Optimasi Multirespon Pcr-Topsis Dengan Pendekatan Taguchi Dan Neural Network Pada Pengolahan Air Limbah

Isnarwaty, Devi Putri (2023) Optimasi Multirespon Pcr-Topsis Dengan Pendekatan Taguchi Dan Neural Network Pada Pengolahan Air Limbah. Masters thesis, Institut Teknologi Sepuluh Nopember.

[thumbnail of 6003211006-Master_Thesis.pdf] Text
6003211006-Master_Thesis.pdf - Accepted Version
Restricted to Repository staff only until 1 October 2025.

Download (3MB) | Request a copy

Abstract

Limbah adalah hasil buangan dari suatu proses produksi, baik industri maupun domestik (rumah tangga). Limbah cair sebelum dibuang perlu dilakukan pengolahan agar aman dari kandungan-kandungan yang dapat mencemari lingkungan. Pengolahan air dilakukan dengan menambahkan beberapa treatment seperti penambahan koagulan atau mengatur setting pengadukan. Hal ini dilakukan agar dapat menormalkan kadar pH dan menurunkan kadar TSS pada air limbah, sehingga perlu dilakukan optimasi pada pemberian level pada treatment. Optimasi pemberian level ini dilakukan agar dapat meminimumkan biaya pengolahan air limbah dan mencapai target sesuai baku mutu yang telah ditetapkan. Dalam mencapai proses pengolahan limbah yang efektif serta menjaga kualitas air yang baik, peneliti bermaksud melakukan optimasi multirespon Process Capabilty Ratio - Technique for Order Preference by Similarity to Ideal Solution (PCR-TOPSIS) dengan desain Taguchi menggunakan pendekatan neural network. Metode Taguchi mampu mengevaluasi beberapa faktor dengan jumlah tes yang minimum, sedangkan Neural Network dapat digunakan untuk memprediksi PCR-TOPSIS apabila kombinasi level faktor yang dapat mengoptimumkan respon tidak ada di desain Orthogonal Array (OA). Berdasarkan metode yang digunakan dapat diketahui kombinasi level faktor optimal dari proses pengolahan limbah. Kriteria kombinasi model terbaik dipilih berdasarkan nilai R2 dan Mean Square Error (MSE). Dalam penelitian ini, desain OA yang digunakan adalah mixed level L8 (41×22) yang berarti terdapat 1 faktor yang memiliki 4 level dan 2 faktor yang memeliki 2 level. Hasil perhitungan ANOVA menunjukkan bahwa kondisi optimum dapat dicapai pada kombinasi level A4B1C2 yaitu Aluminium Sulfat (Al2(SO4)3) sebesar 50 mg/L, kecepatan pengadukan sebesar 200 rpm dan waktu pengadukan sebesar 1 menit. Hasil prediksi Neural Network PCR-TOPSIS tidak berbeda signifikan dengan hasil prediksi pada metode multirespon Taguchi PCR-TOPSIS.

Item Type: Thesis (Masters)
Uncontrolled Keywords: Air Limbah, Jar Test, Neural Network, PCR-TOPSIS, Taguchi, Wastewater
Subjects: Q Science > Q Science (General)
Q Science > Q Science (General) > Q325.78 Back propagation
Q Science > QA Mathematics > QA76.87 Neural networks (Computer Science)
Divisions: Faculty of Science and Data Analytics (SCIENTICS) > Statistics > 49101-(S2) Master Thesis
Depositing User: Devi Putri Isnarwaty
Date Deposited: 08 Aug 2023 00:25
Last Modified: 08 Aug 2023 00:25
URI: http://repository.its.ac.id/id/eprint/103004

Actions (login required)

View Item View Item