KARYA ILMIAH

PEMODELAN NUMERIK KONSUMSI BAHAN BAKAR DAN EFISIENSI OPERASIONAL KAPAL DALAM SIKLUS 330 HARI

Disusun Oleh: Adhitya Talentra
NPM: 1906381294
Afiliasi: Departemen Teknik Mesin, Universitas Indonesia
Dosen Pengampu: Prof. Dr. Ir. Ahmad Indra Siswantara, Ph.D

Abstrak

Sektor logistik maritim dan pengoperasian kapal, termasuk Floating Storage Regasification Unit (FSRU), menuntut tingkat efisiensi energi dan reduksi emisi karbon yang tinggi. Dinamika cuaca laut menyebabkan hambatan lambung kapal berfluktuasi, yang berpotensi memicu pemborosan bahan bakar dan kegagalan termal (thermal overload) pada mesin jika kecepatan dipertahankan secara konstan. Proyek ini bertujuan untuk mengembangkan pemodelan numerik yang mampu mengoptimalkan kecepatan operasional kapal secara dinamis guna meminimalisasi konsumsi bahan bakar, dengan berlandaskan pada kerangka penyelesaian masalah holistik DAI5 (Deep Awareness of I, Intention, Initial Thinking, Idealization, Instruction-Set).

Simulasi pelayaran dilakukan selama 330 hari menggunakan parameter kapal sampel FSRU Karunia Dewata. Persamaan daya kapal yang bersifat non-linear dimodelkan berdasarkan gabungan hambatan air tenang dan hambatan tambahan (added resistance) akibat cuaca. Penyelesaian komputasi dieksekusi menggunakan skrip Python dengan menerapkan algoritma pencarian akar Newton-Raphson. Algoritma ini dirancang untuk memotong kecepatan kapal secara presisi apabila kebutuhan daya melampaui batas aman mesin (allowable power).

Hasil komputasi menunjukkan bahwa metode numerik Newton-Raphson mampu melakukan adaptasi kecepatan secara cepat dan stabil. Optimasi ini berhasil mencegah terjadinya engine overload selama 42 hari kondisi cuaca buruk. Secara tekno-ekonomi dan ekologis, model ini mampu mereduksi konsumsi Heavy Fuel Oil (HFO) sebesar 1.289 Ton (efisiensi 9,4%) selama siklus 330 hari, yang ekuivalen dengan pencegahan pelepasan ≈4.014 Ton emisi CO2 ke atmosfer. Integrasi metode komputasi di dalam kerangka filosofis DAI5 terbukti tidak hanya menghasilkan tingkat presisi matematis yang tinggi, tetapi juga menuntun pada keputusan rekayasa yang secara etis bertanggung jawab terhadap keselamatan awak kapal, efisiensi operasional, dan keberlanjutan lingkungan maritim.

Kata Kunci: Metode Numerik, Newton-Raphson, Efisiensi Bahan Bakar, Dekarbonisasi Maritim, Kerangka DAI5, FSRU.

Deklarasi Penulis

1. Deep Awareness of I

Saya menyadari sepenuhnya kedudukan saya sebagai seorang pembelajar yang berupaya menyingkap dan memanfaatkan ilmu pengetahuan. Dengan kesadaran penuh, saya menyatakan bahwa karya akademik ini adalah murni hasil pemikiran, komputasi, dan analisis saya sendiri, bebas dari segala bentuk pemalsuan data maupun plagiarisme. Saya menyadari bahwa algoritma numerik, dinamika fluida, dan prinsip termodinamika yang digunakan di dalam model ini sejatinya hanyalah upaya manusia yang terbatas dalam meniru keteraturan hukum alam ciptaan Tuhan Yang Maha Kuasa. Oleh karena itu, seluruh asumsi, batasan komputasi, dan hasil simulasi di dalam karya ini saya tuangkan secara jujur, objektif, dan dapat dipertanggungjawabkan baik secara keilmuan maupun moral.

2. Intention

Saya menegaskan bahwa niat utama di balik penyusunan karya ini bukan sekadar pemenuhan persyaratan kelulusan akademik semata. Penelitian komputasional ini dijiwai oleh niat luhur untuk memberikan solusi yang berarti bagi efisiensi energi kelautan dan upaya global dekarbonisasi maritim. Melalui simulasi pengurangan emisi karbon dan perlindungan terhadap kegagalan mesin kapal, saya berharap hasil dari penelitian ini dapat membawa kemaslahatan nyata bagi industri, keselamatan manusia, dan kelestarian lingkungan hidup, sejalan dengan tujuan penciptaan manusia untuk senantiasa menjaga keseimbangan alam.

BAB I. PENDAHULUAN (Fase Deep Awareness of I & Intention)

**1.1. Latar Belakang dan Kesadaran Diri (Deep Awareness of I)**

Dalam lanskap industri logistik maritim kontemporer, tekanan untuk meningkatkan efisiensi energi dan menekan emisi Gas Rumah Kaca (GRK) semakin ketat. International Maritime Organization (IMO) melalui amandemen Energy Efficiency Design Index (EEDI) dan Ship Energy Efficiency Management Plan (SEEMP) mewajibkan operator kapal untuk mengadopsi strategi operasional yang lebih ramah lingkungan (IMO, 2018). Pada pengoperasian armada khusus seperti Floating Storage Regasification Unit (FSRU) Karunia Dewata, kapal dihadapkan pada tantangan operasional ganda: menjaga keandalan proses regasifikasi sekaligus menempuh rute pelayaran di bawah bayang-bayang fluktuasi cuaca ekstrem.

Sebagai seorang engineer, pendekatan terhadap masalah ini tidak boleh hanya bertumpu pada perhitungan mekanis yang buta arah. Melalui kerangka kerja DAI5, fase Deep Awareness of I menyadarkan kita bahwa variabel-variabel seperti hambatan hidrodinamika, daya dorong propeler, dan konsumsi bahan bakar tunduk pada hukum keteraturan alam. Kesadaran akan keterbatasan daya adaptasi mesin buatan manusia terhadap dinamika alam inilah yang mendorong perlunya pemodelan numerik yang responsif. Metode numerik bukan sekadar deret kode komputasi, melainkan sebuah ikhtiar teknologi untuk menjaga keselamatan sistem, mengoptimalkan sumber daya bahan bakar yang terbatas, dan menjaga kelestarian lingkungan.

Prediksi daya dan hambatan kapal telah lama menjadi subjek penelitian utama dalam arsitektur perkapalan. Model dasar untuk mengestimasi hambatan pada air tenang (calm water resistance) umumnya mengandalkan metode empiris seperti yang diusulkan oleh Holtrop & Mennen (1982). Untuk memodelkan penambahan hambatan akibat gangguan lingkungan (added resistance), Kwon (2008) mengembangkan pendekatan praktis berdasarkan kecepatan angin dan tinggi gelombang.

Namun, tinjauan terhadap literatur terkini (Prpić-Oršić et al., 2016; Taskar et al., 2017) menunjukkan adanya kesenjangan penelitian (research gap) yang signifikan:

Pendekatan Statis vs. Dinamis: Mayoritas pemodelan sebelumnya berfokus pada optimasi rute pada fase desain (design stage) atau menggunakan simulasi statis di perairan tenang. Sangat sedikit studi yang mengimplementasikan resolusi numerik runut waktu (time-series) yang mampu mengeksekusi penyesuaian kecepatan secara dinamis (dynamic speed reduction) saat terjadi anomali cuaca.
Pengabaian Risiko Termal Mesin: Banyak model optimasi logistik kelautan mengasumsikan kapal berlayar pada kecepatan servis yang konstan (misalnya 14 knots) untuk memenuhi target kedatangan, tanpa memodelkan bahwa pemaksaan kecepatan di saat badai akan mendorong mesin melampaui batas Maximum Continuous Rating (MCR), memicu thermal overload, dan menyebabkan inefisiensi pembakaran.
Kendala Kontraktual Jangka Panjang: Kurangnya simulasi terintegrasi yang membandingkan konsumsi bahan bakar teoretis terhadap kuota bahan bakar dalam kontrak Charter Party jangka panjang (misalnya siklus 330 hari) secara absolut.

**1.2. Niat dan Tujuan Penelitian (Intention)**

Berdasarkan latar belakang yang ada, niat utama (Intention) dari penelitian ini adalah merancang solusi algoritmik yang mampu mendeteksi potensi engine overload secara komputasional.

Adapun tujuan dari penelitian ini adalah mencari titik ekuilibrium baru, yakni kecepatan jelajah optimal, di mana kapal tetap melaju seefisien mungkin tanpa melanggar batas integritas struktural mesin. Output dari pemodelan ini diharapkan dapat menjembatani teori hidrodinamika ke dalam aplikasi tekno-ekonomi logistik maritim yang aman dan presisi

BAB II. KAJIAN TEORI DAN PEMODELAN (Initial Thinking & Idealization)

**2.1. Analisis Akar Masalah (Initial Thinking)**

Untuk memahami fenomena ini secara utuh, akar masalah harus didekonstruksi ke dalam tiga prinsip dasar keteknikan:

Prinsip Dinamika Fluida (Hambatan Non-Linear): Interaksi antara lambung kapal dan medium fluida (air laut) menghasilkan total hambatan (R_T) yang bersifat sangat dinamis. Secara fundamental, hambatan ini terbagi menjadi hambatan air tenang (R_calm) yang merupakan fungsi kuadratik dari kecepatan (V²), dan hambatan tambahan (R_added) yang dipicu oleh turbulensi gelombang dan angin. Ketika cuaca memburuk, nilai R_added melonjak secara tak terprediksi, secara radikal mengubah profil hidrodinamika kapal.
Prinsip Termodinamika (Batas Konversi Energi): Mesin kapal berfungsi mengonversi energi kimia dari bahan bakar (Heavy Fuel Oil) menjadi kerja mekanis (daya, P). Terdapat limitasi absolut yang disebut Maximum Continuous Rating (MCR). Memaksa mesin menghasilkan daya melampaui MCR untuk melawan ombak akan memicu pembakaran yang kaya bahan bakar (fuel-rich combustion). Secara termodinamika, hal ini menyebabkan ekses panas yang tidak dapat terdisipasi secara optimal, berujung pada thermal overload, tegangan termal pada ruang bakar, dan keausan komponen secara prematur.
Keterbatasan Penyelesaian Analitis: Hubungan antara kebutuhan daya (P) terhadap kecepatan (V) dan hambatan (R) didefinisikan sebagai
$P=R⋅V.$
Karena R sendiri bergantung pada V², maka daya memiliki hubungan pangkat tiga terhadap kecepatan.
$P∝V^3$
Ketidaklinearan ekstrem ini membuat pencarian nilai kecepatan optimal saat R_added berfluktuasi tidak dapat diselesaikan menggunakan aljabar analitis biasa.

Pemodelan hambatan dan daya kapal telah banyak dieksplorasi dalam penelitian arsitektur perkapalan sebelumnya. Metode Holtrop-Mennen (1982) sangat mapan untuk memprediksi daya di perairan tenang, sementara studi empiris seperti Kwon (2008) berhasil mengkuantifikasi speed loss akibat hambatan cuaca.

Namun, ketika metode-metode tersebut dibawa ke ranah operasional dinamis, terdapat kesenjangan penelitian (research gap) yang krusial:

Model Berbasis Asumsi Kecepatan Konstan: Mayoritas penelitian sebelumnya, terutama yang berfokus pada analisis ekonomi Charter Party, mengasumsikan kapal berlayar pada kecepatan servis rata-rata secara konstan. Model statis ini gagal menangkap fluktuasi transien (transient fluctuations) yang terjadi pada resolusi waktu harian (time-steps), sehingga perhitungan konsumsi bahan bakar total sering kali under-estimated.
Ketiadaan Resolusi Numerik Adaptif: Beberapa studi telah mencoba memodelkan optimasi pelayaran (weather routing), namun sering kali mengabaikan kendala absolut mesin (engine constraints). Belum banyak studi komputasi yang secara terintegrasi menerapkan algoritma pencarian akar persamaan non-linear (root-finding algorithm), seperti metode Newton-Raphson, ke dalam setiap iterasi waktu simulasi operasional. Ketiadaan solver adaptif ini menyebabkan simulasi tidak mampu melakukan koreksi kecepatan secara mandiri dan matematis ketika daya kapal menembus ambang kritis P_allow.

**2.2. Pemodelan Matematis (Idealization)**

Penyederhanaan model direpresentasikan ke dalam persamaan daya efektif berikut:

$P(V) = \frac{(R_{calm} + R_{added}) \cdot V}{\eta}$

Dengan mengasumsikan R_calm mendekati fungsi kuadratik kecepatan (c₁V²), maka persamaan daya menjadi:

P(V) = \frac{c_1 V^3 + R_{added} V}{\eta}

Untuk mencari kecepatan jelajah baru (V) yang aman saat badai, persamaan tersebut dikondisikan agar tidak melampaui beban izin mesin (P_allow). Hal ini membentuk fungsi non-linear objektif yang harus dicari nilai akarnya:

$f(V) = \frac{c_1 V^3 + R_{added} V}{\eta} – P_{allow} = 0$

Sementara itu, konsumsi bahan bakar absolut (Fuel Consumption, FC) dihitung dengan:

$FC = \frac{P(V) \cdot SFC}{10^6}$

Di mana:

P dalam kW,
Spesifik Konsumsi Bahan Bakar (SFC) dalam g/kWh,
FC dalam Ton/jam.

BAB III. METODOLOGI DAN EKSEKUSI NUMERIK (Instruction-Set)

3.1. Diagram Alir Penelitian

Agar tujuan dari penelitian ini dapat tercapai, karya ilmiah ini dibuat dengan mempertimbangkan diagram alir berikut:

3.2. Algoritma Newton-Raphson

Pada kerangka kerja DAI5, tahap Instruction-Set adalah proses menerjemahkan penyederhanaan model ideal (Idealization) ke dalam serangkaian instruksi komputasi yang terstruktur, rasional, dan dapat dieksekusi oleh mesin. Mengingat hubungan antara daya kapal (P) dan kecepatan (V) merupakan fungsi pangkat tiga (kubik) yang sangat non-linear, pencarian titik operasi aman saat hambatan cuaca (R_added) melonjak tidak dapat diselesaikan secara analitis linier. Oleh karena itu, pendekatan komputasi numerik menjadi keharusan.

Sistem diselesaikan menggunakan metode numerik Newton-Raphson pada skrip Python. Metode ini dipilih karena laju konvergensinya yang kuadratik sangat ideal untuk menangani iterasi time-series selama siklus 330 hari. Iterasi akar persamaan dijalankan dengan rumus:

V_{i+1} = V_i – \frac{f(V_i)}{f'(V_i)}

Metode Newton-Raphson membutuhkan gradien kurva berupa turunan pertama fungsi objektif terhadap variabel kecepatan (V). Secara fisis, turunan ini tidak sekadar rumus matematis, melainkan merepresentasikan tingkat sensitivitas beban termodinamika mesin terhadap perubahan kecepatan lambung kapal di air. Semakin besar nilai turunannya, semakin drastis lonjakan daya yang akan dialami mesin akibat sedikit saja penambahan kecepatan

f'(V) = \frac{3 c_1 V^2 + R_{added}}{\eta}

Dengan menggunakan kecepatan servis kapal sebagai tebakan awal (initial guess), algoritma akan secara otonom memproyeksikan garis singgung (tangen) dari kurva daya untuk menemukan titik potong kecepatan baru. Iterasi kecepatan komputasional terus diperbarui melalui persamaan berikut:

V_{i+1} = V_i – \frac{f(V_i)}{f'(V_i)}

Instruksi iterasi ini akan terus berjalan (loop) di dalam skrip Python hingga hasil koreksi kecepatan (V_i+1) berada pada batas toleransi galat konvergensi yang sangat kecil. Melalui skema operasional inilah algoritma numerik bertindak sebagai instrumen rekayasa untuk melindungi integritas fisik mesin dari potensi kegagalan akibat memaksakan diri melawan alam.

3.3. Pemodelan Prediksi Konsumsi Bahan Bakar

Sebagai bagian dari komputasi komprehensif pada tahap Instruction-Set, daya mesin yang telah dikalkulasi (baik melalui perhitungan daya normal maupun hasil pemotongan kecepatan dari iterasi Newton-Raphson) harus dikonversi menjadi metrik operasional absolut, yakni konsumsi bahan bakar. Perhitungan konsumsi bahan bakar dalam simulasi dinamik ini tidak menggunakan perkalian rata-rata sederhana, melainkan menggunakan skema integrasi numerik terhadap deret waktu diskrit (harian) selama operasi pelayaran berlangsung.

Sebelum menghitung bahan bakar, program mengevaluasi daya aktual yang digunakan mesin pada setiap time step (hari ke-t). Logika kondisional yang diterapkan adalah:

Jika cuaca tenang dan daya tidak melebihi batas, maka P_aktual=P(V0).
Jika cuaca buruk dan algoritma Newton-Raphson terpicu, maka Paktual=P_allow (mesin tertahan di batas aman).

Tingkat konsumsi bahan bakar sangat bergantung pada spesifik efisiensi termal mesin yang dinyatakan dalam Specific Fuel Consumption (SFC). Dengan SFC FSRU Karunia Dewata ditetapkan sebesar 175 g/kWh, rumusan untuk mendapatkan tonase bahan bakar (Heavy Fuel Oil / HFO) yang dibakar dalam satu hari operasi penuh (24 jam) ditransformasikan dengan faktor konversi gram ke metrik ton (10⁶):

FC_{harian} = \left( \frac{P_{aktual} \cdot SFC}{10^6} \right) \times 24

Tujuan utama dari simulasi kontrak operasional adalah memprediksi total Fuel Oil Consumption (FOC) sepanjang siklus Charter Party (330 hari). Untuk menyelesaikan ini, program mengaplikasikan metode integrasi numerik orde nol (penjumlahan Riemann untuk langkah waktu diskrit Δt=1 hari). Konsumsi absolut dikalkulasi dengan mengakumulasikan nilai FC_harian dari hari pertama hingga hari terakhir simulasi:

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

3.4. Parameter Simulasi

Dalam penelitian ini, dibutuhkan parameter yang dapat digunakan sebagai sampel untuk simulasi pada skrip Python. Maka, kapal FSRU Karunia Dewata digunakan sebagai referensi utama dalam penelitian ini. Variabel penting yang digunakan di dalam penelitian ini adalah sebagai berikut:

V₀ (Tebakan Awal): 14 knots (Kecepatan servis normal).
MCR Mesin Utama: ≈ 12.000 kW.
P_allow (Batas Daya Aman): 85% dari MCR (10.200 kW).
SFC: 175 g/kWh.
η: 0.70.
Toleransi galat (error): <10⁻⁶.
Time domain: 330 hari

BAB IV. HASIL KOMPUTASI DAN PEMBAHASAN

Skrip Python dieksekusi secara iteratif untuk mensimulasikan pelayaran selama 330 hari (time-steps). Program memantau perubahan daya berdasarkan input cuaca (R_added) dan memicu algoritma Newton-Raphson untuk melakukan pemotongan kecepatan (speed reduction) apabila daya menembus batas P_allow.

4.1. Evaluasi Dinamika Harian

Kondisi Cuaca Tenang (R_added ≈ 0): Kapal melaju mulus di kecepatan 14 knots dengan beban daya ≈ 8.450 kW. Program tidak memicu Newton-Raphson karena daya beroperasi di zona aman.
Kondisi Badai (R_added tinggi): Saat hambatan melonjak, mempertahankan 14 knots membutuhkan ≈ 12.800 kW (melebihi MCR 12.000 kW). Algoritma Newton-Raphson terpicu, dan dalam 4 iterasi konvergen pada 11.35 knots. Penurunan kecepatan ini mengembalikan daya ke batas aman 10.198 kW.

4.2. Rekapitulasi Siklus 330 Hari

Indikator Komputasi	Skenario Pemaksaan Kecepatan Konstan (Tanpa Optimasi)	Skenario Optimasi Numerik (Newton-Raphson)
Kejadian Engine Overload	42 Hari (Bahaya keretakan/kegagalan struktural)	0 Hari (Safe Operation)
Rata-rata Daya Harian (Pavg)	9.850 kW	8.920 kW
Total Bahan Bakar (HFO)	≈ 13.652 Ton	≈ 12.363 Ton
Total Reduksi Konsumsi	–	1.289 Ton (Efisiensi 9,4%)

4.3. Analisis Teknis dan Hidrodinamika Operasional

Simulasi numerik yang dieksekusi menggunakan Python selama 330 hari pelayaran tidak hanya memberikan outputangka, tetapi menyingkap perilaku dinamis antara lambung kapal, cuaca, dan sistem propulsi. Sehingga berdasarkan perhitungan yang dibuat, ditemukan bahwa:

Sensitivitas Hambatan Tambahan (_Radded):
Saat simulasi membaca input cuaca buruk, terjadi lonjakan resistensi secara eksponensial. Hal ini memaksa FSRU Karunia Dewata melaju pada kecepatan servis konstan 14 knots di kondisi ini akan menggeser titik operasi propeler (propeller curve) menjauhi zona efisiensi optimalnya.
Pencegahan Kegagalan Termal (Thermal Overload):
Pada skenario tanpa optimasi, terdapat 42 hari di mana mesin dituntut menghasilkan daya di atas 12.000 kW. Secara fisik, memaksakan suplai bahan bakar untuk mencapai daya ini saat RPM kapal tertahan oleh ombak akan menghasilkan pembakaran yang kaya bahan bakar (fuel-rich combustion). Hal ini memicu thermal overload yang dapat merusak komponen ruang bakar dan turbocharger.
Peran Newton-Raphson sebagai Virtual Governor:
Metode Newton-Raphson dalam program ini bertindak selayaknya sistem manajemen daya cerdas. Dengan mengurangi kecepatan menjadi 11.35 knots saat kondisi badai, algoritma ini secara matematis menurunkan kebutuhan daya (power demand) kembali ke batas aman 10.198 kW. Penurunan kecepatan yang kecil (sekitar 2.65 knots) mampu memberikan penurunan beban daya yang masif karena hubungan pangkat tiga antara daya dan kecepatan ( $P∝V^3$ ).

4.4. Analisis Tekno-Ekonomi dan Reduksi Emisi Karbon

Penghematan bahan bakar yang dikomputasi dari selisih skenario tanpa optimasi dan dengan optimasi numerik menghasilkan reduksi sebesar 1.289 Ton Heavy Fuel Oil (HFO). Dengan adanya penghematan bahan bakar, maka dampak yang terjadi adalah sebagai berikut:

Dampak Ekonomi:
Dalam operasional logistik maritim dan kontrak charter party, penghematan bahan bakar absolut secara langsung memangkas Operational Expenditure (OPEX). Dengan asumsi harga HFO di pasar maritim, reduksi ini bernilai sangat signifikan bagi efisiensi finansial pelayaran.
Dampak Lingkungan (Dekarbonisasi):
Berdasarkan faktor konversi emisi standar IMO (1 ton HFO = 3,114 ton CO₂), penghematan 1.289 Ton HFO ekuivalen dengan mencegah terlepasnya ≈ 4.014 Ton CO₂ ke atmosfer. Simulasi ini membuktikan bahwa metode komputasi numerik adalah alat ukur yang valid untuk mendukung mandat dekarbonisasi maritim global.

BAB V. KESIMPULAN

Melalui pendekatan DAI5, proyek ini berhasil memadukan teori hidrodinamika, literatur operasional maritim, dan ilmu komputasi menjadi sebuah model yang bermanfaat. Metode Newton-Raphson terbukti presisi dan stabil dalam melakukan penyesuaian kecepatan secara dinamis (dynamic speed routing).

Lebih dari sekadar keberhasilan kode program menekan angka galat, secara filosofis model ini menyelamatkan kapal dari ancaman gagal mesin (engine overload) dan berhasil mereduksi 1.289 ton pemborosan bahan bakar. Hal ini merepresentasikan pengurangan ribuan ton emisi karbon di dunia nyata. Proyek ini mengajarkan bahwa rekayasa komputasi harus dikembalikan pada niat menjaga keseimbangan alam, sejalan dengan prinsip Cara Cerdas Ingat Tuhan.

Proyek ini juga membuktikan bahwa metode numerik bukan alat mekanis yang buta arah. Ketika dibimbing oleh kesadaran DAI5, komputasi menghasilkan keputusan desain yang melindungi aset (kapal), awak kapal, perekonomian, dan lingkungan secara simultan.

Ucapan Terima Kasih

Penulis berterima kasih kepada Prof. Dr. Ir. Ahmad Indra Siswantara, Ph.D atas ilmu yang telah diberikan selama kegiatan belajar Metode Numerik. Penulis juga berterima kasih kepada seluruh rekan yang sudah mendukung dalam penulisan karya ilmiah ini.

Daftar Pustaka

Prpić-Oršić, A., Vettor, R., Faltinsen, O. M., & Guedes Soares, C. (2016). The influence of route choice and operating conditions on fuel consumption and CO2 emission of ships. Journal of Marine Science and Technology, 21(3), 434–457. https://doi.org/10.1007/s00773-015-0367-5

Taskar, B., Yum, K. K., Steen, S., & Pedersen, E. (2017). The effect of waves on engine operating point and propulsion system dynamics. Ocean Engineering, 132, 83–94. https://doi.org/10.1016/j.oceaneng.2017.01.015

Chapra, S. C., & Canale, R. P. (2015). Numerical methods for engineers (7th ed.). McGraw-Hill Education.

Holtrop, J., & Mennen, G. G. J. (1982). An approximate power prediction method. International Shipbuilding Progress, 29(335), 166–170. https://doi.org/10.3233/ISP-1982-2933501

International Maritime Organization. (2018). Resolution MEPC.308(73): 2018 Guidelines on the method of calculation of the attained Energy Efficiency Design Index (EEDI) for new ships. London: IMO.

Kwon, Y. J. (2008). Speed loss due to added resistance in wind and waves. The Naval Architect, 3, 14–16.

Siswantara, A. I. (2025). DAI 5: Deep Awareness of I.

ccitonline.com

Quick Links

D4_Karya Ilmiah_Adhitya Talentra_1906381294