Download - Nurul Huda Insani ITS PKMP

USULAN PROGRAM KREATIVITAS MAHASISWA

JUDUL PROGRAM

PERAMALAN GERAK BERPASANGAN ROLLING, SWAYING, DAN YAWING

MENGGUNAKAN MODEL HIBRIDA VAR-ANN SEBAGAI DETEKSI AWAL

INSTABILITAS PADA FLOATING PRODUCTION UNIT

BIDANG KEGIATAN :

PKM PENELITIAN

Diusulkan oleh :

Nurul Huda Insani (1312030056) Angkatan 2012

I Dewa Ayu Made Istri W (1310100009) Angkatan 2010

Novri Suhermi (1310100010) Angkatan 2010

Kiki Ferawati (1311100018) Angkatan 2011

Eva Arum Setyarini (1311100046) Angkatan 2011

INSTITUT TEKNOLOGI SEPULUH NOPEMBER

SURABAYA

2014

i

USULAN PROGRAM KREATIVITAS MAHASISWA

JUDUL PROGRAM

PERAMALAN GERAK BERPASANGAN ROLLING, SWAYING, DAN YAWING

MENGGUNAKAN MODEL HIBRIDA VAR-ANN SEBAGAI DETEKSI AWAL

INSTABILITAS PADA FLOATING PRODUCTION UNIT

BIDANG KEGIATAN :

PKM PENELITIAN

Diusulkan oleh :

Nurul Huda Insani (1312030056) Angkatan 2012

I Dewa Ayu Made Istri W (1310100009) Angkatan 2010

Novri Suhermi (1310100010) Angkatan 2010

Kiki Ferawati (1311100018) Angkatan 2011

Eva Arum Setyarini (1311100046) Angkatan 2011

INSTITUT TEKNOLOGI SEPULUH NOPEMBER

SURABAYA

2014

ii

PENGESAHAN USULAN PKM-PENELITIAN

1. Judul Kegiatan : Peramalan Gerak Rolling, Swaying, dan

Yawing Menggunakan Model Hibrida VAR-

ANN Sebagai Deteksi Awal Instabilitas pada

Floating Production Unit

2. Bidang Kegiatan : PKMP

3. Ketua Pelaksana Kegiatan

a. Nama Lengkap : Nurul Huda Insani

b. NIM : 1312 030 056

c. Jurusan : Statistika

d. Universitas/Institut/Politeknik : Institut Teknologi Sepuluh Nopember

Surabaya

e. Alamat Rumah/Telp/HP : Jalan Sawo no. 125 RT 03/RW 05 Selosari,

Magetan/08983500116

f. Alamat email : [email protected]

4. Anggota Pelaksana Kegiatan : 4 orang

5. Dosen Pendamping

a. Nama Lengkap dan Gelar : Muhammad Sjahir Akbar, S.Si, M.Si

b. NIDN : 0005077208

c. Alamat Rumah dan HP : Srengganan Lebar 16 Surabaya/ 0817595710

6. Biaya Kegiatan Total

DIKTI : Rp 9.720.000,00

Sumber lain : -

7. Jangka Waktu Pelaksanaan : 5 bulan

Menyetujui,

Surabaya, 28 Oktober 2013

Ketua Jurusan Statistika FMIPA ITS

(Dr. Muhammad Mashuri,M.T.)

NIP. 196204081987011001

Ketua Pelaksana Kegiatan

(Nurul Huda Insani)

NRP. 1312 030 056

Pembantu Rektor Bidang

Kemahasiswaan dan Akademik

(Prof. Dr. Ing. Herman Sasongko)

NIP. 196010041986011001

Dosen Pendamping

(Muhammad Sjahid Akbar, S.Si, M.Si)

NIP. 197207051998021001

iii

DAFTAR ISI

HALAMAN SAMPUL ........................................................................................... i

HALAMAN PENGESAHAN ............................................................................... ii

DAFTAR ISI ......................................................................................................... iii

DAFTAR TABEL ................................................................................................. iv

DAFTAR GAMBAR ............................................................................................ iv

RINGKASAN ......................................................................................................... v

BAB 1. PENDAHULUAN ..................................................................................... 1

1.1 Latar Belakang .......................................................................................... 1

1.2 Rumusan Masalah ..................................................................................... 2

1.3 Tujuan ....................................................................................................... 2

1.4 Luaran yang Diharapkan ........................................................................... 2

1.5 Manfaat Program ...................................................................................... 3

BAB 2. TINJAUAN PUSTAKA ........................................................................... 3

2.1 Model Vector Autoregressive (VAR) ....................................................... 3

2.2 Artificial Neural Network (ANN) ............................................................. 3

2.3 Model Hibrida VAR-ANN ....................................................................... 4

2.4 Gerak Kapal (Ship Motion) ....................................................................... 5

2.5 Penelitian Sebelumnya .............................................................................. 6

BAB 3. METODE PENELITIAN ........................................................................ 7

3.1 Sumber Data ............................................................................................. 7

3.2 Variabel Penelitian .................................................................................... 7

3.3 Langkah Analisis ...................................................................................... 7

BAB 4. BIAYA DAN JADWAL KEGIATAN .................................................... 8

4.1 Anggaran Biaya ........................................................................................ 8

4.2 Jadwal Kegiatan ........................................................................................ 9

DAFTAR PUSTAKA ............................................................................................ 9

LAMPIRAN-LAMPIRAN .................................................................................... 1

iv

DAFTAR TABEL

Tabel 3.1 Struktur Data Penelitian .......................................................................... 7

Tabel 4.1 Rancangan Biaya Penelitian ................................................................... 8

Tabel 4.2 Jadwal Kegiatan ....................................................................................... 9

DAFTAR GAMBAR

Gambar 2.1 Gerak Translasi Kapal ........................................................................ 5

Gambar 2.2 Gerak Rotasi Kapal ............................................................................ 6

Gambar 3.1 Diagram Alir Analisis ........................................................................ 8

v

RINGKASAN

Foating Production Unit (FPU) mempunyai peran penting dalam proses produksi

minyak dan gas mentah yang berada di daerah lepas pantai. Oleh karena itu, stabilitas

FPU sangat perlu diperhatikan. Kapal atau FPU yang memiliki stabilitas rendah memiliki

risiko besar untuk terjadi kecelakaan. Salah satu studi yang dilakukan untuk mengetahui

stabilitas suatu kapal (dalam hal ini FPU) adalah studi gerak kapal (ship motion study).

Gerak rolling merupakan gerak yang sangat penting untuk dipelajari dalam mengetahui

keamanan suatu kapal. Oleh karena itu, stabilitas suatu kapal sangat ditentukan dari

perilaku gerak rolling. Gerak kapal dapat dipelajari baik secara individu (uncoupled)

maupun secara berpasangan (coupled). Salah satu sistem gerak coupling yang sering

diteliti adalah gerak rolling-swaying-yawing. Gerak kapal pada beberapa tahap ke depan

dapat diramalkan dengan menggunakan analisis time series. Model linier time series yang

sering digunakan adalah Vector Autoregressive (VAR). Pendekatan secara komputasional

untuk menangkap pola data yang nonlinier sering digunakan model Artificial Neural

Network (ANN). Model linier VAR dan model ANN kemudian dikembangkan menjadi

model hibrida VAR-ANN dengan mengambil keunggulan masing-masing model dalam

menangkap pola linier dan nonlinier. Pada penelitian ini, dilakukan peramalan gerak

rolling, swaying, dan yawing pada FPU dalam kondisi beam seas dengan menggunakan

model VAR-ANN. Setelah didapatkan model yang sesuai, kemudian dilakukan permalan

gerak rolling, swaying, dan yawing untuk beberapa tahap ke depan. Data yang digunakan

adalah data eksperimen gerak kapal di Laboratorium Hidrodinamika Indonesia BPPT

yang direkam selama 30 menit.

1

BAB 1. PENDAHULUAN

1.1 Latar Belakang

Industri minyak dan gas (migas) telah berkembang dengan pesat karena kebutuhan

energi yang terus meningkat. Indonesia merupakan salah satu negara penghasil minyak

dan gas bumi. Tentunya Indonesia memiliki banyak blok pengeboran minyak dan gas

bumi, termasuk yang berlokasi di daerah lepas pantai. Blok pengeboran minyak dan gas

bumi di lepas pantai didukung dengan adanya suatu kapal yang berfungsi sebagai

production unit untuk memproses minyak atau gas mentah. Kapal ini sering disebut

sebagai Floating Production Unit (FPU). Keberadaan FPU menjadi sangat penting dalam

proses produksi minyak dan gas bumi. Suatu FPU yang memiliki tingkat stabilitas rendah

memiliki risiko tinggi untuk terjadi kecelakaan. Oleh karena itu, stabilitas FPU sangat

perlu diperhatikan. Salah satu studi yang dilakukan untuk mengetahui stabilitas suatu

kapal adalah studi gerak kapal (ship motion study).

Gerak kapal merupakan salah satu contoh dari six degrees of freedom (6DoF). Gerak

kapal terdiri dari 6 macam gerak, yaitu gerak rolling, yawing, pitching, swaying, surging,

dan heaving. Salah satu gerak kapal yang paling sering diteliti adalah gerak rolling. Gerak

rolling adalah gerak rotasi yang berputar pada sumbu longitudinal kapal. Gerak rolling

merupakan gerak yang sangat penting untuk dipelajari dalam mengetahui keamanan suatu

kapal (Hui & Fong, 2010). Oleh karena itu, stabilitas suatu kapal sangat ditentukan dari

perilaku gerak rolling. Gerak kapal dapat dipelajari baik secara individu (uncoupled)

maupun secara berpasangan (coupled). Salah satu sistem gerak coupling yang sering

diteliti adalah gerak rolling-swaying-yawing.

Gerak kapal pada beberapa tahap ke depan dapat diprediksi dengan menggunakan

analisis time series. Analisis time series adalah analisis observasional data yang terjadi

dengan urutan waktu dengan interval waktu yang tetap. Analisis time series terdiri dari

metode untuk menganalisis data time series untuk mengetahui pola dan karakteristik data.

Salah satu model time series yang sering digunakan adalah model Vector Autroregressive

(VAR). Model VAR bersifat linier, sehingga model ini tidak dapat dengan mudah

menangkap pola data yang bersifat nonlinier (Pai & Ling, 2005). Oleh karena itu,

diperlukan suatu pendekatan dengan menggunakan model lain yang bisa menangkap pola

nonliner dengan baik. Salah satu model nonlinier yang sering digunakan dalam analisis

time series adalah Artificial Neural Network (ANN). ANN atau disebut Neural Network

2

(NN) merupakan salah satu model nonlinier yang mempunyai bentuk fungsional fleksibel

dan mengandung beberapa parameter yang tidak dapat diinterpretasikan seperti pada

model parametrik (Suhartono, 2007). Zhang (2003) memperkenalkan model gabungan

(hybrid) antara model linier dan model nonlinier serta menunjukkan bahwa model

tersebut lebih unggul dalam menghasilkan ramalan yang akurat. Dengan demikian,

kemampuan model VAR dalam menangkap pola linier dan kemampuan model ANN

dalam menangkap pola nonlinier dapat digabungkan menjadi model hibrida VAR-ANN

sehingga dapat meningkat tingkat akurasi peramalan.

Selanjutnya, pada penelitian kali ini dilakukan peramalan gerak berpasangan

(coupled motion) rolling, swaying, dan yawing pada FPU menggunakan model hibrida

VAR-ANN. Penelitian ini dilakukan dalam kondisi beam seas dengan menggunakan

gelombang tipe irregular. Beam seas adalah kondisi laut di mana gelombang bergerak

dari arah 90○ terhadap muka kapal, sehingga gelombang menghantam badan kapal dengan

gaya yang maksimal.

1.2 Rumusan Masalah

Rumusan masalah dalam PKM Penelitian ini adalah:

1. Bagaimana bentuk model VAR-ANN yang sesuai untuk menggambarkan dan

menjelaskan perilaku dan pola data gerak rolling, swaying, dan yawing pada

FPU?

2. Bagaimana hasil peramalan gerak rolling, swaying, dan yawing beberapa tahap ke

depan pada FPU menggunakan model VAR-ANN yang sesuai?

1.3 Tujuan

Tujuan dalam PKM Penelitian ini adalah:

1. Mengetahui bentuk model VAR-ANN yang sesuai untuk menggambarkan dan

menjelaskan perilaku dan pola data gerak rolling, swaying, dan yawing pada

FPU.

2. Mengetahui hasil peramalan gerak rolling, swaying, dan yawing beberapa tahap

ke depan pada FPU menggunakan model VAR-ANN yang sesuai.

1.4 Luaran yang Diharapkan

Luaran yang diharapkan dari penelitian ini adalah artikel dan jurnal yang

dipublikasikan dalam seminar dan jurnal ilmiah internasional yang bertemakan applied

statistics, time series forecasting dan ocean engineering. Artikel atau jurnal ini nanti

3

dapat menjadi bahan referensi bagi para pemilik kapal atau FPU untuk mengetahui tingkat

stabilitas kapal atau FPU ketika berada di laut.

1.5 Manfaat Program

Manfaat yang diharapkan dalam PKM Penelitian ini adalah:

1. Penelitian ini dapat dijadikan referensi bagi pemilik FPU sebagai deteksi awal

instabilitas pada FPU, sehingga dapat meminimalisir risiko terjadinya kecelakaan.

2. Menambah dan memperkaya wawasan penerapan metode statistik khususnya

metode peramalan time series dalam aplikasi di bidang perkapalan.

BAB 2. TINJAUAN PUSTAKA

2.1 Model Vector Autoregressive (VAR)

Model vector autoregressive (VAR) adalah salah satu model yang baik, fleksibel,

dan mudah digunakan dalam analisis multivariate time series jika dibandingkan dengan

metode lain. Model ini adalah pengembangan dari model univariat autoregressive (AR).

Seperti pada kasus univariat, proses AR lebih dapat dipahami dan diinterpretasi daripada

proses MA (Chatfield, 2000). Begitu juga halnya dengan proses VAR, sehingga model

VAR menjadi model multivariate time series yang sering digunakan. Wei (2006)

menjelaskan bentuk umum dari model proses VAR (p) dapat ditulis sebagai berikut.

�̇�𝒕 = Ф𝟏�̇�𝒕−𝟏 + ⋯+ Ф𝒑�̇�𝒕−𝒑 + 𝒂𝒕 (2.1)

Keterangan:

Ф𝑝 = matriks m x m dari parameter ke-p

Ф𝑃𝑠 = matriks m x m dari parameter ke-P untuk efek seasonal

𝑎𝑡 = vektor m x 1 dari residual pada waktu ke-t

�̇�𝑡 = vektor m x 1 dari variabel pada waktu ke-t

Sebagai contoh, untuk m = 3, model VAR(p) dapat dituliskan sebagai berikut.

[

�̇�1,𝑡

�̇�2,𝑡

�̇�3,𝑡

] = [

𝜙111 𝜙112 𝜙113

𝜙121 𝜙122 𝜙123

𝜙131 𝜙132 𝜙133

] [

�̇�1,𝑡−1

�̇�2,𝑡−1

�̇�3,𝑡−1

] + ⋯+ [

𝜙𝑝11 𝜙𝑝12 𝜙𝑝13



] [

�̇�1,𝑡−𝑝

�̇�2,𝑡−𝑝

�̇�3,𝑡−𝑝

] + [

𝑎1,𝑡

𝑎2,𝑡

𝑎3,𝑡

]

Prosedur pembentukan model VAR mulai dari identifikasi pola data sampai pengujian

kesesuaian model lebih lengkapnya dapat dilihat dalam Tsay (2010).

2.2 Artificial Neural Network (ANN)

Artificial Neural Network (ANN) atau jaringan saraf tiruan adalah sebuah

information-processing system yang memiliki karakteristik performa tertentu dalam

jaringan saraf biologis (Fausett, 1994). Artificial Neural Network (ANN) telah

4

dikembangkan sebagai generalisasi model matematis dari kesadaran manusia atau biologi

saraf, berdasarkan asumsi-asumsi sebagai berikut.

1. Pemrosesan informasi terjadi pada banyak simple element yang disebut neuron.

2. Sinyal dilewatkan di antara neuron di atas connection links.

3. Masing-masing connection link memiliki bobot yang dikalikan dengan sinyal

yang ditransmisi.

4. Masing-masing neuron menggunakan fungsi aktivasi (biasanya nonlinier) pada

net input (jumlahan sinyal input terboboti) untuk menentukan sinyal output.

Sebuah neural network digolongkan berdasarkan pola connection di antara neuron

(disebut juga arstitektur), metode dalam mentukan bobot dari connection (disebut

training, learning, atau algoritma), dan fungsi aktivasi.

2.3 Model Hibrida VAR-ANN

Model hibrida Vector Autoregressive-Artificial neural Network (VAR-ANN) adalah

model ANN berdasarkan input dari order model VAR. Banyak neuron dalam output layer

dari architecture ini adalah sama dengan banyaknya series yang digunakan dalam model

VAR. Misalkan bobot dari neuron ke-i dalam input layer pada neuron ke-j dalam hidden

layer dinotasikan sebagai 𝑤𝑖𝑗. Maka, jika skalar h menyatakan jumlah unit dalam hidden

layer, m menyatakan jumlah variabel (dalam kasus ini, m = 3), maka matriks bobot untuk

hidden layer memiliki dimensi (𝑝 𝑥 𝑚) 𝑥 ℎ.

𝑾 =

[ 𝑤1,𝑡−1,1

⋮𝑤1,𝑡−𝑝,1

𝑤2,𝑡−1,1

⋮𝑤2,𝑡−𝑝,1

𝑤3,𝑡−1,1

⋮𝑤3,𝑡−𝑝,1

𝑤1,𝑡−1,2

⋮𝑤1,𝑡−1,2

𝑤2,𝑡−1,2

⋮𝑤2,𝑡−1,2𝑤3,𝑡−1,2

⋮𝑤3,𝑡−1,2

… 𝑤1,𝑡−1,ℎ

… ⋮… 𝑤1,𝑡−𝑝,ℎ

⋯ 𝑤2,𝑡−1,ℎ

⋯ ⋮⋯ 𝑤2,𝑡−𝑝,ℎ

⋯ 𝑤3,𝑡−1,ℎ

⋯ ⋮⋯ 𝑤3,𝑡−𝑝,ℎ]

(2.2)

Ketika bobot dari neuron ke-j dalam hidden layer pada neuron ke-k pada output layer

dinotasikan dengan 𝜆𝑗𝑘, maka matriks bobot 𝑚𝑥ℎ untuk output layer adalah sebagai

berikut.

𝝀 = [

𝜆1,1 𝜆1,2 … 𝜆1,ℎ

𝜆2,1 𝜆2,2 … 𝜆2,ℎ

𝜆3,1 𝜆3,2 … 𝜆3,ℎ

] (2.3)

5

Misalkan 𝜶 = (𝛼1, 𝛼2, 𝛼3)′ dan 𝜷 = (𝛽1, 𝛽2, 𝛽3)′ adalah vektor residual dari hidden

layer dan output layer, maka output dari model hybrid VAR-ANN dapat didefinisikan

sebagai berikut.

𝒀𝒕 = 𝝀𝑭(𝒀𝑾 + 𝜶) + 𝜷 + 𝜺𝒕 (2.4)

dan

𝑭(𝒀𝑾 + 𝜶) =𝟏

𝟏+𝐞𝐱𝐩 (−(𝒀𝑾+𝜶)) (2.5)

2.4 Gerak Kapal (Ship Motion)

Gerak kapal (ship motion) memiliki 3 sumbu, yaitu sumbu vertikal, sumbu lateral,

dan sumbu longitudinal. Sementara gerak kapal (ship motion) terdiri dari enam macam

gerak. Enam gerak tersebut terbagi menjadi dua tipe, yaitu 3 gerak translasi dan 3 gerak

rotasi. Gerak translasi terdiri dari heaving, swaying, dan surging.

1. Heaving

Heaving adalah gerakan dengan arah vertikal linier (atas/bawah). Kapal tidak

bergerak ketika gerak ke atas dan gerak ke bawah berada pada ekuilibrium dan

kapal terapung.

2. Swaying

Swaying adalah gerakan dengan arah lateral linier (kanan/kiri). Jika badan kapal

bagian depan berada pada puncak dan badan kapal lainnya berada di sisi yang lain,

maka lambung kapal akan mengalami gaya torsi yang cukup besar.

3. Surging

Surging adalah gerakan dengan arah longitudinal linier (depan/belakang).

Gambar 2.1 Gerak Translasi Kapal

Berikut adalah tiga macam gerak rotasi.

1. Pitching

6

Pitching adalah gerakan rotasi kapal terhadap sumbu lateral (depan/belakang).

Dalam pitching, kapal diangkat di haluan dan diturunkan di buritan atau

sebaliknya. Sudut pitching bervariasi tergantung panjang kapal.

2. Rolling

Rolling adalah gerakan rotasi kapal terhadap sumbu longitudinal (kanan/kiri).

Ketika kapal berada di laut moderat, kapal besar memiliki sudut rolling hingga

mencapai 10°. Dalam kejadian langka, sudut rolling juga bisa mencapai 45° atau

lebih.

3. Yawing

Yawing adalah gerakan rotasi kapal terhadap sumbu vertikal. Hal ini terjadi karena

ketidakmungkinan kemudi kapal pada jalur benar-benar lurus.

Gambar 2.2 Gerak Rotasi Kapal

2.5 Penelitian Sebelumnya

Penelitian sebelumnya yang berhubungan dengan peramalan gerak kapal pernah

dilakukan oleh Khan, Bil, Marion, dan Malcom (2004) tentang prediksi gerak rolling,

pitching, dan kecepatan angin menggunakan model time series ARIMA, VARIMA, dan

ANN. Hal yang sama juga telah dilakukan oleh Nicolau, Palade, dan Aiordachioaie

(2007) di dalam penelitiannya tentang prediksi gerak rolling pada kapal konvensional

dengan menggunakan feed-forward neural networks (FFNN). Penelitian-penelitian

sebelumnya masih belum ada yang melakukan peramalan gerak rolling, swaying, dan

yawing secara bersamaan menggunakan metode stokastik time series. Namun, peramalan

gerak rolling, swaying, dan yawing pernah dilakukan oleh Das, Das, dan Sahoo (2010)

menggunakan metode numerik. Kontribusi penelitian ini adalah melakukan peramalan

gerak rolling, swaying, dan yawing melalui pendekatan stokastik time series

menggunakan model VAR-ANN.

7

BAB 3. METODE PENELITIAN

Metode yang digunakan dalam penelitian ini adalah metode pemodelan dan

peramalan. Pemodelan dilakukan untuk mengetahui pola dan perilaku gerak rolling,

swaying, dan yawing. Setelah didapatkan formulasi model yang sesuai, selanjutnya

dilakukan peramalan gerak rolling, swaying, dan yawing untuk beberapa tahap ke depan.

3.1 Sumber Data

Data yang digunakan dalam penelitian ini adalah data rekaman gerak rolling,

swaying, dan yawing dari hasil simulasi eksperimen sebuah FPU di Laboratorium

Hidrdinamika Indonesia. Gerakan FPU ini direkam selama 30 menit, di mana tiap 1 detik

dihasilkan 100 data. Data ini merupakan data sekunder yang diperoleh dari Badan

Pengkajian dan Penelitian Teknologi (BPPT).

3.2 Variabel Penelitian

Terdapat 3 (tiga) variabel yang digunakan dalam penelitian ini. Variabel-variabel

tersebut adalah sebagai berikut.

1. 𝑌1,𝑡 = gerak rolling (derajat).

2. 𝑌2,𝑡 = gerak swaying (m).

3. 𝑌3,𝑡 = gerak yawing (derajat).

Struktur data dalam penelitian ini ditampilkan dalam tabel berikut.

Tabel 3.1 Struktur Data Penelitian

Waktu (second) Variabel

Rolling (derajat) Swaying (meter) Yawing (derajat)

1 𝑌1,1 𝑌2,1 𝑌3,1

2 𝑌1,2 𝑌2,2 𝑌3,2

⋮ ⋮ ⋮ ⋮

180000 𝑌1,180000 𝑌2,180000 𝑌3,180000

3.3 Langkah Analisis

Langkah analisis dalam penelitian ini adalah sebagai berikut.

8

Studi Literatur

Pengumpulan Data

Membangun Model VAR

1. Identifikasi Model

2. Penentuan Order Model VAR

3. Estimasi Parameter Model

4. Pemeriksaan Diagnostik

Membangun Model VAR-ANN

1. Uji Linieritas Model

2. Membangun Arsitektur Model ANN

3. Menentukan Input berdasarkan Order Model VAR

4. Menentukan Bobot Optimum dan Jumlah Neuron pada Hidden Layer

5. Menentukan Formulasi Model VAR-ANN

Melakukan Peramalan Beberapa Tahap ke Depan Menggunakan Model

VAR-ANN

Melakukan Interpretasi Model VAR-ANN

Mengambil Kesimpulan dari Hasil Peramalan

Gambar 3.1 Diagram Alir Analisis

BAB 4. BIAYA DAN JADWAL KEGIATAN

4.1 Anggaran Biaya

Berikut ini merupakan daftar rincian rancangan biaya yang dialokasikan

untuk kegiatan penelitian.

Tabel 4.1 Rancangan Biaya Penelitian

No Jenis Pengeluaran Biaya (Rp)

1. Biaya Peralatan, Jasa dan Pendukung Rp 3.550.000,00

2. Biaya Habis Pakai Rp 2.620.000,00

3. Biaya Perjalanan Rp 3.000.000,00

4. Biaya Pembuatan Laporan dan Administrasi Rp 550.000,00

Total Pengeluaran Rp 9.720.000,00

9

4.2 Jadwal Kegiatan

Berikut ini adalah jadwal kegiatan program penelitian dengan alokasi waktu

selama 5 bulan.

Tabel 4.2 Jadwal Kegiatan

No. Kegiatan Bulan 1 Bulan 2 Bulan 3 Bulan 4 Bulan 5

1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4

1 Pengkajian Masalah

2 Studi Literatur

3 Pengumpulan Data

4 Identifikasi Variabel

5 Penentuan Metode

Penelitian

6 Analisis Data

7 Penarikan

Kesimpulan

8 Pembuatan Laporan

Penelitian

9 Persiapan Seminar

dan publikasi Ilmiah

10 Pembimbingan Dosen

DAFTAR PUSTAKA

Chatfield, C. (2000). Time-Series Forecasting. New York: Chapman & Hall.

Cryer, J.D., & Chan, K. (2008). Time Series Analysis With Application in R (2nd Ed.).

New York: Springer.

Das, S.K., Das S.N, & Sahoo, P.K. (8-10 November 2006). Investigation of Sway, Roll

and Yaw Motions of a Ship with Forward Speed: Numerical Modeling for Flared

Up Conditions. Paper presented at 5th International Conference on High

Perfomance Marine Vehicles, Launceston.

Fausett, L. (1994). Fundamental of Neural Network: Architectures, algorithm and

applicalions, New Jersey: Prentice Hall Inc.

10

Hui, L.A., & Fong, Y.F. (2010). A Numerical Study of Ship’s Rolling Motion,

Proceedings of the 6th IMT-GT Conference on Mathematics, Statistics, and its

Applications, (pp. 843-851). Kuala Lumpur, Malaysia: Universiti Tunku Abdul

Rahman.

Khan, A., Bil, C., Marion, K., & Malcolm, M. (29 Agustus-3 September 2004). Real Time

Prediction of Ship Motions and Attitudes using Advanced Prediction Techniques.

Paper presented at 24th International Congress of The Aeronautical Sciences,

Yokohama.

Nicolau, V., Palade, V., & Aiordachioaie, D. (2007). Neural Network Prediction of The

Roll Motion of a Ship for Intelligent Course Control. Lecture Notes in Computer

Science, 4694, 284-291.

Pai, P.F.,& Ling, C.S.(2005). A Hybrid ARIMA and Support Vector Machings Models

in Stock Price Forecasting. Omega The International Journal of Management

Science, 33, 497-505.

Suhartono (2007). Feed Forward Neural Network untuk Pemodelan Runtun Waktu.

Disertasi, Jurusan Matematika, Universitas Gadjah Mada.

Tsay, R.S. (2010). Analysis of Financial Time Series: Financial Ecnometrics (3rd Ed.).

New York: John & Wiley Sons, Inc.

Wei, W.W., (2006). Time Series Analysis : Univariate and Multivariate Methods (2nd

ed.), Addison Wesley.

Zhang, G.P. (2003). Time Series Forecasting Using a Hybrid ARIMA and Neural

Network Model. Neurocomputing, 50, 159-17.

LAMPIRAN-LAMPIRAN

i. Biodata Ketua dan Anggota

1. Biodata Ketua

A. Identitas Diri

1 Nama Lengkap (dengan gelar) Nurul Huda Insani

2 Jenis Kelamin Perempuan

3 Program Studi D3 Statistika FMIPA ITS

4 NRP 1312100056

5 Tempat dan Tanggal Lahir Jakarta, 19 Oktober 1993

6 E-mail [email protected]

7 Nomor Telepon/HP 08983500116

B. Riwayat Pendidikan

SD SMP SMA

Nama Institusi SDN Selosari 4

Magetan

SMPN 1

Magetan

SMAN 1

Magetan

Jurusan - - IPA

Tahun Masuk-Lulus 1999-2005 2005-2008 2008-2011

Semua data yang saya isikan dan tercantum dalam biodata ini adalah benar dan

dapat dipertanggungjawabkan secara hukum. Apabila di kemudian hari ternyata

dijumpai ketidaksesuaian dengan kenyataan, saya sanggup menerima sanksi.

Demikian biodata ini saya buat dengan sebenarnya untuk memenuhi salah satu

persyaratan dalam pengajuan Hibah PKM Penelitian.


Pengusul,

(Nurul Huda Insani)

2. Biodata Anggota 1

A. Identitas Diri

1 Nama Lengkap (dengan gelar) I Dewa Ayu Made Istri Wulandari


3 Program Studi S1 Statistika FMIPA ITS

4 NRP 1310100009

5 Tempat dan Tanggal Lahir Denpasar, 7 Januari 1993




SD SMP SMA

Nama Institusi SDN 3 Legian SMPN 2

Denpasar

SMAN 4

Denpasar

Jurusan - - IPA








Pengusul,

(I Dewa Ayu Made Istri Wulandari)


A. Identitas Diri

1 Nama Lengkap (dengan gelar) Novri Suhermi

2 Jenis Kelamin Laki-laki


4 NRP 1310100010

5 Tempat dan Tanggal Lahir Pekanbaru, 2 November 1992




SD SMP SMA

Nama Institusi SDN 003 Sail

Pekanbaru

SMPN 13

Pekanbaru

SMAN Plus

Provinsi Riau

Jurusan - - IPA


C. Penghargaan dalam 10 tahun terakhir (dari pemerintah, asosiasi, atau instansi

lain)

No Jenis Penghargaan Institusi Pemberi

Penghargaan Tahun

1 Juara 2 Calculus Cup Tingkat

Nasional BEMJ Matematika UNJ 2012

2 Juara 1 OSN Pertamina 2012

Bidang Matematika Tingkat

Provinsi Jawa Timur

PT Pertamina (Persero) 2012

3 Finalis 6 Besar OSN Pertamina

2012 Bidang Matematika

Tingkat Nasional

PT Pertamina (Persero) 2012







Pengusul,

(Novri Suhermi)


A. Identitas Diri

1 Nama Lengkap (dengan gelar) Kiki Ferawati



4 NRP 1312100018

5 Tempat dan Tanggal Lahir Gresik, 21 juni 1993




SD SMP SMA

Nama Institusi SDN

Mojotengah I

SMPN 1

Kedamean

SMAN 1 Krian

Jurusan - - IPA








Pengusul,

(Kiki Ferawati)


A. Identitas Diri

1 Nama Lengkap (dengan gelar) Eva Arum Setyarini



4 NRP 1313100046

5 Tempat dan Tanggal Lahir Ponorogo, 28 Mei 1992




SD SMP SMA

Nama Institusi SD Negeri 1

Winong

SMPN 1 Jetis SMAN 1

Ponorogo

Jurusan - - IPA








Pengusul,

(Eva Arum Setyarini)

ii. Justifikasi Anggaran Kegiatan

1. Biaya Peralatan, Jasa, dan Pendukung

No Material Justifikasi

Pemakaian

Kuantitas Harga Satuan Total Harga

1

Pendaftaran

Seminar

Internasional

Untuk

mendaftarkan

penelitian ke

seminar

internasional

1 seminar Rp 1,000,000.00 Rp 1.000.000,00

2 Lisensi Software

Analisis

Digunakan

untuk

menganalisis

data

1 buah Rp 2,000,000.00 Rp 2.000.000,00

3 Pembelian Modem

Internet

Digunakan

untuk

browsing

Internet

1 unit Rp 200,000.00 Rp 200.000,00

4 Keperluan

Dokumentasi

Untuk

dokumentasi

kegiatan

1 kali Rp 350,000.00 Rp 350.000,00

SUBTOTAL (Rp) Rp 3.550.000,00

2. Biaya Habis Pakai


Pemakaian


1 Jurnal Referensi

Untuk

menambah

referensi

dalam

penelitian

5 buah Rp 50,000.00 Rp 250.000,00

2 Kertas A4 80 gram

Untuk

mencetak

laporan

8 rim Rp 40,000.00 Rp 320.000,00

3 Notebook

Untuk

mencatat

selama

pekerjaan

5 buah Rp 20,000.00 Rp 100.000,00

4 Tinta Printer

Untuk

mencetak

laporan

8 buah Rp 150,000.00 Rp 1.200.000,00

5 Alat Tulis

Untuk

keperluan

pekerjaan di

lapangan

5 pak Rp 50,000.00 Rp 250.000,00

6 Pembelian Pulsa

Internet

Untuk

keperluan

internet

5 voucher Rp 100,000.00 Rp 500.000,00

SUBTOTAL (Rp) Rp 2,620.000.00

3. Biaya Perjalanan


Pemakaian


1

Observasi ke

Laboratorium

Hidrodinamika

Indonesia

Untuk biaya

perjalanan ke

Laboratorium

Hidrodinamika

Indonesia

5 orang Rp 200,000.00 Rp 1.000.000,00

2

Perjalanan

Seminar

Internasional

Digunakan

untuk biaya

perjalan

seminar

1 orang Rp 2,000,000.00 Rp 2.000.000,00

SUBTOTAL (Rp) Rp 3.000.000,00

4. Biaya Pembuatan Laporan dan Administrasi


Pemakaian


1 Laporan Akhir

PKM + Jilid

Untuk

pencetakan

laporan akhir

PKM

5

eksemplar Rp 100,000.00 Rp 500.000,00

2

CD Laporan

Kemajuan dan

Laporan Akhir

Untuk

menyimpan

laporan

kemajuan dan

laporan akhir

1 unit Rp 10,000.00 Rp 50.000,00

SUBTOTAL (Rp) Rp 550.000,00

TOTAL (Keseluruhan) Rp 9.720.000,00

iii. Susunan Organisasi Tim Peneliti dan Pembagian Tugas

No. Nama / NRP Program

Studi

Bidang

Ilmu

Alokasi

Waktu

(jam/minggu)

Uraian Tugas

1.

Nurul Huda

Insani /

1312030056

D3 Statistika 6 jam/minggu

Bertugas untuk

mengoordinasikan

kinerja tim,

mengontrol dan

mengevaluasi

pelaksanaan

program, serta

membantu

pemodelan statistik

2.

I Dewa Ayu

Made Istri W /

1310100009

S1 Statistika 6 jam/minggu

Bertugas mengatur

dana keluar pada

realisasi program,

melakukan

pencatatan dana

masuk dan keluar

3. Novri Suhermi

/ 1310100010 S1 Statistika 6 jam/minggu

Bertugas dalam

pemodelan

statistik,

interpretasi hasil

model, melakukan

peramalan, dan

mengambil

kesimpulan

4. Kiki Ferawati /

1311100018 S1 Statistika 6 jam/minggu

Bertugas atas

hubungan dengan

pihak-pihak

eksternal yang

terkait dengan

aktivitas PKM-

Penelitian dan

membantu

pemodelan statistik

5.

Eva Arum

Setyarini /

1311100046

S1 Statistika 6 jam/minggu

Bertanggung jawab

pada kebutuhan

terkait dengan

surat-menyurat,

perijinan,

dokumentasi

kegiatan dan

pengisian logbook

iv. Surat Pernyataan Ketua Peneliti

SURAT PERNYATAAN KETUA PENELITI

Yang bertanda tangan di bawah ini:

Nama : Nurul Huda Insani

NRP : 1312030056

Program Studi : D3 Statistika

Fakultas : Matematika dan Ilmu Pengetahuan Alam

dengan ini menyatakan bahwa usulan PKM Penelitian saya dengan judul:

“Peramalan Gerak Rolling, Swaying, dan Yawing Menggunakan Model Hibrida

VAR-ANN Sebagai Deteksi Awal Instabilitas pada Floating Production Unit”

yang diusulkan untuk tahun anggaran 2014 bersifat original dan belum pernah dibiayai

oleh lembaga atau sumber dana lain.

Bilamana dikemudian hari ditemukan ketidaksesuaian dengan pernyataan ini, maka saya

bersedia dituntut dan diproses sesuai dengan ketentuan yang berlaku dan mengembalikan

seluruh biaya penelitian yang sudah diterima ke kas negara.

Demikian pernyataan ini dibuat dengan sesuangguhnya dan dengan sebenar-benarnya.

Mengetahui,

Pembantu Rektor

Bidang Kemahasiswaan dan Akademik

(Prof. Dr. Ing. Herman Sasongko)

NIP. 19601004 198601 1 001


Yang menyatakan,

(Nurul Huda Insani)

NRP. 1312030056

Download - Nurul Huda Insani ITS PKMP

Top Related