Rancang Bangun Pengendalian pH pada Inline Flash Mixing Menggunakan metode Neural Network Controller

<p>Proses pengendalian pH memiliki peranan penting dalam menentukan kualitas produk contoh pada <em>water</em> <em>treatment</em>. Dampak lingkungan akibat nilai pH yang asam menyebabkan pencemaran dan diperlukan upaya dalam merubah nilai pH pada daerah linier dua yang...

Full description

Bibliographic Details
Main Author: Warin Gusena
Format: Article
Language:Indonesian
Published: Lembaga Penelitian dan Pengabdian kepada Masyarakat (LP2M) 2013-09-01
Series:Jurnal Teknik ITS
Subjects:
Online Access:http://ejurnal.its.ac.id/index.php/teknik/article/view/3658
id doaj-5535476e1fd1475cb622cc10ff3b9183
record_format Article
spelling doaj-5535476e1fd1475cb622cc10ff3b91832020-11-24T23:31:05ZindLembaga Penelitian dan Pengabdian kepada Masyarakat (LP2M)Jurnal Teknik ITS2301-92712337-35392013-09-0122688Rancang Bangun Pengendalian pH pada Inline Flash Mixing Menggunakan metode Neural Network ControllerWarin Gusena0Institut Teknologi Sepuluh Nopember<p>Proses pengendalian pH memiliki peranan penting dalam menentukan kualitas produk contoh pada <em>water</em> <em>treatment</em>. Dampak lingkungan akibat nilai pH yang asam menyebabkan pencemaran dan diperlukan upaya dalam merubah nilai pH pada daerah linier dua yang mana daerah ini merupakan daerah sensitif bagi netralisasi pH. Untuk mengatasi hal ini dilakukan pengontrolan pH menggunakan <em>Neural Network controller</em> yang telah mengalami pelatihan. Pelatihan dilakukan dengan mendapatkan keluaran DAQ sebagai target yang dikuatkan oleh motor driver untuk mendapatkan pH yang diinginkan. Proses pengendalian pH ini dilakukan pada plant <em>Inline Flash Mixing</em> yang mana tempat berlangsungnya pengendalian terdapat dalam pipa. Hasil pelatihan untuk target pH 7 menghasilkan iterasi 339 <em>epoch</em>, MSE sebesar 10<sup>-5</sup> dan regresi keluaran JST dengan rentang 0,761 – 0,733. Pada pelatihan target pH 6 didapatkan lama iterasi sebanyak 262 <em>epoch</em> dengan regresi dalam rentang 0,606 – 0,624. Sedangkan pada pH 11, didapat lama iterasi sebanyak 4382 <em>epoch</em> dengan rentang regresi 0,778 – 0,788. Respon sistem  pengendalian pH di <em>Inline Flash Mixing</em> ini berlangsung cepat dikarenakan controller mengeluarkan sinyal kontrol yang menghasilkan <em>manipulated variabel</em> berupa debit larutan basa sehingga cepat mencapai set point. Uji <em>close loop</em> pada pH 6 menghasilkan <em>Maximum overshoot</em> (Mp) sebesar 4,67%, <em>error steady state</em> (Ess) sebesar 2,29%, dan <em>Settling time</em> (Ts) sebesar 31 detik. Pada <em>set point</em> 7, Mp sebesar 19,7 %, Ess sebesar 6,3%, dan Ts selama 33 detik. Pada <em>set point</em> 11 menghasilkan Mp sebesar 4,45%, Ess sebesar 1,83%, dan Ts sebesar 12 detik.</p>http://ejurnal.its.ac.id/index.php/teknik/article/view/3658Pengendalian pH, Inline Flash Mixing, Neural Network Controller, non-linear
collection DOAJ
language Indonesian
format Article
sources DOAJ
author Warin Gusena
spellingShingle Warin Gusena
Rancang Bangun Pengendalian pH pada Inline Flash Mixing Menggunakan metode Neural Network Controller
Jurnal Teknik ITS
Pengendalian pH, Inline Flash Mixing, Neural Network Controller, non-linear
author_facet Warin Gusena
author_sort Warin Gusena
title Rancang Bangun Pengendalian pH pada Inline Flash Mixing Menggunakan metode Neural Network Controller
title_short Rancang Bangun Pengendalian pH pada Inline Flash Mixing Menggunakan metode Neural Network Controller
title_full Rancang Bangun Pengendalian pH pada Inline Flash Mixing Menggunakan metode Neural Network Controller
title_fullStr Rancang Bangun Pengendalian pH pada Inline Flash Mixing Menggunakan metode Neural Network Controller
title_full_unstemmed Rancang Bangun Pengendalian pH pada Inline Flash Mixing Menggunakan metode Neural Network Controller
title_sort rancang bangun pengendalian ph pada inline flash mixing menggunakan metode neural network controller
publisher Lembaga Penelitian dan Pengabdian kepada Masyarakat (LP2M)
series Jurnal Teknik ITS
issn 2301-9271
2337-3539
publishDate 2013-09-01
description <p>Proses pengendalian pH memiliki peranan penting dalam menentukan kualitas produk contoh pada <em>water</em> <em>treatment</em>. Dampak lingkungan akibat nilai pH yang asam menyebabkan pencemaran dan diperlukan upaya dalam merubah nilai pH pada daerah linier dua yang mana daerah ini merupakan daerah sensitif bagi netralisasi pH. Untuk mengatasi hal ini dilakukan pengontrolan pH menggunakan <em>Neural Network controller</em> yang telah mengalami pelatihan. Pelatihan dilakukan dengan mendapatkan keluaran DAQ sebagai target yang dikuatkan oleh motor driver untuk mendapatkan pH yang diinginkan. Proses pengendalian pH ini dilakukan pada plant <em>Inline Flash Mixing</em> yang mana tempat berlangsungnya pengendalian terdapat dalam pipa. Hasil pelatihan untuk target pH 7 menghasilkan iterasi 339 <em>epoch</em>, MSE sebesar 10<sup>-5</sup> dan regresi keluaran JST dengan rentang 0,761 – 0,733. Pada pelatihan target pH 6 didapatkan lama iterasi sebanyak 262 <em>epoch</em> dengan regresi dalam rentang 0,606 – 0,624. Sedangkan pada pH 11, didapat lama iterasi sebanyak 4382 <em>epoch</em> dengan rentang regresi 0,778 – 0,788. Respon sistem  pengendalian pH di <em>Inline Flash Mixing</em> ini berlangsung cepat dikarenakan controller mengeluarkan sinyal kontrol yang menghasilkan <em>manipulated variabel</em> berupa debit larutan basa sehingga cepat mencapai set point. Uji <em>close loop</em> pada pH 6 menghasilkan <em>Maximum overshoot</em> (Mp) sebesar 4,67%, <em>error steady state</em> (Ess) sebesar 2,29%, dan <em>Settling time</em> (Ts) sebesar 31 detik. Pada <em>set point</em> 7, Mp sebesar 19,7 %, Ess sebesar 6,3%, dan Ts selama 33 detik. Pada <em>set point</em> 11 menghasilkan Mp sebesar 4,45%, Ess sebesar 1,83%, dan Ts sebesar 12 detik.</p>
topic Pengendalian pH, Inline Flash Mixing, Neural Network Controller, non-linear
url http://ejurnal.its.ac.id/index.php/teknik/article/view/3658
work_keys_str_mv AT waringusena rancangbangunpengendalianphpadainlineflashmixingmenggunakanmetodeneuralnetworkcontroller
_version_ 1725538856367816704