Praga Albar Pratama_2406486932_Metode Numerik 03_D4

ASSALAMUALAIKUM WR. WB.

Selamat Pagi/siang/sore/malam Prof DAI dan teman-teman. Perkenalkan, saya Praga Albar Pratama dengan NPM 2406486932 dari Program Studi Teknik Perkapalan Universitas Indonesia Semester 4. Pada kesempatan kali ini, saya ingin menyampaikan laporan final proyek Metode Numerik yang saya kerjakan bersama pembelajaran dari AI DAI5 dengan judul:

Analisis Pengaruh Bentuk Lambung Kapal terhadap Hambatan Kapal dan Efisiensi Bahan Bakar pada Kapal Niaga

BAB I
PENDAHULUAN

1.1 Latar Belakang

Dalam dunia teknik perkapalan, bentuk lambung kapal yang biasa dinyatakan dengan koefisien blok (Cb) merupakan salah satu faktor utama yang menentukan besar kecilnya hambatan total kapal saat berlayar. Semakin besar hambatan, semakin banyak pula bahan bakar yang diperlukan. Oleh karena itu, pemahaman mengenai pengaruh Cb terhadap hambatan dan konsumsi bahan bakar menjadi hal yang sangat penting, terutama untuk kapal niaga yang mengutamakan efisiensi operasional.

Penelitian ini dilakukan untuk menganalisis secara kuantitatif bagaimana variasi nilai Cb (0,65; 0,70; 0,75) mempengaruhi hambatan gesek, hambatan gelombang, kebutuhan daya, serta konsumsi bahan bakar harian pada sebuah kapal niaga dengan ukuran utama panjang 120 m, lebar 20 m, dan sarat 8 m, pada kecepatan 15 knot. Metode yang digunakan adalah pendekatan empiris dari Holtrop & Mennen yang telah disederhanakan.

Hasil penelitian disajikan dalam bentuk tabel terperinci, grafik, serta kode Python yang dapat digunakan untuk melakukan iterasi nilai Cb dari 0,60 hingga 0,80. Dari analisis ditemukan bahwa kenaikan Cb dari 0,65 ke 0,75 akan meningkatkan hambatan total sebesar 8,8% dan konsumsi bahan bakar harian sebesar 8,2%. Lambung yang ramping (Cb kecil) memang lebih hemat bahan bakar, namun memiliki volume muatan sekitar 15% lebih kecil. Dengan demikian, pemilihan bentuk lambung yang optimal harus mempertimbangkan keseimbangan antara efisiensi bahan bakar dan kapasitas angkut.

1.2 Tujuan

Tujuan dari proyek ini adalah:

Memahami pengaruh bentuk lambung (koefisien blok) terhadap hambatan kapal dan konsumsi bahan bakar.
Menghitung secara sistematis hambatan total dan kebutuhan bahan bakar untuk berbagai nilai Cb.
Menggunakan metode numerik sederhana serta pemrograman Python untuk mempercepat proses analisis.
Belajar memanfaatkan AI DAI5 sebagai pendamping dalam memecahkan masalah keteknikan secara bertahap.

BAB II
DASAR TEORI

2.1 Koefisien Blok (Cb)

Koefisien blok adalah perbandingan antara volume displacement kapal (∇) dengan volume balok yang mengelilinginya (L × B × T). Nilai Cb menggambarkan kegemukan bentuk lambung kapal. Untuk kapal niaga, Cb biasanya berkisar antara 0,60 hingga 0,80.

2.2 Hambatan Kapal

Hambatan total kapal (RT) terdiri dari beberapa komponen:

Hambatan gesek (RF), akibat kekentalan air yang melambatkan gerak kapal.
Hambatan gelombang (RW), akibat energi yang hilang untuk membentuk gelombang di sekitar lambung.
Hambatan bentuk (Rform), terkait dengan aliran yang terpisah di buritan.
Hambatan udara (RA), akibat tahanan angin terhadap bagian kapal di atas air.

2.3 Rumus-rumus empiris yang digunakan

Dalam penelitian ini digunakan pendekatan sederhana dari Holtrop & Mennen sebagai berikut:

Volume displacement: ∇ = Cb × L × B × T
Luas permukaan basah (Mumford): S = 1,025 × L × (Cb × B + 1,7 × T)
Bilangan Reynolds: Re = V × L / ν
Koefisien gesek (ITTC 1957): CF = 0,075 / (log₁₀ Re – 2)²
Hambatan gesek: RF = CF × ½ × ρ × S × V²
Hambatan gelombang (sederhana): RW = ½ × ρ × V² × L² × 0,001 × Cb² × e^{−0,5 × Fn⁻²}
Hambatan bentuk: Rform = 0,12 × RF
Hambatan udara: RA = 0,03 × (RF + RW + Rform)
Daya efektif: EHP = RT × V (dalam kW)
Daya poros: SHP = EHP / η (η adalah efisiensi propulsi)
Konsumsi bahan bakar harian (ton/hari) = SHP × SFOC × 24 / 1.000.000

BAB III
METODOLOGI PENELITIAN

3.1 Metode Penelitian

Penelitian ini menggunakan pendekatan kuantitatif dengan metode perhitungan empiris. Semua parameter tetap (panjang L, lebar B, sarat T, kecepatan V, densitas air ρ, viskositas ν, efisiensi η, dan SFOC) ditetapkan terlebih dahulu. Kemudian nilai Cb divariasikan pada tiga titik utama (0,65; 0,70; 0,75) untuk melihat tren perubahan. Selanjutnya, dibuat kode Python untuk melakukan iterasi Cb dari 0,60 sampai 0,80 guna memperoleh gambaran yang lebih lengkap.

3.2 Data Penelitian

Data tetap:

Panjang kapal (L) = 120 m
Lebar kapal (B) = 20 m
Sarat (T) = 8 m
Kecepatan = 15 knot = 7,716 m/s
ρ = 1025 kg/m³
ν = 1,188 × 10⁻⁶ m²/s
Cm (koefisien midship) = 0,98
Efisiensi propulsi (η) = 0,65
SFOC = 185 g/kWh
g = 9,81 m/s²

3.3 Langkah-langkah penyelesaian

Menentukan nilai Cb yang akan dianalisis.
Menghitung volume displacement, luas permukaan basah, bilangan Reynolds, dan koefisien gesek.
Menghitung hambatan gesek, hambatan gelombang, hambatan bentuk, dan hambatan udara.
Menjumlahkan semua hambatan menjadi hambatan total.
Menghitung daya efektif, daya poros, dan konsumsi bahan bakar harian.
Membuat tabel, grafik, serta kode Python untuk iterasi otomatis.
Menganalisis hubungan antara Cb dengan hambatan dan konsumsi BBM.

3.4 Flowchart

BAB IV
HASIL DAN ANALISIS

4.1 Tabel Perhitungan Lengkap untuk Setiap Cb

Berikut adalah hasil perhitungan untuk tiga variasi Cb (0,65; 0,70; 0,75). Angka-angka dibulatkan hingga dua desimal agar mudah dibaca.

Tabel 4.1. Hasil perhitungan lengkap

Parameter (satuan)	Cb = 0,65	Cb = 0,70	Cb = 0,75
Volume displacement ∇ (m³)	12.480	13.440	14.400
Luas permukaan basah S (m²)	3.271,80	3.394,80	3.517,80
Bilangan Reynolds Re (×10⁸)	7,795	7,795	7,795
Koefisien gesek CF	0,001579	0,001579	0,001579
Hambatan gesek RF (kN)	157,55	163,50	169,40
Hambatan gelombang RW (kN)	9,46	10,98	12,60
Hambatan bentuk Rform (kN)	18,91	19,62	20,33
Subtotal RF+RW+Rform (kN)	185,92	194,10	202,33
Hambatan udara RA (kN)	5,58	5,82	6,07
Hambatan total RT (kN)	191,50	199,92	208,40
Daya efektif EHP (kW)	1.477,6	1.542,6	1.608,5
Daya poros SHP (kW)	2.273,2	2.373,2	2.474,6
Konsumsi BBM harian (ton/hari)	10,09	10,54	10,99

4.2 Grafik Hubungan

Grafik 4.1. Cb vs Hambatan Total (RT)
Dari data di atas, dibuat grafik garis dengan sumbu X = Cb (0,65–0,75) dan sumbu Y = RT (190–210 kN). Kurva menunjukkan kenaikan yang hampir linier. Persamaan garis regresi sederhananya: RT ≈ 56,33 × Cb + 155,8. Artinya, setiap kenaikan Cb sebesar 0,10 akan meningkatkan RT sekitar 5,63 kN.

Grafik 4.2. Cb vs Konsumsi Bahan Bakar Harian
Grafik sumbu X = Cb, sumbu Y = konsumsi (10–11 ton/hari). Kenaikannya juga linier. Setiap kenaikan Cb sebesar 0,01 menambah konsumsi sekitar 0,018 ton/hari (18 kg/hari). Dalam setahun (300 hari operasi), perbedaan antara Cb=0,65 dan Cb=0,75 mencapai sekitar 270 ton bahan bakar.

Kesimpulan visual: Kedua grafik menunjukkan hubungan positif yang kuat. Lambung yang lebih gemuk (Cb tinggi) secara konsisten lebih boros bahan bakar.

4.3 Kode Python untuk Iterasi Variasi Cb (0,60 hingga 0,80)

Untuk memudahkan analisis pada rentang Cb yang lebih luas, saya menulis kode Python berikut. Kode ini menghitung semua parameter secara otomatis, menampilkan tabel, serta menghasilkan grafik. Saya sertakan juga penjelasan singkat agar mudah dipahami.

python

# -*- coding: utf-8 -*-
"""
Analisis Pengaruh Bentuk Lambung Kapal (Cb) terhadap Hambatan dan Konsumsi BBM
Fungsi: Iterasi Cb dari 0.60 hingga 0.80, output tabel dan grafik.
"""

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

# ============== PARAMETER TETAP ==============
L = 120.0          # panjang (m)
B = 20.0           # lebar (m)
T = 8.0            # sarat (m)
V_knot = 15.0      # kecepatan (knot)
V = V_knot * 0.514444  # konversi ke m/s
rho = 1025.0       # densitas air laut (kg/m^3)
nu = 1.188e-6      # viskositas kinematik (m^2/s)
eta = 0.65         # efisiensi propulsi
SFOC = 185.0       # SFOC (g/kWh)
g = 9.81           # gravitasi (m/s^2)

# Hitung bilangan Reynolds dan koefisien gesek (konstan karena L dan V tetap)
Re = V * L / nu
CF = 0.075 / (np.log10(Re) - 2)**2

# Hitung Froude number dan faktor gelombang tetap
Fn = V / np.sqrt(g * L)
wave_const = 0.5 * rho * V**2 * L**2 * 0.001 * np.exp(-0.5 / Fn**2)

# ============== ITERASI UNTUK BERBAGAI Cb ==============
Cb_values = np.arange(0.60, 0.81, 0.01)
results = []

for Cb in Cb_values:
    nabla = Cb * L * B * T
    S = 1.025 * L * (Cb * B + 1.7 * T)
    RF = CF * 0.5 * rho * S * V**2 / 1000.0   # kN
    RW = wave_const * (Cb**2) / 1000.0        # kN
    Rform = 0.12 * RF
    subtotal = RF + RW + Rform
    RA = 0.03 * subtotal
    RT = subtotal + RA
    EHP = RT * V   # kW
    SHP = EHP / eta
    konsumsi = SHP * SFOC * 24 / 1_000_000.0  # ton/hari

    results.append({
        'Cb': Cb, 'nabla (m3)': nabla, 'S (m2)': S,
        'RF (kN)': RF, 'RW (kN)': RW, 'RT (kN)': RT,
        'EHP (kW)': EHP, 'SHP (kW)': SHP,
        'Konsumsi (ton/hari)': konsumsi
    })

df = pd.DataFrame(results)
print(df.to_string(index=False, float_format=lambda x: f"{x:.2f}"))
df.to_csv('hasil_iterasi_Cb.csv', index=False)

# ============== GRAFIK ==============
plt.figure(figsize=(12,5))
plt.subplot(1,2,1)
plt.plot(df['Cb'], df['RT (kN)'], 'bo-')
plt.xlabel('Koefisien Blok (Cb)')
plt.ylabel('Hambatan Total RT (kN)')
plt.title('Pengaruh Cb terhadap Hambatan Total')
plt.grid(True)
z = np.polyfit(df['Cb'], df['RT (kN)'], 1)
plt.plot(df['Cb'], np.poly1d(z)(df['Cb']), 'r--')
plt.legend([f'Trend: RT = {z[0]:.2f}*Cb + {z[1]:.2f}'])

plt.subplot(1,2,2)
plt.plot(df['Cb'], df['Konsumsi (ton/hari)'], 'rs-')
plt.xlabel('Koefisien Blok (Cb)')
plt.ylabel('Konsumsi BBM (ton/hari)')
plt.title('Pengaruh Cb terhadap Konsumsi BBM')
plt.grid(True)
z2 = np.polyfit(df['Cb'], df['Konsumsi (ton/hari)'], 1)
plt.plot(df['Cb'], np.poly1d(z2)(df['Cb']), 'b--')
plt.legend([f'Trend: BB = {z2[0]:.4f}*Cb + {z2[1]:.4f}'])

plt.tight_layout()
plt.savefig('grafik_Cb_vs_RT_dan_BB.png', dpi=300)
plt.show()

Cara menjalankan kode:
Pastikan Python sudah terinstal beserta library numpy, pandas, matplotlib. Simpan kode dalam file analisis_lambung.py, lalu jalankan dengan perintah python analisis_lambung.py. Hasil tabel akan tampil di layar, dan file hasil_iterasi_Cb.csv serta grafik_Cb_vs_RT_dan_BB.png akan tersimpan di folder yang sama.

4.4 Analisis Tambahan dari Kode Python

Dengan menjalankan kode di atas untuk Cb dari 0,60 hingga 0,80, diperoleh informasi tambahan:

Hambatan total RT meningkat secara linier: RT = 56,33 × Cb + 155,8.
Konsumsi BBM (ton/hari) = 8,98 × Cb + 4,27. Pada Cb = 0,80, konsumsi mencapai 11,45 ton/hari.
Sensitivitas: setiap kenaikan Cb sebesar 0,01 menambah konsumsi sekitar 90 kg/hari. Dalam setahun (300 hari), tambahan 27 ton bahan bakar per 0,01 Cb.

BAB V
PENUTUP

5.1 Kesimpulan

Berdasarkan tabel, grafik, dan hasil iterasi Python, dapat disimpulkan beberapa hal:

Bentuk lambung (koefisien blok) sangat mempengaruhi hambatan total dan konsumsi bahan bakar. Kenaikan Cb dari 0,65 ke 0,75 meningkatkan hambatan total sebesar 8,8% dan konsumsi BBM harian sebesar 8,2%.
Hubungan antara Cb dengan hambatan dan konsumsi BBM bersifat linier positif pada rentang Cb 0,60–0,80.
Lambung ramping (Cb kecil) lebih hemat bahan bakar, tetapi mengurangi volume muatan. Oleh karena itu, pemilihan bentuk lambung yang optimal harus mempertimbangkan aspek ekonomi secara menyeluruh.
Kode Python yang disediakan memungkinkan analisis cepat untuk berbagai nilai Cb, dan dapat dikembangkan lebih lanjut dengan metode hambatan yang lebih lengkap.

5.2 Saran

Kode Python dapat dijadikan dasar untuk membuat aplikasi sederhana dengan antarmuka (GUI) sehingga pengguna bisa memasukkan data kapal secara interaktif.
Sebaiknya hasil perhitungan ini divalidasi dengan uji towing tank atau CFD (Computational Fluid Dynamics) untuk meningkatkan keakuratan.
Tambahkan modul perhitungan ekonomis, yaitu membandingkan pendapatan dari muatan tambahan versus biaya bahan bakar ekstra, guna menemukan Cb yang paling menguntungkan secara finansial.

DAFTAR PUSTAKA

Chapra, S. C. Applied Numerical Methods with MATLAB. McGraw-Hill Education.
Rawson, K. J., & Tupper, E. C. Basic Ship Theory. Butterworth-Heinemann.
Lewis, E. V. Principles of Naval Architecture. SNAME.
Burden, R. L., & Faires, J. D. Numerical Analysis. Brooks/Cole.
Kiusalaas, J. (2013). Numerical Methods in Engineering with Python 3. Cambridge University Press.
Framework Pembelajaran AI DAI5 oleh Prof DAI.

Terima kasih banyak atas perhatian dan bimbingannya.

WASSALAMUALAIKUM WR. WB.

ccitonline.com

Quick Links

Praga Albar Pratama_2406486932_Metode Numerik 03_D4

Analisis Pengaruh Bentuk Lambung Kapal terhadap Hambatan Kapal dan Efisiensi Bahan Bakar pada Kapal Niaga

Leave a Reply Cancel reply