Optimasi Konsumsi Bahan Bakar Mesin Induk Kapal Dengan Metode Monitoring Digital

Abstract

Konsumsi bahan bakar mesin induk kapal menyumbang 40–60% total biaya operasional pelayaran, sehingga optimasinya merupakan prioritas strategis industri maritim. Penelitian ini merancang, mengimplementasikan, dan mengevaluasi sistem monitoring digital berbasis Internet of Things (IoT) dan machine learning untuk mengoptimasi konsumsi bahan bakar mesin induk kapal pada lima kapal niaga yang beroperasi di perairan Indonesia. Sistem mengintegrasikan sensor coriolis flow meter, sensor RPM, sensor suhu gas buang, dan sensor tekanan turbocharger dengan unit akuisisi data (DAQ), edge computing, dan dashboard cloud real-time. Model prediksi konsumsi bahan bakar dikembangkan menggunakan algoritma Random Forest Regression dengan fitur utama berupa beban mesin (%MCR), RPM, suhu gas buang, kecepatan kapal, dan kondisi cuaca. Hasil implementasi selama 12 bulan menunjukkan reduksi rata-rata Specific Fuel Oil Consumption (SFOC) sebesar 8,75% (dari rata-rata 200,1 menjadi 182,6 g/kWh), penghematan biaya bahan bakar total sebesar Rp 2.204 juta per tahun, dan reduksi emisi CO₂ sebesar 145,3 ton per tahun pada lima kapal sampel. Uji statistik paired t-test mengkonfirmasi penurunan SFOC yang sangat signifikan (t = 8,347; p < 0,001; d = 3,72). Sistem yang dikembangkan menunjukkan payback period 6,8 bulan dengan ROI tahun pertama 147,3%, membuktikan kelayakan teknis dan ekonomis yang sangat tinggi.