Analisa Dampak Temperatur Serta Ph Terhadap Produksi Biogas Pada Bioreaktor Anaerob

Richardo, Utoyo (2019) Analisa Dampak Temperatur Serta Ph Terhadap Produksi Biogas Pada Bioreaktor Anaerob. Other thesis, Institut Teknologi sepuluh Nopember.

Preview	Text Laporan Tugas Akhir _ Richardo petricius Utoyo.pdf Download (2MB) | Preview
	Text 02311540000036-Undergraduate_Thesis.pdf Download (2MB)

Abstract

Pada Pada pemodelan bioreaktor anaerob dipergunakan Jaringan Saraf Tiruan (JST). JST dipergunakan karena tidak adanya model matematika yang sanggup memodelkan, pemodelan bioreaktor melibatkan fenomena biologi, kimia, dan fisika sehingga bioreaktor anaerob dapat di asumsikan sebagai sebuah blackbox. JST yang digunakan berstruktur backpropagation, dengan algoritma Levenberg-Marquardt. Model JST memiliki 2 input node pada input layer yaitu temperatur, pH dan 1 output node pada output layer berupa volume biogas. Metode untuk menentukan hidden node terbaik belum ada sehingga dilakukan 20 variasi hidden node, untuk mencari nilai RMSE validasi yang terbaik. Hasil simulasi menunjukkan bahwa nilai MSE terbaik berada pada JST dengan struktur 2-20-1 (Input layer-hidden layer- output layer). Nilai MSE untuk bioreaktor tanpa pengaduk bernilai 0.00094. Nilai MSE untuk bioreaktor dengan pengaduk bernilai 0.00088 Model JST yang dipergunakan mampu menghasilkan prediksi volume biogas saat mengubah kondisi temperatur dan pH secara variatif. Sehingga dinamika proses pada bioreaktor anaerob dapat ditunjukkan model JST dengan parameter yang mempengaruhi yaitu temperatur dan pH.
==============================================================================================================================
In the anaerobic bioreactor modeling, Artificial Neuro Network (ANN) is used. ANN is used because there is no mathematical model that is capable to model it, bioreactor modeling involves biological, chemical and physical phenomena so that anaerobic bioreactors can be assumed to be a blackbox. ANN is used with a backpropagation structure, with the Levenberg-Marquardt algorithm. ANN model has 2 input nodes in the input layer, this is temperature and pH, 1 output node in the output layer of biogas volume. There is no method for determining the best hidden node, so used 20 variations of hidden nodes. To find the best MSE validation value. The simulation results show that the best MSE value is in ANN with structures 2-20-1 (Input layer-hidden layer-output layer). The MSE value for a no-stirrer bioreactor is 0.00094. The value of MSE for stirrer bioreactors is 0.00088. The ANN model used is able to produce biogas volume predictions when changing temperature and pH conditions varied. So that the process dynamics in anaerobic bioreactor can be shown ANN model with parameters that affect the temperature and pH.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Anaerobic Bioreactors, Artificial Neural Networks, Biogas Production, Temperature, pH.
Subjects:	T Technology > TD Environmental technology. Sanitary engineering T Technology > TD Environmental technology. Sanitary engineering > TD195.B56 Biomass energy
Divisions:	Faculty of Industrial Technology > Physics Engineering > 30201-(S1) Undergraduate Thesis
Depositing User:	Mr Richardo Petricius Utoyo
Date Deposited:	06 Nov 2024 05:41
Last Modified:	06 Nov 2024 05:41
URI:	http://repository.its.ac.id/id/eprint/67384

Actions (login required)

View Item