Sistem Prediksi Nilai Tekanan Pada Kompresor Co2 Dengan Metode Long-Short Term Memory (LSTM) Sebagai Acuan Operator Dalam Menentukan Jadwal Perbaikan

Murtadho, Anugerah Fadhil (2024) Sistem Prediksi Nilai Tekanan Pada Kompresor Co2 Dengan Metode Long-Short Term Memory (LSTM) Sebagai Acuan Operator Dalam Menentukan Jadwal Perbaikan. Diploma thesis, Institut Teknologi Sepuluh Nopember.

Text BUKU PROYEK AKHIR_Anugerah Fadhil Murtadho_2040201017.pdf - Accepted Version Restricted to Repository staff only until 1 October 2026. Download (3MB) | Request a copy

Abstract

PT. Pupuk Sriwidjaja Palembang (Pusri) adalah perusahaan pelopor produsen Pupuk Urea pertama di Indonesia serta merupakan Perusahaan manufaktur yang bergerak dibidang industri dan pemasaran pupuk secara nasional untuk mendukung program ketahanan pangan nasional. Didalam prosesnya, pembuatan Pupuk Urea membutuhkan tekanan tinggi untuk mendistribusikan gas 〖CO〗_2 yang menjadi salah satu bahan utama pembuatan pupuk. Oleh karena itu, keandalan kompresor menjadi isu yang paling sering dibicarakan. Menurunnya tekanan seiring berjalannnya produksi dapat menghentikan seluruh pemrosesan. Selama ini, operator mengandalkan parameter tekanan kompresor yang idealnya berada dikisaran 160-175 kg/cm² G untuk memantau kinerja kompresor. Namun, ketidakpastian masa guna komponen kompresor 〖CO〗_2 berimbas pada tren penurunan tekanan yang tidak pasti sehingga menyulitkan penjadwalan perbaikan dan sering kali menyebabkan perbaikan dini yang tidak efisien. Kondisi ini mengganggu kelancaran proses produksi pupuk Urea yang sangat bergantung pada pasokan gas 〖CO〗_2. Kesulitan tersebut menimbulkan gagasan untuk membuat suatu sistem prediksi yang dapat memprediksi nilai tekanan dimasa depan yang dapat dijadikan acuan oleh operator dalam menentukan jadwal perbaikan. Penelitian ini menggunakan Long-Short Term Memory (LSTM) untuk memprediksi data timeseries sebagai metodenya. Hasil penelitian menunjukkan bahwa LSTM mampu memahami dan memprediksi pola tekanan kompresor 〖CO〗_2 dengan baik, didapat Mean Absolute Error (MAE) sebesar 0,147 dan Root Mean Squared Error (RMSE) sebesar 0,197. Hal ini menunjukkan model bekerja dengan baik dan cenderung menghasilkan prediksi yang cukup akurat.
=================================================================================================================================
PT. Pupuk Sriwidjaja Palembang (Pusri) is a pioneering company producing the first Urea Fertilizer in Indonesia and is a manufacturing company engaged in the fertilizer industry and marketing nationally to support the national food security program. In the process, the manufacture of Urea Fertilizer requires high pressure to distribute CO2 gas which is one of the main ingredients in making fertilizer. Therefore, compressor reliability is the most frequently discussed issue. Decreasing pressure as production progresses can stop the entire processing. So far, operators have relied on compressor pressure parameters which are ideally in the range of 160-175 kg/cm² G to monitor compressor performance. However, the uncertainty of the useful life of CO2 compressor components has an impact on the uncertain trend of decreasing pressure, making it difficult to schedule repairs and often causing inefficient early repairs. This condition disrupts the smoothness of the Urea fertilizer production process which is highly dependent on the supply of CO2 gas. This difficulty gave rise to the idea of creating a prediction system that can predict future pressure values which can be used as a reference by operators in determining the repair schedule. This study uses Long-Short Term Memory (LSTM) to predict timeseries data as its method. The results of the study show that LSTM is able to understand and predict the CO2 compressor pressure pattern well, with a Mean Absolute Error (MAE) of 0.147 and a Root Mean Squared Error (RMSE) of 0.197. This shows that the model works well and tends to produce fairly accurate predictions.

Item Type:	Thesis (Diploma)
Uncontrolled Keywords:	Kompresor, Tekanan, LSTM, dan Sistem prediksi, Compressor, Pressure, Prediction systems
Subjects:	T Technology > T Technology (General) T Technology > T Technology (General) > T174 Technological forecasting
Divisions:	Faculty of Vocational > 36304-Automation Electronic Engineering
Depositing User:	Anugerah Fadhil Murtadho
Date Deposited:	19 Aug 2024 06:53
Last Modified:	19 Aug 2024 07:25
URI:	http://repository.its.ac.id/id/eprint/115432

Actions (login required)

View Item