PERANCANGAN SISTEM PENGENDALIAN LAJU METHYL DIETHANOL AMINE PADA AMINE CONTACTOR HESS (INDONESIA-PANGKAH) Ltd., GRESIK

Transkripsi

1 PERACAGA SISTEM PEGEDALIA LAJU METHYL DIETHAOL AMIE PADA AMIE COTACTOR HESS (IDOESIA-PAGKAH) Ltd., GRESIK Hutama Putra Wibawa, Dr. Ir Totok Soehartanto, DEA. Jurusan Teknik Fisika Fakultas Teknologi Industri Institut Teknologi Sepuluh opember Kampus ITS Keputih Sukolilo, Surabaya ABSTRAK Amine contactor merupakan bagian dari H 2 S removal yang berfungsi menyerap H 2 S dari sour gas dengan bantuan pelarut amine yaitu MDEA (Methyl Diethanol Amine). Perubahan flow sour gas yang masuk sangat mempengaruhi jumlah pelarut amine yang ditambahkan dan ppm H 2 S yang dihasilkan. Pada penelitian ini telah dilakukan analisa korelasi antara ketiga komponen tersebut. Selanjutnya dari hasil korelasi yang didapatkan dijadikan sebagai dasar pemodelan plant. Karena Jaringan Syaraf Tiruan memiliki kemampuan yang dapat mengenali pola hubungan input output, sehingga JST digunakan untuk memodelkan plant amine contactor dengan arsitektur backpropagation dan algoritma Lavenberg Marquardt. Dari hasil training didapatkan hasil terbaik 3 hidden layer dengan jumlah hidden node tiap layer 7, 6 dan 9 node dengan nilai RMSE sebesar dan VAF mendekati %. Selanjutnya untuk sistem pengendalian yang dibuat menggunakan kontroller berbasis data dimana kontroller ini dibangun berdasarkan hubungan korelasi data yang telah didapatkan. Hasil pengujian close loop sistem pengendalian amine didapatkan respon dengan nilai maximum overshoot 2,6 %, settling time (ts) 197s, peak time (tp) 2 s, error steady state (ess),175 %. Kata kunci : amine contactor, jaringan syaraf tiruan, kontroller berbasis data I. PEDAHULUA Proses penghilangan senyawa belerang pada proses kilang minyak terjadi pada H 2 S removal unit. Unit ini terdiri dari amine contactor dan amine regenerator. Amine contactor berfungsi untuk menyerap H 2 S dari sour gas yang melewati plant ini sedangkan amine regenerator berfungsi untuk meregenerasi amine yang telah digunakan untuk menyerap H 2 S tadi agar dapat digunakan untuk proses penyerapan kembali di amine contactor. Pada plant HESS ini terdapat amine contactor yang didesain mengunakan bahan penyerap amine yaitu berjenis methyl diethanol amine (MDEA). Berdasarkan desain yang ada, MDEA digunakan pada konsentrasi 45% weight dengan toleransi hingga ± 5%. Perhitungan secara desain dengan konsentrasi seperti ini akan mampu menghasilkan spesifikasi sales gas dengan kadar H 2 S maksimum ppm. Ketika awal pengoperasian dihasilkan laju gas dari sumur sekitar MMSCFD. Dengan laju gas seperti ini diperlukan laju amine sebesar ± 33 m 3 /h dengan konsentrasi 43,44 %. Dari perbandingan ini didapatkan hasil sales gas dengan spesifikasi maksimum 9 ppm. Permasalahan yang terjadi adalah pada saat ini laju gas dari sumur hanya 4 MMSCFD tetapi membutuhkan amine sebesar ± 29 m 3 /h dengan konsentrasi yang lebih tinggi yaitu 47,39 %. Hal ini menunjukkan pengunaan amine yang tidak efisien jika kita lihat dari perbandingan jumlah gas dan jumlah amine yang dibutuhkan. Permasalahan ini dapat terjadi karena tiga hal utama. Pertama adalah karena terjadinya penurunan laju gas yang dihasilkan dari sumur pengeboran. Kedua tidak adanya kontroller yang mengatur secara langsung banyaknya pengunaan amine yang dibutuhkan, sehingga ketika terjadi perubahan laju sour gas yang ekstrim tidak dapat teratasi. Ketiga adalah tidak diketahuinnya secara pasti komposisi campuran bahan penyerap amine terhadap jumlah sour gas yang masuk contactor, karena memang semakin banyak amine yang ditambahkan akan semakin banyak H 2 S yang diserap tetapi di sisi lain pada batas tertentu juga akan mengurangi kadar hidrocarbon yang merupakan unsur terpenting pada gas. Untuk itu pada penelitian ini dilakukan analisa laju amine terhadap sour gas pada saat laju gas masih sekitar MMSCFD sebagai acuan penetapan perbandingan paling efisien terhadap perubahan laju gas dari sumur. Dari data tersebut kemudian dicari hubungan korelasinya antara laju amine dan sour gas. Korelasi ini nantinya digunakan sebagai dasar mengenerate pasangan data laju amine dan sour gas yang sesuai dengan set point yang diharapkan. Dari data ini dibuatlah pemodelan plant yang berbasis jaringan syaraf tiruan dan kontroller berbasis data berdasarkan pasangan data tersebut untuk mengendalikan konsentrasi H 2 S yang dihasilkan. Melalui penelitian ini, maka penambahan amine dapat dikontrol sesuai dengan perubahan laju sour gas mengunakan kontroller berbasis data yang dibuat. antinya diharapkan dari penelitian ini akan sangat membantu HESS dalam peningkatan kinerja operasional dan efisiensi plant. 1

2 II. Tinjauan Pustaka Bab ini berisi landasan teori yang menunjang penyelesaian masalah yang diangkat melalui penelitian ini. Teori-teori ini menjadi rujukan dan pedoman dalam penyusunan tugas akhir. Selain itu juga sebagai landasan berfikir penulis untuk menganalisa process plant yang telah ada. Penyusunan tinjauan pustaka ini didapatkan dari berbagai sumber, antara lain adalah studi pustaka, internet, wawancara, manual instrument operating dan data real yang terjadi di lapangan. 1. Amine Contactor Amine contactor merupakan salah satu komponen dari H 2 S removal plant yang berfungasi untuk menyerap sulfur atau H 2 S dengan cara absorbsi. Gambar 2.1 Plant H 2 S removal Prinsip kerja amine contactor adalah aliran sour gas masuk dari bawah dan mengalir ke atas melalui bubble tray yang tersusun secara seri, sementara cairan kimia amine (MDEA) mengalir dari atas ke bawah sehingga memungkinkan terjadinya intimate contact yang kemudian terjadi reaksi antara lean amine solution dengan H 2 S. Reaksi absorbsi menjadikan sour gas bersih dari unsur gas asam H 2 S menjadi sweet gas yang terus mengalir ke atas meninggalkan amine contactor. Adapun reaksi absorbsi menjadikan lean amine solution terkontaminasi dengan H 2 S dan berubah menjadi rich amine yang menuju ke bawah keluar amine contactor untuk selanjutnya diregenerasi agar menjadi lean amine kembali. 2. Korelasi Antara Data Masukan dan Keluaran Untuk memodelkan hubungan antar variabel masukan dan keluaran maka digunakan pemodelan dengan mengunakan regresi berganda. Regresi berganda ini berbeda dengan regresi pada umumnya atau yang sering dikenal dengan regresi klasik. Perbedaanya adalah terdapat dua prediktor sedangkan regresi klasik hanya ada satu. Pada pemodelan ini prediktornya adalah flow sour gas dan ppm H 2 S sedangkan responya adalah flow amine. Langkah langkah pemodelan regresi berganda ini adalah sebagai berikut. Identifikasi variabel. Analisis korelasi untuk mengetahui hubungan antara variabel dependen dan independen. Pemodelan antara flow amine dengan flow sour gas dan ppm H 2 S. Melakukan uji signifikansi koefisien (koefisien regresi) dengan melakukan uji serentak (F-test) dan uji individu (t-test). 3. Jaringan Syaraf Tiruan Pada jaringan syaraf tiruan, training adalah proses pembentukan konfigurasi harga-harga bobot dari jaringan. Pembentukan ini mempunyai tujuan akhir agar input yang diberikan padanya akan direspon melalui bobot tersebut, menghasilkan output yang sesuai dengan target output untuk input yang bersangkutan. Adapun metode belajar jaringan syaraf tiruan ini adalah supervised training (dengan pengawasan). Tiap pola input mempunyai target pasangannya. Sehingga pada belajar tipe ini masingmasing input mempunyai output target pasangan yang bersesuaian. Pada proses belajarnya, bobotbobot dibangun menuju kesesuaian respon pasangan input-output dari pola yang diajarkan bobotnya, dapat memberikan pola yang sesuai dengan output target dari input tersebut. Dalam hal ini ditetapkan toleransi kesalahan output respon terhadap target yang seharusnya. Training JST merupakan proses pemetaan antara input dan output JST untuk mendapatkan bobot yang tepat. Untuk melihat keberhasilan training, maka digunakan acuan parameter nilai RMSE (Root Mean Square Error). Makin kecil nilai RMSE maka makin besar tingkat keberhasilan training. Selain itu juga dinyatakan dengan VAF dalam persen. Dengan ketentuan bahwa semakin besar nilai VAF (mendekati %) maka semakin besar tingkat keberhasilan training. Persamaan RMSE dan VAF dapat dituliskan sebagai berikut : Dengan : RMSE = ( yi yˆ i ) i= 1 y t = data target JST ŷ t = data hasil simulasi = jumlah data 2 (2.1) = 1 [ ] % (2.2) [ ] Untuk mendapatkan hasil pemodelan yang lebih baik digunakan algoritma Levenbeg Marquardt dengan penurunan algoritma ini adalah sebagai berikut: 1. Pilih vektor bobot awal w () dan harga awal λ (). Dimana w adalah bobot dan λ diberikan harga awal. 2. Tentukan arah pencarian. [ R( w + λ I)] f = G( w ) (2.3) maka diperoleh f dan dimasukan ke: w = arg minv ( w, Z ) (2.4) w 2

3 jika V (w (i) + f (i),z ) < V (w (i),z ) sehingga memenuhi w (i+1) = w (i) + f (i) sebagai iterasi baru, maka λ (i+1) = λ (i). Jika tidak maka mencari harga baru dari r V (, ) (, ) ( ) w Z V w + f Z i r = (2.5) V ( w, Z ) L ( w + f ) jika r (i) >,75 maka λ (i) = λ (i) /2 jika r (i) <,25 maka λ (i) = 2λ (i) dimana: 1 1 T V ( w, Z ) = L( w) [ y( k) yˆ( k w)] [ y( k) yˆ( k w)] (2.7) 2 ( ) T ( ) T L ( w + f ) = ( λ f i f ) ( f i G) (2.) 3. Jika kriteria tercapai, maka perhitungan berhenti. Jika kriteria belum tercapai maka mengulangi langkah nomor Kontroller Berbasis Data Kontroller berbasis data adalah suatu tipe kontroler yang bekerja berdasarkan pasangan data. Perbedaan mendasar dari kontroller ini adalah tidak adanya operasi berupa perhitungan matematik seperti pada mode kontrol proporsional integral derivatif (PID). Sistem pengambilan keputusan berdasarkan logika yang telah diset sebelumnya berdasarkan pasangan data hubungan input dan output yang ada sebagai acuan penetapan logika kontrolnya. Dengan kata lain, untuk kontroller berbasis data, sudah ditentukan berapa nilai keluaran sinyal kontrol. Langkah - langkah pembuatan kontroler berbasis data adalah sebagai berikut : 1. Mencari hubungan antara data input dan output plant atau dengan kata lain membuat pemodelan plant terlebih dahulu. 2. Melakukan pengujian hasil pemodelan yang didapatkan apakah sudah sesuai atau mendekati nilai yang diinginkan. Pengujian ini dilakukan secara open loop. 3. Setelah didapatkan model yang sesuai dan logis maka dilanjutkan melakukan perhitungan untuk menentukan nilai sinyal kontrol. Penentuan besarnya sinyal kontrol ini berdasarkan output manipulated variable yang diinginkan dikonversikan kedalam range sinyal kontrol. 4. Setelah itu membangun algoritma kontrol berdasarkan hubungan input dan output sinyal kontrol yang diharapkan berdasarkan hasil perhitungan sebelumnya. 5. Melakukan simulasi dengan melakukan pengujian secara close loop dimana pengujian ini menyertakan kotroller yang telah dibuat sebelumnya untuk melihat apakah sudah menghasilkan respon yang sesuai. Kontroller bebasis data pada dasarnya berisi sebuah perintah sebab - akibat yang befungsi sebagai pasangan aksi - kondisi dari sebuah proses. Pasangan aksi - kondisi pada kontroller ini dapat disusun melalui deskripsi kondisi yang kemudian diartikan oleh kontroler melalui tabel aksi. Tabel kondisi adalah suatu kumpulan deskripsi kondisi daripada tabel kebenaran sebagai interpretasi kejadian yang mungkin terjadi pada saat model yang dibuat disimulasikan. Respon daripada kondisi - kondisi yang terjadi ini disebut sebagai aksi. 5. H 2 S Analyzer Untuk pengukuran nilai variabel proses, dan dalam hal ini adalah konsentrasi H 2 S dalam gas serta pengkonversian kedalam besaran elektrik 4-2 ma dipasanglah H 2 S analyzer pada keluaran plant amine contactor. H 2 S analyzer ini sekaligus sebagai transmitter yang digunakan untuk mengukur kadar H 2 S sales gas untuk diumpankan kembali sebagai referensi pengendalian. Blok diagram transmitter tersebut dapat dilihat pada gambar 2.2, dimana hubungan linieritas antara input process variabel dan output maipulated variabel. Gambar 2.2 Diagram blok H 2 S analyzer Kadar H 2 S yang terukur ini akan menyebabkan terjadinya perubahan resistansi pada sensor yang kemudian dikonversikan menjadi arus listrik oleh transmitter. Secara umum fungsi alih dari suhu transmitter dapat didekati dengan sistem orde 1 sebagaimana pada persamaan dibawah ini = (2.9) Dengan persamaan di atas dan data spesifikasi alat serta data input serta output dari real plant, maka dapat dicari fungsi transfer daripada H 2 S analyzer Karena output transmitter adalah 4 2 ma, maka gain transmitter adalah = (2.) Dengan τ T adalah konstanta waktu untuk transmitter yang besarnya adalah 63.2 % dari waktu yang dibutuhkan oleh transmitter untuk mentransmisikan hasil bacaan terhadap process variabel sampai terbaca di control room yang selanjutnya akan diproses ke controller. III. METODOLOGI PEELITIA 1. Alur Penelitian Adapun tahapan - tahapan yang dilakukan pada penelitian ini dapat dijabarkan melalui flowchart berikut. 3

4 Gambar 3.2 Desain sistem pengendalian amine Gambar 3.1 Alur penelitian 2. Diagram Blok Pengendalian Logic Solver Pada dasarnya, H 2 S removal adalah sebuah plant yang digunakan untuk menghilangkan kadar H 2 S yang terdapat pada produk gas. Cara pemurniaanya adalah dengan mengunakan bantuan pelarut amine (MDEA) yang digunakan untuk mengikat unsur tersebut. Banyaknya larutan amine yang dibutuhkan harus disesuaikan dengan input gas yang masuk. Untuk itu perlu adanya sistem pengendalian laju aliran pelarut amine (MDEA) terhadap laju sour gas yang masuk agar dapat menyerap H 2 S dengan sempurna. Kontroller yang digunakan di sini adalah kontroller berbasis data. Di mana pada kontroller ini telah ditentukan pasangan data yang sesuai untuk menghasilkan sinyal kontrol. Perbedaan mendasar dari kontroller berbasis data apabila dibandingkan dengan mode kontrol P, PI maupun PID adalah keluaran sinyal kontrol (u) sudah ditentukan terlebih dahulu melalui perhitungan model matematis. Digunakanya model kontrol berbasis data seperti ini karena memang kondisi real plant hubungan antara laju sour gas dan laju amine yang ditambahkan tidak linier dimana ada suatu batasan tertentu agar hidrokarbon dalam gas tidak ikut terbuag. Oleh karena ini desain kontroller ini disusun dengan data yang didapat dari parameter di lapangan agar didapat sistem kontrol yang mendekati keadaan real. Akuator yang digunakan di sini adalah control valve. Control valve ini digunakan untuk memanipulasi laju aliran pelarut amine (MDEA). Sedangkan laju aliran sour gas tidak dikendalikan karena memang laju ini langsung berasal dari sumur pengeboran, sehingga tidak dapat diatur dan tidak terprediksi. Karena itulah maka laju pelarut amine yang harus dikendalikan agar dihasilkan set point yang sesuai dengan ketentuan yang diharapkan. Perancangan sistem pengendalian amine dapat dilihat pada gambar 3.2 di bawah ini. Dari rancangan desain di atas dapat disederhanakan menjadi sebuah diagram blok sistem pengendalian sebagai berikut. Flow Sour Gas FLOW TRASMITTER 13-FT-121 Set Point Konsentrasi H2S+ - e KOTROLLER BERBASIS DATA U KOTROL VALVE 135-FV- H2S AALYZER 136-AI-264 MV Flow Amine PLAT AMIE COTACTOR 135-V-6 Gambar 3.3 Diagram blok pengendalian Dari gambar digram blok diatas maka dapat diamati bahwa kontroler berbasis data yang akan dirancang memiliki dua referensi yaitu flow sour gas yang masuk plant dan konsentrasi H 2 S hasil keluaran proses. 3. Penentuan Hubungan Variabel Masukan dan Keluaran Data yang didapatkan ini adalah flow sour gas yang masuk, flow amine yang ditambahkan dan konsentrasi ppm H 2 S yang dihasilkan. Kemudian dari ketiga data tersebut kita olah mengunakan software bantu Minitab untuk mengetahui korelasi ketiganya. Langkah langkah pencarian korelasinya tersebut adalah sebagai berikut : 1. Analisi Korelasi Langkah pertama dalam analisis regresi adalah mengetahui korelasi antara variabel prediktor yaitu flow sour gas dan ppm H 2 S serta variabel respon yaitu flow amine. Hasilnya adalah sebagai berikut. Hipotesis: a. H : tidak ada korelasi antara variabel flow sour gas dan variabel flow amine, ρ = H1 : terdapat korelasi antara variabel flow gas dan variabel flow amine, ρ α =,5 Daerah Kritis : P-value < α PV 4

5 b. H : tidak ada korelasi antara variabel ppm H 2 S dan variabel flow amine, ρ = H1 : terdapat korelasi antara variabel ppm H 2 S dan variabel flow amine, ρ α =,5 Daerah Kritis : P-value < α Correlations: flow sour gas; flow amine; ppm H2S flow sour gas flow amine,39, flow amine ppm H2S,321,193,, Cell Contents: Pearson correlation P-Value Dari output diatas didapatkan nilai P-value untuk point a dan b yang bernilai, artinya tolak H dan dapat disimpulkan terdapat korelasi antara flow amine dan flow sour gas serta flow amine dan ppm H 2 S. Sehingga dapat dilakukan analisis lebih lanjut yaitu analisis regresi. 2. Model Regresi Berganda The regression equation is flow amine = 11,6 +,215 flow sour gas -,931 ppm H2S Dari model diatas dapat diketahui nilai amine berdasarkan nilai flow sour gas dan ppm H 2 S. Jika nilai flow sour gas bertambah satu satuan maka nilai flow amine akan bertambah sebanyak,215 satuan. Jika nilai ppm H 2 S berkurang satu satuan maka nilai flow amine akan bertambah sebanyak,931 satuan. 3. Pengujian parameter regresi 3.1 Pengujian secara serentak Hipotesis H : βj =, j=1 dan 2 H 1 : paling tidak ada satu β j yang tidak sama dengan α=5% Analysis of Variance Source DF SS MS F P Regression 2 716,2 354,1 2152,, Residual Error ,3 1,7 Total ,5 Berdasarkan output diatas didapatka nilai p-value sebesar, yang berarti tolak H dan dapat disimpulkan bahwa model signifikan. Variabel flow sour gas dan ppm H 2 S secara bersama-sama (simultan) berpengaruh terhadap variabel flow amine. 3.2 Pengujian secara individu / parsial a. Hipotesis: H : β 1 = (koefisien flow sour gas tidak signifikan) H 1 : β 1 (koefisien flow sour gas signifikan) α=5% b. Hipotesis: H : β 2 = (koefisien ppm H 2 S tidak signifikan) H 1 : β 2 (koefisien ppm H 2 S signifikan) α=5% a b Predictor Coef SE Coef T P VIF Constant 11,591, ,3, flow sour gas,21531, ,7, 1,115 ppm H2S -,939,1473-6,32, 1,115 nilai p-value dari output diatas bernilai untuk variabel flow sour gas maupun ppm H 2 S sehingga dapat disimpulkan tolak H koefisien flow sour gas dan ppm H 2 S signifikan berpengaruh terhadap model. 4. Pemilihan model terbaik S = 1,2953 R-Sq = 71,1% R-Sq(adj) = 71,% Variasi sampel flow amine yang dapat dijelaskan oleh flow sour gas dan ppm H 2 S sebesar 71,1%. Dari nilai Rs-q dapat diketahui model layak digunakan karena bernilai lebih dari 7%. 4. Perancangan Kontroler Berbasis Data Seperti yang telah dibahas sebelumnya, kontroler berbasis data ini memiliki dua nilai referensi, yaitu laju sour gas dan konsentrasi H 2 S. Penetapan set point adalah pada konsentrasi ppm H 2 S yang dihasilkan maksimum ppm. Tabel 3.1 Generate Data Kontroller Untuk itu dalam perangcangan kontroller berbasis data ini dibuat berdasarkan desain real plant. Dimana input sour gas maksimum 144 MMSCFD dengan perubahan interval,5 MMSCFD dan set point konsentrasi ppm H 2 S adalah ppm. Tabel 3.1 menunjukkan cuplikan beberapa data hasil dari generate untuk dasar pembuatan kontroller berbasis data. Tabel 3.2 Kondisi Kontroller Berbasis Data 1 2 Pada tabel 3.2 kondisi dapat diamati melalui deskripsi untuk masing-masing kondisi seperti yang terlihat pada kotak merah 1. Untuk menjelaskan secara matematis maka dituliskan pada kolom

6 yaitu kolom kondisi. Kolom D1 sampai dengan Dn ditunjukkan pada kolom 3 adalah kolom kebenaran yang merepresentasikan kondisi mana yang sedang terjadi pada saat kontroller disimulasikan. Huruf T diartikan sebagai kondisi benar (True) dan F kondisi salah (False). Untuk lebih mudahnya diambil salah satu contoh, misal untuk kondisi pertama pada tabel 3.2, error ppm H 2 S melanggar set point karena tidak sama dengan dan flow sour gas sebesar,5 MMSCFD, pada kolom D1 diberi index T (True) dan D2 sampai Dn diberi index F (False). Itu artinya untuk deskripsi kondisi pertama diwakili oleh kolom D1 yang apabila ditarik lurus ke bawah (kolom 4) diberi dengan index u 1, demikian seterusnya. Tabel 3.3 Aksi Kontroller Berbasis Data Dalam tabel aksi ditentukan berapa besarnya sinyal kontrol tersebut. Untuk lebih mudahnya diambil salah satu contoh dari penjabaran tabel aksi - kondisi diatas. Misal untuk aksi pertama, maka aksi yang dilakukan berdasarkan index u 1 yaitu tabel kondisi baris pertama (tabel 3.2), maka sinyal u kontroller berbasis data adalah sebesar 7,49674 ma, demikian seterusnya. ilai u sebesar 7,49674 ma adalah nilai u yang diperlukan untuk control valve untuk menginjeksikan sejumlah flow amine sehingga konsentrasi ppm H 2 S tetap terjaga pada set point ppm. ilai sinyal u untuk bukaan control valve ini diperoleh dengan cara interpolasi data antara. Dimana diketahui bahwa range flow amine yang mampu dihasilkan oleh control valve adalah 5,16 m 3 /h sedangkan sinyal input ke control valve adalah 4 2 ma. Persamaan interpolasi data antara adalah sebagai berikut. Gambar 3.4 Wiring kontroler berbasis data pada simulink 5. Pemodelan Plant dengan JST Setelah mendapatkan data hasil generate yang baru, maka data tersebut sudah siap diolah lebih lanjut untuk mencari model plant dengan mengunakan jaringan syaraf tiruan. Pemodelan plant dengan jaringan syaraf tiruan ini menggunakan arsitektur backpropagation dan algoritma training Lavenberg Marquardt. Layer pertama adalah layer input yang terdiri dari 2 node yang merepresentasikan jumlah input yaitu flow sour gas (MMSCFD) dan flow amine (m 3 /h). Layer selanjutnya adalah hidden layer, dimana pada penelitian ini dilakukan variasi 1-3 hidden layer dan jumlah node tiap hidden layer bervariasi 1- hidden node. terakhir adalah layer output yang terdiri dari 1 node yang merepresentasikan output plant yaitu konsentrasi gas H 2 S. Pemodelan plant ini melalui dua tahapan yaitu training dan validasi.data real plant yang ada sebanyak 1754 data ditambah dengan hasil generate baru 29 data sehingga menjadi 243 data pasangan input output. Dari sekian banyak data yang ada, maka untuk mencari pemodelan plant mengunakan jaringan syaraf tiruan data akan dibagi menjadi dua. Data pertama adalah data yang digunakan untuk proses pelatihan atau training yaitu sebanyak 1543 data dan sisanya 5 data nantinya akan digunakan untuk proses validasi. Setelah itu dilanjutkan dengan training data dengan arsitektur JST yang telah ditetapkan yaitu backpropagation dengan arsitektur seperti tampak pada gambar 3.5 di bawah ini. = (3.4) =2, 16 (3.5), Dimana x = sinyal kontrol (u) y = flow amine (m 3 /h) Untuk menghitung besarnya nilai dari sinyal u tersebut maka besarnya flow amine yang terdapat pada tabel (3.1) dimasukkan pada persamaan (3.5) sehingga diperoleh nilai sinyal u. Gambar 3.5 Arsitektur backpropagation 6

7 Arsitektur JST yang digunakan dalam tugas akhir ini adalah backpropagation. Gambar 3.6 menggambarkan algoritma pembelajaran JST backpropagation 1. Pelatihan Jaringan Syaraf Tiruan Pada proses pelatihan ini untuk mencari pemodelan yang paling mendekati dengan kondisi plant maka dilakukan beberapa variasi pada arsitektur jaringan yang dibuat. Variasi yang dilakukan adalah jumlah hidden layer yang digunakan 1-3 hidden layer dan jumlah node tiap hidden layer 1- node. Setelah dilakukan training keseluruhan 13 variasi didapatkan hasil terbaik dengan susunan hidden layer pertama 7 node, hidden layer kedua 6 node dan hidden layer ketiga 9 node. Gambar 3.11 Diagram alur pembelajaran backpropagation Arsitektur jaringan syaraf tiruan mode backpropagation ini mempunyai beberapa parameter dan ketentuan untuk pelatihan yaitu sebagai berikut: Jumlah node pada lapis input adalah 2. Jumlah lapis tersembunyi adalah 3. Jumlah node pada lapis output adalah 1. Jumlah epochs maksimum adalah. Rata- rata kuadrat error (mse) adalah -. Goal error adalah. Waktu untuk training adalah tidak terbatas (infinite). Algoritma pembelajaran adalah backpropagation (TRAILM). Pada tiap tiap layer terdapat fungsi aktifasi yang berbeda beda pada arsitektur jaringan tersebut. Pada layer input dan hidden layer mengunakan fungsi aktifasi tangen hiperbolik atau disebut juga sigmoid biner. Sedangkan pada layer output mengunakan fungsi aktifasi purelin atau linier. Berikut adalah pemodelan plant amine contactor dengan mengunakan JST pada simulink MATLAB. Berhenti pada saat epoch Dengan nilai RMSE 1,721 e-11 Gambar 4.1 Grafik performance training Pada grafik diatas dapat dilihat respon performance training yang memiliki kecenderungan menurun. Hal ini menunjukkan nilai dari output pelatihan yang semakin mendekati nilai dari target yang telah ditetapkan. Seperti yang telah dijelaskan pada bab sebelumnya, kriteria penentuan model terbaik adalah berdasar pada nilai RMSE dan VAF. Pada training ini didapatkan nilai RMSE e-6 dan VAF % sehingga dapat disimpulkan bahwa model JST yang didapatkan sudah sangat mendekati. 4.2 Validasi Model Jaringan Syaraf Tiruan Selanjutnya setelah didapatkan model JST terbaik, maka akan dilakukan proses validasi. Validasi digunakan untuk mengetahui tingkat keakurasian model plant JST dengan menggunakan nilai bobot, jumlah hidden node dan hindden layer yang sama dari hasil training tetapi dengan data input output yang berbeda, dimana pasangan data yang digunakan sebanyak 5 data yang tidak digunakan pada proses training. 16 Output Plant 14 Gambar 3.7 Wiring plant JST pada simulink IV. AALISIS DA PEMBAHASA Sebelum dilakukan pengujian secara menyeluruh, maka sebelumnya dilakukan pengujian untuk masing - masing komponen. konsentrasi H2S (ppm) sampel data Gambar 4.2 Grafik output plant output plant 7

8 16 Output Hasil Validasi 25 Grafik Respon Uji Step Flow Transmitter konsentrasi H2S (ppm) arus (ma) sampel data Gambar 4.3 Grafik output hasil validasi Gambar 4.2 dan 4.3 menunjukkan perbandingan antara output plant dengan output hasil validasi. Kedua grafik tersebut menunjukkan pola yang sama sehingga dapat dikatakan hasil validasi dapat mengikuti output plant. Selain itu model plant JST ini juga masih bisa mengikuti output plant meskipun diberikan inputan yang berbeda dari proses pelatihan. Hal ini juga dibuktikan dengan nilai RMSE yang kecil yaitu 3.446e-6 dan nilai VAF yang besar yaitu %. Dari kedua parameter RMSE dan VAF yang memenuhi kriteria ini maka dapat disimpulkan telah didapatkan model plant JST yang paling sesuai. 4.3 Pengujian Control Valve Simulasi yang digunakan di pengujian control valve ini menggunakan sinyal uji step, yang besarannya disesuaikan dengan besaran standart sinyal kontrol 4 2 ma. Pada pengujian ini, dimaksudkan untuk mengetahui performansi pada control valve yang kita rancang. Berikut adalah bentuk pemodelan dari control valve pada simulink. 6 Grafik Respon Uji Step Control Valve output model Gambar 4.5 Grafik respon uji step flow transmitter Dari hasil simulasi tampak pada grafik bahwa untuk flow minimum spesifikasi flow transmitter adalah sebesar MMSCFD maka arus yang tercatat flow transmitter adalah sebesar 4 ma, sedangkan untuk konsentrasi maksimum spesifikasi flow transmitter sebesar 15 MMSCFD maka arus yang tercatat pada flow transmitter adalah sebesar 2 ma. 4.5 Pengujian H 2 S Analyzer Pada uji step H 2 S analyzer ini, sinyal input merupakan konsentrasi gas H 2 S yang mampu dibaca yang tercatat pada spesifikasi range ppm input yaitu sebesar - 25 ppm. Melalui simulasi sinyal uji step ini akan diketahui respon dari konsentrasi H 2 S analyzer sehingga tingkat kelogisan dari model matematis H 2 S analyzer dapat diketahui. a ru s (m A ) Grafik Respon Uji Step H2S Analyzer respon arus flow transmitter 5 5 flow amine (m3/h) respon flow control valve Gambar 4.4 Respon uji step control valve Dari hasil simulasi diketahui control valve dapat bekerja dengan baik, yaitu ditandai dengan bukaan valve yang sesuai. Jika control valve diberi masukan sinyal kontrol 2 ma, maka valve akan terbuka % atau dapat mengalirkan amine maksimum 5,16 m3/h. Dan jika diberi masukan sinyal kontrol 4 ma, maka valve akan menutup. 4.4 Pengujian Flow Transmitter Pada uji step flow trasmitter ini, sinyal inputan merupakan flow sour gas yang mampu dibaca yang tercatat pada spesifikasi range flow input yaitu sebesar - 15 MMSCFD. Melalui simulasi sinyal uji step ini akan diketahui respon dari flow transmitter sehingga tingkat kelogisan dari model matematis flow transmitter dapat diketahui Gambar 4.6 Grafik respon uji step H 2 S analyzer Dari hasil simulasi tampak pada grafik bahwa untuk konsentrasi minimum spesifikasi H 2 S analyzer adalah sebesar ppm maka arus yang tercatat H 2 S analyzer adalah sebesar 4 ma, sedangkan untuk konsentrasi maksimum sebesar 25 ppm maka arus yang tercatat adalah sebesar 2 ma. 4.6 Pengujian Kontroller Berbasis Data Pada pengujian kontroller berbasis data ini akan disimulasikan bagaimana kontroller ini bekerja dalam menerima masukkan berupa error dan referensi flow sour gas yang masuk. Yang dimaksud error disini adalah selisih antara ppm H 2 S pada amine contactor dengan set point ( ppm). Gambar 4.7 Uji step kontroller berbasis data respon arus H2S analyzer

9 Dengan adanya dua referensi input, maka diberikan pula dua buah sinyal uji step pada kontroller. Pada sinyal uji step untuk masukan error, diberikan nilai akhir senilai 1 (satu) untuk representasi error dan diberikan nilai awal senilai (nol) untuk representasi tidak terdapat error. Sedangkan untuk sinyal uji step untuk flow sour gas di berikan nilai awal senilai (nol) dan nilai akhir 144. sinyal U (ma) Grafik Respon Uji Step Kontroller Berbasis Data respon sinyal u kontroller Gambar 4.Grafik respon uji step kontroller berbasis data Dari hasil simulasi tampak bahwa untuk uji step kontroller dengan input step flow sour gas dengan nilai maksimum 144 MMSCFD dan error ppm H 2 S sinyal u yang keluar dari kontroller adalah sebesar 17,331 ma. Besarnya sinyal kontrol ini sesuai dengan perhitungan yang telah dilakukan pada bab III. 4.7 Uji Open Loop Sistem Pada sub - bab berikut dilakukan pengujian secara open loop, dimana komponen komponen yang telah diuji digabung menjadi satu namun dalam kondisi tanpa dikontrol. Pemodelan open loop pada simulink adalah sebagai berikut. dengan demikian tidak ada amine yang diinjeksikan ke dalam amine contactor, sehingga konsentrasi gas H 2 S yang tercatat pada amine contactor sangat tinggi yaitu 33 ppm. Hasil yang sama juga ditunjukkan pada saat sinyal uji step mencapai nilai maksimum sebesar 2 ma. Dimana pada kondisi ini control valve membuka sebesar % atau mengalirkan amine sebesar 5,16 m 3 /h. Flow sebesar ini memberikan kontribusi penurunan konsentrasi gas H 2 S pada amine contactor. Hal ini sangat sesuai dengan perhitungan manual dengan mengunakan persamaan 3.1 dimana dengan inputan gas maksimum 144 MMSCFD hanya membutuhkan amine sebanyak 41,152 m 3 /h. Sedangkan ketika diberikan inputan sinyal step 2 ma maka control valve mengeluarkan amine sebesar 5,16 m 3 /h sehingga terlalu banyak pelarut amine yang ditambahkan dan menjadikan konsentrasi H 2 S yang turun secara ekstrim tetapi hal ini juga tidak dikehendaki karena unsur hdrokarbon dalam gas juga akan ikut terserap. 4. Uji Close Loop Sistem Hasil dari simulasi ini dapat memperlihatkan perbedaan respon sistem sebelum dikendalikan dan sesudah dikendalikan. Berikut adalah pemodelan close loop pengendalian laju amine pada plant amine contactor. Gambar 4.11 Wiring close loop pengendalian amine Untuk uji open loop yang pertama diberikan flow sour gas dengan kenaikan setiap,5 sampai MMSCFD. Hal ini digunakan untuk melihat karakteristik pengendalian flow amine pada plant amine contactor..4 Grafik Respon Close Loop Pengendalian Amine.3 konsentrasi H2S (ppm) Gambar 4.9 Wiring open loop pada simulink Grafik Respon Uji Open Loop Amine Contactor Gambar 4. Grafik respon uji open loop plant amine contactor Pada saat sinyal uji step menunjukkan nilai 4 ma maka control valve akan menutup (bukaan %), konsentrasi H2S (ppm) respon H2S set point Gambar 4.12 Grafik respon close loop Hasil respon pengendalian close loop laju amine ini dapat dilihat pada gambar Pada awal grafik terlihat nilai ppm yang lumayan besar sekitar 9

10 ,35 ppm hal ini dikarenakan flow sour gas yang telah masuk ke plant amine contactor sedangkan control valve masih menutup sehingga tidak ada amine yang dialirkan. Selanjutnya ketika pengendalian laju amine sudah mulai berjalan respon pengendalian mulai bisa mengikuti menuju set point yang ditetapkan yaitu ppm. Dengan set point ppm dan kriteria error 2% yaitu antara range 7,4 ppm,16 ppm, maka respon pengendalian ini masih masuk didalam kriteria ini meskipun terdapat osilasi di awal. 4.9 Uji Close Loop dengan Manipulasi Laju Sour Gas yang Masuk Hal ini bertujuan untuk mengetahui apakah sistem pengendalian yang dibuat nantinya masih dapat mengikuti jika terjadi kenaikan atau penurunan laju sour gas dari sumur. Pertama kali dilakukan uji close loop dengan input flow sour gas naik. Pada pengujian ini dibuat input gas yang mengalami kenaikan terlebih dahulu mulai dari sampai dengan 6 MMSCFD seperti pada pengujian awal tadi, namun setelah itu diberikan manipulasi kenaikan input sebesar 25% sehingga input sour gas menjadi 96 MMSCFD. flow sour gas (MMSCFD) Grafik Input Flow Sour Gas Kenaikan 25% input flow sour gas Gambar 4.13 Grafik input flow sour gas dengan kenaikan 25% konsentrasi H2S (ppm) Grafik Respon Close Loop dengan Kenaikan 25% 7.5 respon ppm H2S set point Gambar 4.14 Grafik respon close loop dengan kenaikan 25% Dari respon ini dapat dilihat ketika terdapat manipulasi kenaikan flow sour gas menjadi 96 MMSCFD respon pengendalian seperti yang terlihat mengalami kenaikan sedikit terlebih dahulu dari,5 ppm menjadi,6 ppm namun setelah itu mengalami penurunan hingga menjadi konstan pada,16 ppm karena input flow sour gas juga konstan pada 96 MMSCFD. Sehingga dengan manipulasi kenaikan input flow sour gas pengendalian laju amine ini masih dapat mengikuti. Selanjutnya dilakukan uji close loop dengan input flow sour gas turun. Pada pengujian ini dibuat input gas yang mengalami kenaikan terlebih dahulu mulai dari sampai dengan MMSCFD seperti pada pengujian awal tadi, namun setelah itu diberikan manipulasi penuruanan input sebesar 25% sehingga input sour gas menjadi 44 MMSCFD. flow sour gas (MMSCFD) Grafik Input Flow Sour Gas dengan Penurunan 25% input flow sour gas Gambar 4.15 Grafik input flow sour gas dengan penurunan 25% konsentrasi H2S (ppm ) Grafik Respon Close Loop dengan Penurunan 25% 7.5 respon ppm H2S set point Gambar 4.15 Grafik respon close loop dengan penurunan 25% Dari respon ini dapat dilihat ketika input mengalami kenaikan hingga MMSCFD respon pengendalian masih sama seperti pada uji sebelumnya. Setelah itu ketika terdapat manipulasi penurunan flow sour gas menjadi 44 MMSCFD respon pengendalian seperti yang terlihat mengalami kenaikan dari,2 ppm menjadi,64 ppm namun setelah itu mengalami penurunan hingga menjadi konstan pada,27 ppm karena input flow sour gas juga konstan pada 44 MMSCFD. Sehingga dengan manipulasi penurunan input flow sour gas pengendalian laju amine ini masih dapat mengikuti.

11 V. KESIMPULA DA SARA 5.1 Kesimpulan Berdasarkan pengujian yang telah dilakukan maka didapatkan kesimpulan sebagai berikut: 1. Terdapat korelasi antara flow sour gas yang masuk dengan jumlah amine yang digunakan serta ppm H 2 S yang mampu diserap. 2. Pemodelan plant amine contactor menggunakan JST dengan arsitektur backpropagation dan algoritma training Lavenberg Marquardt didapatkan hasil terbaik 3 hidden layer dengan jumlah hidden node pertama 7, kedua 6 dan ketiga 9 node. 3. Hasil training pemodelan plant JST didapatkan nilai RMSE sebesar dan VAF mendekati %, sedangkan pada saat validasi didapatkan nilai RMSE sebesar dan VAF mendekati%. 4. Berdasarkan pengujian didapatkan parameter hasil pengendalian sebagai berikut : maximum overshoot 2,6 %, settling time (ts) 197 s, peak time (tp) 2 s, error steady state (ess),175 %. 5.2 Saran Berdasarkan penelitian yang telah dilakukan maka dapat diberikan saran bahwa konfigurasi referensi input kontroler yaitu proses variabel yang terlibat sebagai pasangan aksi - kondisi dari kontroller berbasis data dapat ditambahkan dengan referensi nilai temperatur dari luar karena dapat mempengaruhi kinerja penyerapan H 2 S oleh amine.. DAFTAR PUSTAKA Company, Inc [] Ogata, Katsuhiko. 22. Modern Control Engineering, Fourth Edition. Prentice-Hall, Inc. United States of America [9] Help MATLAB Simulink R29a, Programming a Truth Table. BIODATA PEULIS ama : Hutama Putra Wibawa TTL : Blitar, 2 Oktober 19 Riwayat Pendidikan: Tek. Fisika ITS Surabaya 27 sekarang SMA egeri 1 Blitar SMP egeri 1 Blitar SD Karang Tengah [1] Gunterus, Frans Falsafah Dasar Sistem Pengendalian Proses. Jakarta. PT. Elex Media Komputindo [2] Liptak, B.I. 23. Instrument Engineers' Handbook - Process Measurement and Analysis [3] Setiawan, Iwan. Jaringan Syaraf Tiruan Jenis AM (Associative Memory etworks) : CMAC, B-SPLIE dan RBF untuk Aplikasi Pemodelan Dan Pengontrolan Automatic Control Laboratory. Semarang. Electrical Engineering of UDIP. [4] Puspitaningrum, Diyah. 26. Pengantar Jaringan Syaraf Tiruan. Yogjakarta. Penerbit Andi [5] Kusumadewi, Sri. 23. Artificial Intelligence (Teknik dan Aplikasinya). Yogyakarta. Penerbit Graha Ilmu. [6] Siang,J.J., 24. Jaringan Syaraf Tiruan dan Pemrograman Menggunakan Matlab. Yogyakarta. Penerbit Andi [7] R.H.ielsen., 199. eurocomputing. Massachusetts. Addison-Wesley Publishing 11