JURNAL SAINS DAN SENI ITS Vol., No., (Sept. 202) ISSN: 230-928X D-3 Optimasi Multirespo Metode Taguchi dega Pedekata Quality Loss Fuctio (Study Kasus Proses Pembakara CO da Temperatur Gas Buag Pada Boiler di PLTU Paito Swasta Phase II) Dia Susaa Heri, da Soy Suaryo Jurusa Statistika, Fakultas Matematika da Ilmu Pegetahua Alam, Istitut Tekologi Sepuluh Nopember (ITS) Jl. Arief Rahma Hakim, Surabaya 60 E-mail: soy_s@statistika.its.ac.id Abstrak Pembagkit Listrik Teaga Uap (PLTU) Paito Phase II merupaka pembagkit listrik swasta PMA (Peaama Modal Asig) yag megguaka baha bakar batubara. Pada pembagkit listrik ii terjadi beberapa perubaha eergi. Pada perubaha eergi kimia mejadi eergi paas yag palig redah efisiesiya sehigga peelitia lebih dipusatka pada perubaha ii. Peelitia kali ii bertujua utuk meetuka variabel-variabel proses yag sigifika da meetuka kombiasi settig variabel proses yag megoptimalka pembakara gas CO da temperatur gas keluara cerobog pada PLTU II Paito dega megguaka metode Quality Loss Fuctio. Metode Quality Loss Fuctio memiliki kelebiha dibadigka dega metode-metode sebelumya yaitu metode ii pegerjaaya lebih sigkat. Hasil dari metode ii diperoleh variabel yag sigifika adalah faktor A Tiltig (pegarah osel) da C kombiasi elevasi osel sehigga diperoleh kombiasi settig kodisi optimum yaitu A 3 B 2 C 3 D 3. Hasil prediksi CO dega kualitas smaller the better sebesar 66.389 (mg/nm 3 ) da temperatur gas buag dega kualitas omial the best diperoleh ilai prediksi sebesar 33.589 0 C. Kata Kuci Gas CO, Temperatur da Quality Loss Fuctio I. PENDAHULUAN EMBANGKIT Listrik Teaga Uap (PLTU) Paito Phase PII merupaka perusahaa pembagkit listrik swasta PMA (Peaama Modal Asig) yag terletak di Jawa Timur. Pembagkit listrik ii memiliki dua buah uit pembagkit yag megguaka baha bakar batubara sebagai pembagkit boilerya. Pada prisipya proses pembagkit listrik teaga uap ii merupaka ragkaia perubaha eergi yag megubah eergi kimia mejadi eergi paas dalam betuk uap paas didalam boiler. Eergi paas dalam betuk uap paas ii kemudia diubah mejadi eergi mekaik/kietik oleh turbi yag aka diubah mejadi eergi listrik []. Perubaha eergi kimia mejadi eergi paas merupaka perubaha yag palig redah efisiesiya sehigga peelitia ii lebih dipusatka pada perubaha eergi ii. Megoptimalka proses pembakara di dalam boiler dilakuka dega meetuka variabel-variabel yag berpegaruh terhadap proses pembakara beserta levellevelya, meetuka respo-respo yag mewakili performace pembakara da faktor-faktor oise yaitu faktor yag tidak bisa dikedalika. Pada peelitia ii metode yag diguaka adalah metode Taguchi, tetapi karea bayakya respo lebih dari satu (multirespo) maka utuk megatasi kasus tersebut dilakuka pedekata Quality Loss Fuctio. Peelitia tetag kasus yag sama optimasi multirespo dega Taguchi sebelumya dilakuka oleh [] da tetag metode yag sama sebelumya perah dilakuka oleh [2]. Tujua dari peelitia ii adalah utuk meetuka variabel-variabel proses yag sigifika terhadap gas CO da temperatur gas keluara serta meetuka kombiasi settig variabel proses yag megoptimalka pembakara gas CO da temperature gas keluara cerobog pada PLTU Paito phase II. A. Metode Taguchi II. TINJAUAN PUSTAKA Metode Taguchi pertama kali dikealka oleh Dr. Geichi Taguchi. Sasara metode Taguchi sediri adalah megoptimalka fugsi tujua yag secara berubah-ubah da meguragi sesitivitas terhadap faktor yag tak terkedali [3]. Pada metode Taguchi terdapat dua kompoe utama yaitu Sigal to Noise Ratio (SN Ratio) da Orthogoal array yag diguaka utuk meetuka jumlah eksperime miimal yag dapat memberi iformasi sebayak mugki semua faktor yag mempegaruhi parameter [4]. Pada peelitia Orthogoal array yag diguaka adalah: 3 L 27 ( 3 ) L : Meyataka desig Lati Square orthogoal array
JURNAL SAINS DAN SENI ITS Vol., No., (Sept. 202) ISSN: 230-928X D-32 27 : Meyataka jumlah percobaa yag dibutuhka ketika megguaka orthogoal array 3 : Meyataka Jumlah faktor yag diamati dalam orthogoal array 3 : Meyataka jumlah level pada setiap faktor L L : loss fuctio dari karakteristik performa ke-i pada eksperime ke-j yag telah diormalisasi. : rata-rata loss fuctio dari karakteristik prforma ke-i pda eksperime ke-j. B. Metode Quality Loss Fuctio Quality Loss Fuctio adalah metode yag efisie utuk optimasi karakteristik gada Nilai loss fuctio tersebut dapat dihitug dega megguaka persamaa berikut ii [2]:. Karakteristik semaki kecil semaki baik (Smaller The Better) Persamaa merupaka perhituga loss fuctio dega karakteristik kualitas Smaller The Better (S.T.B) adalah sebagai berikut: k 2 L = y p () p= 2. Karakteristik ilai tertetu adalah yag terbaik (Nomial the best) Perhituga loss fuctio dega karakteristik kualitas ilai target tertetu berupa ilai omial terbaik (N.T.B) dapat dihitug dega megguaka persamaa 2 sebagai berikut: k 2 L = ( yp m) (2) p= 3. Karakteristik semaki besar semaki baik (Larger The Better) Persamaa 3 merupaka perhituga loss fuctio dega karakteristik kualitas (Larger The Better) (L.T.B) adalah sebagai berikut: L = k p= y 2 p L : loss fuctio dari karakteristik performa ke-i pada eksperime ke-j : Jumlah replikasi y p : ilai dari karakteristik performa ke-i pada eksperime ke-j saat replikasi ke-p k : koefisie biaya Pada proses optimasi masig-masig karakteristik yag diteliti memiliki ilai satua yag berbeda. Proses ormalisasi quality loss fuctio pada persamaa 4 di bawah ii diguaka utuk meormalisasi ilai k : L N = (4) L (3) Metode pembobota pada fugsi quality loss fuctio seperti pada persamaa 5 berikut ii diguaka utuk memberika bobot pada faktor yag telah diormalisasika pada persamaa 4: TL j = m i= w N i TL j : total loss fuctio pada eksperime ke-j m : jumlah karakteristik performa yag diamati w i : faktor pembobota utuk karakteristik performa ke-i Sebelum melakuka perhituga ilai total loss fuctio pada persamaa 5 maka dilakuka perhituga ilai bobot terlebih dahulu dega megguaka persamaa 6 sebagai berikut: E oo = Max θ = (6) Dega kedala : j =,, u, u 2,, u s 0 v, v 2,, v m 0 u r da v i adalah bobot output ke-r da iput ke-i yag aka dicari ilai optimalya dari model tersebut. x i adalah ilai iput ke-i. y r adalah ilai output ke-r. Total loss fuctio yag diperoleh pada persamaa 5 kemudia di trasformasika ke dalam sigal to oise rasio [] dega megguaka persamaa 7 berikut ii: η = 0log (7) j TL j III. METODOLOGI PENELITIAN A. Data da Variabel Peelitia Data yag diguaka dalam peelitia ii adalah data sekuder yag diperoleh dari tugas akhir []. Variabel-variabel dalam peelitia ii adalah: a. Respo Y = Kaduga gas CO dega karakteristik smaller the better Y 2 = Temperatur gas keluara cerobog dega karakteristik omial is better b. Faktor (variabel prediktor). A tiltig (pegarah osel) ada 3 level: (5)
JURNAL SAINS DAN SENI ITS Vol., No., (Sept. 202) ISSN: 230-928X D-33 A = + 0 derajat (megarah ke atas) A 2 = 0 derajat (horisotal) A 3 = -0 derajat (megarah ke bawah) 2. B distribusi udara (ilai bias OFA) ada 3 level: B = bias OFA 0,8 (kosetrasi udara ke atas OFA) B 2 = bias OFA 0 (distribusi udara merata atara OFA da Wibox) B 3 = bias OFA,2 (kosetrasi udara kearah widbox) 3. C kombiasi elevasi osel ada 3 level: C = bias OFA 0,8 (kosetrasi udara ke atas OFA) C 2 = bias OFA 0 (distribusi udara merata atara OFA da Wibox) C 3 = bias OFA,2 (kosetrasi udara kearah widbox) 4. D tarika furace ada 3 level: D = Tarika furace -.2 mbar D 2 = Tarika furace -.4 mbar D 3 = Tarika furace -.6 mbar B. Lagkah-Lagkah Aalisis Lagkah-lagkah yag dilakuka dalam peelitia ii adalah sebagai berikut.. Meghitug derajat bebas pada masig-masig faktor df = A+B+C+D+AB+BC+AC = (3-)+ (3-)+ (3-)+ (3-)+(3-)(3-)+ (3-)(3-)+ (3-)(3-) = 2+2+2+2+4+4+4 = 20 2. Meetuka Orthogoal array yag aka diguaka, karea ilai df yag dihasilka sebesar 20 maka racaga Orthogoal array yag diguaka pada tabel adalah 3 L 27 ( 3 ) Tabel. Orthogoal array eks Variabel proses 2 3 4 5 6 7 8 9 0 2 3 2 2 2 2 2 2 2 2 2 2 3 3 3 3 3 3 3 3 3 3 4 2 2 2 2 2 2 3 3 3 5 2 2 2 2 2 2 3 3 3 6 2 2 2 3 3 3 2 2 2 7 3 3 3 3 3 3 2 2 2 8 3 3 3 2 2 2 3 3 3 9 3 3 3 3 3 3 2 2 2 0 2 2 3 2 3 2 3 2 3 2 2 3 2 3 2 3 2 3 2 2 2 3 3 2 3 2 3 2 3 2 2 3 2 3 2 3 3 2 4 2 2 3 2 3 3 2 2 3 5 2 2 3 3 2 2 3 2 3 6 2 3 2 2 3 3 2 2 3 7 2 3 2 2 3 2 3 3 2 8 2 3 2 3 2 2 3 2 3 9 3 3 2 3 2 3 2 3 2 20 3 3 2 2 3 2 3 2 3 2 3 3 2 3 2 3 2 3 2 22 3 2 3 3 2 2 3 3 2 23 3 2 3 2 3 3 2 3 2 24 3 2 3 3 2 3 2 2 3 25 3 3 2 3 2 3 2 2 3 26 3 3 2 2 3 3 2 3 2 27 3 3 2 3 2 2 3 3 2 3. Meghitug ilai quality loss fuctio pada orthogoal array pada gas CO da temperature keluara cerobog. Kaduga gas CO dega karakteristik smaller the better bisa dihitug dega persamaa da temperatur dega karakteristik omial the best bisa dihitug dega persamaa 2. 4. Jika satua karekteristik berbeda pada setiap respo maka diormalisasi dega megguaka persamaa 4 5. Meetapka faktor pembobota yag tepat pada variabelvariabel yag telah diormalka dega megguaka persamaa 6 6. Meghitug ilai total loss fuctio dega persamaa 5 7. Meghitug sigal to oise ratio dega megguaka persamaa 7 8. Nilai sigal to oise ratio yag diperoleh selajutya diaalisa dega megguaka metode Taguchi sehigga diperoleh proses pembakara yag optimal pada boiler. IV. ANALISIS DAN PEMBAHASAN A. Perhituga ilai Loss Fuctio Berikut ii merupaka hasil perhituga ilai loss fuctio utuk:. Kaduga Gas CO Pada variabel kaduga gas Co memiliki karakteristik kualitas low is better (smaller is better) sehigga dalam peetua kodisi umum dipilih ilai yag terkecil. Pada tabel 2 di bawah ii merupaka perhituga ilai loss fuctio utuk variabel respo kaduga gas CO: Tabel 2. Nilai Loss Fuctio Gas CO Loss Fuctio Loss Fuctio 379,00 4 26,00 2 6244,50 5 020,25 3 0745,00 6 3452,25 4 3046,50 7 397,50 5 2708,00 8 5822,25 6 829,25 9 6362,25 7 07,50 20 5559,50 8 4778,00 2 8749,00 9 7838,50 22 2466,50 0 56,50 23 3755,25 4078,25 24 409,50 2 3632,25 25 8666,00 3 57,25 26 7574,00 27 26,00 2. Temperature Gas Buag Pada variabel kaduga temperatur gas buag memiliki karakteristik kualitas omial is the best, maka melihat ilai
JURNAL SAINS DAN SENI ITS Vol., No., (Sept. 202) ISSN: 230-928X D-34 yag semaki medekati target adalah yag dipilih dalam peetua kodisi optimum. Besar target yag ditetuka perusahaa adalah 35. Tabel 3 dibawah ii merupaka perhituga ilai loss fuctio utuk variabel respo temperatur gas buag: Tabel 3. Nilai Loss Fuctio Temperatur Gas Keluara Loss fuctio Loss fuctio 84,05 4 2,02 2 35, 5 3,94 3 2,76 6 23,96 4 48,35 7 6,84 5 9,23 8,44 6 3,95 9 9,2 7 30,22 20 5,74 8 7,88 2,5 9 8,46 22 7,66 0 27,70 23,3 0,77 24 2,72 2 5,37 25 4,86 3 8,4 26,3 27 2,02 B. Perhituga Nilai Normalisasi Loss Fuctio Pada variabel gas Co da temperature gas buag memiliki ilai satua karakteristik yag berbeda maka dari itu dilakuka ormalisasi. Pada tabel 4 da 5 di bawah ii merupaka perhituga ormalisasi dari ilai loss fuctio gas CO da temperature gas buag:. Kaduga Gas Co Pada tabel 4 di bawah ii merupaka hasil perhituga ormalisasi kaduga gas CO: Tabel 4. Nilai Normalisasi Gas CO Normalisasi Normalisasi 0,77 5 0,2 2,27 6 0,70 3 2,8 7 0,65 4 0,62 8,8 5 0,55 9,29 6 0,37 20,3 7 2,05 2,77 8 0,97 22 0,50 9,59 23 0,76 0,04 24 0,83 0,83 25,76 2 0,74 26,53 3 0,3 27,4 4 0,03 2. Kaduga Temperature Keluara Pada tabel 5 berikut ii merupaka hasil perhituga ormalisasi kaduga temperature gas buag: Tabel 5. Nilai Normalisasi Temperatur Gas Keluara Normalisasi Normalisasi 5,45 5 0,26 2 2,28 6,56 3 0,83 7 0,44 4 3,4 8 0,09 5,25 9 0,59 Lajuta Tabel 5. Nilai Normalisasi Temperatur Gas Keluara Normalisasi Normalisasi 6 0,9 20 0,37 7,96 2 0,07 8,6 22 0,50 9 0,55 23 0,07 0,80 24 0,8 0,70 25 0,32 2 0,35 26 0,09 3,8 27 0,5 4 0,78 C. Total Loss Fuctio Berdasarka hasil ormalisasi pada tabel 4 da 5 dilakuka peggabuga atara respo kaduga gas CO da temperature gas buag dega cara memberi bobot pada masig-masig respo kemudia didapatka ilai total loss fuctio. Pada tabel 6 berikut ii merupaka hasil pembobot yag diperoleh dega meguaka persamaa 6: Tabel 6. Program Liier DEA utuk Pertama model: max= * u; 6,50 * v + 43,90 * v2 = ; *u <= 6,50 * v + 43,90 * v2 ; *u <= 79,00 * v + 40,83 * v2 ; *u <= 03,50 * v + 38,45 * v2 ; *u <= 55,00 * v + 4,85 * v2 ; *u <= 52,00 * v + 39,23 * v2 ; *u <= 42,75 * v + 38,60 * v2 ; *u <= 00,50 * v + 40,35 * v2 ; *u <= 69,00 * v + 39,5 * v2 ; *u <= 88,50 * v + 37,75 * v2 ; *u <= 7,50 * v + 40,8 * v2 ; *u <= 63,75 * v + 38,08 * v2 ; *u <= 60,25 * v + 37,5 * v2 ; *u <= 38,75 * v + 39,3 * v2 ; *u <=,00 * v + 38,33 * v2 ; *u <= 3,75 * v + 36,58 * v2 ; *u <= 58,75 * v + 39,73 * v2 ; *u <= 56,50 * v + 37,35 * v2 ; *u <= 76,25 * v + 35,20 * v2 ; *u <= 79,75 * v + 37,85 * v2 ; *u <= 74,50 * v + 37,8 * v2 ; *u <= 93,50 * v + 34,93 * v2 ; *u <= 49,50 * v + 37,55 * v2 ; *u <= 6,25 * v + 35,60 * v2 ; *u <= 64,00 * v + 33,90 * v2 ; *u <= 93,00 * v + 36,90 * v2 ; *u <= 87,00 * v + 34,80 * v2 ; *u <= 83,50 * v + 33,83 * v2 ; u >= 0 ; v >= 0 ; v2 >= 0 ; ed
JURNAL SAINS DAN SENI ITS Vol., No., (Sept. 202) ISSN: 230-928X D-35 Setelah melakuka perhituga dega megguaka program liier seperti pada tabel 6, maka aka didapatka ilai bobot seperti pada tabel 7 berikut ii: Tabel 7. Nilai Total Loss Fuctio TL TL 5,09 5 0,25 2 2,27 6,49 3 0,83 7 0,46 4 2,94 8 0,0 5,9 9 0,59 6 0,86 20 0,38 7,96 2 0,07 8,6 22 0,50 9 0,55 23 0,3 0,79 24 0,23 0,7 25 0,32 2 0,38 26 0,09 3, 27 0,5 4 0,03 D. Nilai Sigal to Noise Ratio Sigal to Noise Ratio merupaka ilai trasformasi dari beberapa pegulaga data sehigga ilaiya mewakili kualitas peyajia. Dalam peelitia ii ilai sigal to oise ratio didapatka dari ilai total loss fuctio dari masigmasig ilai respo yag telah diboboti. Pada tabel 8 berikut ii merupaka ilai SN ratio: Tabel 8. SN Ratio SN (db) SN (db) -7,07 5 5,99 2-3,57 6 -,73 3 0,82 7 3,38 4-4,69 8 0,2 5-0,77 9 2,26 6 0,64 20 4,26 7-2,92 2,28 8-0,64 22 3,04 9 2,6 23 9,0 0-2,54 24 6,45,50 25 5,02 2 4,23 26 0,72 3-0,46 27 8,8 4 5,93 Hasil perhituga SN ratio tersebut diguaka dalam aalisis varias. Pada metode ii diguaka utuk melihat faktor-faktor yag secara sigifika mempegaruhi variabel respo. Tabel 9 berikut ii hasil aalisis varia: Sumber Variasi db Tabel 9. Aalysis Of Variace SN Ratio Jumlah Kuadrat Rata-rata Kuadrat F hitug P- value A 2 334,09 67,04 5,98 0,00 B 2 4,85 20,93 2,00 0,22 C 2 223,40,70 0,69 0,0 D 2 0,09 0,05 0,00,00 A*B 4 34,55 8,64 0,83 0,55 A*C 4 25,67 6,42 0,6 0,67 B*C 4 59,35 4,84,42 0,33 Residual Error 6 62,72 0,45 Total 26 78,73 Berdasarka hasil aova pada tabel 9 didapatka beberapa faktor yag tidak sigifika maka dari itu dilakuka peggabuga. Pada tabel 0 berikut ii merupaka hasil ANOVA yag sudah digabugka (poolig): Tabel 0. Aalysis Of Variace SN Ratio (Poolig) Jumlah Rata-rata db F-hit Kuadrat Kuadrat Sumber Variasi P-value A 2 334,0 67,04 6,39 0,00 C 2 223,40,70 0,96 0,00 Residual Error 22 224,20 0,9 Total 26 78,70 Berdasarka Tabel 0 diatas dapat diketahui bahwa faktor yag sigifika da perbegaruh terhadap respo adalah faktor A yaitu tiltig ( sudut pegarah osel) da juga faktor C yaitu kombiasi elevasi osel yag memiliki ilai P-value < α (0,05) yaitu A tiltig dega p-value 0,00 < 0,05 da C kombiasi elevasi osel dega p -value 0,00< 0,05 E. Meetuka Kodisi Optimum Pada tabel di bawah ii merupaka hasil kodisi optimum pada masig-masig respo: Tabel. Level-level kodisi optimum pada kaduga gas CO da temperature gas buag Level A B C D -,73,24 -,0 2,98 2 4,05 3,90 4,42 2,94 3 6,69 3,86 5,59 3,08 Delta 8,42 2,66 6,60 0,4 Rak 3 2 4 Berdasarka tabel diatas didapatka hasil-hasil level pada kodisi optimum, sehigga dari sii dapat dilihat bahwa settig variabel pada kodisi optimum adalah A 3 B 2 C 3 D 3 yaitu tiltig (sudut pegarah osel) -0 derajat (megarah ke bawah), bis OFA 0 (distribusi udara merata atara OFA da wid-box), elevasi osel bawah (elevasi A, elevasi B, elevasi C, elevasi D, elevasi E), tarika furace,6 mbar. F. Perbadiga Nilai Optimum Atara TOPIS, Fuzzy Logic da Loss Fuctio Nilai optimum yag diperoleh dari aalis megguaka metode TOPSIS, fuzzy logic da loss fuctio dapat dilihat pada tabel 2 berikut ii:
JURNAL SAINS DAN SENI ITS Vol., No., (Sept. 202) ISSN: 230-928X D-36 Tabel 2. Perbadiga ilai optimum pada tiga metode Metode yg Kodisi diguaka Optimum Respo Nilai prediksi TOPSIS A 3 B 3 C 3 D 3 CO 97,87 (mg/nm 3 ) Temperatur 33,09 0 C Fuzzy Logic A 3 B 2 C 2 D 2 CO 6,03 (mg/nm 3 ) Temperatur 35,9 0 C Loss Fuctio A 3 B 2 C 3 D 3 CO 66,4 (mg/nm 3 ) Temperatur 33,59 0 C Prediksi utuk kaduga gas CO da temperature gas buag pada tabel 2 metode fuzzy logic merupaka metode yag palig baik dibadigka dega metode loss fuctio da TOPSIS karea ilai prediksi yag dihasilka metode fuzzy logic lebih medekati karakteristik dari masig-masig respo. Metode loss fuctio sediri memiliki hasil prediksi utuk CO da temperature gas buag lebih baik daripada metode TOPSIS. Nilai prediksiya utuk CO dega karakteristik smaller the better utuk loss fuctio sebesar 66,4 (mg/nm 3 ) dibadigka dega ilai TOPSIS sebesar 97,87 (mg/nm 3 ). Sedagka utuk ilai temperature gas buag dega kualitas omial the best dega target dari perusahaa sebesar 35 metode loss fuctio meghasilka ilai sebesar 33,59 0 C da utuk metode TOPSIS memiliki ilai prediksi sebesar 33,09 0 C. Nilai-ilai prediksi diatas dapat dilihat juga pada cofidece iterval yag dapat diguaka utuk meghitug kodisi optimum pada tabel 3 dibawah ii: Tabel 3. Cofidece Iterval pada tiga metode Metode Respo CI Karakteristik TOPSIS CO 93,86<µ<0,87 STB Temperatur 32,89<µ<33,30 NTB Fuzzy Logic Loss Fuctio CO 57,02<µ<65,03 STB Temperatur 35,5<µ<35,93 NTB CO STB 62,3<µ<70,4 Temperatur 33,38<µ<33,79 NTB Berdasarka tabel 3 diatas dapat diketahui bahwa ilai prediksi pada ke tiga metode diatas berada pada cofidace iterval yag telah ditetuka. Pada cofidace iterval diatas juga bisa diaalisis metode yag meghasilka ilai palig baik adalah metode fuzzy logic karea metode ii memiliki iterval yag palig medekati dega kualitas karakteristik dari masig-masig respo yaitu CO da temperature gas buag. dega elevasi osel bawah (elevasi A, elevasi B, elevasi C, elevasi D, elevasi E), da factor D tarika udara pada furace dega tarika furace -,6 mbar. Sehigga dega megguaka metode Loss Fuctio utuk kodisi optimum proses pembakara pada boiler didapatka kombiasi settig A 3 B 2 C 3 D 3. Berdasarka ilai prediksi dari gas CO da temperature gas buag dega megguaka 3 metode yaitu metode TOPSIS, Fuzzy Logic, da Loss Fuctio ilai prediksi yag palig bagus dihasilka oleh Fuzzy Logic yaitu 6.0274 (mg/nm 3 ) da Loss Fuctio memiliki ilai prediksi yag lebih bagus daripada ilai prediksi TOPSIS utuk gas CO adalah 66.389 (mg/nm 3 ) dibadigka hasil TOPSIS yaitu 97.86 (mg/nm 3 ) sedagka utuk temperature gas buagya palig bagus dega metode Fuzzy Logic 35.79 0 C, sedagka utuk loss fuctio da TOPSIS hasilya jauh dari target yag telah ditetuka yaitu 33.097 0 C da 33.589 0 C, amu atara loss fuctio da TOPSIS hasil prediksiya lebih bagus metode loss fuctio. DAFTAR PUSTAKA [] V. Medyaigsih, Optimasi Multirespo Dega Metode Fuzzy Logic (Study Kasus Proses Pembakara CO Da Temperatur Gas Buag Pada Boiler Di PLTU Paito Swasta Phase II), Tugas Akhir: Jurusa Statistika Fakultas Matematika da Ilmu Pegetahua Alam, Istitut Tekologi Sepuluh Nopember, Surabaya (20). [2] Gaitode,V. N., Karik S. R., Achyutha. B. T., da Siddeswarappa. B (2006). Multi-Respose Optimizatio I Drillig Usig Taguchi s Quality Loss Fuctio, Idia Joural of Eggieerig ad Materials Sciece, Vol. 3, No. 6 (2006) 484-488. [3] S. Suaryo, Lecture Notes Taguchi Method. Jurusa Statistika, Fakultas Matematika da Ilmu Pegetahua Alam, Istitut Tekologi Sepuluh Nopember, Surabaya (202). [4] Sug H. Park, (996). Robust Desig Ad Aalysis for Quality Egieerig, New Delhi : PT. Palatio Thomso Press (2006). V. KESIMPULAN DAN SARAN A. Kesimpula Berdasarka aalisis yag telah dilakuka maka dapat ditarik kesimpula bahwa variabel-variabel proses yag sigifika terhadap gas CO da temperature gas keluara cerobog adalah factor A Tiltig (sudut pegarah osel) dega derajat 0 derajat (megarah ke bawah), factor B distribusi udara dega bias OFA 0 (distribusi udara merata atara OFA da wid-box), factor C kombiasi elevasi osel