Optimisasi Pembakaran di Rotary Kiln PT Semen Gresik Pabrik Tuban dengan Model Jaringan Syaraf Tiruan dan Metode Genetic Algorithm

Arifiansyah, Dicky Dwi (2017) Optimisasi Pembakaran di Rotary Kiln PT Semen Gresik Pabrik Tuban dengan Model Jaringan Syaraf Tiruan dan Metode Genetic Algorithm. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.

[img]
Preview
Text
2413100118-Undergraduate_Theses.pdf - Published Version

Download (4MB) | Preview

Abstract

Rotary kiln pada pabrik semen mempunyai peranan penting dalam produksi semen. Tetapi dibutuhkan energi dan biaya yang besar yaitu sekitar 30% untuk mengoperasikan rotary kiln ini. Oleh karena itu, untuk mengurangi besarnya energi dan biaya itu diperlukan dibutuhkan sebuah metode yang tepat dan akurat dalam melakukan prediksi hasil pembakaran rotary kiln tersebut, sehingga dapat membantu dalam memperoleh hasil pembakaran seperti persentase FCaO dan C3S yang optimal. Untuk mengatasi masalah ini dilakukan penelitian mengenai optimisasi pembakaran di rotary kiln dengan model jaringan syaraf tiruan dan metode genetic algorithm. Nilai RMSE terbaik menggunakan metode jaringan syaraf tiruan terdapat pada hidden node berjumlah 6 node pada prediksi persentase FCaO yaitu sebesar 0,269794, dan 4 node pada prediksi persentase C3S yaitu sebesar 1,174429. Sedangkan, jika menggunakan metode gabungan, nilai RMSE terbaik terdapat pada hidden node berjumlah 2 node pada prediksi persentase FCaO yaitu sebesar 0.0948, dan 1 node pada prediksi persentase C3S yaitu sebesar 0.0878. Dapat disimpulkan dari hasil tersebut bahwa metode optimisasi genetic algorithm dapat menghasilkan bobot yang optimum pada jaringan syaraf tiruan, dilihat dari nilai RMSE yang dihasilkan metode gabungan lebih kecil dibandingkan dengan tanpa menggunakan metode optimisasi genetic algorithm. ===================================================================== Rotary kilns at cement plants have an important role in cement production. But it takes enormous energy and cost of about 30% to operate this rotary kiln. Therefore, to reduce the amount of energy and cost it is necessary to have a precise and accurate method of predicting the result of rotary kiln burning, so it can assist in producing combustion results such as the percentage of FCaO and C3S is optimal. To overcome this problem, research on optimization of combustion in rotary kiln with neural network model and genetic algorithm method. The best RMSE value using artificial neural network method is hidden node at 6 node at FCaO percentage prediction that is 0,269794, and 4node at prediction percentage of C3S that is equal to 1,174429. Whereas, using the combined method, the best RMSE value is found in the hidden node of 2 node in the FCaO percentage prediction of 0.0948, and 1 nodes in the C3S percentage prediction of 0.0878. It can be concluded from these results that the optimization method of genetic algorithm can produce the optimum weight and improve the accuracy of artificial neural network seen from RMSE value produced by the combined method is smaller than without using genetic algorithm optimization method.

Item Type: Thesis (Undergraduate)
Uncontrolled Keywords: Pembakaran, Rotary Kiln, Jaringan Syaraf Tiruan
Subjects: T Technology > TP Chemical technology
T Technology > TS Manufactures
Divisions: Faculty of Industrial Technology > Physics Engineering > (S1) Undergraduate Theses
Depositing User: Dicky Dwi Arifiansyah
Date Deposited: 28 Sep 2017 04:04
Last Modified: 06 Mar 2019 07:43
URI: http://repository.its.ac.id/id/eprint/44906

Actions (login required)

View Item View Item