APLIKASI AUTOMATIC IDENTIFICATION SYSTEM (AIS) UNTUK MENENTUKAN RISK COLLISION KAPAL BERDASARKAN FUZZY INFERENCE SYSTEM

(1)

APLIKASI AUTOMATIC IDENTIFICATION SYSTEM (AIS)

UNTUK MENENTUKAN RISK COLLISION KAPAL

BERDASARKAN FUZZY INFERENCE SYSTEM

Emmy Pratiwi1_{, Ketut Buda Artana}2_{, AAB Dinariyana}2

Putri Dyah Setyorini2

1_{Program Pascasarjana Teknologi Kelautan} 2_{Jurusan Teknik Sistem Perkapalan} Institut Teknologi Sepuluh Nopember

emmy15@mhs.na.its.ac.id

Abstrak: Alur pelayaran barat Surabaya (APBS) yang berlokasi di Selat Madura

merupakan salah satu alur pelayaran terpadat di Indonesia. Jumlah kapal di APBS yang semakin meningkat berbanding lurus dengan meningkatnya kecelakaan kapal seperti tubrukan kapal. Studi ini bertujuan untuk menilai risiko tubrukan kapal di jalur APBS dengan memanfaatkan data dari Automatic Identification System (AIS). AIS merupakan sistem tracking secara otomatis di kapal dan vessel traffic services (VTS) yang digunakan untuk mengidentifikasi dan mengetahui lokasi kapal melalui pertukaran data secara elektronik dengan kapal lain maupun dengan AIS base station di darat. Informasi yang diberikan oleh AIS dapat berupa data statis seperti tipe kapal, ukuran kapal data dinamis seperti posisi kapal, kecepatan dan status navigasi. Risiko tubrukan kapal dinilai berdasarkan dua parameter yaitu Closest Point of Approach (DCPA) dan Time to Closest Point of Approach (TCPA). Nilai DCPA dan TCPA dihitung dengan menggunakan data yang diperoleh dari AIS. Dua parameter ini selanjutnya diproses dalam fuzzy inference system untuk mendapatkan risiko tubrukan kapal. Dari hasil analisis risk collision pada tanggal 8 April 2015 pukul 13.00 WIB dan 03.00 WIB di buoy 10 menunjukkan bahwa terdapat pertemuan kapal yang memiliki risiko tubrukan yang cukup tinggi yakni 0,84 dimana menurut rule yang disampaikan oleh Chen (2014), nilai ini dapat dikategorikan dalam level High (H).

Kata kunci: AIS, risk collision, DCPA, TCPA, fuzzy inference system

PENDAHULUAN

Alur pelayaran barat Surabaya (APBS) yang berlokasi di Selat Madura merupakan satu-satunya jalur untuk kapal-kapal yang akan masuk ke beberapa palabuhan besar seperti Pelabuhan Tanjuk Perak Surabaya dan Pelabuhan Teluk Lamong Gresik. Hal ini menyebabkan APBS menjadi salah satu alur pelayaran terpadat di Indonesia. Gambar 1 menunjukkan data statistik jumlah kunjungan kapal ke Surabaya dan Gresik melalui APBS berdasarkan informasi dari PT. Pelindo III.

(2)

Gambar 1. Jumlah Kapal di APBS

Data pada Gambar 1 tersebut menunjukkan bahwa setiap tahun hampir selalu terjadi kenaikan jumlah kunjungan kapal. Meningkatnya jumlah kunjungan kapal ternyata juga sebanding dengan meningkatnya jumlah kecelakaan kapal. Selama tahun 2005-2009, jumlah kecelakaan kapal di Indonesia cukup tinggi. Berdasarkan laporan dari Mahkamah Pelayaran, sekitar tidak kurang 293 khasus terjadi kecelakaan kapal (Mahkamah Pelayaran Indonesia, 2009). Kecelakaan tersebut dikategorikan menjadi beberapa yakni kapal tenggelam (31%), kapal kandas (25%), kapal tabrakan (18,27%), kapal terbakar (9,67%) dan lainnya sebesar 16,06%. Penyebab dari kecelakaan tersebut juga beragam namun penyebab terbesarnya adalah akibat

human

error

78,45%, penyebab lain seperti kesalahan teknis (9,67%), karena kondisi cuaca (1,07%,) dan 10,75% karena kombinasi cuaca dan kesalahan teknis (Artana, et al., 2012). Penyebab kecelakaan ini seperti yang tercantum pada Gambar 2 berikut.

Gambar 2. Data Jenis Kecelakaan Kapal

Berdasarkan tingginya angka kecelakaan kapal akibat kesalahan manusia serta banyaknya korban yang meninggal dunia, maka studi tentang risiko adanya kecelakaan khusunya di alur pelayaran yang padat menjadi sangat penting sebagai upaya untuk meningkatkan keselamatan.

Pada studi ini, perhitungan risiko tubrukan kapal pada Selat Madura akan disajikan dengan mengembangkan dan memanfaatkan data

Automatic Identiication

System

(AIS).

Risk collision

yang menunjukkan peluang kapal tersebut akan menubruk kapal lain dihitung dengan parameter

Closest Point of Approach

(DCPA) dan

Time to

Closest Point of Approach

(TCPA) sebagai

input

untuk logika

fuzzy

.

a.

Automatic Identification System (AIS)

Mulai pada tahun 2000,

International Maritime Organization

(IMO) merekomendasikan peraturan baru untuk kapal yang memiliki

gross tonnage

300 dan lebih wajib memasang

Automatic Identiication System

(AIS). AIS merupakan sistem

tracking

secara otomatis di kapal dan

vessel traffic services

(VTS) yang digunakan untuk mengidentifikasi dan mengetahui lokasi kapal. AIS menggunakan

transceiver

(3)

juga pada otoritas di daratan secara otomatis. Informasi yang diberikan oleh AIS dapat berupa data statis seperti nama kapal, tipe kapal, ukuran kapal, nomor registrasi IMO sedangkan data dinamis seperti posisi kapal,

heading

kapal,

course over the ground

(COG) dan status navigasi.

Data AIS ini telah banyak digunakan dan dikembangkan oleh para peneliti seperti untuk estimasi gas buang kapal, peta navigasi, evakuasi kapal dan menentukan

dangerous score

pada setiap kapal (Pitana, et al., 2010; Kobayashi, et al., 2010; Pitana, et al., 2008).

Institut Teknologi Sepuluh Nopember (ITS) juga telah mengembangkan AIS menjadi suatu tampilan

web aisits.cf

untuk memonitoring kapal-kapal yang beroperasi di Selat Madura melalui

reciever

yang terpasang di Laboratorium Keselamatan dan Keandalan, ITS. Dari web tersebut informasi kapal seperti nama, tipe dan ukuran kapal, status navigasi serta

inspection

score dapat diketahui. Tampilan web tersebut seperti pada Gambar 3 berikut.

Gambar 3. Tampilan Web

aisits.cf

b. Penentukan Risiko Tubrukan Kapal (Collision Risk)

Risiko tubrukan kapal atau

collision risk

ditentukan berdasarkan dua kriteria penting yaitu

Closest Point of Approach

(DCPA) dan

Time to Closest Point of Approach

(TCPA). DCPA adalah jarak terdekat antar dua kapal yang saling mendekati satu sama lain. TCPA merupakan waktu yang dibutuhkan untuk mencapai titik DCPA. DCPA dan TCPA dihitung berdasarkan posisi kapal dan sudut navigasinya.

(4)

Pada Gambar 4 menunjukkan hubungan antara

bearing own ship

dan

target ship

yang mempengaruhi perhitungan DCPA dan TCPA. Persamaan untuk mendapatkan nilai DCPA dan TCPA antar kapal O dan T dapat dihitung menggunakan persamaan 1 dan 2 berikut (Shen, et al., 2013):

(1) (2)

𝑉𝑜 merupakan

velocity own ship,

𝑉𝑡 adalah

velocity target ship.

Jarak antar kapal (D) juga harus dihitung terlebih dahulu. Pertemuan antar kapal ditunjukkan dengan

relative bearing

dari

own ship

(𝛼)dan

relative bearing

dari

target ship

(𝛽).

c.

Fuzzy Inference System

Fuzzy inference system

(FIS) adalah proses pemetaan dari

input

yang diberikan untuk mengetahui

output

menggunakan

fuzzy logic

. Proses tersebut melibatkan

membership functions, fuzzy logic operators

, dan

if-then rules

. Pada studi ini,

fuzzy

inference system

digunakan untuk pendekatan perhitungan risiko tubrukan. Tabel 1 memberikan lima nilai linguistik untuk variabel TCPA, DCPA, dan

Collision Risk

(C). Tabel 1. Lima nilai linguistik untuk variabel TCPA, DCPA, dan

Risk Collision

(Chen , et al., 2014)

DCPA/m Nilai TCPA/s Nilai CR Nilai

0-2

Small

0-4

Small

0-0.4

Low

1-3

Medium

Small

2-6

Medium Small

0.2-0.6

Medium Low

2-4

Medium

4-8

Medium

0.4-0.8

Medium

3-5

Medium Big

6-10

Medium Big

0.6-1

Medium High

4-6

Big

8-10

Big

0.8-1

High

Tabel 2 menunjukan

rules

yang digunakan untuk menentukan level risiko tubrukan kapal. Contohnya apabila nilai DCPA berada pada level

small

(S) dan TCPA juga berada pada level

small

(S), maka

collision risk

(CR) berada kategori

High

(H). Tabel 2.

Rules

untuk Nilai CR (Chen , et al., 2014)

CR DCPA S M MS MB B TCPA S H H MH MH MH MS H MH M M M MS MH M M ML ML MB MH M ML ML L B MH M ML L L

(5)

METODE PENELITIAN

Penelitian ini merupakan suatu aplikasi dari peralatan

Automatic Identification

System

(AIS) sebagai suatu sistem monitoring untuk meningkatkan keselamatan pelayaran pada kapal-kapal yang melewati jalur padat yakni Alur Pelayaran Barat Surabaya. AIS yang terpasang di kapal berfungsi untuk menyediakan informasi kapal-kapal di APBS kepada kapal-kapal lain dan juga pada otoritas di daratan secara otomatis.

Receiver

atau penerima data AIS yang digunakan pada penelitian telah terpasang di Laboratorium Keandalan dan Keselamatan, Jurusan Teknik Sistem Perkapalan, ITS.

Untuk mendapatkan hasil akhir berupa nilai

collision risk

kapal-kapal di APBS, terdapat beberapa tahapan mulai dari proses pengambilan data dari AIS, mengolah atau mengubah data tersebut sehingga siap untuk digunakan, merumuskan data-data kedalam suatu persamaan untuk memperoleh

risk collision.

Data yang dibutuhkan antara lain nama kapal,

longitude, latitude

,

Speed Over Ground

,

Course Over Ground

dan UTC (

Universal Time Coordinated

). Kemudian data tersebut akan diproses untuk memperoleh nilai DCPA dan TCPA. Kedua paramater merupakan input dari

fuzzy

inference system

untuk memperoleh

risk collision

. Untuk menyelesaikan logika

fuzzy

, pada studi ini menggunakan bantuan MATLAB.

HASIL DAN PEMBAHASAN

Berdasarkan data yang didapatkan dari AIS selama satu tahun yakni 2015 menunjukkan bahwa kepadatan kapal di alur yang tertinggi terjadi pada bulan April. Namun pada penelitian ini, analisis risiko tubrukan kapal hanya dilakukan pada tanggal 8 April 2015 pukul 03.00 WIB dan 13.00 WIB. Pada jam tersebut merupakan waktu terpadat kapal berada di alur. Kapal-kapal yang sedang beroperasi pada waktu tersebut terlihat pada Gambar 5 berikut.

Gambar 5. Kapal-kapal di Buoy 10 APBS pada 8 April 2015 pukul 03.00 WIB dan 13.00 WIB

Gambar 6 menunjukkan contoh dari salah satu

encounter

yang telah dilakukan

fuzzy inference system

dengan MATLAB. Dimana dengan bantuan MATLAB didapatkan

(6)

Gambar 6.

Fuzzy Inference System

dengan MATLAB

Masing-masing

encounter

akan dilakukan perhitungan seperti pada Gambar 6 Sehingga pada Tabel 3 didapatkan hasil perhitungan seluruh

encounter

dengan

fuzzy

untuk mendapatkan nilai

collision risk

pada pertemuan antar kapal berdasarkan parameter DCPA dan TCPA.

Tabel 3.

Risk Collision

Tiap Pertemuan Kapal

No Encounter D (m) α β _(m/s)Vo Vt Vr DCPA TCPA _CollisionRisk Level

1 Encounter ₁ 23,24 59,07 117,28 3,70 3,09 4,72 2,50 -4,79 0,84 H 2 Encounter ₂ 158,35 28,44 151,79 5,04 5,35 5,98 96,31 -9,10 0,84 H 3 Encounter ₃ 152,31 19,42 156,32 5,35 3,70 6,86 7,19 23,26 0,50 ML 4 Encounter ₄ 91,01 48,43 120,06 3,45 5,56 5,22 2,60 11,46 0,50 ML 5 Encounter ₅ 93,44 15,22 162,68 5,35 4,94 5,20 10,50 -3,03 0,63 MH 6 Encounter ₆ 79,60 40,72 134,57 5,50 5,61 9,50 28,75 -9,12 0,84 H 7 Encounter ₇ 25,70 26,20 154,34 3,70 3,70 4,07 11,22 -2,49 0,84 H KESIMPULAN

Berdasarkan hasil analisis yang dilakukan pada studi ini, data yang diterima dari

Automatic Identification System

(AIS) dapat dimanfaatkan untuk menilai risiko tubrukan dari kapal. Dengan menggunakan parameter DCPA dan TCPA,

risk collision

dihitung dengan

fuzzy inference system.

Dari hasil analisis nilai

risk collision

pada tanggal 8 April 2015 pukul 03.00 WIB dan 13.00 WIB di

buoy

10 menunjukkan bahwa

(7)

terdapat beberapa

encounter

atau pertemuan kapal yang memiliki risiko tubrukan kapal tinggi yakni 0,84. Dimana berdasarkan

rules

yang digunakan, nilai 0,84 termasuk dalam kategori

High

(H). Nilai

collision risk

yang tinggi ini bisa disebabkan karena posisi kedua kapal sehingga jarak antar kedua kapal tersebut berdekatan dan juga sudut

heading

kapal yang mengarah ke titik yang dapat terjadi

collision.

DAFTAR PUSTAKA

Artana, K. B., Dinariyana, D. P. & Pitana, T., 2012.

Pengembangan Perangkat Simulasi

Marine Traffic Melalui Integrasi Automatic Identification System dan Geographical

Information System.

s.l., InSINas.

Chen , S., Rashid, . A., Lee, B. G. & Kim, D. H., 2014. Composition ship collision risk based on fuzzy theory.

Central South University Press and Springer-Verlag Berlin

Heidelberg.

Kobayashi, E. et al., 2010. Installation of an Asian AIS data receiving system network. Pitana, T. et al., 2008. A large passenger ship evacuation assessment due to Tsunami

Attack.

Journal of the Japan Society of Naval Architects and Ocean Engineers

(JASNAOE),

Volume 8, pp. 195-207.

Pitana, T., Kobayashi, E. & Wakabayashi, N., 2010. Estimation Of Exhaust Emission Of Marine Traffic Using Automatic Identification System Data (Case Study : Madura Strait Area, Indonesia ).

OCEANS 2010 LEEE Sydney 24-27 May 2010, CFP100CF

– CDR 978-1-4244-5222 Library Of Congress : 2009934926.

Shen, Guangwei, M., Koji , H. & Yuji, 2013. A Study on Alarm System for Small Ship Safety Navigation in Ningbo-Zhoushan Port.