Perancangan Soft Sensor untuk Monitoring Zeta Potensial pada Water Treatment Plant berbasis Artificial Neural Network

Christanto, Edward (2024) Perancangan Soft Sensor untuk Monitoring Zeta Potensial pada Water Treatment Plant berbasis Artificial Neural Network. Diploma thesis, Institut Teknologi Sepuluh Nopember.

Text 2042201060-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2026. Download (6MB) | Request a copy

Abstract

Zeta potensial merupakan suatu metode yang penting dalam mengoptimalkan proses koagulasi dan flokulasi pada Water Treatment Plant (WTP) atau Instalasi Pengolahan Air (IPA) dengan tujuan untuk mengoptimalkan dosis bahan kimia (koagulan). Tetapi, penggunan zeta potensial masih jarang dilakukan di Indonesia, salah satu faktor penyebabnya adalah harga sensor zeta potensial yang relatif mahal. Sehingga sampai saat ini, Perusahaan Daerah Air Minum (PDAM) melakukan pengujian sampel air secara konvensional menggunakan metode jartest untuk mendapatkan perkiraan dosis koagulan yang akan dibubuhkan. Penggunaan metode ini memiliki kelemahan dari segi waktu, pengujian sampel air menggunakan metode jartest memakan waktu cukup lama. Faktor-faktor yang telah disebutkan menjadi tujuan utama pada penelitian ini. Pada penelitian ini akan dilakukannya pengembangan perancangan soft sensor untuk monitoring zeta potensial pada water treatment plant berbasis Artificial Neural Network (ANN) dari parameter sensor yang mudah didapatkan yaitu, sensor pH, sensor temperature, sensor electro conductivity, sensor warna, dan sensor turbidity. Oleh karena itu, pengunaan ANN diharapkan mampu menciptakan soft sensor untuk monitoring zeta potensial yang dapat memberikan solusi dari permasalahan tersebut. Sehingga, dosis yang dibubuhkan dalam proses koagulasi dapat dilakukan dengan tepat dan efisien. Hasil dari percobaan training model untuk monitoring zeta potensial, didapatkan arsitektur model ANN yang optimal adalah 2 hidden layer dengan hidden layer pertama memiliki 8 node dan hidden layer kedua memiliki 10 node, dengan nilai MSE sebesar 0.0167 dan R2 sebesar 0.7115 pada data train.
====================================================================================================

Zeta potential is an important method in optimizing the coagulation and flocculation process in Water Treatment Plant (WTP) with the objective of optimizing the dosage of chemicals (coagulants). However, the use of zeta potential is still rarely used in Indonesia, one of the factors causing this is the relatively expensive price of zeta potential sensors. Until now, Perusahaan Daerah Air Minum (PDAM) have tested water samples conventionally using the jartest method to obtain an estimate of the dose of coagulant to be applied. The use of this method has a disadvantage in terms of time, testing water samples using the jartest method takes quite a long time. The factors that have been mentioned are the main objectives of this research. This research will develop a soft sensor design for monitoring zeta potential in a water treatment plant based on Artificial Neural Network (ANN) from easily available sensor parameters, namely, pH sensor, temperature sensor, electro conductivity sensor, color sensor, and turbidity sensor. Therefore, the use of ANN is expected to be able to create a soft sensor for monitoring zeta potential that can provide solutions to these problems. Thus, the dose applied in the coagulation process can be done precisely and efficiently. The results of the training model experiment for monitoring zeta potential, obtained the optimal ANN model architecture is 2 hidden layers with the first hidden layer having 8 nodes and the second hidden layer having 10 nodes, with an MSE value of 0.0167 and R2 of 0.7115 on the train data.

Item Type:	Thesis (Diploma)
Uncontrolled Keywords:	Zeta potensial, Instalasi Pengolahan Air, Artificial Neural Network (ANN), koagulan, sensor, Zeta potential, Water Treatment Plant, Artificial Neural Network (ANN), coagulant, sensor
Subjects:	T Technology > TD Environmental technology. Sanitary engineering > TD433 Water treatment plants
Divisions:	Faculty of Vocational > Instrumentation Engineering
Depositing User:	Edward Christanto
Date Deposited:	09 Aug 2024 05:19
Last Modified:	09 Aug 2024 05:19
URI:	http://repository.its.ac.id/id/eprint/110717

Actions (login required)

View Item