Prediksi Pencampuran Batubara Menggunakam Pendekatan Jaringan Syaraf Tiruan (JST) pada Proses Pembakaran di Pembangkit Listrik Tenaga Uap (PLTU)

Boiler merupakan bagian instrument penting dari suatu Power Plant dimana pada Boiler ini terdapat sistem pembakaran dimana untuk menghasilkan uap atau steam. Boiler juga memiliki karakter sistem yang kompleks untuk diprediksi. Pengaturan dan prediksi untuk batubara sangat penting yang harus dipantau kondisinya pada sebuah pembakan di Boiler. Oleh karena itu, pada Tugas Akhir ini dilakukan prediksi pencampuran batubara menggunakan pendekatan Jaringan Syaraf Tiruan (JST) pada proses pembakaran di Pembangkit Listrik Tenaga Uap (PLTU). Kelebihan dari sistem Jaringan Syaraf Tiruan adalah mampu menghitung secara pararel dengan cara belajar dari pola-pola yang diajarkan. Rancangan sistem Jaringan Syaraf Tiruan mempunyai struktur Multi Layer Perceptron. Hasil perancangan sistem jaringan syaraf tiruan dengan hasil yang terbaik terletak pada arsitektur 4 input, 3 hidden layer dan 4 output untuk komposisi pencampuran batubara A-B tetap dan C 40 TPH untuk NOx nilai RMSE = 0.260424 Epoch ke-22, CO2 nilai RMSE = 0.146979 Epoch ke-30, SO2 nilai RMSE = 0,0114642 Epoch ke-5, O2 nilai RMSE = 0,220735 Epoch ke-19. dan Hasil perancangan sistem jaringan syaraf tiruan untuk hasil prediksi mampu memprediksi dengan nilai α = 0,5. Nilai µ = 0,2 rata-rata error testing pada NOx = 19.25%, CO2 = 8.41%, SO2 = 39.55%, O2 = 10.72% pada pencampuran Batubara C40. ================================================================== Boiler is an important instrument part of a Power Plant where in this Boiiler there is a combustion system where to produce steam or steam. Boilers also have complex system characters to predict. Arrangements and predictions for coal are essential to be monitored in a Boiler feed. Therefore, in this Final Project conducted mixing prediction of coal using approach of Artificial Neural Network (ANN) in the process of burning in Steam Power Plant (PLTU). The advantage of the Artificial Neural Network system is being able to calculate in parallel by learning from the patterns taught. The Artificial Neural Network system design has a Multi Layer Perceptron structure. The result of design of artificial neural network system with best result lies in architecture 4 input, 3 hidden layer and 4 output for mixing composition of fixed coal AB and C 40 TPH for NOx value RMSE = 0.260424 Epoch-22, CO2 value RMSE = 0.146979 Epoch-30, SO2 value RMSE = 0.0114642 Epoch-5, O2 value RMSE = 0.220735 Epoch-19. And result of design of artificial neural network system for prediction result can predict with value α = 0,5. The value of μ = 0.2 mean error testing on NOx = 19.25%, CO2 = 8.41%, SO2 = 39.55%, O2 = 10.72% on Coal mixing C40 TPH