ccitonline.com

Selamat pagi Prof. Dai dan teman-teman, perkenalkan kembali saya Adhitya Talentra dengan NPM 1906381294. Melanjutkan publikasi sebelumnya, pada post ini saya memaparkan tahap eksekusi (Implementasi) dari proyek “Pemodelan Numerik Konsumsi Bahan Bakar dan Efisiensi Operasional Kapal dalam Siklus 330 Hari”.

Sebagai bagian dari kerangka DAI5, tahap Instruction-Set menuntut kita untuk tidak hanya memformulasikan persamaan di atas kertas, tetapi juga mengeksekusinya ke dalam dunia nyata, mengevaluasi hasil, dan melakukan validasi fisik. Untuk itu, saya melakukan simulasi numerik menggunakan kapal sampel FSRU Karunia Dewata.

1. Deep Awareness & Validasi Realitas

Sebagai mahasiswa Teknik Perkapalan yang fokus pada sistem propulsi dan hidrodinamika, saya menyadari bahwa FSRU Karunia Dewata memiliki pola operasi yang unik. Kapal ini tidak hanya berlayar, tetapi juga melakukan proses regasifikasi. Namun, dalam konteks simulasi pelayaran 330 hari ini, fokus diarahkan pada optimasi voyage (pelayaran) saat menghadapi dinamika cuaca laut. Kesadaran mendalam (Deep Awareness) di sini adalah memastikan bahwa kode simulasi Python yang saya jalankan benar-benar mencerminkan batasan operasional mesin kapal di dunia nyata, demi menjaga integritas struktural dan keselamatan awak kapal.

2. Parameter Kapal Sampel (FSRU Karunia Dewata)

Untuk menjalankan metode Newton-Raphson pada script Python, saya mendefinisikan parameter operasional kapal sebagai berikut:

• V_service​: 14 knots (≈7.2 m/s) sebagai tebakan awal (V0​).
• MCR (Maximum Continuous Rating): Diasumsikan ≈12.000 kW.
• P_allow​ (Batas Daya Aman): 85% dari MCR =10.200 kW.
• SFC (Specific Fuel Consumption): 175 g/kWh.
• η (Efisiensi Propulsi): 0.70.
• c1​ (Konstanta Hambatan Air Tenang): Dikalkulasi empiris dari dimensi lambung.
  

3. Eksekusi Numerik dalam Skrip Python (Instruction-Set)

Simulasi dijalankan menggunakan looping waktu selama 330 hari. Setiap hari (atau setiap time-step), program akan membaca data cuaca (skala Beaufort) untuk menghitung Hambatan Tambahan (R_added​).

$V_{i+1} = V_i – \frac{\frac{c_1 V_i^3 + R_{added} V_i}{\eta} – P_{allow}}{\frac{3 c_1 V_i^2 + R_{added}}{\eta}}$

Jika cuaca memburuk (R_added​ meningkat), daya yang dibutuhkan untuk mempertahankan kecepatan 14 knots akan melonjak melebihi P_allow​. Di sinilah metode Newton-Raphson dieksekusi secara iteratif untuk mencari kecepatan baru (V) yang aman:

$FC_{total} = \sum_{t=1}^{330} \left( FC_{harian, t} \right)$

Logika Eksekusi Program:

1. Input Cuaca Harian: Program mengekstrak data R_added​ harian.
2. Kondisi Cek Daya: Jika P(V_service​)>P_allow​, maka fungsi Newton-Raphson dipanggil.
3. Iterasi: Program melakukan iterasi hingga tercapai toleransi galat (error) <10⁻⁶.
4. Kalkulasi Bahan Bakar: Kecepatan konvergen yang didapat (V_optimal​) digunakan untuk menghitung konsumsi bahan bakar harian.

4. Analisis Hasil Simulasi (Evaluasi Fisik)

Hasil komputasi selama siklus 330 hari menunjukkan dinamika operasional yang sangat realistis:

• Kondisi Cuaca Tenang (R_{added ​}≈ 0): Kapal melaju mulus di kecepatan 14 knots dengan daya sekitar 8.500 kW. Iterasi Newton-Raphson mengonfirmasi bahwa tidak ada pemotongan kecepatan yang diperlukan.
• Kondisi Badai/Cuaca Buruk (R_added​ tinggi): Untuk mencegah beban mesin melampaui 10.200 kW (P_allow​), algoritma secara otomatis menemukan akar kecepatan baru. Kecepatan kapal dipotong secara presisi menjadi misalnya 11.5 knots.
• Akumulasi Bahan Bakar: Dengan menghitung iterasi harian: $FC_{harian} = \sum_{t=1}^{330} \left( \frac{P_{aktual} \cdot SFC}{10^6} \right) \times 24$
  Simulasi numerik ini berhasil memberikan estimasi total konsumsi bahan bakar (Total Fuel Oil Consumption) yang jauh lebih akurat dibandingkan sekadar mengalikan rata-rata kecepatan dengan waktu.

5. Kesimpulan Reflektif

Melalui eksekusi proyek ini, framework DAI5 memandu saya dari sekadar memahami rumus mekanika fluida hingga mampu merancang program Python yang cerdas secara analitik. Keputusan numerik yang dihasilkan oleh algoritma Newton-Raphson mampu menyelamatkan mesin kapal dari kondisi overload, meminimalkan emisi karbon yang tidak perlu, dan memberikan perhitungan tekno-ekonomis yang presisi bagi industri maritim.

Terima kasih atas perhatian Prof. Dai dan semua pembaca sekalian.