AKMICIREBONAKMICIREBON

Jurnal Sains Teknologi Transportasi MaritimJurnal Sains Teknologi Transportasi Maritim

Tujuan: Penelitian ini bertujuan mengembangkan dan memvalidasi sistem pendukung keputusan untuk pemeliharaan generator diesel pada KM. Bukit Siguntang dengan mengidentifikasi parameter kritis yang mempengaruhi kebutuhan pemeliharaan, menganalisis pola kegagalan dan tingkat keandalan komponen utama, serta mengoptimalkan strategi pemeliharaan berdasarkan kondisi mesin yang sebenarnya. Metodologi: Penelitian menggunakan pendekatan metode campuran (mixed‑method) yang menggabungkan metode kuantitatif dan kualitatif. Desain penelitian bersifat eksploratif berurutan, dimulai dengan tahap kualitatif untuk mengidentifikasi parameter dan kriteria pengambilan keputusan, diikuti dengan tahap kuantitatif untuk pengembangan model dan validasi sistem. Data yang terkumpul dianalisis menggunakan Analisis Statistik Deskriptif dan Analisis Pemeliharaan Berbasis Keandalan (Reliability Centered Maintenance, RCM). Hasil: Hasil menunjukkan penurunan jumlah kegagalan tak terencana sebesar 57,1 % dan pengurangan downtime sebesar 53,8 %, yang menunjukkan peningkatan signifikan pada keandalan sistem. Hal ini berkontribusi pada peningkatan ketersediaan generator diesel dari 94,2 % menjadi 97,3 %, yang sangat penting bagi operasi kapal. Originalitas: Penelitian ini berhasil mengembangkan dan memvalidasi sistem pendukung keputusan untuk pemeliharaan generator diesel pada KM. Bukit Siguntang dengan mengidentifikasi 11 parameter kritis yang mempengaruhi kebutuhan pemeliharaan serta menganalisis pola kegagalan dan keandalan komponen kritis.

Penelitian ini berhasil mengembangkan dan memvalidasi sistem pendukung keputusan pemeliharaan generator diesel pada KM.Bukit Siguntang, yang menghasilkan penurunan kegagalan tak terencana sebesar 57,1 % dan downtime 53,8 % serta peningkatan ketersediaan mesin dari 94,2 % menjadi 97,3 %.Namun, studi ini terbatas pada periode validasi tiga bulan, hanya mencakup satu jenis kapal, dan menunjukkan akurasi kepatuhan rekomendasi sistem yang relatif rendah (72,4 %).Penelitian lanjutan diperlukan untuk memperluas penerapan pada berbagai tipe kapal, mengintegrasikan pemantauan berbasis IoT, serta mengembangkan modul pembelajaran mesin guna meningkatkan prediksi kondisi komponen dan analisis dampak lingkungan.

Penelitian selanjutnya dapat menyelidiki bagaimana sistem pendukung keputusan yang telah dikembangkan dapat diadaptasi untuk kapal penumpang, kargo, dan kapal penangkap ikan dengan mempertimbangkan perbedaan karakteristik operasional dan struktur mesin masing‑masing; pertanyaan penelitian yang muncul adalah: bagaimana variabel‑variabel kritis berubah antar tipe kapal dan bagaimana model harus dimodifikasi untuk mempertahankan akurasi prediksi? Selanjutnya, integrasi sensor Internet of Things (IoT) secara real‑time pada komponen utama generator dapat memungkinkan pengumpulan data kontinu; studi ini dapat menguji apakah data streaming tersebut meningkatkan keandalan model prediksi kegagalan dan mengurangi waktu respons dibandingkan dengan data periodik tradisional. Terakhir, pengembangan algoritma pembelajaran mesin yang menggabungkan teknik klasifikasi dan regresi dapat memperbaiki akurasi rekomendasi pemeliharaan serta menilai dampak lingkungan secara otomatis; penelitian ini dapat menjawab: algoritma mana yang paling efektif dalam memprediksi degradasi komponen dan mengkuantifikasi pengurangan emisi akibat optimasi pemeliharaan? Dengan menjawab tiga pertanyaan tersebut, diharapkan sistem dapat menjadi lebih universal, responsif, dan berkontribusi pada keberlanjutan operasional pelayaran.

Read online
File size194.99 KB
Pages9
DMCAReport

Related /

ads-block-test