Selamat malam Prof dan teman-teman. Pada kesempatan kali ini, saya akan memaparkan sebuah contoh kasus mengenai Optimalisasi Rute Pelayaran Berbasis Risiko dan Energi, yang merupakan bagian dari proyek Pengembangan Sistem Navigasi Hibrida untuk Efisiensi Bahan Bakar dan Mitigasi Risiko Pelayaran. Tujuan umum dari proyek ini adalah merancang sebuah model numerik yang mampu menentukan jalur pelayaran terpendek secara energi atau menghemat bahan bakar, sambil secara simultan meminimalkan risiko seperti menghindari zona perairan rawan bajak laut, area lalu lintas padat yang berisiko tabrakan, atau area perairan konservasi. Proyek ini juga memiliki keterkaitan erat dengan aspek.
Tekpoleksosbudhankamling. Dari segi teknologi, kami mengintegrasikan sensor dan prediksi cuaca menggunakan model matematis untuk menghitung drag dan energi kinetik secara real-time. Dari segi ekonomi, kami meminimalkan biaya operasional bahan bakar dan waktu menggunakan fungsi biaya total. Sementara itu, untuk aspek sosial, budaya, dan hankam, kami memasukkan constraint layer untuk menghindari pemukiman padat, situs budaya, serta menghitung risk score untuk mitigasi ancaman perompak.Agar proyek ini terstruktur dan memenuhi standar akademik, saya menggunakan kerangka kerja metodologi DAI-DAI. Langkah pertama adalah Define atau perumusan masalah, di mana tujuannya adalah menemukan jalur optimal dengan minimum energi dan waktu dari Titik A ke Titik B. Untuk mencapai ini, saya memasukkan beberapa variabel input yang meliputi koordinat awal dan akhir, data oseanografi seperti kecepatan arus air, data cuaca seperti kecepatan dan arah angin, serta data risiko keamanan berupa peta zona rawan. Dari variabel-variabel tersebut, saya merumuskan fungsi tujuannya yaitu meminimalkan total biaya rute.
Secara matematis, hal ini dihitung dengan mengintegralkan konsumsi bahan bakar dan dampak risiko sepanjang waktu perjalanan.Langkah kedua adalah Analyze atau pemodelan numerik. Saya menggunakan dasar dari Graph Theory namun dengan penambahan dimensi waktu dan risiko. Fungsi biaya total di setiap titik ruang dan waktu harus mencakup daya dorong yang berbanding lurus dengan kecepatan relatif akibat pengaruh hambatan arus dan angin, risiko keselamatan yang diberi bobot nilai tertentu sesuai tingkat bahaya area, serta waktu tempuh. Untuk menyelesaikan model ini, saya menggunakan algoritma A* Search karena lebih efisien dari algoritma Dijkstra dalam mengakomodasi fungsi biaya yang multidimensi. Algoritma ini menjumlahkan biaya aktual energi dan risiko yang sudah ditempuh dari titik awal, dengan estimasi biaya heuristik terbaik menuju titik akhir.
Langkah ketiga adalah Implement atau pengujian numerik melalui simulasi. Proses ini dimulai dengan grid generation, yaitu membagi keseluruhan area peta menjadi kotak-kotak grid kecil. Selanjutnya, algoritma A* akan melakukan iterasi berjalan di atas grid tersebut. Pada setiap node atau titik persimpangan, algoritma akan menghitung nilai biaya berdasarkan data arus, angin, dan risiko aktual pada titik waktu simulasi tersebut. Pada akhirnya, output yang dihasilkan dari simulasi ini adalah mencetak serangkaian koordinat optimal yang terbukti menghasilkan total biaya rute yang paling rendah.
