Hasil Pencarian  ::  Simpan CSV :: Kembali

"Ketika suatu kapal dilakukan kegiatan stevedoring atau bongkar muat suatu muatan, maka kondisi stabilitas kapal akan berubah karena adanya perubahan karaktersitik lambung kapal. Untuk memonitor kondisi stabilitas kapal selama stevedoring berlangsung, maka pada penelitian ini akan dilakukan perancangan tools yang dapat memonitor kondisi stabilitas kapal ketika pemuatan container ke atas kapal sedang berlangsung. Dengan penggunaan tools tersebut, pengguna dapat mengetahui kondisi stabilitas kapal secara real time, seperti Kurva GZ, draught haluan, draught buritan, portside draught, starboard draught, nilai GM, dan lain-lain. Tujuan dari penelitian ini adalah membuat tools yang dapat menghitung dan menganalisis stabilitas kapal ketika proses stevedoring berlangsung secara real time dan membuat user interface/antarmuka yang dapat menampilkan kondisi stabilitas kapal secara real time ketika proses stevedoring. tools ini menggunakan platform yang dikeluarkan oleh Google, yaitu Google Form yang digunakan untuk menginput data operasional, Google Sheets yang digunakan untuk menghimpun dan mengolah data hingga didapatkan hasil perhitungan stabilitas kapal, Google Drive untuk menyimpan gambar desain kapal 2D, Google App Script yang digunakan untuk melakukan proses coding pada bagian user interface, dan Google Sites yang digunakan sebagai user interface dalam menampilkan data hasil akhir perhitungan yang dilakukan oleh tools. Kemudian, dilakukan pengujian tools dalam 4 kondisi yang berbeda, yaitu kondisi kapal kosong, kondisi voyage 05A, kondisi voyage 06a, dan kondisi GM negatif. Pada kondisi kapal kosong, didapati hasil perhitungan nilai draught (nilai error) pada bagian haluan, midship, dan buritan sebesar 0.79 m (2.1 %), 1.71 m (0.23 %), dan 2.63 m (0.9 %). Sedangkan pada kondisi voyage 05A didapatkan hasil perhitungan nilai draught (nilai error) pada bagian haluan, midship, dan buritan sebesar 5,70 m (1.95 %), 5.62 m (1.31 %), dan 5.54 m (4.46 %). Serta pada kondisi voyage 06A yang diperoleh hasil perhitungan nilai draught (nilai error) pada bagian haluan, midship, dan buritan sebesar 5.76 m (2.06 %), 5.78 m (0.69 %), dan 5.80 m (3.28 %). Selain itu, pada kondisi GM negatif menghasilkan kurva dimana nilai GZ menjadi negatif.

---

When a ship is carried out stevedoring, the condition of the ship's stability will change due to changes in the characteristics of the ship's hull. To monitor the condition of the stability of the ship during stevedoring, this research will design tools that can monitor the condition of the stability of the ship when loading or unloading containers is in progress. By using these tools, users can find out the stability condition of the ship in real time, such as the GZ curve, fore draft, after draft, portside draft, starboard draft, GM value, and others. The purpose of this study is to create tools that can calculate and analyze ship stability when the stevedoring process takes place in real time and create a user interface that can display the ship's stability condition in real time during the stevedoring process. This tool uses a platform issued by Google, namely Google Form which is used to input operational data, Google Sheets which is used to collect and process data until the results of the calculation of ship stability are obtained, Google Drive which is used as Google App Script which is used to perform the coding process on the user interface, and Google Sites which is used as a user interface in displaying the final data of the calculations performed by the tools. Then, the tools were tested in 4 different conditions, namely the empty ship condition, 05A voyage condition, 06a voyage condition, and negative GM condition. In the condition of an empty ship, the results of the calculation of the draft value (error value) on the fore, midship, and after were 0.79 m (2.1 %), 1.71 m (0.23 %), and 2.63 m (0.9 %). While in the 05A voyage condition, the calculation results of the draft value (error value) on the fore, midship, and after sections were 5.70 m (1.95 %), 5.62 m (1.31 %), and 5.54 m (4.46%). And in the 06A voyage condition, the calculation results of the draft value (error value) on the fore, midship, and after were 5.76 m (2.06 %), 5.78 m (0.69 %), and 5.80 m (3.28%). In addition, the negative GM condition produced a curve where the GZ value became negative."

"Inclining test merupakan proses untuk mengetahui titik berat kapal dengan memindahkan beban uji di atas kapal. Tujuan dari Inclining test pada kapal adalah untuk menentukan tinggi titik berat kapal dan metasentra kapal, yang menjadi dasar perhitungan stabilitas kapal dalam berbagai kondisi pemuatan (load case). Percobaan inclining test umumnya dilakukan dengan dua metode, yaitu langsung di kapal setelah pembangunan selesai dan melalui simulasi komputasi. Namun, metode ini seringkali memerlukan persiapan yang cukup lama. Dengan berkembangnya otomasi dan teknologi, penelitian ini bertujuan untuk mengoptimalkan pengukuran Inclining test dengan lebih cepat dan akurat tanpa menunggu kapal selesai dibangun. Pendekatan yang diambil dalam penelitian ini adalah dengan membuat model Inclining test kapal menggunakan metode Machine Learning. Machine Learning digunakan untuk mempelajari data yang dimasukkan ke dalam sistem, dan memungkinkan mesin menghasilkan output dari percobaan inclining test seperti jika dilakukan langsung di kapal. Penelitian dilakukann dengan menggunakan Google Spreadsheet untuk menyimpan data- data inclining test yang pernah dilakukan, Github sebagai tempat yang digunakan untuk menyiimpan kode pemograman mesin, dan Streamlit sebagai interface untuk data baru yang akan dimasukan, menjalankan kode mesin yang ada di Github dan memperlihatkan hasil prediksi yang dilakukan oleh mesin. Kemudian akan dilakukan pengujian tools dengan 2 tahap dimana mesin akan memprediksi data yang sudah pernah dipelajari dan data baru. Dari penelitian didapatkan bahwa mesin pada saat ini mampu memprediksi data yang pernah dipelajari dengan error MSE sebesar 0.521 namun masih kesulitan memprediksi data baru dengan error mse sebesar 16,88. Mesin menyimpulkan bahwa momen beban merupakan faktor terbesar dalam mempengaruhi kemiringan pada pegujian inclining test kapal.

---

The Inclining test is a process to determine the center of gravity of a ship by shifting a test load onto the ship. The purpose of the Inclining test on a ship is to establish the height of the ship's center of gravity and metacenter, which serves as the basis for calculating the ship's stability under various loading conditions (load cases). Inclining test experiments are generally conducted using two methods: directly on the ship after construction is completed and through computational simulations. However, these methods often require considerable preparation time. With the advancement of automation and technology, this research aims to optimize Inclining test measurements more quickly and accurately without waiting for the ship's construction to finish. The approach taken in this study involves creating a model of the ship's Inclining test using the Machine Learning method. Machine Learning is utilized to learn from the data entered into the system, allowing the machine to generate output from Inclining test experiments as if conducted directly on the ship. The research is conducted using Google Spreadsheet to store previously conducted Inclining test data, Github as a repository for machine programming code, and Streamlit as an interface for new data entry. It runs the machine code stored in Github and displays the prediction results. The testing of tools is performed in two stages, where the machine predicts data that has been previously learned and new data. From the research, it is found that the machine is currently able to predict previously learned data with an MSE error of 0.521 but faces difficulties in predicting new data with an MSE error of 16,88. Also machine concluded that Weight momen is the biggest factor during ship inclining test."