah 2

:

Fungsi dari struktur dasar logika fuzzy adalah 



Aturan-aturan IMO Mengenai Tabrakan Aturan-aturan IMO mengenai tabrakan merupakan peraturan internasional yang harus dipatuhi semua nahkoda kapal. Aturan-aturan itu adalah : 1. Aturan kanan (Rule of Right) Jika dua buah kapal bertemu berhadap-hadapan maka keduanya harus memanuver kapalnya ke kanan dan jika sebuah kapal ingin mendahului kapal yang ada di depannya maka kapal yang dibelakang memanuver kapalnya ke kanan sedangkan yang lainnya ke kiri.

2.4





5

Fuzzifikasi berfungsi untuk mentransformasikan sinyal masukan yang bersifat crisp ke himpunan fuzzy dengan menggunakan operator fuzzifikasi. Dalam fuzzifikasi terdapat fungsi keanggotaan himpunan fuzzy, merupakan sebuah kurva yang menggambarkan pemetaan dari masukan ke derajat keanggotaan antara 0 dan 1. Basis Pengetahuan berisi basis data dan aturan dasar yang mendefinisikan himpunan fuzzy atas daerah–daerah masukan dan keluaran dan menyusunnya dalam perangkat aturan kendali. Logika Pengambil Keputusan merupakan inti dari logika fuzzy yang mempunyai kemampuan seperti manusia dalam mengambil keputusan. Aksi atur fuzzy disimpulkan dengan menggunakan implikasi fuzzy dan mekanisme inferensi fuzzy. Defuzzifikasi berfungsi untuk mentransformasikan kembali nilai yang bersifat fuzzy menjadi nilai sebenarnya yang

Vc (0) = 0.5 (Vmax + Vmin) Vc (0) = 0.5 (0.25 + 0.15) Vc (0) = 0.20

bersifat crisp dengan menggunakan operator defuzzifikasi. 3. Metodologi Penelitian 3.1. Pengolahan Data Penelitian Pengolahan data penelitian tugas akhir ini disusun melalui tahapan sebagai berikut :

(3.3) Untuk Rudder pada kapal yang terpasang pada kapal kargo ini adalah tipe Van Amorengen dimana, berfungsi sebagai penggerak atau aktuator pada sistem kendali. Memiliki kemampuan kerja dengan range 35o sampai dengan 35o dan laju kerja rudder antara 2.33o sampai dengan 7o.

Studi Literatur dan Pengambilan Data Berupa pemahaman secara teoritis dan geografis tentang zona-zona pelayaran alur barat Tanjung Perak Surabaya sampai pada pulau Karang Jamuang, meliputi alur atau lintasan real pelayaran, kecepatan arus sebagai objek gangguan real yang ada di pelayaran Tanjung Perak Surabaya, titik Buoy, spesifikasi 4 kapal niaga (MV Karana Sembilan, KM Dewi Samudra XV, MV Sinar Bintan, Sinar Jambi) yang diperoleh dari ship particular PT. Pelindo III yang akan digunakan dalam pemodelan dinamika kapal, data AIS (Automatic Identification System) dari VTS Distrik Navigasi kelas I. Simulasi pengendalian untuk menghindari tabrakan ini diperoleh dari pemodelan kapal MV Karana Sembilan dengan spesifikasi koefisien hidrodinamika yang dibangkitkan dari spesifikasi fisik yang dimiliki oleh kapal yaitu: panjang (L) = 96 m, lebar (B) = 18.5 m, kedalaman (T) = 7.5 m , koefisien blok (CB) = 0.7077, kecepatan maksimum = 14.72 knot, kecepatan servis = 11 knot, Xenter of Grafity XG = 6.2 m, dan displacement / massa  = 9662.8 tons. LWT = 2552.53tons. Rudder yang digunakan ialah tipe Van Amorengen. Data spesifikasi ini, digunakan sebagai penentu crisp masukan yang berupa jarak (melalui radar), error sudut yaw, dan yawrate. Sedangkan untuk simulasi pada sistem monitoring yang dikembangkan berdasarkan sistem M&C sebelumnya, dibuat adanya data real situasi dipelayaran Tanjung Perak Surabaya untuk nantinya dapat di sinergikan dengan data pada simulasi pengendaliannya. 

1 s

Gambar 3.1 Rudder Van Amorengen [8] Perancangan Pengendalian Anti Tabrakan Sistem pengendalian manuvering untuk menghindari tabrakan pada kapal kargo MV Karana Sembilan adalah berbasis logika fuzzy. Diagram blok sistem pengendalian manuvering untuk menghindari tabrakan dapat dilihat pada Gambar 3.2. 

Gambar 3.2 Diagram Blok Pengendalian (I)

Pemodelan Sistem Pengendalian Pemodelan pada plant kapal, Rudder dan gangguan arus akan digunakan untuk merancang sistem pengendalian dan melakukan simulasi uji performansi. Pada pemodelan yang telah dilakukan adalah didasarkan pada persamaan 2.5 yakni perbandingan antara sudut yaw dengan sudut rudder dan persamaan 2.26 yakni perbandingan antara kecepatan yaw dan sudut rudder, didapatkan nilai fungsi transfer untuk kapal kargo (perhitungan terlampir) adalah 

(3.1) 

 r







Fungsi dari radar adalah sama halnya dengan sensor, yakni untuk mengetahui adanya halangan di depannya, misalkan kapal ataupun benda asing tak bergerak, dalam jarak yang bervariasi sesuai kemampuan kerja dari radar. Jenis radar yang sering dipakai pada kapal kargo di pelayaran Tajung Perak Surabaya adalah furuno dengan tipe bervariasi. Radar akan menghitung jarak kapal dengan halangan dimana jarak aman kapal dengan halangan adalah lebih besar dari 3-5nm. Sedangkan untuk GPS pada kapal berfungsi untuk monitoring atau pemantauan dimana posisi dari kapal itu sendiri saat berlayar.

2,44103939  19,5943089s s  15,9891329s 2  19,8635477 s 3

2,44103939  19,5943089s 1  15,9891329s  19,8635477 s 2

(3.2)

Sedangkan untuk fungsi transfer dari gangguan arus yang berupa gelombang didapatkan dari persamaan 2.43. kecepatan arus di pelayaran Tanjung Perak pada tanggal 9 Desember 2010 didapatkan Vmax = 0.20 m/s dan Vmin = 0.15 m/s. Sehingga didapatkan nilai persamaan fungsi transfer untuk gangguan arus adalah :

Gambar 3.3 Diagram Blok Pengendalian (II)

6

2.

Dilakukan perhitungan course desire dari data posisi desire (set point yang di inginkan) xi dan yi melalui radar dan data posisi keluaran dari posisi aktual setelah melalui kontroller logika fuzzy, yang nantinya akan dibandingkan dan menghasilkan error sudut. Perancangan dari KLF yang akan digunakan adalah berdasarkan variabel masukan yaitu error yaw (error*), kecepatan yaw (r) dan jarak dengan halangan (d) yang terdeteksi melalui radar. Keluaran sinyal kendali KLF adalah sudut rudder yang diumpankan ke mesin kemudi dan kemudian mesin kemudi menggerakkan propeller (alat gerak kapal) dan kapal akan berjalan sesuai dengan aturan heading. Kecepatan belok kapal atau kecepatan sudut pada saat berbelok secara otomatis juga dikendalikan oleh pengendali fuzzy.

Data Buoy dari Distrik Navigasi Kelas I

Gambar 3.5 Alur Buoy Rambu Merah dan Rambu Hijau

Simulasi Software Matlab R2009a Simulasi akan dilakukan menggunakan Matlab berupa dengan blok diagram Simulink menggunakan pengendalian logika fuzzy. 

Tabel 3.1 Kode Buoy Pelayaran Barat Tanjung Perak Surabaya

Uji Performansi Sistem Pengendalian Uji performansi sistem pengendalian dilakukan berupa tanpa gangguan, dengan gangguan dan dengan adanya penghalang bergerak. 

Sinergi Sistem M&C yang Dibuat Pada sistem M&C yang pertama kali dilakukan adalah membangun database terlebih dahulu, berupa data titik lintang dan bujur (LS dan BT) Buoy yang akan digunakan untuk menentukan lintasan pelayaran alur barat Tanjung Perak Surabaya, data arus pelayaran Tanjung Perak Surabaya menuju Pulau Karang Jamuang, peta real yang didapat dari Google Earth versi 2010, data batasan wilayah sesuai peta real berskala, data spesifikasi 4 kapal kargo yang digunakan. Pembangunan database sistem, meliputi : 1. Peta pelayaran barat Tanjung Perak Surabaya real berskala (sumber Google Earth versi 2010). 

Gambar 3.4 Peta Alur Barat Pelayaran Tanjung Perak Surabaya

Kode Buoy terdiri dari 2 yakni merah dan hijau, yang diletakkan sesuai data posisi sebagaimana tabel 3.1. Ketika kapal berlayar, posisi Buoy hijau harus berada disebelah kanan kapal, atau sebaliknya. Kondisi ini disesuaikan dengan kesepakatan sebelumnya. Yakni, ketika nantinya bertemu kapal lain di depannya dengan arah yang berlawanan maka operator akan membuat kesepakatan dengan kapal di

7

depannya dan menjelaskan jalur Buoy apa yang digunakannya. Jika kapal tersebut menggunakan jalur Buoy hijau, maka kapal di depannya juga harus mengikutinya menggunakan jalur hijau. Hal ini digunakan masih secara manual oleh sistem navigasi di Tanjung Perak Surabaya.

Simulasi yang dibuat adalah dengan membangun database pada server dan klien. Yang mana nantinya tampilan terlihat berpa simulasi perjalanan 4 kapal kargo dengan spesifikasi yang berbeda. Dengan pemenuhan lintasan berbeda akan dilakukan uji, apakah dapat menghindari tabrakan secara otomatis dengan di sinergikannya sistem monitoring dengan sistem pengendalian berbasis KLF.

3.

Data Arus dari BMKG Data arus yang diperoleh ialah kecepatan arus dalam cm/s. Untuk yang bertanda orange adalah daerah sekitar pelayaran barat Tanjung Perak Surabaya. Dimana, memiliki kecepatan arus dengan range 15 sampai 25 cm/s atau 0.15 sampai 0.25 m/s.

3.2 Perancangan Sistem Kendali Berbasis Logika Fuzzy Perancangan pengendali logika fuzzy dilakukan melalui FIS (Fuzzy Inference System) editor dengan masukan pengendali logika fuzzy berupa nilai error heading (error*), yawrate dan jarak penghalang (d) yang terukur melalui radar, dan keluaran berupa aksi kontrol y, yang memberi sinyal pada rudder. Metode pengambilan keputusan pada penelitian tugas akhir ini menggunakan metode inferensi (Sugeno) yang dalam aturannya menggunakan aturan operasi Sugeno, dan defuzzifikasi SUM atau penjumlahan. Pada Gambar 3.7 diperlihatkan diagram alir kontroler logika fuzzy.

Gambar 3.6 Kecepatan Arus Pelayaran Jawa Timur [3] 4.

Pembuatan Alur Lintasan Kapal

Gambar 3.7 Diagram Alir Pengendali Logika Fuzzy 3.2.1Proses Fuzzifikasi Sistem Pengendalian logika fuzzy KLF memiliki masukan adalah error yaw, yawrate (kecepatan yaw), dan jarak penghalang. Menggunakan radar dapat diketahui informasi jarak kapal dengan kapal lain yang berpotensi tabrakan. Keluaran dari sistem kendali logika fuzzy adalah sudut rudder yang mengendalikan manuvering kapal.

Gambar 3.7 Alur Lintasan yang Telah Dibuat Dibandingkan Penelitian Sebelumnya Pada alur lintasan yang sebelumnya diperlihatkan bahwa pada titik Buoy langsung dihubungkan untuk menuju lintasan kapal. Hal tersebut tidaklah sesuai, sebab Buoy pada konteksnya adalah sebuah rambu atau tanda, sehingga seharusnya diberikan titik Buoy sebagai tanda lintasan yang harus dipenuhi dan alur lintasan pelayaran diantara kedua rambu tersebut. Berdasarkan aturan dan kesepakatan dalam pelayaran di pelayaran alur barat Tanjung Perak Surabaya ini, kita boleh berlayar pada posisi rambu hijau terletak di sebelah kanan kapal atau posisi rambu merah yang dikanan kapal, atau pointnya sesuai kesepakatan. 

3.2.2Fuzzy Masukan KLF yang digunakan adalah metode inferensi Sugeno karena menghasilkan keluaran surface yang lebih halus dibandingkan metode inferensi Mamdani. Perancangan KLF_Sugeno dapat dilihat pada Gambar 3.9.

Simulasi Program Pengembangan M&C yang Dibuat

8

Fungsi keanggotaan untuk variabel error heading dan yawrate pada KLF_Sugeno menggunakan 7 fungsi keanggotaan yaitu NB (Negatif Big), NM (Negatif Medium), NS (Negatif Small), ZE (Zero), PS (Positif Small), PM (Positif Medium), dan PB (Positif Big) dapat dilihat pada Gambar 3.11 dan Gambar 3.12. Fungsi keanggotaannya error heading dan yawrate yang berupa sudut manuvering. Fungsi keanggotaan untuk keluaran dibagi menjadi 7 fungsi keanggotaan yaitu NB (Negatif Big), NM (Negatif Medium), NS (Negatif Small), ZE (Zero), PS (Positif Small), PM (Positif Medium), dan PB (Positif Big). Keluaran KLF_Sugeno berupa sudut rudder yang mengendalikan manuvering kapal.

Gambar 3.9 Fuzzy Inference Perancangan dengan KLF_Sugeno Fungsi keanggotaan untuk masukan jarak penghalang (range -1000,1000) adalah menggunakan segitiga di tengah untuk B = “Bahaya” dan fungsi keanggotaan A= “Aman” menggunakan trapesium karena cakupan daerah aman adalah sampai pada lebih dari range 1000. Fungsi keanggotaan error* heading dan yawrate adalah segitiga karena bentuk segitiga sangat sederhana dan mudah digunakan untuk masukan yang tidak simetris. Penambahan performansi pengendalian dapat diperoleh dengan set point dari masukan fuzzy set non simetris. Informasi jarak dari kapal yang dikendalikan dan halangan di depan kapal yang diperoleh dari radar. Fungsi keanggotaan dari d ( jarak ) dapat dilihat pada Gambar 3.10.

Gambar 3.12 Fungsi Keanggotaan Yawrate dengan KLF_Sugeno

Gambar 3.10 Fungsi Keanggotaan Jarak dengan KLF_Sugeno

Gambar 3.13 Fungsi Keanggotaan Keluaran dengan KLF_Sugeno

Gambar 3.11 Fungsi Keanggotaan Error Heading dengan KLF_Sugeno

3.2.3Basis Aturan ( Rule Base ) KLF memiliki basis pengetahuan yang terdiri dari basis data dan basis aturan. Basis data meliputi parameter fuzzy itu sendiri, antara lain fungsi keanggotaan, dan semesta pembicaraan himpunan fuzzy. Sedangkan basis aturan (rule base) meliputi kumpulan aturan pengendali logika fuzzy untuk menyatakan aksi pengendali agar mencapai tujuan yang diharapkan. Pada Tugas Akhir ini, perancangan basis aturan menggunakan metode pendekatan terhadap sistem untuk menghindari tabrakan pada kapal. Penyusunan basis aturan berdasarkan pengamatan pengaruh perubahan sudut pada rudder (y) terhadap perubahan sudut kapal, perubahan kecepatan sudut pada kapal serta jarak pengalang yang secara otomatis juga dapat diamati dari keluaran

9

KLF pada sistem manuvering kapal melalui simulasi pada Matlab R2009a. Saat simulasi, akan didapatkan basis aturan yang sesuai dengan karakteristik kapal MV Karana Sembilan. Basis aturan fuzzy diperoleh dari pengetahuan dasar dan kepakaran manusia tentang proses. Aturan ini berisi hubungan masukan/keluaran yang disebut sebagai strategi kendali. Inferensi dengan rule dapat dilakukan dengan menghitung nilai masukan yang diberikan dari error* , yawrate, dan jarak penghalang (d), dimana derajat keanggotaan μA1(error*), μA1(r) dan μA1(d). Selanjutnya yang kedua, ditentukan derajat keanggotaan yang minimum dan dinotasikan sebagai μy1. Ketiga, dihitung nilai y’, yaitu y1=f1(error*,r). Begitu juga untuk masingmasing rule satu k menghasilkan sebuah pasangan (μyk,yk). Akhirnya, kombinasi keluaran dari semua aturan diberi pembobotan, dinormalisasi, dijumlahkan dengan semua pasangan, maka:

satu gangguan yang cukup mempengaruhi kerja kapal di pelayaran barat Tanjung Perak Surabaya adalah arus laut. Oleh karena itu performansi sistem kendali yang baik sangat diperlukan untuk sistem pengendalian ini. Untuk mencapai performansi manuvering yang baik dalam sistem kendali ini, diperlukan adanya suatu gain KLF tambahan yang mana cukup menggunakan logika fuzzy tipe Mamdani yang memiliki masukannya adalah berupa jarak dengan penghalang, error heading dan kecepatan kapal saat berlayar. Sedangkan untuk keluarannya adalah berupa sudut yaw. Berdasarkan KLF ini, maka nantinya akan didapatkan bagaimana sistem mampu bekerja untuk mendapatkan manuvering kapal yang lebih baik. Pada tambahan KLF ini lebih difungsikan sebagai FGC (Fuzzy Gain Controller). Pada bagian ini, dihadirkan sebuah metode tuning fuzzy untuk gain dari variabel FLC. FGC dapat berupa teknik robust untuk adaptasi faktor penyekala. Gambar. 3.19 menunjukkan konfigurasi dasar dari struktur FGC.

N

y

 ykYk K 1 N

 Yk

(3.4)

K 1

Terdapat beberapa Prinsip dasar dalam perancangan basis aturan kontroler logika fuzzy dapat digeneralisasikan sebagai berikut : jika variabel proses (yaw/sudut kapal) telah mencapai nilai yang diinginkan, perubahan error bernilai nol, dan kapal berada dalam daerah aman, maka keluaran sinyal pengendali logika fuzzy dipertahankan agar konstan. 3.2.5

Defuzzifikasi Defuzzifikasi merupakan proses mengubah besaran fuzzy yang disajikan dalam bentuk himpunan himpunan fuzzy keluaran dengan fungsi keanggotaannya untuk mendapatkan kembali bentuk data crisp (nilai sebenarnya/ nilai tegas). Poses pengubahan data fuzzy menjadi data crisp diperlukan karena plant hanya mengenal nilai tegas sebagai besaran sebenarnya untuk regulasi prosesnya. Metode defuzzifikasi yang digunakan adalah metode centroid. Metode centroid ini juga dikenal sebagai metode COA (Center of Area) atau metode Center of Gravity. Pada metode ini nilai crisp keluarannya diperoleh berdasarkan titik berat dari kurva hasil proses pengambilan keputusan yang dapat dilukiskan pada Gambar 3.15. Pada Tugas Akhir ini, aksi pengendalian yang dihasilkan oleh pengendali logika fuzzy mewakili besarnya sinyal kendali yang masuk ke rudder. Besarnya sinyal kendali selalu berubah – ubah sesuai dengan kondisi sudut manuver kapal (yaw). Karena sinyal kendali sangat berpengaruh terhadap perubahan sudut manuver kapal (yaw), maka untuk mendapatkan ketepatan sudut manuver, besarnya sinyal kendali dimanipulasi sesuai dengan kondisi dinamis kapal.

Gambar 3.19 Perancangan Fuzzy Gain Controller (FGC) Tipe Mamdani Masukan dari FGC penghalang ini ada 3 yaitu, jarak, kecepatan kapal, dan error heading. Sedangkan untuk keluarannya adalah sudut yaw. Bentuk fungsi keanggotaan pada umumnya, tidak memiliki ketentuan tertentu, akan tetapi berbagai macam pilihan dapat mempengaruhi kerobustan dari pengendali. Bentuk fungsi keanggotaan berubah-ubah sehingga tercapai performansi kendali seperti yang diharapkan.

3.2.6 3.2.6Fuzzifikasi Adanya Penghalang Bergerak Dalam perancangan sistem pengendalian ini juga dilengkapi dengan adanya gangguan yang dapat membelokkan sudut yaw kapal menjauhi set point. Salah

Gambar 3.20 Fungsi Keanggotaan untuk Variabel Jarak

10

11. If (jarak is N) and (kec_kapal is PS) and (error_heading is PM) then (sudut_yaw is M) (1) 12. If (jarak is N) and (kec_kapal is PS) and (error_heading is PB) then (sudut_yaw is M) (1) 13. If (jarak is N) and (kec_kapal is PM) and (error_heading is PS) then (sudut_yaw is M) (1) 14. If (jarak is N) and (kec_kapal is PM) and (error_heading is PM) then (sudut_yaw is M) (1) 15. If (jarak is N) and (kec_kapal is PM) and (error_heading is PB) then (sudut_yaw is B) (1) 16. If (jarak is N) and (kec_kapal is PB) and (error_heading is PS) then (sudut_yaw is B) (1) 17. If (jarak is N) and (kec_kapal is PB) and (error_heading is PM) then (sudut_yaw is B) (1) 18. If (jarak is N) and (kec_kapal is PB) and (error_heading is PB) then (sudut_yaw is B) (1)

Gambar 3.21 Fungsi Keanggotaan untuk Variabel Kecepatan Kapal

Gambar 3.22 Fungsi Keanggotaan untuk Variabel Error Heading Gambar 3.23 Fungsi Keanggotaan untuk Variabel Sudut Yaw

Sebagaimana terlihat pada gambar 3.20 mengenai fungsi keanggotaan jarak berupa segitiga untuk N = “near” dan F = “far”. Untuk fungsi keanggotaan kecepatan kapal pada gambar 3.21 adalah segitiga untuk PM = “positif medium” sedangkan trapesium untuk PS = “positif small” dan PB = “positif big”. Fungsi keanggotaan error heading pada gambar 3.22 adalah bentuk segitiga untuk PB, PM, PS. Fungsi keanggotaan sudut yaw kapal adalah B = “big”, M =”medium”, S = “small”. Terdapat 18 rule set kendali dari FGC yang didefinisikan sebagai berikut : 1. If (jarak is F) and (kec_kapal is PS) and (error_heading is PS) then (sudut_yaw is S) (1) 2. If (jarak is F) and (kec_kapal is PS) and (error_heading is PM) then (sudut_yaw is S) (1) 3. If (jarak is F) and (kec_kapal is PS) and (error_heading is PB) then (sudut_yaw is S) (1) 4. If (jarak is F) and (kec_kapal is PM) and (error_heading is PS) then (sudut_yaw is M) (1) 5. If (jarak is F) and (kec_kapal is PM) and (error_heading is PB) then (sudut_yaw is M) (1) 6. If (jarak is F) and (kec_kapal is PM) and (error_heading is PB) then (sudut_yaw is M) (1) 7. If (jarak is F) and (kec_kapal is PB) and (error_heading is PS) then (sudut_yaw is M) (1) 8. If (jarak is F) and (kec_kapal is PB) and (error_heading is PM) then (sudut_yaw is M) (1) 9. If (jarak is F) and (kec_kapal is PB) and (error_heading is PB) then (sudut_yaw is B) (1) 10. If (jarak is N) and (kec_kapal is PS) and (error_heading is PS) then (sudut_yaw is M) (1)

Gambar 3.24 Basis Aturan FGC pada FIS Editor

Gambar 3.25 Rule Viewer FGC pada FIS Editor

11

Apabila dibandingkan dengan pengendali fuzzy (FLC) pada umumnya, kelebihan yang menonjol dari FGC adalah menala variabel FLC secara adaptasi bergantung pada error (perubahan error dan yawrate) serta keluaran.

Gambar 3.20 Simulink sistem kendali dengan halangan bergerak 4. ANALISA DATA DAN PEMBAHASAN 4.1 Pengujian Kapal MV Karana Sembilan secara Open loop Pada Tugas Akhir ini, hasil simulasi perancangan pengendalian menggunakan logika fuzzy FCL tipe Sugeno dan tambahan FGC berupa tipe Mamdani. Simulasi dilakukan terlebih dahulu dengan menganalisa kendali logika fuzzy yang telah dirancang. Selanjutnya dilakukan pengujian secara open loop dan kemudian secara close loop menggunakan kendali logika fuzzy dengan tanpa gangguan, dengan gangguan dan adanya halangan kapal lain (halangan bergerak), Tujuan Tugas Akhir ini adalah mampu menghasilkan rancangan sebuah sistem kendali untuk menghindari adanya tabrakan dengan penghalang berbasis logika fuzzy pada kapal MV Karana Sembilan secara simulasi Matlab yang di sinergikan kedalam monitoring M&C.

Gambar 3.26 Tampilan Tiga Dimensi Inferensi Mamdani dengan Keluaran Sudut Yaw 3.4 Perancangan Simulasi

Gambar 3.18 Simulink sistem kendali dengan tanpa gangguan

Gambar 4.1 Blok Diagram Pengendalian Kapal MV Karana Sembilan 4.1 Pengujian Kapal MV Karana Sembilan secara Open loop Dilakukan pengujian secara Open loop untuk mengetahui respon sistem kapal MV Karana Sembilan yakni terhadap waktu dan sudut yaw. uji open loop dilakukan sesuai dengan model dinamika kapal dan blok diagram yang ditunjukkan pada gambar 3.27 dengan masukan fungsi step 1 maka menghasilkan grafik respon sistem sebagaimana ditunjukkan pada gambar 4.2.

Gambar 3.19 Simulink sistem kendali dengan halangan bergerak

12

telah cukup bagus. Untuk memperlihatkan tracking lintasan antara desire dan aktual secara jelas, dilakukan plot lintasan antara keduanya sebagaimana gambar 4.5 dan didapatkan error lintasan antara tanpa gangguan dan dengan adanya gangguan, sebagaimana gambar 4.6 a dan 4.6 b.

U B

T

Gambar 4.2 Grafik Respon Uji Open Loop antara Sudut Yaw dan Waktu Hasil grafik respon uji open loop terlihat bahwa terjadi kenaikan fungsi garis berupa grafik eksponensial (garis merah), yang mana di berikan respon cukup lambat dalam tingkat sensitivitas. Terlihat bahwa nilai T d (Time Delay) adalah cukup besar, karena untuk mencapai set point di perlukan delay 1 menit kemudian baru mulai mengalami kenaikan untuk waktu semakin besar.

Gambar 4.3 Grafik Lintasan Desire pada Pengujian Tanpa Gangguan

4.2 Pengujian dengan KLF_Sugeno pada Kapal MV Karana Sembilan Pada penelitian Tugas Akhir ini, alur pelayaran yang diteliti adalah Tanjung Perak Surabaya sampai Pulau Karang Jamuang. Dalam pembuatan lintasan Alur Barat Pelayaran Tanjung Perak Surabaya yang pertama kali dilakukan adalah dengan memasukkan lintasan berupa koordinat lintasan Lintang Selatan dan Bujur Timur berupa data Buoy. Koordinat lintasan berupa unit DMS (Degree Minutes Second) yang kemudian diubah menjadi koordinat xy. Selanjutnya dilakukan penentuan alur lintasan yang melalui rambu buoy yaitu alur lintasan berada diantara buoy hijau dan buoy merah menggunakan software Google Earth. Hasil dari lintasan ini kemudian dimasukkan kedalam simulasi monitoring M&C dengan mengubahnya kedalam pixel Visual Basic 6.0 dengan cara nilai xy real di konversikan ke dalam skala peta sehingga didapatkan tampilan nilai xy simulasi monitoring. Uji performansi sistem pada Matlab R2009a yang dilakukan adalah sebanyak 3 kali yaitu, tanpa adanya gangguan, dengan adanya gangguan dan dengan adanya halangan kapal lain. Pada prinsipnya untuk uji sistem tanpa gangguan dan dengan gangguan diberikan KLF tipe Sugeno sebagai kontroller, sedangkan untuk uji sistem dengan adanya halangan kapal diberikan KLF tipe Sugeno sebagai kontroller dan KLF Mamdani sebagai FGC. Hasil simulasi untuk tanpa adanya gangguan diperlihatkan keluaran grafik xy berupa koordinat lintasan atau trayek lintasan kapal MV Karana Sembilan, berupa data masukan posisi x,y kapal yang kemudian menghasilkan keluaran grafik xy tracking desire (set poin) dan grafik xy tracking aktual sebagaimana ditunjukkan pada gambar 4.3 dan 4.4. Pada grafik xy tracking desire dan grafik xy tracking aktual terlihat adanya error lintasan yang cukup kecil yakni antara 0 % sampai 1% , sehingga dapat diketahui bahwa kontroller KLF tipe Sugeno yang dibuat adalah

U B

T

Gambar 4.4 Grafik Lintasan Aktual pada Pengujian Tanpa Gangguan Gambar 4.3 dan 4.4 merupakan hasil simulasi yang untuk uji KLF tanpa gangguan. Gambar 4.3 merupakan plot dari set point atau lintasan yang diinginkan sedangkan gambar 4.4 merupakan grafik respon pengujian tracking pada kapal MV Karana Sembilan. Dalam proses analisa, grafik respon pengujian menggunakan KLF dibandingkan dengan grafik lintasan yang diingikankan dan kemudian dilakukan perhitungan nilai error lintasan yang merupakan kriteria analisa apakah hasil rancangan sesuai dengan nilai toleransi error yang telah ditetapkan. Grafik 4.3 dan 4.4 diatas terlihat mempunyai pola yang sama, hal ini menunjukkan bahwa kendali yang dirancang dapat mengikuti pola lintasan atau target pemenuhan lintasan (track keeping). Namun jika dilihat lebih teliti dengan merekam data koordinat aktual dan membandingkannya dengan lintasan target kemudian di plot dalalm satu grafik terlihat ada error lintasan, sebagaimana gambar 4.5.

13

logika fuzzy Mamdani sebagai FGC. Terlihat pada gambar 4.7a dan 4.7b adalah rule viewer yang nampak sebagai keluaran dari simulasi simulink dengan uji halangan. Hasil dari rule viewer adanya penghalang : Dalam penerapannya, pengendalian dengan logika fuzzy tipe Sugeno saja tidaklah mencukupi untuk mengetahui respon sudut yaw dari adanya halangan kapal didepan sebab hasil respon fuzzy tidak dapat ditampilkan, sedangkan dengan menggunakan tambahan logika fuzzy Mamdani sebagai FGC, maka nilai fuzzy dapat tertampil serta hasil responnya dapat lebih diperkuat.

Gambar 4.5 Lintasan Target dan Aktual pada Pengujian Tanpa Gangguan Gambar 4.5 adalah grafik lintasan desire atau lintasan yang diharapkan (garis hijau) dan grafik lintasan aktual (garis biru). Selisih error adalah mencapai 0% sampai 1%. Hal ini diperjelas pada gambar 4.6a, 4.6b dan tabel 4.1. Terjadinya error lintasan ini terkait dengan perancangan kendali yang kurang optimal sehingga harus ada iterasi lagi untuk mendapatkan error yang paling minimal. Nilai error lintasannya pun pada tiap titik koordinat berbedabeda seperti ditunjukkan pada gambar 4.5 dan nilai error lintasan pada tabel 4.1 bisa dikatakan bahwa error tersebut dikategorikan kecil mengingat bahwa dimensi kapal kargo yang digunakan pada penelitian yaitu MV Karana Sembilan memiliki dimensi yang sangat besar.

Gambar 4. 7 a Rule Viewer Adanya Penghalang Saat Error Heading 0.50

Gambar 4. 7 b Rule Viewer Adanya Penghalang Saat Error Heading 10

Gambar 4.6 a Lintasan Desire dan Lintasan Aktual Kapal Saat Adanya Gangguan

4.5 Hasil Sinergi Antara Data Pengendalian di Matlab dengan Sistem M&C Melalui VB 6.0 Pada skenario pertama, didapatkan hasil monitoring untuk tiap kapal kargo, antara lain kapal MV Karana Sembilan, KM Dewi Samudra XV, MV Sinar Bintan, dan Sinar Jambi. Masing-masing kapal memiliki kecepatan maksimal, untuk KM Karana Sembilan melaju dengan kecepatan maksimal mencapai 11 knot, kapal KM Dewi Samudra XV melaju dengan kecepatan maksimal 10 knot, kapak MV Sinar Bintan melaju dengan kecepatan maksimal 10 knot, sedangkan untuk kapal Sinar Jambi melaju dengan kecepatan maksimal mencapai 9 knot. Semua kapal yang berlayar di kawasan alur barat pelayaran Tanjung Perak Surabaya memiliki ijin berlayar dengan kecepatan maksimal adalah 11 knot.

Gambar 4. 6 b Lintasan Desire dan Lintasan Aktual Kapal Saat Adanya Gangguan 4.3 Hasil Respon Simulink Uji Adanya Halangan Untuk hasil respon simulink dengan adanya halangan didepan, digunakan logika fuzzy Sugeno sebagai FLC dan

14

Pada hasil monitoring terlihat bahwa untuk lintasan kapal yang telah disinergikan tersebut, sebagaimana gambar 4.8 sampai 4.11 kondisi kapal MV Karana Sembilan adalah aman, sehingga diperintahkan untuk mempercepat kecepatannya. Demikian pula pada kapal KM Dewi Samudra XV, kapal Sinar Bintan dan Sinar Jambi, memiliki kondisi aman. Pada Tugas akhir ini dibuat suatu skenario monitoring, yakni berisi : 1. Skenario Pertama Pada skenario pertama gambar 4.12, monitoring pada visual basic yang dibangun adalah dengan menggunakan data algoritma fuzzy yang telah dibangun dengan pengendalian anti halangan atau anti tabrakan, sehingga, tampak pada gambar yakni adanya penghindaran dengan haluan kapal di depannya.tampak bahwa kapal MV Karana sembilan (bawah) melakukan aksi belok secara halus, demikian pula untuk KM Dewi Samudra XV (atas) juga melakukan aksi belok secara halus.

Gambar 4.8 Simulasi Kapal MV Karana Sembilan Detik ke 8,24

Gambar 4.9 Simulasi Kapal KM Dewi Samudra XV Detik ke 3,83

Gambar 4.12 Simulasi Skenario Pertama Detik ke 11,98

Gambar 4.10 Simulasi Kapal MV Sinar Bintan Detik ke 6,16

Pada gambar 4.12, Kapal MV Karana Sembilan dan KM Dewi Samudra XV melakukan aksi belok secara halus pada detik ke 11,96 dengan arah heading MV Karana Sembilan -13,680 kekiri.

Gambar 4.11 Simulasi Kapal Sinar Jambi Detik ke 26,69

15

pada gambar 4.15. Untuk hasil yang termonitor berupa tindakan dan peringatan tidaklah sesuai, seharusnya tindakan “belok’ dan peringatan “awas adanya kapal dewi samudra di depan”.

Gambar 4.13 Simulasi Saat Semua Kapal Telah Sandar pada Detik ke 77,14 2.

Skenario Kedua Pada skenario kedua ini dibuat lintasan tujuan dari kapal MV Karana Sembilan menuju destination ke 2 yaitu Karang Jamuang, sedangkan untuk kapal KM Dewi Samudra XV adalah menuju destination 7 yakni pelabuhan atau dermaga Kamal, sehingga lintasan yang dilalui adalah berupa lintasan menyilang. Selain itu terdapat pula pengendalian anti halangan atau anti tabrakan. Terlihat pada gambar 4.12 ini, bahwa kapal MV Karana Sembilan (bawah) yang melakukan aksi belok secara halus, dan di ikuti oleh kapal KM Dewi Samudra XV (atas) yang juga melakukan aksi belok secara halus.

Gambar 4.15 Simulasi Skenario Ketiga pada Detik ke 9,55 Secara keseluruhan, data dari simulasi Matlab berupa, data kapal dan geografis letak alur barat pelayaran Tanjung Perak Surabaya, lintasan target, lintasan belok kapal, rule base fuzzy dengan adanya halangan dari Matlab dimasukkan kedalam monitoring M&C sehingga, respon kapal MV Karana Sembilan untuk menghindari tabrakan tersimulasi secara langsung pada sistem M&C.

4.6 Trayektori Lintasan Belokan Tabel 4.2 Trayektori Lintasan, posisi dan yaw (pada monitoring)

Gambar 4.14 Simulasi Skenario Kedua Detik 9,22 3.

Skenario Ketiga Pada skenario ketiga dibangun dengan lintasan menyilang, yaitu lintasan tujuan dari kapal MV Karana Sembilan menuju destination ke 1 yaitu Tanjung Perak Surabaya, sedangkan untuk kapal KM Dewi Samudra XV adalah destination 7 yakni pelabuhan atau dermaga Kamal. Disisi lain pada skenario ketiga ini tidak diberikan adanya pengendalian anti tabrakan, sehingga untuk akibatnya kapal MV Karana Sembilan (atas) dan kapal KM Dewi Samudra XV bertabrakan, sebagaimana ditunjukkan

16

[1]. [2].

[3]. [4]. Gambar 4.16 Trayektori Lintasan Belok Yaw dan Lintasan Trget Real Posisi [5].

5. 5.1

KESIMPULAN DAN SARAN Kesimpulan Berdasarkan penelitian yang telah dilakukan, diperoleh kesimpulan sebagai berikut :

[6]. [7].

1. Kapal kargo MV Karana Sembilan dalam kondisi loop terbuka tidak mampu melakukan aksi pengendalian ketika diberikan masukan untuk melakukan aksi belok (turning). 2. Alur lintasan Tanjung Perak dan Karang Jamuang disesuaikan dengan sistem navigasi buoy yakni berada diantara buoy merah dan hijau. 3. Dalam simulasi didapatkan bahwa pengendali fuzzy mampu melakukan aksi pengendalian sesuai dengan set point lintasan. 4. Sistem pengendalian mampu melakukan aksi saat ada halangan 300 meter, kecepatan 11 knot dan error heading kapal 0.50 mampu berbelok 240. 5. Sistem pengendalian mampu melakukan aksi saat ada halangan 1000 meter, kecepatan 11 knot dan error heading kapal 10 mampu berbelok 150. 6. Hasil pengendalian dengan fuzzy di sinergikan kedalam monitoring pada sistem M&C di visual basic berupa data lintasan tracking target dan tracking belok bila ada halangan di depan. 7. Berdasarkan 3 skenario pada sistem monitoring M&C, untuk skenario pertama dan kedua sama-sama diberikan pengendalian dengan fuzzy menghasilkan belokan lebih halus dalam range sudut yaw -300 sampai dengan 300 dan mampu menghindari halangan di depan. Sedangkan untuk skenario 3 tidak diberikan pengendalian, sehingga kapal MV Karana Sembilan tidak mampu menghindari halangan kapal didepannya.

[8]. [9]. [10].

[11]. [12].

[13]. [14].

5.2

Saran Saran yang perlu disampaikan untuk pengembangan penelitian ini adalah dilakukan perancangan sistem pengendalian untuk menghindari tabrakan pada kapal dengan kombinasi basis aturan yang lebih kompleks, posisi halangan yang lebih kompleks, dan dengan adanya monitoring yang di integrasikan secara real time.

17

DAFTAR PUSTAKA Administrator Pelabuhan Tanjung Perak Surabaya: Lampiran Spesifikasi dan Perijinan Kapal.2010. Aisjah, AS. “Pengembangan Sistem Monitoring dan Kontrol Cerdas pada Kapal Untuk Peningkatan Kualitas Manajemen transportasi Laut”. 2010. Aisjah, AS. Prest Ristek 28 September 2010. Anitasari, Ruri. Tugas Akhir: Perancangan Sistem Kendali Manuver untuk Menghindari Tabrakan pada Kapal Tangki Berbasis Logika Fuzzy. Teknik Fisika-FTI-ITS Surabaya. 2010. Detik Surabaya Tabrakan kapal Tonto Niaga dan Mitra Ocean dan Referensi Wikipedia. 2010. Distrik Navigasi kelas I Surabaya dan VTS Pelabuhan Tanjung Perak Surabaya. Efendi, Aries. Tugas Akhir: Perancangan Kendali Otomatis Haluan dan Kecepatan Kapal pada Jalur Pelayaran Karang Jamuang – Tanjung Perak Berbasis Logika Fuzzy Untuk Peningkatan Transportasi laut. Teknik Fisika-FTI-ITS Surabaya. 2010. Fossen, Thor. I., 1994, “Guidance and Control of Ocean Vehicle”, John Willy & Son. Hasegawa, K. Automatic Collision Avoidance for Ship Using Fuzzy Control. Osaka University : Japan. Masroeri,A.A. Development of DSS (Decision Support System) Based on AIS Data for Improving the Safety of Ship Operation in Tanjung Perak Port Surabaya. PT. Pelindo III bagian Komersial / PPSA: Lampiran Ship Particular. 2010. Rahmad, Arif Hidayat. Tugas Akhir : Perancangan Sistem Monitoring Pada Alur Pelayaran Kapal di Pelabuhan Tanjung Perak Surabaya. Teknik Fisika-FTI-ITS Surabaya. 2010. TM-1 Full Reports. Putut Cahyono. Teknik kelautan-FTK- ITS. 2009. Zhou, Yongqiang., Hearnt, Grant E, A Ship Based Intelligent Anti-Collision DecisionMaking Support System Utilizing Trial Manouvres. Dalian Fisheries University. Dalian, 2008.

BIODATA PENULIS Nama : Devina Puspita Sari TTL : Surabaya, 15 September 1988 Alamat : JL. Jelidro No 47 A Sambikerep Surabaya

[email protected] Pendidikan :  SDN Manukan Kulon IV/541 (1994-2000)  SLTPN 3 Surabaya (2000-2003)  SMAN 2 Surabaya (2003-2006)  S-1 Teknik Fisika FTI ITS (2006-sekarang)

18