PEMODELAN GENERATOR UAP BERBASIS JARINGAN SARAF TIRUAN PERAMBATAN BALIK DENGAN LAJU PEMBELAJARAN DAN MOMENTUM ADAPTIF; STEAM GENERATOR MODELING BASED BACKPROPAGATION NEURAL NETWORK WITH ADAPTIVE LEARNING RATE AND MOMENTUM

Fadhlia Annisa, Agfianto Eko Putra

2015 | Skripsi | PROGRAM STUDI ELEKTRONIKA DAN INSTRUMENTASI

Generator uap merupakan salah satu unit plant yang banyak digunakan di berbagai industri, terutama industri pembangkit listrik dan industri produksi minyak. Generator uap memiliki sistem nonlinear dan kompleks dengan konfigurasi multiple-input-multiple-output (MIMO) yang cukup sulit untuk dimodelkan. Padahal, model generator uap sangat dibutuhkan untuk membuat simulasi seperti operator training simulator (OTS) karena bahkan operator yang berpangalaman masih menemukan kesulitan untuk mengontrol plant ini. Tujuan dari penelitian ini yaitu untuk mendapatkan model generator uap yang memiliki 8 parameter luaran dan 9 parameter masukan berbasis jaringan saraf tiruan (JST) menggunakan algoritme pelatihan perambatan balik dengan laju pembelajaran dan momentum adaptif (BPGD-ALAM). Seluruh data masukan dan luaran diperoleh dari PT. Chevron Pacific Indonesia, Duri. Data tersebut dibagi menjadi tiga jenis, yaitu data latih, data validasi dan data uji. Data latih digunakan untuk mendapatkan model untuk setiap luaran melalui proses pelatihan dengan epoch maksimal 5000. Verifikasi model juga dilakukan untuk setiap epoch-nya menggunakan data validasi. Verifikasi bertujuan untuk memantau proses pelatihan apakah terjadi overfitting atau tidak. Model JST dari setiap luaran yang diperoleh dari pelatihan dan verifikasi, diuji menggunakan data uji untuk mengetahui performa dari model. Dari hasil penelitian, diperoleh konfigurasi arsitektur model JST yang berbeda-beda untuk setiap luaran. Nilai RMSE untuk setiap luaran, yaitu energi pembakaran sebesar 0,4209 %, kadar O2 sebesar 1,2837 %, temperatur cerobong sebesar 2,0437 %, kualitas uap sebesar 0,6606 %, temperatur uap sebesar 0,4093 %, tekanan uap sebesar 0,559 %, tekanan uap dalam pipa sebesar 0,777 % dan aliran uap sebesar 0,4725 %. Hasil pengujian model untuk seluruh data uji menghasilkan RMSE tidak lebih dari 9,71 % yang artinya telah dihasilkan model yang baik yang mendekati sistem nyata dari generator uap.

Kata Kunci : Generator uap, Jaringan Saraf Tiruan.