SISTEM PENGENDALIAN PH NIRA PADA PROSES PEMURNIAN GULA MENGGUNAKAN ADAPTIVE NEURO FUZZY INFERENCE SYSTEMS (ANFIS)

Transkripsi

1 SISTEM PENGENDALIAN PH NIRA PADA PROSES PEMURNIAN GULA MENGGUNAKAN ADAPTIVE NEURO FUZZY INFERENCE SYSTEMS (ANFIS Ftrana Suhartat, Indrazno Sraduddn Abstrak:Bahan baku embuatan gula (sakarosa, sukrosa yang utama d Indonesa adalah tebu (Saccharum ofcnarum yang termasuk keluarga Gramnea. Proses embuatan gula n melut beberaa tahaan yatu taha engglngan, emurnan, enguaan dan krstalsas. Kualtas gula yang dhaslkan sangat dtentukan oleh engawasan yang dlakukan selama roses tersebut. Proses emurnan meruakan suatu roses yang dlakukan untuk memurnkan nra mentah yang dhaslkan oleh roses engglngan tebu. Dalam roses emurnan n, sebanyak mungkn zat bukan gula dkeluarkan dar nra mentah. Salah satu roses emurnan tersebut adalah dengan cara sulftas. Dalam roses n, enetralan ar kaur yang berlebhan ada emurnan nra dlakukan dengan alan memberkan gas SO2. Besarnya H yang dngnkan dalam roses n adalah 7,2. Beana sulftas meruakan salah satu unt ada roses emurnan gula yang dgunakan sebaga temat untuk mencamur nra dengan gas SO2. Pengendalan H ada Beana Sulftas sangat entng, karena H akan berengaruh terhada kualtas gula uth yang dhaslkan. Adatve Neuro Fuzzy Inference Systems (ANFIS meruakan sstem kontrol yang teat untuk mengendalkan H ada Beana sulftas. Dar hasl enguan ddaatkan ess sebesar -0,0278 % dengan ts (settlng tme 2,988 ment. Pada tekanan yang berbeda, kontroler ANFIS mamu untuk mengurang ess yang terad kurang dar 2 %. Pada erubahan lau alran nra sebesar ± 0 % dar lau alran normal sebesar 52,375 ton/am, emakaan kontroler ANFIS mamu mengurang error. Kata Kunc : H nra, beana sulftas, Adatve Neuro Fuzzy Inference Systems (ANFIS Bahan baku embuatan gula (sakarosa, sukrosa yang utama d Indonesa adalah tebu (Saccharum ofcnarum yang termasuk keluarga Gramnea. Proses embuatan gula n melut beberaa tahaan yatu taha engglngan, emurnan, enguaan dan krstalsas. Kualtas gula yang dhaslkan sangat dtentukan oleh engawasan yang dlakukan selama roses tersebut. Proses emurnan meruakan suatu roses yang dlakukan untuk memurnkan nra mentah yang dhaslkan oleh roses engglngan tebu. Dalam roses emurnan n, sebanyak mungkn zat bukan gula dkeluarkan dar nra mentah. Salah satu roses emurnan tersebut adalah dengan cara sulftas. Dalam roses n, enetralan ar kaur yang berlebhan ada emurnan nra dlakukan dengan alan memberkan gas SO2. Besarnya H yang dngnkan dalam roses n adalah 7,2. Beana Sulftas meruakan salah satu bagan ada roses emurnan gula. Beana n dgunakan sebaga temat untuk mencamur nra dengan gas SO2. Pengendalan H ada Beana Sulftas sangat entng, karena H n akan berengaruh terhada kualtas gula uth yang dhaslkan. Kontrol logka Fuzzy, dalam hal n ANFIS, meruakan alternatf yang dgunakan untuk mengendalkan H ada Beana Sulftas n. Perubahan emberan gas SO2 sangat berengaruh terhada H nra yang keluar dar Beana Sulftas. Lau normal nra yang mengalr ke beana n sebesar 52,375 ton/am sedangkan lau normal gas SO2 adalah 78 kg/am. Perbandngan n menghaslkan H nra kurang lebh 7. Pengendalan ketnggan ada beana n tdak dlakukan dkarenakan gas SO2 tdak memengaruh level caran dalam beana. Perubahan alran nra sebesar ± 0 % dar lau normal mengakbatkan teradnya erubahan ada arameter lant. Mekansme adatas dar kontroler ANFIS n dharakan mamu untuk mengatas

2 erubahan arameter lant sehngga H nra yang dngnkan sesua dengan settng ont yatu 7,2 serta kemamuan kontroler n untuk menangan sstem yang nonlner seert ada Beana Sulftas tersebut. D samng tu engaturan H dengan mengatur umlah alran gas SO2 erlu dlakukan, karena erubahan sedkt saa ada alran gas SO2 akan berdamak besar terhada H nra yang keluar dar Beana Sulftas. Batasan Masalah. Kontroler yang dgunakan adalah ANFIS (Adatve Neuro Fuzzy Inference System. 2. Masukan kontroler adalah error dan selsh error. 3. Beana Sulftas yang dgunakan adalah Beana Sulftas yang terdaat d PT. PG. Krebet Baru II Malang. 4. Tekanan gas SO2 adalah konstan dengan tekanan 3, s, 4,4 s dan 5,7 s. Lau normal sebesar 78 kg/am, lau mnmal sebesar 90 kg/am dan lau maksmal sebesar 267 kg/am. 5. Lau normal nra adalah 52, 375 ton/am dan fluktuas alran nra ± 0 % dar lau normal. 6. Proses embelaaran dlakukan secara off-lne. 7. Smulas hasl erancangan menggunakan rogram matlab Temeratur dalam beana dasumskan konstan dan homogen. Proses Pengolahan Gula Dalam mengolah bahan mentah tebu untuk droduks menad gula krstal uth, PT. PG. Krebet Baru II Malang menggunakan serangkaan mesn roduks melalu beberaa taha engolahan. Urutan roses roduks gula krstal uth ada PT. PG. Krebet Baru II Malang melut stasun glngan, stasun emurnan, stasun enguaan, stasun krstalsas, stasun emutaran dan stasun enyelesaan. Tebu yang dangkut dengan truk masuk tmbangan bruto untuk dlakukan roses enmbangan kemudan masuk ke stasun glngan. Stasun glngan berfungs sebaga enghasl nra yatu memsahkan nra dar amas tebu. Nra mentah dar stasun glngan mash banyak mengandung kotoran sehngga erlu dlakukan roses lanutan yatu roses emurnan dengan alan emanasan, enambahan susu kaur dan gas SO2. Stasun enguaan bertugas untuk menernhkan nra dengan alan menguakan ar yang terdaat dalam nra sama mencaa tngkat kekentalan tertentu. Nra kental dar stasun enguaan kemudan dmasak menad bentuk krstal d stasun masakan. Nra mentah mengandung gula dan zat bukan gula. Dalam roses emurnan nra mentah n, sebanyak mungkn zat bukan gula dkeluarkan. Konds lngkungan nra mentah harus datur agar sukrosa dan zat gula yang mereduks tdak rusak dan daat dertahankan, sehngga sebanyak mungkn zat yang bukan gula dkeluarkan. Pertmbangan ekonom akan menentukan sstem emurnan mana yang akan dterakan. Dalam ndustr gula d Indonesa banyak dgunakan kaur tohor (CaO sebaga zat emurn dan enernh dalam nra mentah, yang daat mengendakan sebagan besar zat bukan gula. Pada roses ndustr gula d Indonesa membuktkan bahwa engeluaran zat bukan gula secara otmal terad bla H nra mentah antara 7,3-7,8 dan H nra encer dertahankan antara 7,0-7,4 (A. Moerdokusumo,993. Bahan kaur meruakan kunc dar emurnan, sehngga kadarnya harus teat. Tuuan utama emurnan adalah :. Mencegah teradnya erstwa nvers dengan alan menetralkan on hdrogen 2. Menghlangkan kekeruhan dengan roses engendaan 3. Menghlangkan kotoran dan zat-zat kolod (amas halus, lln, asr, dsers tanah

3 Proses sulftas meruakan roses emurnan gula menggunakan gas SO2 dalam menetralkan ar kaur. Proses n dlakukan dalam embuatan gula uth. Ar kaur yang dgunakan dalam roses n auh lebh besar darada roses emurnan dengan cara defekas (roses emurnan yang dgunakan dalam embuatan gula merah. Keuntungan dlakukan roses sulftas adalah :. Lebh banyak bukan gula tersarng 2. Mutu gula lebh bak dbandngkan defekas Dalam Beana Sulftas n, nra mentah akan dcamur dengan gas SO2 agar ddaatkan nra dengan H 7,2 dan memeroleh endaan sulft CaSO3 yang akan menark dan mengendakan kotorankotoran ada nra membentuk folk. Gambar Dagram alr roses engolahan gula Sumber: PT. PG. Krebet Baru II Malang Adatve Neuro Fuzzy Inference Systems ANFIS meruakan enggabungan dar Fuzzy dengan arngan syaraf tru-an. Model Fuzzy yang dgunakan adalah model Takag-Sugeno-Kang (TSK Model. Model tersebut adalah (Negnevtsky, 2002: IF x s A AND x2 s A2. AND xm s Am THEN y f(x, x2,..., xm x, x2,..., xm adalah varbel masukan, sedangkan A, A2,..., Am adalah Fuzzy set. Jka y teta, maka ddaatkan zeroorder untuk model Fuzzy Sugeno. Jka y adalah frst order olnomal, y k0 + kx + k2x kmxm maka ddaatkan frst-order model Fuzzy Sugeno (Negnevtsky, Struktur arngan ANFIS daat dlhat dalam Gambar 3. Layer : Layer n adalah fuzzfcaton layer. Untuk model Jang s, Neuron- Neuron fuzzfkas memlk fungs aktvas bell (Negnevtsky, D dalam layer n ula dlakukan engkalkulasan nla membersh untuk arameter rems. Fungs smul tersebut adalah : Outut O, untuk smul,2 O, µ ( x A Outut O, untuk smul 3,4 O, µ ( y B 2 A dan B adalah label lngustk, x dan y adalah masukan ada smul. Keluaran smul untuk layer adalah membersh value dar nut. 2b x c µ A ( x ex ( a Efek dar erubahan arameter {a, b, c} adalah sebaga berkut : Layer 2 : Layer n adalah rule Layer. Ta Neuron dalam layer n berkesesuaan

4 dengan sngle Sugeno-tye Fuzzy rule. Rule Neuron menerma masukan-masukan dar Neuron fuzzfkas dan mengkalkulas frng strength dar ta-ta rule.dalam ANFIS, konungs dar rule antecedent devaluas dengan oerator roduct. Fungs smul adalah : O2, w µ ( x µ ( y untuk,2 A B Gas SO2 8" 2" Cerobong Gas SO2 00 cm 90 cm Overflow Te Flexbel (Telescoe Nra Masuk 2" 90 cm 420 cm 265 cm 2" 90 cm 48 cm 2" 2" Nra Keluar Gambar 2 Beana Sulftas Gambar 3 ANFIS Network

5 Gambar 4 Efek erubahan arameter a, b, c Sumber : Fungs n daat derluas aabla bagan rems memlk lebh dar dua hmunan Fuzzy. Banyaknya smul ada lasan n menunukkan banyaknya rule yang dbentuk. Oerator yang dgunakan adalah T-norm. Keluaran dar smul n adalah frng strength dar rule (Pero, Layer 3 : Layer n meruakan normalsaton layer. Ta Neuron dalam layer n menerma nut dar semua Neuron dalam rule layer, dan mengkalkulas normalsas frng strength dar rule-rule yang ada. Normalsas frng strength adalah raso dar frng strength untuk ta rule yang telah dberkan dengan umlah keseluruhan frng strength dar semua rule. Fungs smul tersebut adalah : w O3, w untuk,2.. (2 w + w2 Keluaran ttk smul adalah frng strength yang ternormalsas (Pero, Layer 4 : Meruakan layer defuzzfkas. Ta Neuron dalam layer n dhubungkan dengan Neuron normalsas dan uga menerma masukan awal, x dan y (Negnevtsky, Neuron defuzzfkas mengkal-kulas bobot nla konsekuen dar rule yang dberkan, dengan fungs smul (Pero, 2000 : O w f w ( x + q y + r (3 4,, q, dan r adalah arameter-arameter konsekuen dar rule. Layer 5 : Pada lasan n hanya terdaat satu smul yang dgunakan untuk menumlahkan semua outut dar Neuron defuzzfkas dan menghaslkan keseluruhan keluaran ANFIS (Negnevtsky, Fungs smul n adalah : O, w f 5 w f (4 w Pembelaaran dalam ANFIS ANFIS menggunkan algortma embelaaran hybrd yang mengkombnaskan estmator least squares dan metode gradent descent. Algortma embelaaran A-

6 NFIS ada dua, ta eoch dsusun dar roses embelaaran mau dan mundur. Dalam roses embelaaran mau (forward ass, embelaaran dar modelmodel nut dmasukkan ke dalam ANFIS, Neuron outut dhtung layer er layer dan arameter-arameter konsekuen rule d-dentfkas menggunakan least square estmator (Negnevtsky, Dalam embelaaran mundur (backward, embelaaran menggunakan algortma backroagaton. Snyal error d kembalkan, dan arameter antecedent dudate berdasarkan metode chan rule (Negnevtsky, Dalam embelaaran ANFIS n, arameter-arameter antecedent dan konsekuen dotmas. Pembelaaran mau, arameter-arameter konsekuen datur sedangkan arameter-arameter rems teta. Pada arah embelaaran mundur, arameter-arameter rems dtunng, sedangkan arameter konsekuen dbuat teta. Satu taha arah embelaaran maumundur dnamakan satu eoch. Tabel. Proses embelaaran hybrd ANFIS Arah mau Arah mundur Parameter rems Teta Gradent descent Parameter konsekuen RLSE Teta Snyal Keluaran Lau smul kesalahan Sumber: Jyh-Shng Roger Jang, IEEE Trans, 993 Penghtungan error untuk embelaa-ran ke-k, arngan error-back roagaton ddefnskan sebaga berkut (Valshev-sky : 2 Ek ( yk Ok (5 2 dengan yk adalah keluaran sstem yang dngnkan dan Ok adalah keluaran sstem yang sebenarnya. Ta arameter harus dhtung berdasarkan Ek Ek k β k β Error rata-rata dar arameter konsekuen daat dhtung sebaga berkut: k ( yk Ok (6 β E E 5 4 (7 β c 5 4 β c d mana adalah arameter konsekuen dan O adalah outut dar lasan ke-. Error rata-rata untuk arameter rems dhtung sebaga berkut: E E β β (8 d mana adalah arameter rems dan O adalah outut dar lasan ke-. Turunan dar, 5,..., 2 adalah 5 4 ( f w ( f w d mana adalah normalsas frng strengthdar rule ke- ( f w f ( w (9 4 (0 3 d mana adalah umlah dar rule yang bersesuaan ( umlah dar unt ada Layer ke 3 3 w w w n w w ( n 2 2 n w n adalah umlah keseluruhan dar rule d sstem 2 A A A m A R ( Am A R ( Am, A Am (2 d mana menunukkan Fuzzy set, yang membuat bagan rems dar rule mengan-

7 dung Fuzzy set Am dan daat drngkas menad, E ( y O 4 β β (3 c d mana {, q, r } c c β. Persamaan d atas dturunkan secara arsal terhada, q, dan r. 4 O q 4 O q r 4 O r ( f w ( w ( x + q y + r wx q ( f w ( w ( x + q y + r w y r ( f w ( w ( x + q y + r w Dan untuk arameter rems β dar membersh functon untuk label lngustk Am adalah E ( y O f β n w w A 2 n A R ( Am, A A β m w E ( y O f β β d mana { a, b, c } (4 β. Persamaan d atas dturunkan secara arsal terhada a, b, dan c O (5 a b b a x c ln a (6 O (7 c b x c d mana adalah umlah dar rule yang bersesuaan dan adalah umlah dar varable lngustk yang bersesuaan dalam rule. METODE Pemodelan Beana Sulftas D dalam Beana Sulftas H keluaran meruakan hasl dar encamuran antara gas SO2 dengan nra dan dukur oleh sensor H. Snyal keluaran tersebut akan dbandngkan dengan set ont oleh kontroler. Lau alran gas SO2 meruakan fungs dar bukaan katub kendal. Fungs alh dar ta-ta roses deroleh dar erhtungan kesetmbangan massa dan komonen. Hukum kesetmbangan massa menyebutkan bahwa: lau erubahan massa dalam sstem lau massa lau massa masuk sstem keluar sstem Pada beana sulftas daat drumuskan sebaga : d (ρv dt ρ v + ρ N N S S O NS v ρ v (8 V Ah (9 Untuk alran lamner, daat dnyatakan dalam h v NS R (20 Substtus ersamaan (9 dan (20 ke (8, maka : dh ρ N ρ S ρ O v N ( t + v S ( t h( t dt A A RA (2 dengan memasukkan nla tekns dar PT. PG. Krebet Baru II Malang, ddaatkan : 9 v N ( s 4 v S ( s ( 2,59 0 C NO ( s + ( 7,424 0 C NO ( s C NO h( s h( s ( s s 0,78 C NO ( s ( 2 + 0,78 C NO ( s

8 Gambar 5 Dagram Blok Sstem Pengendalan H Te aktuator katub kendal gas SO2 adalah dafragma. Aktuator n dgerakkan dengan menggunakan snyal neumatk. I/P tranduser dgunakan untuk mengubah arus menad snyal neumatk 3-5 s. P ( s I ( s 0,75 0,005 s + (22 Control valve berfungs untuk mengubah varabel yang dkendalkan menad snyal keluaran aktuator yatu gerakan mekank dar valve yang akan mengatur lau alran fluda dan meruakan elemen yang berfungs untuk memanulas varabel roses. Berdasarkan sesfkas dar beana, katub yang dgunakan untuk mengendalkan adalah te butterfly dengan karakterstk equal ercentage (PT. PG. Krebet Baru II Malang. Fungs alh katub: X ( s P ( s 0,5 0,008 s + ( V S 3, X( s + 2,076 0 P( s (24 Fungs alran roses n berdasarkan emodelan dar skrs sebelumnya. Alran gas SO2 (VS meruakan fungs dar katub gas SO2 (X, tekanan nut katub kendal (P dan tekanan outut katub kendal (P2 (Gunterus, 994. Alat yang dgunakan sebaga sensor H adalah elektroda gelas (sel konduktvtas yang menghaslkan snyal keluaran berua arus 4-20 ma. Gan dar sensor dan transmtter daat dnyatakan : (20 4 ma,43 (4 0 H ma/h (25 Dengan konstanta waktu 0,48 detk deroleh fungs alh transmtter dan sensor H, yatu : I ( s,43 H ( s 0,008s + (26 HASIL Metode enalaran Fuzzy yang dgunakan oleh kontroler ANFIS adalah MAX-DOT karena mendukung fungs yang dgunakan dalam elathan ANFIS: Setelah dlakukan embentukan FIS, langkah selanutnya adalah melakukan roses embelaaran FIS dengan metode LSE. PEMBAHASAN Perancangan Kontroler ANFIS Perencanaan kontroler n menggunakan ANFIS (Adatve Neuro Fuzzy Inference System. ANFIS n meruakan enggabungan mekansme Fuzzy Inference System yang dgambarkan dalam arngan syaraf. Sstem Inference Fuzzy yang dgunakan adalah ANFIS yang drancang memlk dua varabel masukan

9 yatu error dan delta error, serta satu varabel keluaran yatu besarnya arus yang masuk ke I/P tranduser. Gambar 6 Proses tranng ada tekanan 3, s Gambar 7 Proses Tranng ada 4,4 s Gambar 8 Proses tranng ada 5,7 s Gambar 9 Pengamblan data tranng

10 Taha-taha yang dlakukan dalam erancangan ANFIS melut engamblan data tranng, embentukan FIS, embelaaran FIS, defuzzfkas FIS dan engetesan FIS. Data yang ddaatkan berumlah 200 asangan data yatu error dan delta error melalu roses samlng. 200 asangan data dgunakan untuk roses embelaaran ANFIS, 200 data lannya meruakan target untuk tes hasl embelaaran ANFIS. Pasangan data yang deroleh terdr dar 400 asangan data untuk beban 3, s, 400 untuk 5,7 s dan 400 untuk beban 4,4 s. Gambar 0 MF Error ada tekanan 3, s Gambar MF Delta Error ada tekanan 3, s Gambar 2 MF Error ada tekanan 4,4 s Gambar 3 MF Delta Error ada tekanan 4,4 s

11 Gambar 4 MF Error ada tekanan 5,7 s Gambar 5 MF Delta Error ada tekanan 5,7 s Gambar 6 MF error setelah tranng ada 3, s Gambar 7 MF delta error setelah tranng ada 3, s

12 Gambar 8 MF error setelah tranng ada 4,4 s Gambar 9 MF delta error setelah tranng ada 4,4 s Gambar 20 MF error setelah tranng ada 5,7 s Gambar 2 MF delta error setelah tranng ada 5,7 s

13 Penguan dlakukan untuk mengetahu erformans dar kontroler ANFIS dalam memnmalkan error akbat erubahan tekanan gas SO2 yang berbeda. Kontroler ANFIS mamu mengurang error yang terad selama roses enambahan dan engurangan gas SO2 kurang dar 2 %. Tabel 2 Reson sstem terhada varas tekanan Perubahan Tekanan Gas SO2 (s Parameter 4,4 4,4 ke 3, ke 5,7,35 Waktu emulhan,27 mnt 8 mnt Tabel 3 Parame ter Waktu emulh an Reson sstem terhada varas tekanan Perubahan Tekanan Gas SO2 (s 4,4 ke 5,7,358 mnt 5,7 ke 3, 2,3 mnt 3, ke 4,4,344 mnt 4,4 ke 3,,27 mnt 3, ke 5,7,667 mnt 5,7 ke 4,4,238 mnt Tabel 4 Reson sstem terhada varas alran nra Perubahan Parameter Alran Nra +0% -0% - 0,477 Error rata-rata 0,622 % % Tabel 5 Reson sstem terhada erubahan tekanan Perubahan Tekanan Gas SO2 (s Parameter 4,4 ke 4,4 ke 5,7 3, Waktu,27,358 ment emulhan mnt Error steady -0,6 0,722 % state, ess % KESIMPULAN Pada tekanan gas normal (4,4 s, sstem d abrk akan mencaa keadaan manta dengan waktu 5,5 ment dan memlk ess sebesar 3 %. Setelah dberkan kontroler ANFIS, sstem memlk ess sebesar -0,0278 % dengan waktu meneta 2,988 ment. Pada tekanan yang berbeda, kontroler ANFIS mamu untuk mengurang error steady state yang terad kurang dar 2 %. RUJUKAN Coughanowr, D. R., 99, Process Sstem Analyss and Control, Prentce Hall, USA. Fahme, M. Y., 2002, Pengaruh Energ Pemurnan Nra ada Stasun Pemu rnan d PT. PG. Kebon Agung Malang, Gunterus, F Falsafah Dasar : Sstem Pengendalan Proses. Jakarta: PT. Elex Meda Komutndo. Jamshd, Mohammad., Nader, Vadee., Tmothy, J. Ross Fuzzy Lo gc and Control, Software and Hard ware Alcatons Volume 2. Prent ce Hall Internatonal,Inc: New Jersey. Jan Jantzen Desgn of Fuzzy Controllers, Tech. reort no 98-E 864, Deartment of Automaton, Techncal Unversty of Denmark, Lyngby, Denmark, 5 May. Lee, CC Fuzzy Logc n Control Systems: Fuzzy Logc Controller- Part II. IEEE Transactons on Systems, Man, and Cybernetcs, Vol. 20, No. 2, March-Ar. Seborg, D.E. Edgar,T.F. Mellcham, D. A.989. Process Dynamcs and Co ntrol.sngaore:johnwley& Sons. Shnskey, F.G H & Ion Measurement System. New York: McGraw- Hll, Inc. Yan, Jun Usng Fuzzy Logc. McGraw-Hll: Sngaore.