Perancangan Sistem Pengendalian Ph Pada Continuous Stirred Tank Reactor (Cstr) Dengan Menggunakan Algoritma Jaringan Syaraf Tiruan

Dalam suatu proses di industri, pengendalian variabel proses sangat penting dilakukan demi keberlangsungan proses produksi. Salah satu variabel proses yang penting dalam proses produksi adalah derajat keasamaan atau pH. Untuk memperoleh suatu larutan dengan keasaman (pH) tertentu, diperlukan pencampuran antara larutan asam dengan basa dengan nilai tertentu. Proses tersebut juga dapat dilakukan pada tangki CSTR yang merupakan reaktor dimana berkerja dengan cara mengaduk larutan tersebut secara kontinyu sehingga menghasilkan produk yang diinginkan. Dalam perancangan sistem ini digunakan jaringan syaraf tiruan karena memiliki kemampuan yang dapat meniru kepakaran manusia sehingga dapat menyelesaikan sistem yang non-linear. Untuk merancang pengendalian pH dengan menggunakan jaringan syaraf tiruan diperlukan persamaan pemodelan plant dan pemodelan controller. Untuk pemodelan plant didapatkan nilai error sebesar 0.0027 dengan plant sebenarnya. Respon dari pengendalian pH dengan menggunakan IMC Controller dapat mengikuti set point sebesar pH 7, settling time 322 detik, max. overshoot 0%, ess sebesar 0.25% dan IAE sebesar 2800 namun apabila dibandingkan dengan jaringan syaraf tiruan, jaringan syaraf tiruan lebih cepat sedikit mencapai set point dengan settling time sebesar 315 detik, max. overshoot 2.3%, ess sebesar 2.3%, dan IAE sebesar 2446. ============================================================== In a process in industry, the control of process variables is very important for the sake of continuity of production process. One of the important process variables in the production process is the degree of acidity or pH. o obtain a solution with a certain acidity (pH), it is necessary to mix between an acid solution and a base with a certain value. The process can also be carried out on a CSTR tank which is a reactor which works by stirring the solution continuously to produce the desired product. In the design of this system is used artificial neural network because it has the ability that can mimic human expertise so that it can solve a non-linear system. To design pH control using artificial neural network, plant modeling equations and controller modeling are required. For modeling the obtained value of error 0.0027 with actual plant. Response of pH control using IMC Controller can follow set point of pH 7, settling time 322s, max overshoot 0%, ess 0.25%, and IAE 2800 but when compared with neural network, neural network reaches set point faster with settling time of 315 s, max overshoot 14%, ess of 2.3%, and IAE 2446