1. Jurnal Tugas Akhir
1
PENDEKATAN OPTIMASI DALAM PERANCANGAN STRUKTUR PENDUKUNG
OFFSHORE WIND ENERGY
Yogi Pramadhika1
, Murdjito2
, Daniel M Rosyid2
1
Mahasiswa Teknik Kelautan, 2
Staf Pengajar Teknik Kelautan
Abstrak
Pada penelitian ini perancangan turbin energi angin lepas pantai di dekati dengan metode optimasi.
Optimasi tersebut digunakan dalam tahap desain konseptual turbin angin. Parameter tersebut diantaranya
elevasi blade, dan diameter rotornya. Selanjutnya bagimana desain detail struktur tersebut, yaitu dimensi
dan kekuatan struktur penopangnya. Proses optimasi dilakukan dengan dua metode, yaitu artificial
intelligence dan metode seleksi optimasi dari blade yang ada di pasaran. Hasil dari optimasi
menggunakan artificial intelligence tersebut adalah dengan jumlah kaki struktur 3, diameter rotor 65
meter, dan elevasi blade dari permukaan 60 meter. Sedangkan hasil dari seleksi dan optimasi blade yang
ada di pasaran menghasilkan desain type B dengan spesifikasi jumlah kaki struktur 3, diameter rotor 60
meter, dan elevasi dari permukaan 60 meter dengan parameter harga sebagai variabel keputusan. Untuk
detail desain, dimensi struktur dihitung berdasar rasio kerampingan sebesar 110, dan dihasilkan diameter
vertical chord, brace horisontal dan diagonal berturut-turut, 2.46 m, 0.305 m, dan 0.51 m. ketebalannya
adalah berturut-turut, 0.054 m, 0.0068 m, dan 0.0135 m. dengan panjang chord 95 m, horizontal brace 15
m, dan diagonal brace 25 m. Setelah di modelkan di SACS 5.2 hasilnya desain ini aman dengan
pembebanan kombinasi beban lingkungan, selfweight.
Kata kunci: offshore wind energy, artificial intelligence, optimasi, energi angin.
1. Pendahuluan
Rasio elektrifikasi Indonesia 60,28% (PLN
Statistik, 2008), menunjukkan bahwa belum
seluruh daerah di Indonesia mendapatkan
fasilitas listrik. Dan 60% tersebut di dominasi
oleh Pulau Jawa. Untuk Nusa Tenggara Timur
misalnya, rasio elektrifikasinya 21,34%.
Sehingga setiap 100 jiwa penduduk, hanya 22
jiwa yang menikmati fasilitas listrik.
Daerah seperti Nusa Tenggara Timur mengalami
berbagai hambatan ketika dipasang pembangkit
tenaga uap (batu bara), atau diesel yang selama
ini banyak digunakan di Indonesia. Pembangkit
dengan bahan bakar batu bara merupakan
pembangkit skala besar (Mahmudsyah, 2009),
tidak sebanding dengan kebutuhan disana.
Sedangkan pembangkit listrik dengan bahan
bakar solar sangat bergantung pada harga
minyak dunia. Sehingga energi terbarukan
sangat berpeluang untuk menjadi alternatif
solusi energi listrik di daerah tersebut. Sebagai
salah satu contoh adalah pada Juni 2009 lalu,
pemerintah Kupang, Nusa Tenggara Timur
membeli sistem pembangkit listrik tenaga angin
dari perusahaan asal Belanda guna mengatasi
krisis energi di Kupang.
Secara struktural, proses perancangan turbin
angin lepas pantai ini meliputi dua tahap yaitu
konseptual desain, dan detail desain. Konseptual
desain menentukan konsep awal struktur, dalam
kasus ini misalnya tinggi struktur, jumlah blade,
panjang blade, dan energi atau daya listrik yang
akan dibutuhkan tiap strukturnya. Sedangkan
detail desain meliputi perancangan struktur
tersebut lebih mendetail seperti diameter kaki,
kekuatan pondasi, perhitungan beban
lingkungan, dan lain-lain.
Pertimbangan terhadap hal-hal yang berkaitan
dengan energi yang akan dihasilkan menjadi
cukup penting untuk diperhitungkan secara
matang, dikarenakan Beaya investasi yang
cukup besar. Instalasi dan juga produksi
peralatan wind turbin yang memakan Beaya
yang cukup besar. Oleh karena itu sangat
disayangkan jika energi yang dihasilkan lebih
kecil dari kebutuhan yang semula di rencanakan.
Sehingga permasalahan penelitian ini adalah
bagaimanakah desain struktur secara konseptual
dengan pendekatan optimasi. Dan yang kedua
adalah bagaimana detail design struktur pasca
optimasi pada tahap konseptual sebelumnya.
2. Jurnal Tugas Akhir
2
Gambar 1.1 Struktur offshore wind energy
2. Dasar Teori
2.1 Metode Optimasi
Metode optimasi yang dipakai tergantung
pada tipe permasalahan. Dalam penelitian ini
metode optimasi yang sesuai adalah metode
optimasi dengan kendala. Metode optimasi
dengan kendala memiliki teknik penyelesaian
yang bermacam-macam, tetapi secara umum
dapat dibagi menjadi dua, metode langsung
dan metode tak langsung. Salah satu teknik
dari metode tak langsung adalah metode
penalty interior . Metode interior penalti
sendiri adalah metode yang yang mengubah
suatu problem optimasi dengan kendala
menjadi problem optimasi tanpa kendala.
Mengubah problem yang berkendala atau
dengan kata lain mempunyai 2 variabel atau
lebih yang belum bisa dicari hasilnya
kedalam bentuk tanpa kendala (hanya
mempunyai 1 variabel yang belum bisa dicari)
maka mempermudah untuk melangkah ke tahap
selanjutnya.
2.1.1 Linear Programming
Pemrograman linier adalah alat untuk
menyelesaikan permasalahan optimasi (Wayne,
1993). Pemrograman linier telah digunakan
untuk menyelesaikan permasalahan optimasi
pada industri seperti perbangkan, pendidikan,
kehutanan, perminyakan, dan transportasi.
Langkah awal dalam menyelesaikan
permasalahan pemrograman linier adalah
terlebih dahulu tentukan variabel
keputusannya. Variabel ini nilainya belum
diketahui dan harus dicari. Langkah selanjutnya
adalah menentukan fungsi tujuan. Fungsi tujuan
adalah fungsi dari variabel keputusan yang
dimaksimumkan atau diminimumkan. Setelah
fungsi tujuan dibuat, ditentukan batasan,
yaitu pembatasan yang membatasi variabel
keputusan. Kemudian didefinisikan
pembatasan untuk membatasi nilai apakah
variabel keputusan mencakup nilai non-negatif
atau tidak.
Nilai variabel keputusan yang didapatkan
nantinya harus memenuhi semua batasan dan
pembatasan yang telah didefinisikan. Nilai
yang telah memenuhi batasan-batasan tersebut
berada pada feasible region (daerah yang
memungkinkan). Feasible region adalah
sekumpulan semua titik yang memenuhi
batasan dan pembatasan pemrograman linier.
Sedangkan sembarang titik yang tidak berada
dalam feasible region disebut infeasible point.
Hasil solusi optimal didapatkan pada titik
dalam feasible region dengan nilai fungsi
tujuan paling besar. Untuk masalah
permasalahan yang meminimalkan, solusi
optimal adalah titik dalam feasible region
dimana nilai fungsi tujuannya paling kecil.
2.2 Artificial Intelligence
Sejak dekade akhir abad ke-20, kecerdasan
buatan (Artificial Intelligence) telah menjadi
topik yang menarik untuk dikembangkan dalam
berbagai disiplin ilmu. Artificial Intelligence
atau kecerdasan buatan adalah suatu metode
penyelesaian permasalahan mengadopsi cara
penalaran dan logika manusia. Terdapat
berbagai jenis dari artificial intelligence yaitu
genetic algoritm, case based learning, fuzzy
logic, ant coloni, artificial immune system, dan
juga artificial neural network.
2.2.1 Jaringan Syaraf Tiruan (Artificial
Neural Network)
Jaringan syaraf tiruan adalah paradigma
pemrosesan suatu informasi yang terinspirasi
oleh sistim sel syaraf biologi, sama seperti otak
yang memproses suatu informasi. Elemen
mendasar dari paradigma tersebut adalah
struktur yang baru dari sistim pemrosesan
informasi. Jaringan syaraf tiruan, seperti
manusia, belajar dari suatu contoh. Jaringan
syaraf tiruan dibentuk untuk memecahkan suatu
masalah tertentu seperti pengenalan pola atau
klasifikasi karena proses pembelajaran.
3. Jurnal Tugas Akhir
3
Gambar 2.1 Struktur dasar jaringan syaraf tiruan
dan struktur sederhana sebuah neuron
Jaringan perambatan galat mundur
(backpropagation) merupakan salah satu
algoritma yang sering digunakan dalam
menyelesaikan masalah-masalah yang rumit.
Hal ini dimungkinkan karena jaringan dengan
algoritma ini dilatih dengan menggunakan
metode belajar terbimbing. Pada jaringan
diberikan sepasang pola yang terdiri atas pola
masukan dan pola yang diinginkan. Ketika suatu
pola diberikan kepada jaringan, bobot-bobot
diubah untuk memperkecil perbedaan pola
keluaran dan pola yang diinginkan. Latihan ini
dilakukan berulang-ulang sehingga semua pola
yang dikeluarkan jaringan dapat memenuhi pola
yang diinginkan.
Algoritma pelatihan jaringan perambatan galat
mundur terdiri dari dua langkah, yaitu
perambatan maju dan perambatan mundur.
Langkah perambatan maju dan perambatan
mundur ini dilakukan pada setiap pola yang
diberikan selama jaringan mengalami pola yang
diberikan selama jaringan mengalami pelatihan.
Jaringan perambatan galat mundur terdiri dari
tiga lapisan atau lebih unit pengolah. Gambar
2.2 menunjukkan jaringan perambatan galat
mundur yang terdiri dari tiga lapisan pengolah,
bagian kiri disebut sebagai lapisan masukan,
tengah sebagai lapisan tersembunyi, dan bagian
kanan sebagai lapisan keluaran.
Gambar 2.2 Tiga lapis jaringan perambatan galat
mundur
Perambatan maju dimulai dengan memberikan
pola masukan ke lapisan masukan. Pola
masukan ini merupakan nilai aktivasi unit-unit
masukan. Dengan melakukan perambatan maju
dihitung nilai aktivasi pada unit-unit dilapisan
berikutnya. Pada setiap lapisan, tiap unit
pengolah melakukan penjumlahan berbobot dan
menerapkan fungsi sigmoid untuk menghitung
keluarannya.
Untuk menghitung nilai penjumlahan berbobot
digunakan persamaan:
........ (2.1)
Dengan:
ai = masukan yang berasal dari unit i
wji = bobot sambungan dari unit i ke unit j
Setelah nilai Sj dihitung, fungsi sigmoid
diterapkan pada Sj untuk membentuk f(Sj).
Fungsi sigmoid ini mempunyai persamaan:
........ (2.2)
Hasil perhitungan f(Sj) ini merupakan nilai
aktivasi unit pengolah j. Nilai ini dikirimkan ke
seluruh keluaran unit j. Setelah perambatan maju
selesai dikerjakan maka jaringan siap melakukan
perambatan mundur.
Yang dilakukan pada langkah perambatan
mundur adalah menghitung galat dan mengubah
bobot-bobot pada semua interkoneksinya.
Dimulai dari lapisan keluaran dan mundur
sampai lapisan masukan. Hasil keluaran dari
perambatan maju dibandingkan dengan hasil
keluaran yang diinginkan. Berdasarkan
perbedaan ini kemudian galat untuk tiap-tiap
lapisan pada jadingan. Pertama-tama dihitung
galat untuk lapisan keluaran. Kemudian bobot-
bobot setiap sambungan yang menuju lapisan
tersembunyi dan dihitung perubahan bobot yang
menuju ke lapisan tersembunyi. Demikian
proses dilakukan mundur sampai ke lapisan
masukan secara iteratif.
Jika j adalah salah satu unit pada lapisan
keluaran maka galat lapisan keluaran dapat
dihitung dengan persamaan berikut:
........ (2.3)
Dengan:
tj = keluaran yang diinginkan
aj = keluaran dari unit j
f’ (Sj) = turunan dari fungsi sigmoid
Sj = hasil penjumlahan berbobot
INPUT
NEURON
OUTPUT
NEURON
Bobot -
Bobot
Bobot -
Bobot
Neuron JST
Pola
masukan
Lapisan
tersembunyi
Pola
keluaran
4. Jurnal Tugas Akhir
4
Jika j adalah suatu lapisan tersembunyi, maka
galat lapisan tersembunyi dapat dihitung dengan
menggunakan rumus:
......(2.4)
......(2.5)
Dengan:
Δwji = perubahan bobot dari unti i ke j
η = laju belajar / konvergensi
δj = galat lapisan tersembunyi
ai = masukan yang berasal dari unit i
Variabel η menyatrakan konstanta belajar yang
berharga 0.25-0.75. Nilai ini menunjukkan
kecepatan belajar dari jaringan. Nilai yang
terlalu tinggi mengakibatkan jaringan tidak
stabil sedangkan nilai yang terlalu kecil
menyebabkan waktu belajar yang lama. Oleh
karena itu pemilihan nilai η harus seoptimal
mungkin agar didapatkan proses belajar yang
cepat.
2.3 Struktur Turbin Angin Lepas Pantai
Energi angin adalah energi yang memanfaatkan
kecepatan dan aliran angin untuk memutar
turbin lalu menggerakkan motor generator
sehingga dapat menghasilkan listrik. Oleh
karena itu dibutuhkan turbin angin beserta
struktur pendukungnya. Kebutuhan akan energi
terbarukan yang ramah lingkungan
menyebabkan pengembangan energy angin
meningkat 10 tahun terakhir. Sehingga
bermacam-macam jenis struktur pendukung
turbin angin telah ditemukan.
Gambar 2.3 Bagian-bagian struktur turbin angin
Secara umum struktur wind turbin adalah seperti
gambar 2.3 di atas. Terdiri dari pondasi, struktur
tiang, dan sitem kincirnya yang terdiri dari hub,
nacelle dan blade. Untuk turbin angin lepas
pantai secara umum sama, akan tetapi dalam hal
struktur pendukungnya akan memiliki beberapa
perbedaan yang disebabkan oleh adanya
perbedaan lingkungan antara darat dan laut.
Gambar 2.4 Jenis-jenis struktur pendukung
turbin angin
Secara umum struktur pendukung tersebut dapat
dikelompokkan menjadi struktur terapung dan
terpancang. Gambar 2.4 di atas menunjukkan
jenis-jenis pondasi struktur turbin angin lepas
pantai.
Jenis-jenis pondasi tersebut memiliki kekuatan
yang berbeda-peda pada masing-masing
kedalaman. Seperti hasil penelitian dari Sixth
Framework programme kerja sama antara
Universitat Stuttgart dan Delft University of
Technology ditunjukkan pada gambar 2.5
berikut ini.
Gambar 2.5 Kurva kekuatan berbagai jenis pondasi
padaberbagai kedalaman
2.4 Beban Lingkungan
2.4.1 Beban Angin
Beban angin merupakan beban dinamis, tetapi
beberapa struktur akan meresponnya pada model
statis yang paling mendekati. Dalam
perancangan sebuah offshore structure pada
umumya, perhitungan beban angin disyaratkan
untuk didasarkan pada besarnya kecepatan
ekstrim dengan waktu pengulangan 50 atau 100
tahun.
Besarnya gaya angin sangat dipengaruhi oleh
kecepatan dan luas (projected area) peralatan
dan member yang terkena pengaruh gaya
angin. Gaya anginya dihitung berdasarkan
5. Jurnal Tugas Akhir
5
dzaCiDπ+uuDCdρ=F
x
x
0
2
4
1
2
1hasil kali antara tekanan angina dan luasan
gaya angin seperti pada persamaan 2.6
F=P*A (2.6)
dengan,
F : gaya angin (KN)
P : tekanan angin (KN/m2)
A : luasan gaya angin (m2)
Tekanan angin merupakan fungsi dari masa
jenis udara, koefisien bentuk, koefisien
ketinggian serta kuadrat kecepatan angina
seperti pada persaaman 2. 7
P = 0.5 ρw Vk2 Ch Cs (2.7)
dengan,
Vk : kecepatan angin (m/s)
Ch : koefisien ketinggian (non-dimensional)
Cs : koefisien bentuk (non-dimensional)
ρw : massa jenis udara (1.22 kg/m3)
2.4.2 Beban Gelombang
Berdasarkan lokasi instalasi dari offshore wind
energy support structure maka tidak dapat
dielakkan bangunan tersebut terkena gaya
gelombang. Untuk menghitung gaya gelombang
dapat dilakukan dengan cara Persamaan
Morison (Chakrabarti, 1987). Persamaan
Morison mengasumsikan bahwa gaya
gelombang merupakan gabungan dari komponen
gaya inersia dan gaya hambatan (drag) yang
dijumlahkan secara linier. Koefisien kedua gaya
tersebut diperoleh dari hasil eksperimen.
Persamaan Morison tepat jika diterapkan pada
kasus struktur dengan gaya hambatan signifikan,
yakni ketika pada struktur yang ukurannya
(diameter=D) relatif kecil jika dibandingkan
dengan panjang gelombang (l). Syarat lengkap
syarat-syarat yang dimaksud adalah sebagai
berikut :
1/ >λD = Gelombang mendekati
pemantulan murni, persamaan Morison tidak
valid
0,2/ >λD = Difraksi gelombang perlu
diperhitungkan, persamaan Morison tidak valid
0,2/ <λD = Persamaan Morison valid
Secara umum perhitungan gaya diatas dapat
diformulasikan dengan persamaan morison :
ID F+F=F
dengan :
FD = Gaya drag (Newton)
FI = Gaya inertia (Newton)
Persamaan Morison yang digunakan untuk
mendapatkan gaya gelombang per unit panjang
adalah (Indiyono, 2003) :
dzF+F=F
x
ID
0 ........ (2.8)
....... (2.9)
dengan:
ρ : massa jenis air laut (Kg/m3
)
Cd : koefisien hambatan
Ci : koefisien inersia
u : kecepatan gelombang (m/s)
az : percepatan gelombang (m/s2
)
3. Metodologi Penelitian
Penelitian ini diawali dengan mencari data
kebutuhan listrik di Nusa Tenggara Timur,
yaitu:
rasio elektrifikasi 21.34%.
daya terpasang 124.78 MW,
daya mampu 80.24 MW
beban puncak 74.74 MW.
Kebutuhan listrik disana sekitar 280
MW untuk memenuhi seluruh rumah
tangga dan disana.
Selanjutnya dilakukan perencanaan lokasi, yang
mana akan dibangun di laut sebelah selatan
Pulau Sawu, Nusa Tenggara Timur.
3.1 Optimasi Blade
3.1.1 Linear Programming
Menentukan variabel keputusan dan juga fungsi
tujuan menjadi langkah awal metode ini, dimana
sebelumnya tentu didahului dengan mencari data
terkait spesifikasi blade yang ada di pasaran
Variabel keputusan ini nilainya belum
diketahui dan harus dicari. Fungsi tujuan
adalah fungsi dari variabel keputusan yang
dimaksimumkan atau diminimumkan. Setelah
fungsi tujuan dibuat, ditentukan batasan,
yaitu pembatasan yang membatasi variabel
keputusan. Kemudian didefinisikan pembatasan
untuk membatasi nilai apakah variabel
keputusan mencakup nilai non-negatif atau
tidak.
Setelah ditemukan fungsi tujuan, dan juga
batasan-batasannya, maka digunakan software
ILOG OPL, yang dapat membantu menemukan
solusi optimasi yang diinginkan. Dengan
memasukkan fungsi tujuan dan batasan yang ada
maka kita dapatkan solusi tersebut.
3.1.2 Artificial Intelligence
Jenis artificial intelligence yang digunakan
adalah jaringan syaraf tiruan dengan metode
6. Jurnal Tugas Akhir
6
backpropagation. Kemudian dilakukan
pencarian data trainning untuk metode tersebut.
Jaringan syaraf tiruan dirancang dengan terlebih
dahulu dengan menentukan parameter input dan
output dan dilanjutkan menentukan jumlah
layer.Dan trainning dilakukan untuk melatih
kecerdasan jaringan, dan menemukan bobot
yang paling sesuai dengan eror paling kecil.
Trainning ini dilakukan dengan menggunakan
pasangan data eksisting struktur yang telah ada
diatas. Selanjutnya bobot tersebut digunakan
untuk menghitung atau memprediksi keluaran
yang akan dihasilkan dari inputan baru.
Sehingga dihasilkan keluaran optimum yang
diharapkan.
Metode ini dimodelkan dengan bahasa
pemrograman matlab. Adapun tampilannya
adalah sebagi berikut:
Gambar 3.1 tampilan jaringan syaraf tiruan pada
GUI Matlab.
Kemudian hasil ini akan dibandingkan dengan
optimasi dengan metode konvensional, yaitu
pertama dengan mencari data kebutuhan listrik,
dan menghitung daya listrik yang mungkin akan
dihasilkan dari offshore wind energy ini.
Selanjutnya mencari daftar penyedia turbin
angin di pasar, dan menyeleksinya hingga
ditemukan yang optimum dari berbagai aspek
baik dari segi daya yang dihasilkan, maupun
ekonomisnya.
3.2 Perancangan Dimensi Struktur
Perancangan ini yang utama adalah merancang
chord atau kaki struktur. Pertama adalah dengan
menghitung bobot struktur atas (blade) lalu
menghitung panjang, dan dari panjang struktur
ini maka dihitung diameter dan tebalnya
berdasar slenderness ratio. Begitu juga pada
brace baik yang horizontal maupun diagonal.
Gambar 3.2 Desain di autocad
3.3 Pemodelan Struktur
Dimensi struktur yang telah dihitung kemudian
di modelkan pada software SACS 5.2. Adapun
model strukturnya adalah sebagai berikut:
Gambar 3.3 Model di SACS 5.2
3.4 Analisis Statis SACS 5.2
Analisis statis adalah suatu analisis terhadap
struktur dengan gaya-gaya inersia yang timbul
akibat beban dinamis tidak diperhitungkan
(diabaikan). (Wijaya A.S. 2006). Pada analisis
ini struktur dibebani kombinasi beban
lingkungan, dan selfweigt. Dari analisis ini dapat
diketahui besarnya beban yang terjadi pada
struktur, defleksi yang terjadi, dan unity check
member.
4. Pembahasan
4.1 Optimasi dengan metode linear
programming
Dari data yang diperoleh, maka diputuskan
untuk menggunakan empat variabel dalam
7. Jurnal Tugas Akhir
7
optimasi ini. Yaitu harga, berat, elevasi, dan
diameter blade. Data yang diperoleh adalah
sebagai berikut:
Type Diameter
(m)
Elevasi
(m)
Berat
(Ton)
Harga
(US$)
A 70 60 14.5 130,000
B 60 60 13 105,000
C 55 60 10 150,000
D 70 70 15 140,000
E 65 65 13.5 120,000
Fungsi tujuannya adalah meminimalkan harga,
dengan konstrain berat struktur.
Karena terdapat beberapa data, maka digunakan
regresi liniervariabel ganda untuk mendapatkan
persamaan optimasinya. Sehingga didapatkan
fungsi tujuan sebagai berikut:
Y’= -127.44+12.7426*x1+116.568*x2
Dengan constrain(batasan):
1.31982*x1+11.9475*x2 <= -15
Dan didapatkan hasil,
X1= 60 m
X2= 60 m
Dimana X1= diameter rotor, dan X2= elevasi
blade.
4.2 Optimasi dengan metode jaringan syaraf
tiruan
Dari hasil perancangan dengan jaringan syaraf
tiruan, maka didapatkan dimensi sebagai
berikut:
Input:
Kecepatan angin rata-rata: 7.2 m/s
Kedalaman perairan : 35 meter
Tinggi gelombang (H Rms) : 5.65 meter
Daya listrik yang dihasilkan : 500 kW
Maka dihasilkan Output:
Jumlah kaki: 3
Diameter rotor: 65 meter
Elevasi blade dari permukaan : 60 meter
4.2 Perancangan dimensi struktur
Perancangan ini menggunakan slenderness
ratio, dimana untuk perairan Indonesia kl/r =
110.
Dengan panjang kaki 95 meter, dan k=1 maka
didapatkan r (jari-jari girasi) = 0.86 meter. Jika
r=0.35 OD, maka OD=2.4675 meter dan
t=0.054m. Dimensi di atas adalah dimensi chord
(kaki utama).
Sedangkan untuk dimensi brace, didapatkan
dengan cara yang sama, adalah sebagai berikut:
Horizontal Brace:
OD : 0.305 meter
t : 0.0068 meter
l : 15 meter
Diagonal Brace:
OD : 0.51 meter
t : 0.0135 meter
l : 25 meter
4.3 Pemodelan Struktur dan Analisis Statis
Dalam model struktur kali ini pembebanan
dilakukan dengan selftweigt, kombinasi beban
lingkungan saja. Dan shape factor dari beban
angin adalah 0.6, dikarenakan struktur dapat
dianggap transparan (API WSD, 2000)
Hasil dari pemodelan salah satunya adalah UC
(Unity Check) berikut ini adalah UC
maksimumnya:
5. Kesimpulan dan Saran
5.1 Kesimpulan
Dari analisis yang telah dilakukan, maka dapat
diambil beberapa kesimpulan sebagai berikut:
1. Perancangan desain konseptual struktur
dengan metode jaringan syaraf tiruan
menghasilkan sebagai berikut:
Jumlah kaki = 3
Elevasi blade = 60 meter
Rotor diameter=65 meter
Sedangkan dengan menggunakan linier
programming didapatkan hasil sebagai
berikut:
Elevasi blade = 60 meter
Rotor diameter= 60 meter
2. Secara detail desainnya, sesuai dimensi
yang telah dirancang, struktur ini cukup
aman.
5.2 Saran
Beberapa hal yang dapat disarankan pada akhir
dari penelitian ini adalah:
1. Penggunaan metode artificial intelligence
untuk kedepan harus diperhatikan lagi,
terutama terkait persediaan data trainning.
Karena data trainning sangat mempengaruhi
kualitas dari Artificial Intelligence tersebut
2. Penelitian mengenai offshore wind energy
perlu dilanjutkan mengingat terjadinya krisis
energi dunia, dan potensi angin yang cukup
besar di Indonesia.
8. Jurnal Tugas Akhir
8
DAFTAR PUSTAKA
Kusumadewi, S. 2003. Artificial Intelligence
(Teknik dan Aplikasinya). Graha Ilmu,
Yogyakarta.
Purnomo, M H. 2006. Supervised Neural
Networks dan aplikasinya. Graha ilmu,
Yogjakarta.
Siang, J J. 2004. Jaringan Syaraf Tiruan dan
Pemrogramannya Menggunakan Matlab.
Penerbit Andi, Yogyakarta.
Triatmodjo, B. 1999. Teknik Pantai. Beta Ofset,
Yogyakarta
Wijaya, Arief S. 2006. Analisa Kekuatan
Ultimate Struktur Jacket
denganpendekatan LRFD dan Berbasis
Keandalan. Tugas Akhir Jurusan teknik
Kelautan FTK-ITS. Surabaya.
PLN, 2008. PLN Statistic2008. PLN. Jakarta
Rosyid,D.M. 1999. Optimasi, Teknik
pengambilan Keputusan Secara
Kuantitatif. Diktat Kuliah Optimasi
Program Pendidikan Tinggi Teknik,
Teknik Kelautan, ITS, Surabaya.