IDENTIFIKASI PLANT DISTILASI VAKUM BIOETANOL

DENGAN METODE EXTENDED LEAST SQUARE (ELS)

Dosen Pembimbing:
1. M. Aziz Muslim, ST., MT., Ph.D.
2. Goegoes Dwi N. ST., MT.

Muhamad Zainudin
115060300111049

LATAR BELAKANG

Permintaan energi meningkat 1,6% per tahun. (International Energy Agency)

Perlu adanya energi alternatif dari bahan nabati.
Distilasi vakum dilakukan untuk mengganti proses absorbsi yang dapat memakan waktu 2-3 hari.
Distilasi vakum sangat bergantung pada suhu dan tekanan, sehingga diperlukan pengontrolan.
Sebelum menentukan strategi kontrol yang tepat, mengidentifikasi suatu sistem fisik perlu dilakukan.

RUMUSAN MASALAH

Bagaimana merancang identifikasi plant distilasi vakum bioetanol dengan metode extended
least square (ELS)?
Bagaimana merancang perangkat keras dan lunak yang mampu melakukan identifikasi
plant distilasi vakum bioetanol dengan metode extended least square (ELS)?

TUJUAN

Tujuan dari penelitian ini adalah untuk merancang identifikasi plant distilasi vakum bioetanol
dengan metode extended least square (ELS) guna mendapatkan model matematis yang sesuai
dari plant.

BATASAN MASALAH
Vacuum Distiller yang digunakan adalah prototype dengan desain sendiri.
Pembahasan ditekankan pada pemodelan plant suhu dan tekanan pada proses distilasi vakum
bioetanol.
Media pemanas didalam selimut tabung pemanas berupa minyak goreng sebanyak 15L.
Bahan baku yang digunakan berupa fermentasi tetes tebu sebanyak 15L.
Struktur model yang dipilih adalah ARMAX.
Kinerja driver dan elektronika tidak dibahas mendalam.
Mekanisme terjadinya Bioetanol tidak dibahas secara mendalam.

GAMBAR PERANCANGAN ALAT

BLOCK DIAGRAM

PERANCANGAN IDENTIFIKASI SISTEM

Sinyal uji PRBS

Struktur model ARMAX
Metode ELS
Uji Keakurasian dan FPE

SINYAL UJI PRBS

Pseudo Random Binary
Sequence (PRBS) adalah
sinyal kotak yang
termodulasi pada lebarnya
dan berlangsung secara
sekuensial.
Periode maksimum dapat
ditentukan melalui
persamaan:
= 2 1

STRUKTUR MODEL ARMAX

u(t)= variabel input (suhu)

e(t)= variabel gangguan (tekanan)
y(t)= variabel output (suhu)
Parameter A, B dac C mempunyai
orde dari 1 hingga ke-n.

ESTIMASI PARAMETER

ELS digunakan untuk mengidentifikasi

model dari struktur ARMAX:
A(q-1) y(t) = q-d B(q-1) u(t) + C(q-1) e(t)

PENGUJIAN SENSOR SUHU THERMOCOUPLE TIPE K

Grafik Pengujian Sensor Suhu
120

100

Suhu (C)

80

60

40

Sebelum Kalibrasi
Sesudah Kalibrasi

20

Referensi
0
0

Data ke-n

10

12

14

16

PENGUJIAN SENSOR TEKANAN MPX5100AP

Grafik Pengujian Sensor Tekanan
1,10

Sebelum Kalibrasi
Sesudah Kalibrasi

1,00

Tekanan Referensi

Tekanan (atm)

0,90
0,80
0,70
0,60
0,50
0,40
0

Data ke-n

10

12

PENGUJIAN PENYULUTAN TRIAC

Sudut
Penyalaan ()

Perhitungan
(ms)

22,5
1,25
45
2,5
67,5
3,75
90
5
112,5
6,25
135
7,5
157,5
8,75
180
10
Rata rata kesalahan

Pengujian
(ms)

Kesalahan
(%)

1,1
2,4
3,2
4,8
5,8
7
8,2
9,6

12,00
4,00
14,67
4,00
7,20
6,67
6,29
4,00
7,35

PENGUJIAN RANGKAIAN DIMMER

Sudut ()
175,78
161,72
147,66
133,59
119,53
105,47
91,41
77,34
63,28
49,22
35,16
21,09
7,03

Tegangan (V)
4
13
27
48
70
92
115
137
157
174
192
199
207

Grafik Pengujian Dimmer

250

200
Tegangan (V)

PWM
125
115
105
95
85
75
65
55
45
35
25
15
5

150

100

50

20

40

60
PWM

80

100

120

140

PENGUJIAN KARAKTERISTIK PLANT

Grafik Karakteristik Plant
80

PWM 5
PWM 25

70

PWM 45
PWM 65

Suhu (C)

60

PWM 75
PWM 85

50

40

30

20
0

10000

20000

30000

40000

50000

Waktu (detik)

Pada nilai PWM= 85 tidak terjadi lagging suhu, sehingga

nilai PWM ini dipilih untuk nilai pembangkitan sinyal masukan.

60000

70000

PENGUJIAN KESELURUHAN
Input PRBS 8 Bit

130
120

Suhu (C)

100
90
80
70

2000

4000

6000

8000

10000

12000

2000

4000

6000
Waktu (detik)

Waktu (detik)

Output Tekanan (atm)

1,00
0,90

Tekanan (atm)

PWM

110

Output Suhu (C)

38,00
36,00
34,00
32,00
30,00
28,00
26,00
24,00
22,00
20,00

0,80
0,70
0,60
0,50
0,40
0

2000

4000

6000

8000

Waktu (detik)

10000

12000

14000

8000

10000

12000

PARAMETER ESTIMASI & FUNGSI ALIH

Parameter

-0,2920

-0,2848

-0,2324

-0,1845

0,0057

-0,0029

-0,0017

-1,8200

-1,2805

7,1277

-7,5873

2,0066

ERROR dan VALIDASI

Grafik Perbandingan Output Model dan Output Plant

Grafik Nilai Error Hasil Prediksi

36

1,5

34

32

Suhu (C)

Suhu (C)

0,5
0

30
28

-0,5

26

-1

24

Output Plant
Output Model

22

-1,5
0

1000 2000 3000 4000 5000 6000 7000 8000 9000 10000 11000 12000

1000 2000 3000 4000 5000 6000 7000 8000 9000 10000 11000 12000

Waktu (detik)

Waktu (detik)

Error steady state: 0,2741C

Hasil Validasi
Bestfit : 94,44%
FPE : 0,1795

PERBANDINGAN HASIL VALIDASI MODEL

ANTARA METODE RLS DENGAN ELS

Tabel Hasil Validasi

Metode

Best FIT

FPE

RLS

94,61

0,0368

ELS

94,44

0,1795

Penyebab:
Adanya penurunan performa plant.
Adanya perbedaan sensor suhu yang dipakai. Pada
penelitian sebelumnya digunakan sensor suhu PT100,
sedangkan sekarang memakai sensor suhu thermocouple
tipe K.
Adanya pengaruh disturbance terukur berupa tekanan
udara yang pada penelitian sebelumnya diabaikan.

KESIMPULAN

Parameter Hasil Estimasi:

A [-0,2920 -0,2848 -0,2324 -0,1845]
B [0,0057 -0,0029 -0,0017 -1,8200]
C [-1,2805 7,1277 -7,5873 2,0066]

SARAN

Saran yang dapat diberikan untuk penelitian selanjutnya adalah pengembangan lebih lanjut
untuk membandingkan dengan hasil identifikasi yang menggunakan metode Output Error.
Selain itu, perlu diperhatikannya cara pembangkitan sinyal PRBS, yaitu melalui kondisi
steady state sistem.

TERIMA KASIH