Jurnal Tugas Akhir

1

PENDEKATAN OPTIMASI DALAM PERANCANGAN STRUKTUR PENDUKUNG

OFFSHORE WIND ENERGY

Yogi Pramadhika1, Murdjito

2, Daniel M Rosyid

2

1Mahasiswa Teknik Kelautan,

2Staf 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.

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.

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

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

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

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

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.

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.