Pemodelan Generator Uap Berbasis Jaringan Saraf Tiruan dengan Algoritme Pelatihan BPGD-ALAM

Generator uap merupakan unit plant yang memiliki sistem nonlinear dan kompleks dengan konfigurasi multiple-input-multiple-output (MIMO) yang cukup sulit untuk dimodelkan. Padahal, model generator uap dibutuhkan untuk membuat simulasi seperti operator training simulator (OTS). Tujuan dari penelitian ini yaitu untuk mendapatkan model generator uap yang memiliki 8 parameter luaran dan 9 parameter masukan berbasis jaringan saraf tiruan (JST) menggunakan algoritme pelatihan BPGD-ALAM sehingga diperoleh model yang mendekati sistem nyata. Data diperoleh dari generator uap PT. Chevron Pacific Indonesia, Duri dan dibagi menjadi tiga jenis, yaitu data latih, data validasi dan data uji. Data latih digunakan untuk mendapatkan model setiap luaran melalui proses pelatihan. Verifikasi model juga dilakukan untuk setiap epoch-nya menggunakan data validasi untuk memantau proses pelatihan apakah terjadi overfitting atau tidak. Delapan model JST yang diperoleh diuji menggunakan data uji untuk mengetahui performa dari model. Dari hasil penelitian, diperoleh konfigurasi arsitektur model JST yang berbeda-beda untuk setiap luaran dengan nilai RMSE rendah dari 9,71 % artinya telah dihasilkan model yang mendekati sistem nyata dari generator uap.

(klik disini untuk selengkapnya)

Tags: jst, mimo, neural network, ots