Anda di halaman 1dari 25

TUGAS KOMPUTASI PROSES

SISTEM PERSAMAAN LINIER

DISUSUN OLEH :
KELOMPOK X (SEPULUH)

NAMA NIM
Wan Rizky
Intan Zahara
Danil Tarmizi
Aira Darusmy
Rio Fransen Aruan
090405003
090405004
090405047
100405011
100405031

DOSEN PEMBIMBING : Dr.Eng.Ir.Irvan,MSi









DEPARTEMEN TEKNIK KIMIA
FAKULTAS TEKNIK
UNIVERSITAS SUMATERA UTARA
MEDAN
2013
1. SISTEM PERSAMAAN LINEAR
Suatu sistem persamaan linier (atau himpunan persaman linier simultan) adalah
satu set persamaan dari sejumlah unsur yang tak diketahui.
Bentuk umum :




Jika diubah ke dalam bentuk matriks :






2. ELIMINASI GAUSS
Prinsipnya merupakan eliminasi dan substitusi variabel-variabelnya sedemikian
rupa sehngga dapat terbentuk matriks segitiga atas, dan akhirnya solusinya
diselesaikan menggunakan teknik substitusi balik (backsubstitution).

(
(
(
(
¸
(

¸

÷
(
(
(
(
¸
(

¸

x
x x
x x x
x x x x
x x x x
x x x x
x x x x
x x x x
0 0 0
0 0
0


Contoh 1:
Selesaikan sistem persamaan linear berikut.
2x + 3y – z = 5
4x + 4y – 3z = 3
-2x + 3y – z = 1


m n mn m
n n
n n
b x a x a
b x a x a
b x a x a
= + +
= + +
= + +



1 1
2 2 1 21
1 1 1 11
. . . . . . . . . . .
(
(
(
(
¸
(

¸

=
(
(
(
(
¸
(

¸

(
(
(
(
¸
(

¸

m n mn m m
n
n
b
b
b
x
x
x
a a a
a a a
a a a
 

   


2
1
2
1
2 1
2 22 21
1 12 11

Penyelesaian :
- Dibuat ke dalam perkalian 2 buah matriks
(
(
(
¸
(

¸

=
(
(
(
¸
(

¸

(
(
(
¸
(

¸

÷ ÷
÷
÷
1
3
5
1 3 2
3 4 4
1 3 2
z
y
x

- Dibuat perbesaran matriksnya, lalu baris kedua dan ketiga di kolom pertama
dinolkan
(
(
(
¸
(

¸

÷
(
(
(
¸
(

¸

÷
÷
÷
÷ 6
7 -
5
2 -
1 -
1 -
6
2 -
3
0
0
2

1
3
5
1
3
1
3
4
3
2
4
2

- Cara menolkannya :

Baris kedua kolom pertama : (II)b = (II)l – a
11
. L
21
(l)
- Menolkan a
21
:
a
21
(b) = 4 – 2 . (4/2) = 0
Baris ketiga kolom pertama : (III)b = (III)l – a
11
. L
31
(l)
- Menolkan a
31
:
a
31
(b) = -2 – 2 . (-2/2) = 0
- Menolkan baris ketiga kolom kedua
(
(
(
¸
(

¸

÷
÷
÷
÷
÷
÷ ÷
(
(
(
¸
(

¸

÷
÷
÷
÷
÷
15
7
5
5
1
1
0
2
3
0
0
2

6
7
5
2
1
1
6
2
3
0
0
2

Cara menolkannya :

- Baris ketiga : (III)b = (III)l – a
22
. L
32
(l)
a
32
(b) = 6 – (-2) . (-3) = 0
- Lalu dikembalikan ke perkalian dua buah matriks
[



] [

] [

]



Sehingga dapat diperoleh persamaan
2x + 3y – z = 5
-2y – z = -7
-5z = -15
Diperoleh nilai-nilai x = 1, y = 2, z = 3

Contoh 2 :
Selesaikan sistem persamaan linear berikut.
a + 3b + c – d = 4
2a + b – 2c – 3d = 2
a – b – 3c + 2d = 1
3a – 2b + c – d = 3
Penyelesaian :
- Dibuat ke dalam perkalian 2 buah matriks
(
(
(
(
¸
(

¸

=
(
(
(
(
¸
(

¸

(
(
(
(
¸
(

¸

÷ ÷
÷ ÷
÷ ÷
÷
3
1
2
4
1 1 2 3
2 3 1 1
3 2 1 2
1 1 3 1
d
c
b
a

- Dibuat perbesaran matriksnya, lalu baris ke-2, ke-3, ke-4 di kolom pertama
dinolkan
(
(
(
(
¸
(

¸

÷
(
(
(
(
¸
(

¸

÷ ÷
÷ ÷
÷ ÷
÷
9 - 2 2 - 11 - 0
3 - 3 4 - 4 - 0
6 - 1 - 4 - 5 - 0
4 1 - 1 3 1

3 1 1 2 3
1 2 3 1 1
2 3 2 1 2
4 1 1 3 1

- Cara menolkannya :

Baris kedua kolom pertama : (II)b = (II)l – a
11
. L
21
(l)
- Menolkan a
21
:
a
21
(b) = 2 – 1 . (2/1) = 0
Baris ketiga kolom pertama : (III)b = (III)l – a
11
. L
31
(l)
- Menolkan a
31
:
a
31
(b) = 1 – 1 . (1/1) = 0
Baris keempat kolom pertama : (IV)b = (IV)l – a
11
. L
41
(l)
- Menolkan a
31
:
a
41
(b) = 3 – 1 . (3/1) = 0
÷
(
(
(
(
¸
(

¸

÷ ÷ ÷
÷ ÷ ÷
÷ ÷ ÷ ÷
÷

9 2 2 11 0
3 3 4 4 0
6 1 4 5 0
4 1 1 3 1
(
(
(
(
(
(
¸
(

¸

÷
÷
(
(
(
(
(
(
¸
(

¸

÷
÷ ÷ ÷ ÷
÷
2
39
10
229
0 0 0
5
9
5
11
5
4
0 0
6 - 1 - 4 - 5 - 0
4 1 - 1 3 1

5
21
5
21
5
34
0 0
5
9
5
11
5
4
0 0
6 1 4 5 0
4 1 1 3 1

- Selanjutnya dinolkan baris ke-3 dan ke-4 kolom ke-2 serta baris ke-4 kolom
ke-3
- Lalu dikembalikan ke perkalian dua buah matriks
(
(
(
(
(
(
¸
(

¸

÷
=
(
(
(
(
¸
(

¸

(
(
(
(
(
(
¸
(

¸

÷
÷ ÷ ÷
÷
2
39
5
9
6
4
10
229
0 0 0
5
11
5
4
0 0
1 4 5 0
1 1 3 1
d
c
b
a

Sehingga dapat diperoleh persamaan
a + 3b + c – d = 4
-5b – 4c – d = -6
-4/5 c + 11/5 d = 9/5
229/10 d = 39/2
Diperoleh nilai-nilai : a = 433/229, b = 219/229, c = 21/229, d = 195/229.


3. PARTIAL PIVOTING
Metode Eliminasi Gauss merupakan metode paling populer dalam
menyelesaikan kasus sistem persamaan linear. Dimana metode eliminasi gauss terdiri
dari dua tahapan yaitu : eliminasi maju dan substitusi mundur. Dimana tujuan dari
eliminasi maju adalah untuk membentuk matriks koefisien menjadi Upper
Triangular Matriks. Dua kemungkinan kesalahan yang dapat terjadi dengan
menggunakan metode ini adalah pembagian dengan nol yang mungkin terjadi pada
langkah eliminasi maju dan kemungkinan eror karena salah pembulatan. Salah satu
cara langkah penyelesaiannya adalah melakukan eliminasi gauss dengan partial
pivoting atau perputaran sebagian. Eliminasi Gauss dengan partial pivoting
mengubah tata urutan baris untuk bisa mengaplikasikan eliminasi Gauss secara
normal. Prinsip dari metode ini adalah kita mengecek pada setiap langkah apakah
angka paling atas (pivoting element) adalah selalu paling besar.
Sebagai contoh :


Dalam bentuk matriks :

Lakukan eliminasi terhadap elemen |10|, |-3|, and |5| . Karena elemen pivot pada baris
pertama adalah yang paling besar yaitu 10, maka sesuai dengan aturan partial
pivoting kita tak perlu melakukan pertukaran baris
[

] = [



]
Lakukan pivoting untuk

:

Sehingga didapatkan :

= -3 – (-3)/10 x 10 = 0

= 2.099 – (-3)/10 x-7 = -0.001

= 6 – (-3)/10 x 0 = 6

= 3.901 – (-3)/10 x 7 = 6.0001

= 5 – 5/10 x 10 = 0

= -1 – 5/10 x -7 = 2.5

= 5 – 5/10 x 0 = 5
6 5 5
901 . 3 6 099 . 2 3
7 7 10
3 2 1
3 2 1
2 1
= + ÷
= + + ÷
= ÷
x x x
x x x
x x

= 6 – 5/10 x 7 = 2.5
[



] [



]
Nilai absolut terbesar adalah 2,5 sehingga baris kedua kita ganti dengan baris ketiga
[



] [



]
Lakukan eliminasi Gauss seperti biasa untuk mendapatkan Upper Triangular
Matriks.
[



] [



]
Langkah terakhir adalah melakukan subtitusi mundur :








4. ELIMINASI GAUSS-JORDAN
Eliminasi Gauss-Jordan (EGJ), prinsipnya mirip sekali dengan metode EG,
namun dalam metode ini jumlah operasi numerik yang dilakukan jauh lebih besar,
karena matriks A mengalami inversi terlebih dahulu untuk mendapatkan matriks
identitas (I). Karena kendala tersebut, maka metode ini sangat jarang dipakai, namun
sangat bermanfaat untuk menginversikan matriks.
1
002 . 6
002 . 6
3
= = x
1
5 . 2
5 5 . 2 3
2
=
÷
=
x
x
0
10
0 7 7
3 2
1
=
÷ +
=
x x
x
(
(
(
¸
(

¸

=
(
(
(
¸
(

¸

(
(
(
¸
(

¸
÷
002 . 6
5 . 2
7
002 . 6 0 0
5 5 . 2 0
0 7 10
3
2
1
x
x
x
Langkah-langkah operasi baris yang dikemukakan oleh Gauss dan
disempurnakan oleh Jordan sehingga dikenal dengan Eliminasi Gauss-Jordan,
sebagai berikut:
1. Jika suatu baris tidak seluruhnya dari nol, maka bilangan tak nol pertama
pada baris itu adalah 1. Bilangan ini disebut 1 utama (leading 1).
2. Jika terdapat baris yang seluruhnya terdiri dari nol, maka baris-baris ini akan
dikelompokkan bersama pada bagian paling bawah dari matriks.
3. Jika terdapat dua baris berurutan yang tidak seluruhnya dari nol, maka 1
utama pada baris yang lebih rendah terdapat pada kolom yang lebih kanan
dari 1 utama pada baris yang lebih tinggi.
4. Setiap kolom memiliki 1 utama memiliki nol pada tempat lain.
Pengubahan dilakukan dengan membuat matriks yang elemen-elemennya adalah
koefisien koefisien dari sistem persamaan linier.
Sedangkan langkah-langkah pada operasi baris elementer yaitu :
1. Menukar posisi dari 2 baris.
Ai ↔ Aj
2. Mengalikan baris dengan sebuah bilangan skalar positif.
Ai = k * Aj
3. Menambahkan baris dengan hasil kali skalar dengan baris lainnya.
Ai = Ai + k * Aj

Contoh :



Dibuat matriks berikut:
|



|

|
Langkah 1. Jika entri yang kini berada pada kolom yang kita peroleh pada langkah 1
adalah a, kalikan dengan baris pertama dengan 1/a sehingga membentuk 1 utama.
|



|

Baris kedua ditambah dengan -2 kali baris pertama

Langkah 2. Tambahkan kelipatan yang sesuai dari baris paling atas ke baris-baris di
bawahnya sehingga semua entri di bawah 1 utama menjadi nol.
[



]

Baris ketiga ditambah dengan hasil -2 kali baris pertama

Langkah 3. Sekarang tutuplah baris paling atas dari matriks dan mulailah lagi dengan
langkah 1 pada submatriks yang tersisa. Lanjutkan langkah ini hingga seluruhnya
matriks berada dalam bentuk eselon baris.
|



|

Baris kedua dari matriks sebelumnya dikalikan -1

|



|

Baris ketiga ditambah dengan 3 kali baris kedua

|



|

Baris ketiga dari matrik sebelumnya dikalikan 1/8

|



|

Baris pertama ditambah dengan -2 kali baris kedua

|



|

Baris pertama ditambah dengan 5 kali baris ketiga

|



|

Baris kedua ditambah dengan -4 kali baris ketiga
Maka didapatkan nilai dari x=2 , y = -1 dan z = -1

Contoh di atas diterapkan pada sistem persamaan linier dengan n variabel dan n
persamaan. Contoh berikut adalah cara menyelesaikan sistem persamaan linier
dengan n variabel dan m persamaan.
Diketahui sistem persamaan linier sebagai berikut.
2x +3y - 5z =7
x +4y +8z =3

1. Ubah menjadi matriks teraugmentasi


2. Kalikan baris pertama dengan ½

3. Tambahkan baris kedua dengan (-1) kali baris pertama

4. Kalikan baris kedua dengan 1/2.5


5. Tambahkan baris pertama dengan (-1.5) kali baris kedua


Penyelesaian untuk persamaan di atas akan menjadi :
x – 8.8z = 3.8
y + 4.2z = -0.2


6. METODE ITERASI GAUSS-SEIDEL
Metode Gauss-Seidel digunakan untuk menyelesaikan sistem persamaan linear
(SPL) berukuran besar dan proporsi koefisien nolnya besar, seperti sistem-sistem
yang banyak ditemukan dalam sistem persamaan diferensial. Metode iterasi Gauss-
Seidel dikembangkan dari gagasan metode iterasi pada solusi persamaan tak linier.
Teknik iterasi jarang digunakan untuk menyelesaikan SPL berukuran kecil
karena metode-metode langsung seperti metode eliminasi Gauss lebih efisien
daripada metode iteratif. Akan tetapi, untuk SPL berukuran besar dengan persentase
elemen nol pada matriks koefisien besar, teknik iterasi lebih efisien daripada metode
langsung dalam hal penggunaan memori komputer maupun waktu komputasi.
Dengan metode iterasi Gauss-Seidel sesatan pembulatan dapat diperkecil karena
dapat meneruskan iterasi sampai solusinya seteliti mungkin sesuai dengan batas
sesatan yang diperbolehkan.
Suatu sistem persamaan linier terdiri atas sejumlah berhingga persamaan linear
dalam sejumlah berhingga variabel. Menyelesaikan suatu sistem persamaan linier
adalah mencari nilai-nilai variabel yang belum diketahui yang memenuhi semua
persamaan linier yang diberikan.
Rumus iterasi untuk hampiran ke-k pada metode iterasi Gauss-Seidel adalah
sebagai berikut. Untuk i = 1, 2, …, n dan k = 1, 2, 3, …,

Contoh :
Sebagai gambaran misalkan mencari penyelesaian SPL
10x
1
- x
2
+2x
3
=6
-x
1
+11x
2
-x
3
+3x
4
=25
2x
1
-x
2
+10x
3
-x
4
=-11
3x
2
-x
3
+8x
4
=15

Berikut pemakaian fungsi MATLAB seidel untuk penyelesaian soal di atas dan
keluaran yang diperoleh :
>> A=[10 -1 2 0;-1 11 -1 3;2 -1 10 -1;0 3 -1 8]
A =
10 -1 2 0
-1 11 -1 3
2 -1 10 -1
0 3 -1 8
>> b=[6;25;-11;15]
b =
6
25
-11
15
>> X0=[0;0;0;0]
X0 =
0
0
0
0
>> T=0.0001;N=25;
>> [X,g,H]=seidel(A,b,X0,T,N)
X =
1.0000
2.0000
-1.0000
1.0000
g =
1.0e-004 *
0.8292
0.2017
0.2840
0.1111
H =
Columns 1 through 5
0 0 0 0 0.6000
Columns 6 through 10
2.3273 -0.9873 0.8789 1.0302 2.0369
Columns 11 through 15
-1.0145 0.9843 1.0066 2.0036 -1.0025
Columns 16 through 20
0.9984 1.0009 2.0003 -1.0003 0.9998
Columns 21 through 25
1.0001 2.0000 -1.0000 1.0000 1.0000
Columns 26 through 28
2.0 -1.0000 1.0000
Proses iterasi dapat diulangi sampai tingkat keakuratan yang diinginkan tercapai,
penyelesaian eksak contoh di atas adalah (1, 2, -1, 1).

7. MATLAB
MATLAB merupakan suatu software yang berlevel tinggi yang dibangun oleh
fungsi yang membuat pembelajaran metode numerik menjadi lebih mudah dan
menarik. MATLAB merupakan software matematik yang berdasarkan matriks.
Vektor dan matriks merupakan konsep dasar perhitungan dalam Matlab.
Berbagai perhitungan dapat diselesaikan dengan lebih mudah, ringkas, dan cepat bila
bentuknya dikonversi ke dalam bentuk vektor/matriks. Untuk itu, harus dipahami
benar dasar operasi dengan menggunakan vektor/matriks.
Vektor
Di dalam Matlab, vektor adalah sekumpulan data yang membentuk hanya satu
baris atau satu kolom. Penulisan elemen dilakukan di dalam kurung siku [ ] yang
diantarai dengan spasi atau titik koma. Pengecualian berlaku hanya untuk penulisan
data yang berbentuk deret dengan pola tertentu. Vektor dapat mengalami operasi
dengan skalar juga dengan vektor lain asalkan mempunyai dimensi yang sama.
a) Bentuk Deret Sederhana
Bentuk umum penulisan data dengan pola tertentu atau deret yang sederhana:
variabel = n : m dimana n = nilai awal, m = nilai akhir .
Contoh :
>> a = 1:3
a =
1 2 3
>> b = 2 * a
b =
2 4 6
b) Penggunaan Increment
Bentuk umum penulisan data dengan pola tertentu atau deret: variabel = n : i : m
dimana n = nilai awal, m = nilai akhir, dan i = increment/langkah; bila i tidak
didefinisikan, maka Matlab akan menggunakan default-nya yaitu 1, seperti yang
ditunjukkan pada butir (i) di atas.
Contoh :
>> A = 1:10
A =
1 2 3 4 5 6 7 8 9 10
>> B = 0:2:10
B =
0 2 4 6 8 10
>> C = 10:-1:1
C =
10 9 8 7 6 5 4 3 2 1
c) Penggunaan Kurung Siku
>> x = [1 2 3] % vektor baris
x =
1 2 3
>> x = [1:3] % mengikuti pola penulisan seperti deret
x =
1 2 3
>> y = x' % transposisi vektor
y =
1
2
3
ada dua cara penulisan vektor kolom
>> z = [4
5
6]
z =
4
5
6
>> z = [4; 5; 6]
z =
4
5
6
penjumlahan 2 vektor berorde 3
>> a = y+z
a =
5
7
9
perkalian vektor baris dengan vektor kolom berorde 3
>> b= x*y

b =
14
Matriks
Matriks merupakan himpunan data yang membentuk beberapa baris dan kolom.
Matriks dapat terbentuk dari gabungan 2 vektor atau lebih yang berdimensi sama.
Dengan demikian, aturan operasi penjumlahan dan pengurangan yang berlaku pada
vektor juga berlaku untuk matriks. Perkalian antara 2 buah matriks harus memenuhi
aturan bahwa banyaknya kolom pada matriks pertama harus sam dengan benyaknya
baris pada matriks kedua.
Khusus untuk pemangkatan, operasi hanya dapat berlangsung secara elementer
artinya masing-masing elemen dari matriks tersebut dipangkatkan.
Contoh Operasi Matriks :
>> r = [1 2 3; 2 3 4];
>> s = [3 4 5; 4 5 6];
>> t = r + s
t =
4 6 8
6 8 10
>> u = s - r
u =
2 2 2
2 2 2
>> a = 2*r
a =
2 4 6
4 6 8
>> b = s/4
b =
0.7500 1.0000 1.2500
1.0000 1.2500 1.5000
>> c = r*s' *jumlah baris r harus sama dengan jumlah kolom s*
c =
26 32
38 47
Penyelesaian masalah neraca massa seringkali melibatkan banyak persamaan linier
sehingga membentuk suatu Sistem Persamaan Linier (SPL). SPL tersebut dapat disusun
membentuk matriks, dimana umumnya merupakan matriks bujur sangkar. Untuk proses
pemisahan yang berlangsung secara multitahap seperti distilasi, absorpsi, ekstraksi, dan
lainnya, persamaan neraca massanya umumnya membentuk matriks tridiagonal.
Bentuk umum persamaan linier dapat dituliskan sbb. :
a
11
x
1
+ a
12
x
2
+ a
13
x
3
+ … + a
1n
x
n
= b
1

a
21
x
1
+ a
22
x
2
+ a
23
x
3
+ … + a
2n
x
n
= b
2

….
a
n1
x
1
+ a
n2
x
2
+ a
n3
x
3
+ … + a
nn
x
n
= b
n

dengan n adalah banyaknya persamaan yang menunjukkan orde matriks.
SPL di atas dapat diubah ke dalam suatu bentuk umum A x = b berdasarkan operasi
perkalian matriks sbb. :
a
11
a
12
a
13
x
1
b
1

a
21
a
22
a
23
x
2
b
2

…. …. = ….
a
n1
a
n2
a
n3
x
n
b
n

A x = b
Ada beberapa tahap yang harus dilalui agar dapat menyelesaikan masalah SPL secara
matriks:
- membuat block diagram yang melibatkan semua alur masuk dan semua alur
keluar
- menurunkan persamaan neraca massa
- mengubah SPL menjadi bentuk matriks A x = b.








8. SOLUSI PEMICU

Penyelesaian
1. Laju alir molar dari aliran D1, D2, B1, dan B2.
>> A=[0.07 0.18 0.15 0.24; 0.04 0.24 0.10 0.65; 0.54 0.42 0.54 0.1; 0.35 0.16 0.21
0.01]
A =
0.0700 0.1800 0.1500 0.2400
0.0400 0.2400 0.1000 0.6500
0.5400 0.4200 0.5400 0.1000
0.3500 0.1600 0.2100 0.0100
>> b=[10.5; 17.5; 28; 14]
b =
10.5000
17.5000
28.0000
14.0000
>> A\b
ans =
26.2500
17.5000
8.7500
17.5000
Jadi, laju alir molar pada aliran D1 26,25 kg mol/min, aliran D2 8.75 kg mol/min,
aliran B1 17.5 kg mol/min, dan aliran B2 17.5 kg mol/min.

2. Laju alir molar dan komposisi dari aliran D dan B.
a. Laju alir molar komponen D dan B.
>>D=26.25+17.5
D =
43.7500
>> B=8.75+17.5
B =
26.2500
Jadi, laju alir molar pada komponen D adalah 43.75 kg mol/min dan pada laju alir
molar komponen B adalah 26.25 kg mol/min

b. Komposisi aliran D
>> C=[0.07*26.25 0.04*26.25 0.54*26.25 0.35*26.25] + [0.18*17.5 0.24*17.5
0.42*17.5 0.16*17.5]
C =
4.9875 5.2500 21.5250 11.9875
>> D=26.25+17.5
D =
43.7500
>> E=C'/D
E =
0.1140
0.1200
0.4920
0.2740
Jadi komposisi pada aliran D adalah 11,4% Xylene, 12% Styrene, 49,2% Toluene,
27,4% Benzene.

c. Komposisi aliran B
F =
5.5125 12.2500 6.4750 2.0125
>> B=8.75+17.5
B =
26.2500
>> G=F'/B
G =
0.2100
0.4667
0.2467
0.0767
Jadi, komposisi pada aliran B adalah 21% Xylene, 46,67% Styrene, 24,67% Toluena,
dan 7,67% Benzene.

3. Perkecil aliran umpan 10% dari mula-mula dan kemudian hitung kembali poin (1)
dan (2).
Maka, laju alir molar = 63 kgmol/min
a. Laju alir molar aliran D1, D2, B1, dan B2 setelah umpan diperkecil 10%
>> H=[0.07 0.18 0.15 0.24; 0.04 0.24 0.10 0.65; 0.54 0.42 0.54 0.1; 0.35 0.16 0.21
0.01]
H =
0.0700 0.1800 0.1500 0.2400
0.0400 0.2400 0.1000 0.6500
0.5400 0.4200 0.5400 0.1000
0.3500 0.1600 0.2100 0.0100
>> i=[0.15*63 0.25*63 0.4*63 0.2*63]'
i =
9.4500
15.7500
25.2000
12.6000
>> J=H\i
J =
23.6250
15.7500
7.8750
15.7500
Jadi, laju alir molar setelah umpan diperkecil 10% pada aliran D1 adalah 23,625 kg
mol/min, aliran D2 adalah 7,875 kg mol/min, aliran adalah B1 15,75 kg mol/min,
dan aliran adalah B2 15,75 kg mol/min.

b. Laju alir molar dari aliran D dan B setelah umpan diperkecil 10%
>> K=23.625+15.75
K =
39.3750
>> L=7.875+15.75
L =
23.6250
Jadi, laju alir molar setelah diperkecil 10% pada aliran D adalah 38.375 kg mol/min
dan pada aliran B adalah 23,625 kg mol/min

c. Komposisi aliran D dan B
>> m=[0.07*23.625 0.04*23.625 0.54*23.625 0.35*23.625] + [0.18*15.75
0.24*15.75 0.42*15.75 0.16*15.75]
m =
4.4887 4.7250 19.3725 10.7887
>> N=m'/K
N =
0.1140
0.1200
0.4920
0.2740
Jadi pada aliran D setelah umpan diperkecil 10% komposisinya menjadi 11,4%
Xylene, 12% Styrene, 49,2% Toluena, dan 27,4% Benzene.
>> o=[0.15*7.875 0.1*7.875 0.54*7.875 0.21*7.875] + [0.24*15.75 0.65*15.75
0.1*15.75 0.01*15.75]
o =
4.9612 11.0250 5.8275 1.8112
>> P=o'/L
P =
0.2100
0.4667
0.2467
0.0767
Jadi pada aliran B setelah umpan diperkecil 10% komposisinya menjadi 21%
Xylene, 46,67% Styrene, 24,67% Toluena, dan 7,67% Benzene.

4. Perkecil aliran umpan 20% dari mula-mula dan kemudian hitung kembali poin (1)
dan (2).
Maka, laju alir umpan molar = 56 kgmol/min
a. Laju alir molar aliran D1, D2, B1, dan B2 setelah umpan diperkecil 20%
>> Q=[0.07 0.18 0.15 0.24; 0.04 0.24 0.10 0.65; 0.54 0.42 0.54 0.1; 0.35 0.16 0.21
0.01]
Q =
0.0700 0.1800 0.1500 0.2400
0.0400 0.2400 0.1000 0.6500
0.5400 0.4200 0.5400 0.1000
0.3500 0.1600 0.2100 0.0100
>> r=[0.15*56 0.25*56 0.4*56 0.2*56]'
r =
8.4000
14.0000
22.4000
11.2000
>> S=Q\r
S =
21.0000
14.0000
7.0000
14.0000
Jadi, laju alir molar setelah umpan diperkecil 20% pada aliran D1 adalah 21 kg
mol/min, aliran D2 adalah 7 kg mol/min, aliran B1 adalah 14 kg mol/min, dan aliran
B2 adalah 14 kg mol/min.

b. Laju alir molar dari aliran D dan B setelah umpan diperkecil 20%
>> T=21+14
T =
35
>> U=7+14
U =
21
Jadi, laju alir molar setelah diperkecil 20% pada aliran D adalah 35 kg mol/min dan
pada aliran B adalah 21 kg mol/min

c. Komposisi aliran D dan B
>> v=[0.07*21 0.04*21 0.54*21 0.35*21] + [0.18*14 0.24*14 0.42*14 0.16*14]
v =
3.9900 4.2000 17.2200 9.5900
>> W=T\v'
W =
0.1140
0.1200
0.4920
0.2740
Jadi pada aliran D setelah umpan diperkecil 20% komposisinya menjadi 11,4%
Xylene, 12% Styrene, 49,2% Toluena, dan 27,4% Benzene.
>> x=[0.07*7 0.04*7 0.54*7 0.35*7] + [0.18*14 0.24*14 0.42*14 0.16*14]
x =
3.0100 3.6400 9.6600 4.6900
>> Y=U\x'
Y =
0.1433
0.1733
0.4600
0.2233
Jadi pada aliran B setelah umpan diperkecil 20% komposisinya menjadi 14,33%
Xylene, 17,33% Styrene, 46% Toluena, dan 22,33% Benzene.




5. Ulasan mengenai pengerjaan poin 3 dan 4
Feed
(kgmol/min)
D B D1 B1 D2 B2
70 43,75 26,25 26,25 17,5 8,75 17,5
63 39,375 23,625 23,625 15,75 7,875 15,75
56 35 21 21 14 7 14

D (kgmol/min)
Komposisi (%)
Xylene Styrene Toluene Benzene
43,75 11,4 12 49,2 27,4
39,375 11,4 12 49,2 27,4
35 11,4 12 49,2 27,4

B (kgmol/min)
Komposisi (%)
Xylene Styrene Toluene Benzene
26,25 21 46,67 24,67 7,67
23,625 21 46,67 24,67 7,67
21 21 46,67 24,67 7,67

Dari data yang diperoleh, laju alir (D, B, D1, B1, D2 dan B2) unit distilasi
menurun bila laju umpan (feed) diturunkan. Ini menunjukkan hubungan yang linear
antar laju, baik produk distilat maupun produk bottom, dengan laju umpannya.
Sedangkan dari data komposisi, terlihat nilai yang konstan bila laju masuk
kolom distilasi diturunkan. Ini menunjukkan bahwa komposisi masing-masing
komponen memiliki hubungan yang tidak linear dengan laju alir.