ITS Undergraduate 16453 2409105025 Paperpdf
ITS Undergraduate 16453 2409105025 Paperpdf
2.1
Dimana
P
untuk
menggunakan rumus :
koagulasi
hidrolis
2.2
Sehingga rumus untuk gradient kecepatan
pada koagulasi hidrolisis adalah sebagai
berikut :
2.3
Dimana :
G = gradient kecepatan (1/s)
P = daya yang diberikan (kg.m2/s3)
p = densitas cairan (kg/m3)
g = percepatan gravitasi (m/s2)
hL = head Loss (m)
Q = debit (m3/s)
= viskositas cairan (kg/m.s)
V = volume (m3)
Perhitungan gradient kecepatan pada koagulasi
hidrolisis juga dapat ditentukan dengan rumus
berikut :
2.4
Dimana hf adalah nilai dalam meter, saat
kehilangan tekanan air pada saat air mengalir
menuju clearator.
2.5
2.6
Dimana :
Q=
kapasitas pengolahan (m3/s)
D=
diameter instalasi pengolahan air (m)
V=
kecepatan aliran (m)
Air yang dialirkan dari flash mix
kearah clearator melalui pipa baja berdiameter
800 mm, dan beda tinggi antara flash mix
dengan clearator adalah 1,2 m dan panjang
pipa sekitar 34 m. Desain dari flash mix IPAM
Karang Pilang III, dapat dilihat pada gambar
2.2.
y = f(x) = wi (ri)
2.7
i=1
Dimana : y = output
wi = bobot
(ri) = fungsi basis radial
Jenis-jenis fungsi aktifasi dari RBF adalah :
1. Gauss
(r) = exp(-(r/c)2)
2. Multikuadratik
(r) = (c2 + r2), (0< <1)
3. Invers Multikuadratik
(r) = 1/(c2 + r2), (>0)
4. Thin Plate Spline
(r) = r2 log r
5. Cubic Spline
(r) = r3
6. Linier Spline
(r) = r
Alogaritma dari RBF adalah :
Tahap 0: menentukan fungsi basis yang akan
digunakan
Tahap 1: menentukan center dan lebar tiap
fungsi basis
Tahap 2: menyediakan bobot sebanyak (fungsi
basis) n+1 dimana
n adalah jumlah masukkan RBF
(r) = exp -
(||x - cj||)2
2 j2
2.8
Dimana : cj
= center fungsi Gaussian ke-j
j
= lebar fungsi Gaussian ke-j
x
= input fungsi basis
j
= output fungsi basis ke-j oleh
input x
Jumlah fungsi basis yang digunakan
dalam RBF biasanya lebih dari 1 buah fungsi
basis. Berdasarkan fungsi Gaussian dan
struktur dasar jaringan RBF dapat diusulkan
beberapa strategi pembelajaran pada jaringan
RBF.
1. Posisi center pada fungsi basis
2. Lebar dari fungsi basis
3. Bobot output setiap fungsi basis
2.5.3.2 Menentukan Center RBF
Teknik clustering ini terdiri dari
beberapa teknik, salah satunya yang digunakan
dalam Tugas Akhir kali ini adalah teknik KMeans Clustering, merupakan salah satu
metode data clustering unsupervised yang
berusaha mempartisi data yang ada kedalam
bentuk satu atau lebih cluster atau kelompok.
Metode ini mempartisi data kedalam cluster
sehingga data yang memiliki karakteristik
yang sama dikelompokkan kedalam satu
cluster yang sama dan data yang mempunyai
karakteristik yang berbeda dikelompokkan
kedalam kelompok yang lain. Adapun tujuan
dari data clustering ini adalah untuk
meminimalisasikan objective function yang
diset dalam proses clustering, yang pada
umumnya berusaha meminimalisasikan variasi
didalam suatu cluster dan memaksimalkan
variasi antar cluster.
Data clustering menggunakan metode KMeans ini secara umum dilakukan dengan
alogaritma dasar sebagai berikut :
1. Tentukan jumlah cluster
2. Alokasikan data kedalam cluster secara
acak
3. Hitung centroid atau rata-rata dari data
yang ada di masing-masing cluster
4. Alokasikan masing-masing data ke
centroid atau rata-rata terdekat
5. Kembali ke step 3 apabila masih ada data
yang berpindah cluster atau apabila
perubahan nilai centroid ada yang diatas
nilai ambang yang ditentukan atau juga
apabila perubahan nilai pada objective
function yang digunakan diatas nilai
ambang yang ditentukan
Distance space, atau jarak antara dua titik
dihitung 2.1
menggunakan rumus Eucliean yang
didefinisikan :
2.9
Dimana : p = dimensi data
Kemudian mengelompokkan data berdasarkan
jarak minimum dari setiap center, perubahan
anggota dalam tiap cluster di setiap iterasinya
menyebabkan perubahan nilai center, maka
dari itu perhitungan pusat cluster (center) yang
baru menggunakan rumus:
2.10
Dimana : vi = center dari cluster ke-i
xj = data masukkan yang merupakan
kelompok ke-i
ni = banyaknya data kelompok ke-i
2.5.3.3 Menentukan Lebar
Melalui penentuan center diatas maka
diperoleh nilai center-center cluster yang baru
yaitu vi dan vj, kemudian selanjutnya
menentukan lebar dengan menggunakan
rumus dibawah ini :
2.11
Dimana dmax diperoleh dari :
2.12
2.5.3.4 Menentukan Bobot
Proses pembelajaran dalam penentuan
bobot ini adalah:
1. Ambil vektor input xi dari himpunan
pembelajaran
pengujian
BAB III. METODOLOGI PENELITIAN
Tahapan-tahapan dari penelitian Tugas
Akhir ini dapat dilihat sesuai dengan flow
chart pada gambar 3.1.
Mulai
Penentuan Parameter
Sampel Air Baku
(keluaran flokulasi)
Pengambilan Data
Sampel
Pengolahan Data
Sampel
Perancangan Sistem Berdasarkan
Karakteristik Data
Arsitektur
Pelatihan JST
Pengujian
Penyusunan
Laporan
Selesai
g.hf
td.
(9,8 m/s).(1
(30 s).(0,92.10-6 m2/s)
G = 595,9/s
Jika nilai hf = 1,5m (selisih 0,5m), maka
gradien kecepatan putaran pengaduk
hydrolic jump pada proses koagulasi ini
adalah:
G=
(9,8 m/s).(1,5
(30 s).(0,92.10-6 m2/s)
G = 759,8/s
Jadi selisih gardien kecepatan yang
termonitor adalah 165/s dengan nilai
gradien kecepatan minimum 700/s dan
maksimum 1500/s.
Data hasil pengukuran tersebut
dapat dilihat pada tabel 3.3, karena data
yang diperoleh sebanyak 6 maka akan
mengalami proses ekspansi data kembali
dengan menggunakan distribusi normal
dengan program MINITAB 14, hingga
menjadi 183 data yang dapat dilihat pada
lampiran.
larutan.
Dapat
dinyatakan
dengan
persamaan: (Rahmat Gunawan, 2009)
pH = - log [H+]
pOH = - log [OH-]
pH = 14 pOH
Dengan kata lain pH merupakan ukuran
kekuatan suatu asam. pH suatu larutan
dapat ditera dengan beberapa cara antara
lain dengan jalan menitrasi larutan dengan
asam dengan indikator atau yang lebih
teliti lagi dengan pH meter. Pengukur pH
tingkat asam dan basa air minum ini
bekerja secara digital, pH air disebut asam
bila kurang dari 7,pH air disebut basa
(alkaline) bila lebih dari 7 dan pH air
disebut netral bila ph sama dengan 7. Cara
kerja alat ini adalah dengan cara
mencelupkan kedalam air yang akan
diukur (kira-kira kedalaman 5cm) dan
secara otomatis alat bekerja mengukur.
Pada saat pertama dicelupkan angka yang
ditunjukkan oleh display masih berubahubah, tunggulah kira-kira 2 sampai 3 menit
sampai angka digital stabil .
Jika pemakaian sudah mencapai
beberapa lama misalnya 3 tahun, maka
pengukuran pH terkadang bisa menjadi
tidak akurat lagi, untuk itu diperlukan
proses kalibrasi. pH meter dapat
dikalibrasi menggunakan larutan standar
atau larutan buffer. Sebagaimana alat yang
lain, untuk mendapatkan hasil pengukuran
yang baik, maka diperlukan perawatan dan
kalibrasi pH meter. Pada penggunaan pH
meter, kalibrasi alat harus diperhatikan
sebelum dilakukan pengukuran. Seperti
diketahui prinsip utama pH meter adalah
pengukuran arus listrik yang tercatat pada
sensor pH akibat suasana ionik di larutan.
Stabilitas sensor harus selalu dijaga dan
caranya adalah dengan kalibrasi alat.
3.3 Pengolahan Data Sampel
Pengolahan data sampel yang
dimaksud disini adalah, mengolah data
yang diperoleh dari proses pengukuran
baik pengukuran parameter sampel air
baku yang diperoleh dari Litbang PDAM
Surabaya, maupun pengukuran gradien
kecepatan putaran pengadukan proses
Start
Himpunan Data
Masukkan untuk
Training
tidak
Epoch
xn - xmin
xmax - xmin
(3.1)
Dimana :
xn = nilai yang ingin dinormalisasi
xmin = nilai terkecil dalam satu parameter
xmax = nilai terbesar dalam satu parameter
3.6 Perancangan Data Pembelajaran
Dari 183 data yang diperoleh untuk
pemantauan proses koagulasi pada bulan
Agustus 2010 hingga Mei 2011, digunakan
80 % untuk proses pembelajaran atau
training yaitu sebanyak 150 data dilakukan
proses normalisasi data. Data yang
dihasilkan dari proses tersebut selanjutnya
digunakan untuk melakukan proses
training. Terdapat dua proses yang
termasuk dalam proses training yaitu
proses
penentuan
center
dengan
menggunakan algoritma K-Means dan
proses
perhitungan
bobot
dengan
menggunakan algoritma Least mean
Square (LMS).
Dari 80% data tersebut digunakan
sebagai variabel masukkan pada proses
penentuan center selain itu jumlah center
yang ditentukan sebelumnya menjadi
parameter masukkan untuk proses
clustering
dengan
menggunakkan
algoritma K-Means.
Dari proses K-Means akan dihasilkan
data keluaran berupa center yang
kemudian digunakan untuk mencari factor
skala atau radius (r). Radius (r), center dan
data
masukkan
digunakan
untuk
memperoleh nilai fungsi radial basis yang
selanjutnya dipakai untuk mendapatkan
DATA
DAN
sebelum dinormalisasi
setelah dinormalisasi
BAB V. PENUTUP
5.1 Kesimpulan
Dari
serangkaian
metodologi,
pengujian serta analisa yang telah
dilakukan didapatlah beberapa kesimpulan
yang menjawab tujuan dari adanya tugas
akhir ini, diantaranya:
1. Telah berhasil membuat rancangan
sistem jaringan syaraf tiruan berupa
program atau software yang mampu
menentukan dosis keluaran berupa
kadar tawas pada proses koagulasi
sistem pengolahan air bersih.
2. Program jaringan syaraf tiruan radial
basis function sebagai penentu dosis
kadar tawas ini sebelum digunakan
sebagai program penentu atau prediksi
telah di-training dengan nilai MSE
training sebesar 0,0638288.
3. Setelah menyelesaikan proses training,
sebagai penentu dosis kadar tawas,
program ini divalidasi melalui proses
testing dengan nilai MAPE testing
sebesar 0,009649876.
5.2
Saran
Proses awal dari jaringan syaraf
tiruan radial basis function adalah
clusterisasi, dimana proses ini lebih
mudah dilaksanakan jika data yang diolah
memiliki kemiripan yang lebih signifikan
satu sama lain dalam satu cluster. Hal ini
menyebabkan proses koagulasi yang
memiliki data (baik pH, kekeruhan dan
kecepatan aduk) cukup acak atau tingkat
kemiripan kecil akan memiliki nilai
prediksi (yang dilihat dari nilai MSE dan
MAPE) lebih tepat jika menggunakan
jaringan syaraf tiruan metode selain radial
basis function (metode lain yang tidak
menggunakan proses clusterisasi).
DAFTAR PUSTAKA
1. Arifiani, Nur Fajri dan Hadiwidodo,
Mochtar. Evaluasi Desain Instalasi
Pengolahan Air PDAM Ibu Kota
Kecamatan Prambanan Kabupaten Klaten.
Program Studi Teknik Lingkungan
Fakultas Teknik Universitas Dipoenegoro