Perancangan Soft Sensor Berbasis Decision Tree - AdaBoost untuk Prediksi Kandungan Karbon Dioksida pada Unit CO2 Removal di Sistem Pengolahan Gas Alam

SERHIY RIZQY NASPUTRA, Ir. Nazrul Effendy, S.T., M.Eng, Ph.D, IPM. ; Ir. Agus Arif, M.T.

2024 | Skripsi | FISIKA TEKNIK

Sistem pengolahan gas alam merupakan sistem yang mengolah gas alam menjadi LNG dengan kualitas yang bersih dan sesuai dengan spesifikasi yang diinginkan. Purification Unit dibutuhkan untuk memurnikan feed gas yang masuk dari kandungan CO2 dan H2S. Proses pemurnian terutama proses penyerapan CO2 sangat penting dilakukan karena jika tidak maka kandungan CO2 yang terbawa akan menyebabkan tube di MCHE mengalami kebuntuan. Hasil penyerapan CO2 harus dipantau agar kandungan CO2 tetap berada pada nilai kurang dari 50 ppm.  

Proses pengukuran konsentrasi CO2 di Plant 1 menggunakan analisis sampel yang diukur langsung oleh CO2 Analyzer. Prinsip pengukuran dari CO2 Analyzer adalah pengukuran non-dipersive yang memanfaatkan nilai spesifik penyerapan cahaya oleh gas. CO2 Analyzer memiliki peran yang sangat krusial sehingga membutuhkan pemeiliharaan khusus. Maka dari itu, penerapan kecerdasan buatan sebagai solusi untuk mendeteksi parameter industri untuk keperluan predictive maintenance yang berfungsi sebagai pemantauan dan pemeliharaan.  

Penelitian ini merancang soft sensor berbasis bahasa Python yang digunakan untuk melakukan prediksi CO2 berdasarkan variabel proses yang berpengaruh dalam proses. Dengan menggunakan pustaka DT - AdaBoost, model dilatih menggunakan data historis DCS Plant 1 Train G Badak LNG Bontang. Hasil penelitian menujukkan model hyperparameter tuning DT - AdaBoost adalah model terbaik menggunakan 11 fitur yang dievaluasi dengan matriks evaluasi dengan angka R2 95.9%; MAE 0,86%; MSE 0,0175%; dan RMSE 1.32%.

The natural gas processing system is a system that processes natural gas into LNG with clean quality and by the desired specifications. The Purification Unit is required to purify the incoming feed gas from CO2 and H2S contents. The purification process, especially the CO2 absorption process, is crucial as failure to do so may result in CO2 being carried over, leading to fouling of the tubes in the MCHE. The result of CO2 absorption must be monitored to ensure that the CO2 content remains below 50 ppm. 

The process of measuring CO2 concentration in Plant 1 utilizes sample analysis measured directly by the CO2 Analyzer. The principle of measurement by the CO2 Analyzer is the non-dispersive measurement that utilizes specific light 

absorption values by the gas. The CO2 Analyzer plays a crucial role and thus requires special maintenance. Therefore, the application of artificial intelligence as a solution for detecting industrial parameters for predictive maintenance purposes functions as monitoring and maintenance. 

This study designs a Python-based soft sensor used to predict CO2 based on influential process variables. Using the DT – AdaBoost library, the model is trained using historical data from the DCS Plant 1 Train G Badak LNG Bontang. The research results indicate that the hyperparameter tuning DT - AdaBoost model has the best results using 11 features evaluated with evaluation metrics: R2 at 95.9%; MAE at 0,86%; MSE at 0,0175%; and RMSE at 1.32%. 

Kata Kunci : Prediksi, Soft Sensor, CO2, AdaBoost, Decision Tree