PROPOSAL TUGAS AKHIR

PERANCANGAN SISTEM KONTROL PREDIKTIF PADA SISTEM GAS

REFORMING UNIT AMONIA PABRIK 5 PT. PUPUK KALTIM DENGAN
STRUKTUR CENTRALIZED

Disusun Oleh :
Febryn Pradana Rifanda Putra
NRP. 2413 100 040

Dosen Pembimbing:
Dr. Katherin Indriawati, S.T., M.T. NIP. 19760523 200012 2 001

PROGRAM STUDI S-1

JURUSAN TEKNIK FISIKA
FAKULTAS TEKNOLOGI INDUSTRI
INSTITUT TEKNOLOGI SEPULUH NOPEMBER
SURABAYA
2017
 LEMBAR PENGESAHAN
PROPOSAL TUGAS AKHIR
DEPARTEMEN TEKNIK FISIKA FTI-ITS

Judul : Perancangan Sistem Kontrol Prediktif pada Sistem Gas Reforming

Unit Amonia Pabrik 5 PT. Pupuk Kaltim dengan Struktur
Centralized
Bidang Studi : Rekayasa Instrumentasi
1. a. Nama : Febryn Pradana Rifanda Putra
b. NRP : 2413 100 040
c. Jenis Kelamin : Laki-laki
2. Jangka Waktu : 6 bulan
3. Pembimbing I : Dr. Katherin Indriawati, S.T., M.T.
4. Pembimbing II :-
5. Usulan Proposal ke : I (satu)
6. Status : Baru

Surabaya, 2 Februari 2017

Pengusul Proposal,

Febryn Pradana Rifanda Putra

NRP. 2413 100 040

Mengetahui/Menyetujui

Kepala Laboratorium Rekayasa Pembimbing

Instrumentasi dan Control

Totok Ruki Biyanto, S.T., M.T., Ph.D. Dr. Katherin Indriawati, S.T., M.T.
NIP. 19540406 198103 1 003 NIP. 19760523 200012 2 001
 I. Judul
Perancangan Sistem Kontrol Prediktif pada Sistem Gas Reforming Unit Amonia Pabrik 5
PT. Pupuk Kaltim dengan Struktur Centralized.

II. Mata Kuliah Pilihan Bidang Minat

1. Sistem Pengendalian Modern
2. Proteksi dan Pengamanan
3. Teknik Optimasi

III. Pembimbing
1. Dr. Katherin Indriawati, S.T., M.T.

IV. Latar Belakang

Sektor pertanian adalah sektor yang penting dalam pembangunan ekonomi suatu negara,
terutama negara agraris seperti Indonesia. Seperti yang disebutkan dalam salah satu sumber,
diperlukannya revitalisasi sektor pertanian untuk mencapai target pemerintah Indonesia dalam
pertumbuhan ekonomi [1]. Untuk menunjang revitalisasi sektor pertanian ini diperlukannya
pengembangan dari sektor pertanian. Salah satu cara untuk mengembangkan sektor pertanian
adalah tersedianya pupuk yang cukup bagi sektor pertanian di Indonesia. Hal ini yang
membuat berdirinya PT Pupuk Kaltim di Kota Bontang, Kalimantan Timur sebagai salah satu
penyedia kebutuhan pupuk di Indonesia. Perusahaan ini merupakan perusahaan petrochemical
terbesar di Indonesia yang memproses gas alam menjadi amonia dan urea [2].
Pada PT Pupuk Kalimantan Timur tepatnya di Pabrik 5 terdapat unit amonia, unit ini
menghasilkan produk berupa amonia dan CO2 [2]. Produk yang dihasilkan dari unit amonia
ini adalah bahan baku pembuatan pupuk urea. Bahan baku yang diproses pada unit amonia ini
adalah natural gas dan diproses melalui beberapa tahap. Dalam setiap tahap tersebut banyak
variabel yang dikontrolkan agar proses berlangsung sesuai hasil desain, seperti tekanan, suhu,
flow dan level. Dari proses yang berlangsung selama ini sistem pengendalian konvensional
sudah mampu mengendalikan variabel proses mendekati set point yang diberikan. Dalam
keadaan tertentu, terdapat peluang-peluang untuk meningkatkan proses produksi lebih
optimal.
Proses produksi yang optimal adalah proses yang menghasilkan produk maksimal dengan
sumber daya seminimal mungkin. Untuk mengoptimalkan proses di industri perlu
diselesaikan dengan cara optimasi. Menurut Doris Saez dan Andrzej Ordys (2006) untuk
menyelesaikan masalah optimasi bisa dilakukan dengan mengubah strategi kontrol.
Pengubahan strategi kontrol untuk mencapai kondisi optimal bisa dilakukan dengan
memberikan set point optimal pada sistem kontrol konvensional yang ada atau dengan
mengganti sistem kontrol konvensional yang ada dengan sistem kontrol optimal [3]. Sistem
kontrol optimal bekerja berdasarkan cost function yang diminimalkan. Setiap perubahan
variabel pada sistem akan diproses berdasar cost function sehingga diperoleh sinyal kontrol
yang optimal. Salah satu sistem pengendalian optimal yang sering dipakai di industri adalah
sistem kontrol prediktif.
Algoritma sistem kontrol prediktif yang sering digunakan adalah Model Predictive
Control(MPC), MPC termasuk dalam kategori konsep perancangan pengendali berbasis
model proses, model proses digunakan secara eksplisit untuk mendisain pengendali, dengan
meminimumkan suatu fungsi kriteria. Penggunaan model proses secara eksplisit ini digunakan
untuk memprediksi keluaran proses yang akan datang didalam rentang waktu tertentu
 (horizon). Hingga saat ini banyak sekali dijumpai keberhasilan aplikasi pengendali prediktif
bukan hanya didalam industri proses, tetapi juga aplikasi pengendalian lengan robot,
biomedik, industri semen, kolom destilasi, generator servo, dan lain-lain. Kinerja yang
memuaskan dari hasil aplikasi tersebut menunjukkan kapasitas MPC berefisiensi tinggi serta
mampu beroperasi selama periode waktu yang lama dengan berbagai intervensi [4] Pada tugas
akhir ini MPC akan digunakan untuk menggantikan sistem kontrol konvensional yang ada
pada sistem gas reforming.
Mengendalikan plant yang luas seperti sistem gas reforming diperlukan suatu sistem
kontrol yang disebut plantwide control. Metode plantwide control dalam mengendalikan
plant ada dua macam, yaitu centralized dan decentralized [5]. Metode centralized bekerja
dengan memberikan sinyal kontrol optimal langsung pada plant tanpa melalui sistem kontrol
konvensional. Sedangkan metode decentralized memberikan set point optimal kepada sistem
kontrol konvensional yang terpasang. MPC yang dijelaskan sebelumnya merupakan sistem
kendali plantwide control dengan metode centralized. Pada tugas akhir ini akan dirancang
sistem prediktif kontrol dengan struktur centralized pada sistem gas reforming unit amonia
Pabrik 5 PT Pupuk Kaltim untuk memaksimalkan produksi CO 2 dan H2 dengan resource
seminimal mungkin.

V. Permasalahan
Dari latar belakang diatas, permasalahan yang diangkat dalam penelitian tugas akhir ini
adalah sebagai berikut:
a. Bagaimana merancang struktur kontrol centralized untuk meningkatkan efisiensi
penggunaan natural gas pada sistem Gas Reforming.
b. Bagaimana merancang algoritma kontrol prediktif dengan struktur centralized yang
dapat menghasilkan sinyal kontrol optimal untuk sistem Gas Reforming.

VI. Tujuan
Tujuan dari penelitian tugas akhir ini adalah merancang sistem kontrol prediktif dengan
struktur centralized yang dapat mengoptimalkan sistem Gas Reforming pada unit amonia
Pabrik 5 unit amonia PT. Pupuk Kalimantan Timur.

VII. Batasan Masalah

Batasan masalah dalam tugas akhir ini antara lain:
a. Plant yang ditinjau adalah pabrik 5 unit amonia PT. Pupuk Kalimantan Timur pada
proses awal sampai dengan proses Carbon Monoxide Shift Converter.
b. Variabel yang di kontrol adalah tekanan (PIC-1019A) pada primary reformer, laju
aliran gas proses (FIC-1001) yang masuk ke Primary Reformer Radiant Section dan
temperatur keluaran HTS Effluent Steam Generator yang akan menuju ke LTS (TIC-
1011) dengan memanipulasi laju aliran feed water dari Boiler Feedwater.
c. Pemodelan plant dilakukan berdasarkan data proses dan data desain pada pabrik 5 unit
amonia PT. Pupuk Kalimantan Timur.

VIII. Tinjauan Pustaka

Berikut merupakan beberapa penelitian sebelumnya terkait dengan topik proposal
tugas akhir yang akan diajukan ini:
1. Aditya Nugraha, Levi, Yaumar, dan Ketherin Indriawati. 2012. "Perancangan Sistem
Kontrol Prediktif Pada PLTGU PT. PJB UP Gresik Dengan Struktur
Centralized". Dari jurnal ini dibahas mengenai bagaimana merancang sistem kontrol
prediktif dengan metode centralized yang mampu memberikan sinyal kontrol secara
 langsung untuk mengendalikan plant PLTGU . Dengan metode ini dihasilkan error
pengendalian yang lebih kecil dan mampu menurunkan cost hingga 2,2%.
2. Budinis, S., N. dan F. Thornhill, 2015."Control of Centrifugal Compressors Via
Model Predictive Control for Enhanced Oil Recovery Applications." Pada jurnal ini
MPC diterapkan sebagai sistem kontrol tekanan dan anti surge pada centrifugal
compressor. Dengan menerapkan fungsi constraintsnya, MPC diharapkan mampu
mengoptimasi compressor.

IX. Teori Penunjang

IX.1. Proses Produksi Amonia
Amonia Plant Pabrik- 5 PT. Pupuk Kaltim mempunyai kapasitas 2.500 MTPD Amonia
pada kondisi normal operasi dengan kapasitas desain 2.700 MTPD. Amonia dan karbon
dioksida dari Amonia plant akan digunakan sebagai bahan baku untuk urea plant yang berada
di luar dari battery limit Amonia plant. Pada kondisi normal, 1.978 MTPD hot Amonia akan
dikirim ke urea plant dan 522 MTPD cold Amonia akan di transfer ke storage. Ketika
beroperasi pada kondisi 2.700 MTPD maka sebanyak 722 MTPD cold Amonia akan di
transfer ke storage. Kelebihan karbondioksida akan di-venting.
Bahan baku utama dari proses produksi Amonia adalah gas alam (natural gas). Gas alam
yang digunakan sebagai umpan berasal dari battery limit dengan valve dan aliran by-pass
yang diisolasi. Aliran gas alam menjadi fuel atau bahan bakar burner di primary reformer pada
radiant section, sedangkan sebagian lainnya menjadi feed gas. Feed gas sebanyak
62.452kg/jam dan fuel gas sebanyak 12.922 kg/jam pada temperature 300C dan tekanan 23,0
44 kg.cm2.A dialirkan langsung dari feed gas Knock Out Drum (174- D).
Dalam pengerjaan tugas akhir ini proses yang ditinjau dan dianalisa adalah proses dari
mulai feed gas compression sampai dengan HTS dan LTS. Dimana pada proses tersebut berisi
katalis yang dibutuhkan untuk mengubah karbon monoksida (CO) menjadi karbon dioksida
(CO2).
 Gambar 1 Blok flow diagram Amonia unit sampai HTS dan LTS [2].
Feed Gas Compression
Natural Gas untuk feed dan fuel disuplai dalam keadaan normal pada 30 oC dan 23
Kg/cm2.A menuju Knock Out Drum (174- D) yang didesain untuk proses pada tekanan sedikit
dibawah tekanan aliran, sehingga sebagian komponen gas yang berada pada kondisi jenuh
mengalami kondensasi. Hal ini bertujuan agar nantinya ketika gas masuk ke kompresor tidak
terjadi kerusakan yang disebabkan oleh cairan yang terdapat pada kompresor.
Kemudian sebelum masuk kompresor, aliran terbagi 2, dimana sebagian aliran gas alam
menjadi fuel atau bahan bakar burner di primary reformer pada radiant section, sedangkan
sebagian lainnya menjadi feed gas. Pada aliran masukkan K.O. Drum (174- D) terdapat jalur
pipa yang berisi nitrogen. Jalur ini berfu ngsi sebagai purging pada saat start up untuk
menaikkan tekanan pada kompresor.

Gambar 2 Process Flow Diagram Feed Gas Compressor [2].

Pada K.O Drum (174- D) jalur bottom atau kondensat pada saat normal operasi , valve
dalam keadaan tertutup. Terdapat level indikator didalam K.O. Drum (174- D) yang
memantau kenaikan level kondensat di dalam K.O. Drum (174- D). Setelah mencapai level
yang di harapkan maka bottom valve akan terbuka mengeluarkan kondensat dari dalam
tangki.
Keluar dari K.O. Drum (174- D) bagian overhead, aliran gas alam menuju suction feed
gas compressor (102- J) yang digerakkan steam turbin, menggunakan SM steam. Pada
kompresor tersebut, tekanan natural gas dinaikkan hingga 48,8 Kg/cm2.G.
Desulfurizer

Gambar 3 Process Flow Diagram Desulfurisasi [2].

Unit desulfurisasi berfungsi menghilangkan sulfur yang terdapat dalam aliran gas alam
dikarenakan dapat menjadi racun bagi katalis pada proses berikutnya. Penyebab yang
menyebabkan katalis rusak dapat diakibatkan oleh beberapa hal, misalnya temperatur yang
tinggi atau adanya racun bagi katalis. Sulfur tersebut akan menutupi pori - pori katalis,
sehingga katalis tidak dapat mentransfer panas sehingga katalis akan rusak dengan berubah
warna (aktivitas katalis rusak).

Primary Reforming

Gambar Process Flow Diagram Primary Reforming [2].

Primary reformer (101- B) adalah sebuah furnace yang terdiri dari 2 bagian yaitu radiant
section dan convection section. Proses terjadi didalam tube yang berisi katalis pada radiant
section. Feed yang berasal dari desulfurizer bercampur dengan steam dengan temperatur
3540C, sebagian steam digunakan untuk men-stripping proses kondensat di process gas
stripper (130- D).
Process air compressor

Gambar 4 Process Flow Diagram Process Air Compressor [2].

Gas nitrogen yang dibutuhkan pada proses sintesis Amonia berasal dari udara atmosfer
dan dikirim ke unit proses dengan compressor udara 4-stage (101- J), yang digerakkan dengan
steam turbine (101- JT ). Agar dapat bereaksi dan masuk dalam aliran, maka udara perlu
ditekan hingga mencapai tekanan proses.
Process air compressor adalah compressor sentrifugal empat tingkat. Udara atmosfer
masuk ke dalam saringan udara untuk menyaring partikel kotoran didalamnya. Udara hasil
penyaringan kemudian mengalir dan embun yang terkandung didalamnya akan terkondensasi,
dipisahkan, dan dihilangkan dengan 3 buah intercooler dan separator yang terletak di
discharge stage ke tiga compressor udara. Intercooler mendinginkan aliran udara dengan cara
menukar panas dengan cooling water. Proses pendinginan kemudian dilanjutkan dengan
proses pemisahan flash, sehingga komponen yang telah jenuh dapat terkondensasi. Karena
apabila terkondensasi pada compressor stage selanjutnya, dapat mengakibatkan abrasi pada
compressor. Process air compressor menggunakan penggerak steam turbine (101- JT ).
Turbin ini menggunakan steam SM dan SL sebagai sumber penggerak dengan exhaust yang
menju condenser (101- JTC).
Process air compressor (101- J) menyediakan udara untuk Secondary Reformer.
Compressor ini menyuplai 4.695 Kg/hr udara untuk OSBL sebagai instrument air dan plant
air pada kondisi normal operasi. Air compressor dikontrol untuk menjaga pressure drop yang
melalui control valve udara proses tetap konstan. Pada kondisi operasi turndown, udara yang
terkompresi di-venting secukupnya untuk menjaga beban minimum dari compressor dan
mencegah terjadinya kondisi surge.

Secondary Reforming
Secondary reforming (103- D) adalah sebuah vessel bertekanan yang berisi katalis nikel
yang digunakan untuk reaksi secondary reforming dan dilengkapi dengan lining tahan panas
dan water jacket pada bagian luarnya. Penahan katalis atau bed support berada di bagian
bawah vessel yang khusus dibuat berbentuk kubah, dilengkapi dengan batu tahan api
berlubang yang terbuat dari alumina.
 Gambar 5 Process Flow Diagram Secondary Reforming [2].

Carbon Monoxide Shift Conversion

Reaksi pada ref ormer menghasilkan produk antara lain yaitu karbon monoksida.
Karbon monoksida ini akan di ubah menjadi karbon dioksida, dan pada tahap selanjutnya
akan dipisahkan dan dikirim untuk menjadi bahan baku urea. Karbon monoksida bereaksi
dengan steam untuk mem bentuk jumlah yang ekivalen/sama dengan hydrogen dan
carbon dioxide. Kecepatan reaksi CO2 shift tergantung dari temperatur tinggi, namun
bagaimanapun juga untuk mendapatkan konversi yang maksimum dari CO menjadi CO 2
(kesetimbangan) tergantung oleh temperatur yang rendah. Suhu rendah akan
menyebabkan konstanta keseimbangan naik tetapi kecepatan reaksi menjadi lambat.
Oleh karena itu digunakan suhu tinggi untuk mempercepat kecepatan reaksi dan suhu
rendah untuk untuk mendapatkan konversi yang maksimum dari CO menjadi CO 2
(kesetimbangan). Sehingga reaksi ini berlangsung dalam 2 tingkat yaitu HTS (High
Temperature Shift) dan LTS (Low Temperature Shift).
High Temperature Shift Converter, HTS (104- D1) dan Low Temperature Shift
Converter, HTS (104- D12A/D2B) berisi katalis yang dibutuhkan untuk mengubah
karbon monoksida (CO) menjadi karbon dioksida (CO 2). Katalis iron/copper merupakan
katalis untuk HTS dan katalis copper/zinc merupakan katalis untuk LTS.
 Gambar 6 Process Flow Diagram Carbon Monoxide Shift Conversion [2].

9.2 Pemodelan Dinamik Plant

Setiap komponen proses dimodelkan dengan menggunakan fungsi transfer yang didapat
melalui persamaan mass and energy balance dan data pabrik 5 unit amonia PT. Pupuk
Kalimantan Timur. Dari fungsi transfer yang didapat akan dimasukkan ke dalam software
simulasi.
Global mass balance:
d
[ V + V ]=q f q s (1)
dt s st w wt

Global energy balance:

d
[ h V + h V +mt c p tm ]=Q+q f hf q s hs ( 2 )
dt s s st w w wt

9.3 Algoritma Model Predictive Control

Sistem kontrol prediktif termasuk kedalam katagori konsep perancangan pengendali

berbasis model proses, yaitu model proses digunakan secara eksplisit untuk mendisain
pengendali, dengan meminimumkan suatu fungsi kriteria, seperti terlihat pada gambar
7. Ide yang mendasari pada setiap jenis pengendali prediktif adalah:
Penggunaan model proses secara eksplisit untuk memprediksi keluaran proses
yang akan datang didalam rentang waktu tertentu (horizon).
Perhitungan rangkaian sinyal kontrol dengan meminimasi suatu fungsi
kriteria.
Strategi surut; pada setiap waktu pencuplikan (pada waktu t) horizon
dipindahkan menuju waktu pencuplikan berikutnya (pada waktu t+1) dengan
melibatkan pemakaian sinyal kontrol pertama (yaitu u(t)) untuk mengendalikan
proses, dan kedua prosedur di atas diulang dengan menggunakan informasi
terakhir.
 Gambar 7 Struktur pengendali MPC (Camacho,2004).
Metode MPC menawarkan serangkaian keuntungan dibandingkan metode
pengendalian lainnya, diantaranya adalah:
Konsepnya sangat intuitif serta penalaannya sangat mudah.
Dapat digunakan untuk mengendalikan proses yang beragam, mulai dari
proses yang sederhana, hingga sampai proses yang kompleks, mempunyai
waktu tunda besar, non-minimum phase atau proses yang tidak stabil.
Dapat menangani sistem multivariabel.
Mempunyai kompensasi terhadap waktu tunda.
Mempunyai kemampuan dari pengendali feed forward untuk
mengkompensasi gangguan yang terukur.
Mudah untuk mengimplementasikan pengendali yang diperoleh.
Constraints dapat diperhitungkan didalam perancangan pengendali.
Sangat berguna jika sinyal referensi untuk masa datang diketahui.

9.4 Konsep Dasar MPC

Gambar 8 Strategi kontrol MPC(Camacho,2004).

Prinsip kerja dari semua pengendali yang termasuk kedalam katagori jenis-jenis MPC dapat
dijelaskan sebagai berikut:
1. Keluaran proses yang akan datang untuk rentang horizon N yang ditentukan,
dinamakan prediction horizon, diprediksi pada setiap waktu pencuplikan dengan
menggunakan model proses. Keluaran proses terprediksi ini y(t+k|t) untuk k = 1 ... N
bergantung pada nilai masukan dan keluaran lampau dan kepada sinyal kontrol yang
akan datang u(t+k|t), k = 0 ... N-1 yang akan digunakan sistem dan yang harus
dihitung.
2. Serangkaian sinyal kontrol dihitung dengan mengoptimasi suatu fungsi kriteria
yang ditetapkan sebelumnya, dengan tujuan untuk menjaga proses sedekat mungkin
terhadap trayektori acuan w(t+k). Fungsi kriteria tersebut umumnya berupa suatu
 fungsi kuadratik dari kesalahan antara sinyal keluaran terprediksi dengan
trayektori acuan. Dalam banyak kasus tujuan pengendalian seperti pemakaian energi
yang minimum disertakan didalam fungsi kriteria. Solusi eksplisit dapat diperoleh jika
fungsi kriteria adalah kuadratik, model linier, dan tidak ada constraints, jika tidak
optimasi iteratif harus digunakan untuk memecahkannya. Langkah pertama dan
kedua ini dapat diilustrasikan didalam gambar 9.
3. Sinyal kontrol u(t|t) dikirim ke proses, sedangkan sinyal kontrol terprediksi berikutnya
dibuang, karena pada pencuplikan berikutnya y(t+1) sudah diketahui nilainya.
Maka langkah pertama diulang dengan nilai keluaran proses yang baru dan
semua prosedur perhitungan yang diperlukan diperbaiki. Sinyal kontrol yang
baru u(t+1|t+1) (nilainya berbeda dengan u(t+1|t) dihitung dengan menggunakan
konsep receding horizon.

Gambar 9 Output proses dan pengendali terprediksi (xa.yimg.com, 2011).

9.5 Fungsi Kriteria MPC

Sebagaimana telah disebutkan sebelumnya bahwa perhitungan sinyal kontrol pada MPC
dilakukan dengan meminimumkan suatu fungsi kriteria. Adapun fungsi kriteria yang
diminimumkan dalam algoritma MPC berbentuk kuadratik seperti berikut:

(3)

y (k+i|k) : keluaran terprediksi untuk i-langkah kedepan saat waktu k

r(k+i|k) : nilai trayektori acuan (reference trajectory)
(k+i|k) : perubahan nilai sinyal kontrol terprediksi untuk i-langkah kedepan
saat waktu k
Q(i) dan R(i) : faktor bobot
Hp : prediction horizon
Hu : control horizon
X. Metodologi Penelitian
Berikut ini adalah flowchart yang menjelaskan tentang awal sampai akhir kegiatan
penelitian ini: Mulai

Studi Literatur

Pengambilan data
 Pemodelan plant

Validasi pemodelan

Valid?
Tidak

Ya

Perancangan algoritma sistem kontrol prediktif

Uji performansi

Tidak
Performansi baik?

Ya
Analisis hasil simulasi

Kesimpulan

Selesai

Gambar 10 Flowchart penelitian

1. Study Literature
 Sebelum dilakukan pengerjaan tugas akhir ini dilakukan study literature mengenai proses
plant yang akan dimodelkan dan dirancang sistem kontrolnya, model predictive control,
mass balance process modelling
2. Pengambilan Data
Data yang diambil merupakan data dari masing-masing komponen proses yang meliputi
kontroler, aktuator dan plant. Yang mana data tersebut akan digunakan untuk
mendapatkan model plant.
3. Pemodelan Plant
Pemodelan plant didasari dari data spesifikasi yang diambil dari plant.Pemodelan
matematis dilakukan agar plant dapat di optimasi dan di simulasikan pada matlab.
4. Validasi Pemodelan
Untuk memastikan model yang dibuat merepresentasikan plant yang sesungguhnya,
dilakukan validasi dengan menggunakan data pengukuran proses pada saat kondisi
normal dan mantap.
5. Perancangan Algoritma Model Predictive Control
Pada perancangan model predictive control ada dua tahapan. Yang pertama adalah
menentukan matrix prediksi dan yang kedua dengan melakukan optimasi untuk
mendapatkan nilai referensi yang optimum.
6. Uji Performansi
Untuk dapat mengetahui performansi dari sistem kontrol yang telah dirancang, maka
dilakukan berbagai pengujian terhadap sistem kontrol yang telah dibuat, pengujian yang
dilakukan yaitu uji terhadap gangguan, uji beban naik dan uji beban turun. Uji beban
yang dimaksud adalah uji dengan variasi misalnya dengan menaikkan atau menurunkan
rasio bahan bakar yang digunakan dalam plant tersebut.
7. Analisa Hasil Simulasi
Analisa data yang dilakukan merupakan analisa respon yang meliputi maximum
overshoot, error steady state dan settling time. Selanjutnya dilakukan perbandingan
respon sistem setelah dan sesudah dirancang sistem prediktif kontrol. Dan yang terakhir
analisa perhitungan biaya operasi.
8. Kesimpulan
Penarikan kesimpulan diambil dari hasil analisa hasil simulasi. Kesimpulan berisi
perfomansi sistem kontrol yang dirancang dan hasil pengoptimasian yang bisa dihasilkan
dari sistem kontrol yang dirancang.

XI. Jadwal Kegiatan

Dalam pengerjaan tugas akhir ini dirancang tahapan-tahapan yang disajikan secara rinci
berupa tabel jadwal pelaksanaan program sebagai berikut:

Tabel 1. Jadwal Kegiatan Tugas akhir

 Jadwal Kegiatan Februari Maret April Mei
No
Program 1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4
1 Studi literature
2 Pengambilan data
Pemodelan plant
3 Amonia

Perancangan
4 algoritma sistem
kontrol prediktif
5 Analisa hasil simulasi
6 Penyusunan Laporan

XII. Daftar Pustaka

[1] DR. Bustanul Arifin, Pembangunan Pertanian:Paradigma Kebijakan dan Strategi
Revitalisasi, Jakarta: Grasindo, 2005.
[2] S. dkk, Panduan Pengoperasian Pabrik Amonia Kaltim 5, Bontang: PT. Pupuk
Kalimantan Timur, 2013.
[3] Saez, D., Cipriano, A., dan Ordys, A.2002.Optimisation of Industrial Processes at
Supervisory Level:Application to Control of Thermal Power Plants,Springer-Verlag,
London.
[4] Camacho, E.F. dan Bordons, C. 2004. Model Predictive Control. Springer-
Verlag,London.
[5] Pandu R.,Gde dan Vinay Kariwala.2012.Plantwide Control:Recent Developments and
Applications, Wiley,Singapore.
Lampiran 2

CURICULUM VITAE

Febryn Pradana Rifanda Putra

Address : ds. Mungkung, Loceret, Nganjuk

Phone : +6285895094663
Date of Birth : 18 Februari 1995
Email : febryn13@mhs.ep.its.ac.id
Nationality : Indonesian

WORK EXPERIENCE
September 2015 Present Project Team
Instrumentation Division, Solar Car Racing Team 2017,
Institut Teknologi Sepuluh Nopember(ITS),Surabaya
Main Activities and
Responsibilities:
- Designing and analysing instrumentation system for
Solar Car Widya Wahana 2017 monitoring .

September 2015 Present Project Team

Instrumentation Division, Otomasi Racing Team, Institut
Teknologi Sepuluh Nopember (ITS), Surabaya.
 Main Activities and
Responsibilities:
- Designing and analysing instrumentation system for
prototype vehicle ototricity monitoring.

Mei 2015 Present Assistant of Physical Laboratory

Business Line : Measurement, Calibration and Electronics
Description of Duty :
1 Assistant of Electrical Measurement Systems
LabWork
2 Assistant of Mass Measurement Systems LabWork
3 Assistant of Geometric Measurement Systems
LabWork
4 Assistant of Calibration and Measurement Systems
LabWork
5 Assistant of Electronics LabWork
6 Assistant of Flow Measurement Systems LabWork
7 Assistant of Technique Measurement s LabWork

June 2015 September 2015 Volunteer of Solar Car Racing Team 2015
Study about Electrical System from Solar Car Widya
Wahana V ITS for competition in WWSC 2015
Australia.
Main activities and
responsibilities :
- Designing dashboard for Solar Car Widya Wahana V.
- Studying electric vehicle production.

September October 2015 Project Team

Project Volunteer of marine current turbine
zzzzzzzzzzzzzzzzzzzzzzzzzzzz design.
September October 2015 Leader Project Team
Designing temperature data logger for characterization
of thermal properties of a MgCl2/H2O and NaNO3/H2O
solution as the base material phase change material for
cold storage

EDUCATION
September 2013 Present Bachelor Degree of Engineering Physics .Department
Institut Teknologi Sepuluh Nopember (ITS), Surabaya.
Principle subject : Instumentation and Control, Energy
Conversion Engineering, Fluid Mechanics, Material
Engineering.

COMPUTER SKILL
Microsoft Office : Ms. Word, Ms. Excell, Ms. PowerPoint,
Ms. Visio Microcontroller : STM32, Arduino, AT Mega.
Programming : C++,C,Visual Basic .Net, Ladder Diagram,
HTML.
Drawing : AutoCAD,P&ID, Sketch Up,Corel Draw.
 Simulation : Matlab, ISIS Proteus 8.0, ANSYS.

PERSONAL SKILL
Mother Tounge Indonesian Good
Other Language English Good

ADDITIONAL INFORMATION