Materi Pengendalian Proses 

Prinsip Pemodelan Matematika untuk Proses Kimia 

Referensi: ​http://pc-textbook.mcmaster.ca/Marlin-Ch03.pdf 
 
Perancangan  sistem  kontrol  untuk  sebuah  proses  kimia  pada  dasarnya  harus  diawali 
dengan  tahapan  pemodelan  proses  tersebut.  Layaknya  manusia,  tiap  proses  kimia memiliki 
karakter  unik  masing-masing  sehingga  tidak  ada  istilah  one-fit-all-solution.  Artinya  sistem 
pengendalian  yang  digunakan  untuk  suatu  proses,  misalnya  separasi  gas-liquid 
menggunakan  flash  drum,  belum  tentu  dapat  diterapkan  untuk  proses  separasi  sejenis. 
Pemodelan  proses  kimia  dilakukan  untuk  mengetahui,  secara  kuantitatif  bagaimana  tiap 
variabel  yang  ada  pada  proses  saling  mempengaruhi​.  Khusus  untuk  aspek  pengendalian, 
pemodelan  proses  dibutuhkan  untuk  menganalisa  bagaimana  perilaku  proses  di  masa 
transisi  (sebelum  akhirnya  stabil  lagi)  ketika  terjadi  perubahan  pada  salah  satu  variabel. 
Misalnya  jika  terjadi  perubahan  pada  laju  alir  reaktan,  di  masa  transisi  perubahan  apa  saja 
yang  terjadi  pada  kondisi  operasi  reaksi?  Apakah  temperatur  produk  akan  naik  10,  20  atau 
30  Celcius?  Dan  berapa  lama  waktu  yang  dibutuhkan  hingga  terjadi  kenaikan  temperatur 
tersebut?  Ketika  hubungan  antar  variabel  pada  proses  telah  dipahami  dengan  baik,  melalui 
persamaan-persamaan matematika, sistem pengendalian proses dapat dirancang. 
 
Pemodelan  matematika  mungkin  terdengar  menakutkan  bagi  sebagian  besar  mahasiswa, 
dan  barangkali  memang  menakutkan  jika  dilakukan  menggunakan  pendekatan  yang  tidak 
tepat.  Bagi  saya  pemodelan  matematika  awalnya  terlihat  mengintimidasi  karena  melihat 
semua  ​Greek  symbol  yang  saya  tidak  paham apa artinya. Setelah berkenalan dengan semua 
simbol  tersebut,  pemodelan  matematika  ternyata  menyenangkan.  Untuk  mencegah 
timbulnya  keruwetan  yang berujung sakit kepala ketika melakukan membangun model untuk 
suatu  proses  kimia,  ​pemodelan  harus  dilakukan  secara  prosedural,  RUNUT  mengikuti 
urutan tahapan baku​.  
 
  
Gambar 1. Prosedur pemodelan matematika 
 

Definisi Tujuan 
Sebelum  memulai  membangun  model  matematika  untuk  sebuah  proses,  tujuan  dari 
pemodelan  harus  dinyatakan  dengan  jelas, spesifik dan terukur. Tujuan yang kita definisikan 
akan  menjadi  panduan  untuk  langkah-langkah  berikutnya.  Contoh definisi tujuan pemodelan 
antara  lain,  ‘Pada  menit  ke  berapa  cairan  di  dalam  tangki  akan  melimpah?’,  ‘Jika  laju  alir 
umpan  diperbesar  5%,  apakah  ketinggian  cairan  di  dalam  tangki  juga  akan  meningkat  5%?’, 
‘Apakah  perubahan  pada  laju  alir  umpan  dan  volume  tangki  akan  mempengaruhi  waktu 
terjadinya ​overflow​?’, dan lain-lain. 

Informasi Proses 
Pemodelan  suatu  proses  selalu  diawali  dengan  ​menggambarkan  sketsa  proses  dalam 
bentuk  PFD  sederhana  yang  dilengkapi  dengan  semua  simbol  variabel  utama yang terlibat 
dalam  proses​. Variabel utama yang dimaksud adalah variabel-variabel yang secara langsung 
memiliki  pengaruh  pada  operasional  proses,  dikaitkan  dengan  tujuan  yang  didefinisikan  di 
awal.  Misalnya  tujuan  pemodelan  adalah  untuk  mengobservasi  waktu  terjadinya  overflow, 
maka  pada  sketsa  proses  cantumkan  semua  variabel  yang  secara  langsung  akan 
mempengaruhi  overflow  (flow  rate  inlet,  volume  liquid,  tinggi  cairan,  flow  rate  outlet,  dll). 
Karena  temperatur  liquid  tidak  secara  signifikan  mempengaruhi  overflow  liquid  di  tangki 
maka tidak perlu dicantumkan pada sketsa proses. 
  
Gambar 2. Sketsa proses yang akan dimodelkan dengan tujuan untuk mengobservasi perubahan konsentrasi 
outlet 
 
 
 
Informasi  berikutnya  yang  harus  disediakan  adalah  ​asumsi-asumsi  yang  digunakan  untuk 
memberi  batasan  pada  sistem  sehingga  model matematika yang akan dibangun dapat lebih 
disederhanakan. 

Formulasi 
Langkah  pertama  pada  tahap  formulasi  adalah  ​menentukan  variabel-variabel  yang  akan 
diobservasi  di dalam model matematika​, disesuaikan dengan tujuan yang telah didefinisikan 
di  awal.  Misalnya  jika  tujuan  pemodelan  adalah  untuk  mengetahui  berapa  waktu  yang 
dibutuhkan  hingga  tangki  melimpah,  maka  variabel  kunci  yang  harus  dicantumkan  dalam 
model  matematika  adalah  ketinggian  cairan  di  tangki.  Jika  tujuan  pemodelan  adalah  untuk 
mengetahui  apakah  reaktor  akan  meledak  dalam  waktu  30  menit  sejak  terjadi  kenaikan 
temperatur  reaktan  dinaikkan,  maka  variabel  kunci  yang  harus  dimodelkan  adalah 
temperatur reaktor. 
 
Langkah  kedua  adalah  ​menurunkan  persamaan matematika yang dapat bersumber dari dua 
persamaan  induk,  yaitu  konservasi  (neraca  massa,  energi  dan  momentum)  dan  konstitusi 
(persamaan  umum,  misalnya  Q = UAΔT, PV = nRT, dll). Secara umum persamaan konservasi 
ditulis sebagai berikut: 
 
Akumulasi = masuk - keluar + terbentuk 
 
Neraca  mana  yang  sebaiknya  dipilih  dari  massa,  energi  dan  momentum?  Berikut  adalah 
panduannya. 
1. Jika  variabel  yang  akan  diobservasi  (atau  diprediksi  nilainya)  melalui  model  adalah 
massa  total  cairan  di  dalam  tangki  atau  tekanan  gas  di  dalam  vessel  tertutup  maka 
gunakan neraca massa total. 
2. Jika  variabel  yang  akan  diobservasi  adalah  konsentrasi  (mol/m3  atau  fraksi  massa) 
dari suatu komponen tertentu maka gunakan neraca massa komponen. 
3. Jika  variabel  yang  akan  diobservasi  adalah  temperatur  suatu  unit  maka  gunakan 
neraca energi. 
Namun  demikian untuk proses yang lebih kompleks dimana terdapat beberapa variabel yang 
akan  diobservasi  maka  gabungkan  neraca  massa  dan  energi.  Jika  model  matematika  yang 
diturunkan  menggunakan  neraca  massa  dan  energi  belum  secara  komprehensif 
menggambarkan  hubungan  antara  variabel  di  proses,  maka  persamaan-persamaan 
konstitusi dapat digunakan untuk lebih melengkapi model. 
 
Berapa  banyak  persamaan  matematika  yang  dibutuhkan  untuk  membangun  model  sebuah 
proses?  Jumlah  persamaan  yang  dibutuhkan  bergantung  pada  jumlah  variabel  yang  akan 
diobservasi  atau  diprediksi  nilainya.  Jumlah  persamaan  (NE,  number  of  equations)  dan 
jumlah  variabel  (NV,  number  of  variables)  dihubungkan  oleh  suatu  terminologi  yang 
dinamakan dengan Degrees of Freedom (DOF) dimana, 
 
DOF = NV - NE 
 
Tabel  2  menampilkan  ringkasan  analisis  DOF  yang  menggambarkan  status  model  apakah 
dapat diselesaikan dan menghasilkan solusi atau tidak. 
 
DOF = NV - NE 

DOF = 0  Sistem telah terspesifikasi dengan baik, model dapat diselesaikan dan 
menghasilkan solusi. 

DOF < 0  Sistem kelebihan spesifikasi. Artinya terlalu banyak variabel yang ditentukan 
nilainya dan secara umum tidak ada solusi untuk model sistem ini. Hal ini 
merupakan indikasi adanya kesalahan pada formulasi model. Hilangkan data 
untuk satu atau lebih variabel sehingga DOF = 0. 

DOF > 0  Sistem kekurangan spesifikasi. Artinya sistem membutuhkan lebih banyak input 
data pada variabel-variabel yang terdapat dalam persamaan. Secara umum 
sistem ini memiliki solusi dalam jumlah tak berhingga. Untuk menyelesaikan 
sistem ini tentukan atau asumsikan nilai beberapa variabel sehingga DOF = 0 
dan lakukan iterasi numerik. 
 

Solusi Matematika 
Model  matematika  yang  telah  diformulasikan,  yang  menghubungkan  variabel  yang 
diobservasi  dengan  variabel-variabel  kunci  pada  proses,  kemudian  diselesaikan.  Metode 
penyelesaiannya  bisa  secara  analitik  atau  numerik.  Pada  metode  analitik,  satu  atau 
beberapa  variabel  pada  model  yang  tidak  diketahui  nilainya  ditentukan  dengan 
menggunakan pendekatan untuk mendapatkan DOF = 0. Metode analitik lebih disukai karena 
langkah  untuk  menemukan  solusi  menjadi  lebih  sederhana  namun  tingkat  kesalahannya 
relatif tinggi.  
Seringkali  model  matematika  yang  menggambarkan  hubungan  antar  variabel  di  suatu 
proses  adalah  persamaan  matematika  yang  relatif  kompleks  dimana  umumnya  DOF  >  0. 
Untuk  menyelesaikannya  perlu  dilakukan serangkaian trial-error pada iterasi numerik sampai 
akhirnya  memperoleh  solusi.  Tool  ‘Goalseek’  pada  aplikasi  spreadsheet  adalah  salah  satu 
contoh  iterasi  numerik  dimana  prosedur  trial-error  dilakukan  secara  otomatis  oleh  aplikasi 
tersebut.  Metode  numerik  memang  lebih  ​ribet  dibanding  metode  analitik  namun  tingkat 
kesalahannya relatif lebih kecil. 
 

Analisis Hasil 
Solusi  yang  telah  diperoleh  kemudian  harus  dianalisis  apakah  bersesuaian  dengan  tujuan 
pemodelan  yang  telah ditetapkan di awal. Misalnya, apakah waktu pengosongan tangki yang 
didapatkan  masih  berada  dalam  ambang  batas  yang  diperbolehkan,  apakah  temperatur 
reaktor  setelah  30  menit  masih  wajar,  apakah  ketinggian  cairan  liquid  lebih  kecil  dibanding 
tinggi  total  tangki,  dll.  Analisis  hasil  dapat  dilakukan  dengan  cara  memplot  hasil  tersebut 
dalam  bentuk  grafik  untuk  melihat  tren  perubahan  nilai  variabel  yang  diobservasi  terhadap 
waktu.  Mengapa  harus  terhadap  waktu?  Karena  pemodelan  dalam  konteks  pengendalian 
proses  adalah  untuk  melihat  perilaku  proses  secara  dinamik  yaitu  bagaimana  kondisi 
operasi  berubah  terhadap  waktu  jika  terdapat  perubahan  pada  input  atau  terjadi  gangguan 
eksternal. 
 

Validasi 
Validasi  merupakan  tahapan  yang  dilakukan  untuk  menguji coba apakah model matematika 
yang  telah  dibangun  dapat  menggambarkan  kondisi  aktual  proses  secara  akurat.  Prosedur 
yang  dilakukan  biasanya  adalah  melakukan  percobaan  di  lapangan  kemudian 
membandingkan hasilnya dengan solusi dari kalkulasi menggunakan model. 
 

Continuous Stirred Mixing Tank 

Sebuah  tangki  pencampuran  dioperasikan  untuk  melarutkan  komponen  A  dalam  suatu 
solvent  S  sehingga  dihasilkan  produk  dengan  konsentrasi  C​A​.  Komponen  A  sudah  terlebih 
dahulu dicampurkan ke dalam S pada suatu mixing point sebelum memasuki tangki. Laju alir 
total campuran yang diumpankan ke tangki adalah F​o dengan konsentrasi A dalam S sebesar 
C​Ao​.  Produk  dari  tangki  ini  adalah  larutan  dengan  konsentrasi  C​A  yang  menjadi  umpan 
reaktan untuk reaksi yang sangat sensitif terhadap perubahan konsentrasi A.  
 
Rancanglah  model  matematika  yang  tepat  untuk  proses  yang  terjadi  pada  tangki 
pencampuran  sehingga  dapat  menggambarkan  respon  dinamik  konsentrasi  produk  ketika 
terjadi  perubahan  pada  konsentrasi  inlet.  Respon  dinamik  harus  mencakup kecepatan (atau 
durasi  masa  transisi  sampai  proses  stabil  kembali)  dan  arah  respon.  Perlu diketahui bahwa 
saat  terjadi  perubahan  pada  konsentrasi  inlet,  maka  ​produk  dari  tangki  tidak  dapat 
diumpankan ke unit reaktor hingga perubahan konsentrasi produk telah mencapai 90%​. 
 
Step 1. Definisi tujuan 
 
Perubahan  konsentrasi  produk  tangki  pencampuran  akan  sangat  mempengaruhi  reaksi 
kimia  di  reaktor.  Jika  terjadi  ​perubahan  pada  konsentrasi  inlet  yang  kemudian  akan 
mengubah  konsentrasi  produk  larutan  A​,  umpan ​larutan A menuju reaktor harus dihentikan 
hingga  perubahan tersebut telah ​mencapai 90%​. Dari penjabaran tersebut dapat disimpulkan 
bahwa tujuan dari model adalah untuk mengetahui,  
 
‘Berapa  lama  kita  harus  menghentikan  umpan  ke  reaktor,  terhitung  sejak  terjadi  perubahan 
(step change) pada konsentrasi inlet?’ 
 
atau dengan redaksi yang berbeda, 
 
‘Berapa  lama  waktu  yang  dibutuhkan  untuk  mencapai  perubahan  sebesar  90%  pada 
konsentrasi  produk  dari  tangki  pencampuran,  terhitung  sejak  terjadi  perubahan  (step 
change) pada konsentrasi inlet?’ 
 
Step 2. Informasi 
 
 
 
Gambar  di  samping  adalah  ​sketsa  untuk  proses 
pencampuran  yang  akan  dimodelkan.  Inlet  larutan  A 
memasuki  tangki  dengan  laju  alir  volumetrik  F​o  dan 
konsentrasi  C​Ao​.  Volume  liquid  di  dalam  tangki  adalah  V 
dengan  konsentrasi  produk  C​A​.  Produk  meninggalkan 
tangki dengan laju alir volumetrik F​1​. 
 
 
 
 
Asumsi-asumsi​ yang ditetapkan untuk pemodelan proses ini yaitu: 
1. Tangki  dirancang  dengan  baik  sehingga  proses  pencampuran  yang  terjadi  di  dalam 
berlangsung  sempurna.  Oleh  karena  itu  konsentrasi  A  di  tiap  titik  di  dalam  tangki 
dapat dianggap seragam. 
2. Densitas  A  dianggap  sama  dengan  densitas  solvent  dengan  demikian  tidak  ada 
perubahan pada densitas produk larutan. 
3. Ketika  terjadi  perubahan  pada  konsentrasi  inlet  C​A0​,  laju  alir  inlet  F​o  dianggap 
konstan. 
 
Data yang tersedia untuk proses pencampuran tersebut antara lain: 
1. F​0​ = 0.085 m​3​/min 
2. V = 2.1 m​3 
3. C​A0,init​ = 0.925 mol/m​3 
4. ΔC​A0​ = 0.925 mol/m​3​ (step change inlet concentration) 
5. C​A0​ setelah step change = 1.85 m​3​/min 
6. C​A,init​ = 0.925 mol/m​3 
7. Sistem awalnya berada pada kondisi steady-state 
8. Setelah step change pada konsentrasi inlet terjadi, nilai C​A0​ konstan di 1.85 mol/m​3 
 
Step 3. Formulasi Model 
 
F 0 · ρ · Δt − F 1 · ρ · Δt = (ρ · V )(t+Δt) − (ρ · V )(t)  
F 0 · ρ · Δt − F 1 · ρ · Δt = d (ρ · V )  
d(ρ·V )
F0 · ρ − F1 · ρ = Δt  
 
Dengan limit Δt → 0 maka, 
d(ρ·V )
F0 · ρ − F1 · ρ = dt  
dρ
F0 · ρ − F1 · ρ = V dt + ρ dV
dt  
 
Dimana dρ = 0,  
F 0 · ρ − F 1 · ρ = ρ dV
dt  
dV
F0 − F1 = dt (1)  
 
Di  sini kita dapat lihat bahwa terdapat dua variabel yang tidak diketahui ( F 1 dan  dV ) dengan 
satu  persamaan  sehingga  DOF  =  1.  F o   adalah  variabel  eksternal  karena  nilainya  tidak 
dipengaruhi  oleh  perilaku  sistem  sehingga  lebih  dianggap  sebagai  konstanta.  Ketika  step 
change  pada  konsentrasi  inlet  larutan  A  terjadi,  laju  alir  inlet  F o   diasumsikan  tetap  karena 
penambahan  jumlah  komponen  A  sangat  kecil  dibanding  massa  solvent.  Sehingga 
penambahan  volume  liquid,  V ,  di  dalam  tangki  juga  diabaikan  atau  dV = 0 .  Dengan 
ketetapan ini makan DOF = 0. Sehingga persamaan (1) dapat ditemukan solusinya. 
 
F 0 − F 1 = 0; F 1 = F 0  
 
Neraca massa komponen A 
 
(M W A · V · C A )(t+Δt) − (M W A · V · C A )t = (M W A · F · C A0 − M W A · F · C A ) Δt  
dC A
MWA · V dt
= M W A · F (C A0 − C A )  
dC A
V dt
= F (C A0 − C A ) (2)  
 
C A = mol/m3  
M W A = Berat molekul A 
 
Pada  persamaan  (2)  juga  terdapat  satu  variabel  yang  tidak  diketahui  yaitu  C A .  Dengan 
demikian  untuk  sistem  neraca  massa  komponen  A  terdapat  satu  persamaan  dan  satu 
variabel. Sehingga DOF = 0.  
 
Ringkasan dari step 3. Formulasi 
● Variabel yang akan diprediksi: C A dan F 1  
 ● Variabel  eksternal:  F 0 dan  C A0 (karena  merupakan  variabel  input  yang  diubah 
nilainya).  Variabel  eksternal,  karena  nilainya  tidak  bergantung  pada  apa  yang  terjadi 
di sistem, dapat juga kita sebut sebagai disturbance. 
● Persamaan: (1) dan (2) 
● DOF = 0 
 
Step 4. Solusi Matematika 
 
Persamaan  (2)  termasuk  dalam  kategori  first-order  differential  equation  yang 
komponen-komponen  penyusunnya  tidak  dapat  dipecah  sehingga  tidak  dapat diintegralkan. 
Untuk itu perlu dilakukan modifikasi pada persamaan (2). 
 
dC A
V dt
= F (C A0 − C A )  
dC A
dt
= F
V (
C A0 − C A   )
dC A F
dt
= V
· C A0 − VF · C A  
dC A F
dt
+ V
· C A = VF · C A0  
 
V
dimana, F adalah t​ ime constant​ yang disimbolkan dengan τ . Sehingga, 
dC A 1
dt + τ· C A = τ1 · C A0 (3)  
 
Time  constant  dalam  konteks  pengendalian  proses  adalah  besaran  waktu  yang  menjadi 
patokan  untuk  menilai  ‘​seberapa  cepat​’  suatu  variabel  output  (variabel  yang  diobservasi) 
berubah akibat perubahan pada variabel input. Dalam contoh ini time constant adalah, 
 
V 2.1 m3
τ= F = 0.085 m3 /min
= 24.7 min  
 
Apa arti angka time constant 24.7 menit? 
1. Satu  siklus  proses  pencampuran  berlangsung  selama  24.7  menit.  Dengan  debit  inlet 
sebesar 0.085 m​3​, volume liquid akan mencapai 2.1 m​3​ setelah 24.7 menit 
2. Di  dunia  pengendalian  proses, ​time constant menunjukkan waktu yang dibutuhkan untuk 
suatu  output  variabel  (variabel  yang  diobservasi)  mengalami  perubahan  sebesar  63.2% 
dari  total  perubahan  yang  diharapkan.  Misalnya,  pada  kasus  ini  konsentrasi  inlet  akan 
dinaikkan  secara  langsung (step change, tidak bertahap) dari 0.925 mol/m​3 menjadi 1.85 
mol/m​3​.  Mengingat  proses  mixing  berlangsung  sempurna,  konsentrasi  outlet  juga  pada 
akhirnya  juga  akan  berubah  menjadi  1.85  mol/m​3​.  Waktu  yang  dibutuhkan  untuk 
mencapai  perubahan  sebesar  63.2%  dari  total  perubahan  yang  diharapkan  (ΔC​A  = 
0.632(1.85-0.925) = 0.585 mol/m​3​) adalah 24.7 menit.  
3. Selama  F  dan  V  tidak  berubah  nilainya,  berapapun  besar  perubahan  pada  konsentrasi 
inlet,  tetap  akan  dibutuhkan  waktu  24.7  menit  untuk  mencapai  perubahan  pada 
konsentrasi outlet sebesar 63.2% dari total perubahan yang diharapkan. 
 
Persamaan  (3)  masih  harus  dimodifikasi  agar  dapat  dipecah  dan  diselesaikan  dengan  cara 
mengalikan  persamaan  tersebut  dengan  ​faktor pengali yang dinamakan dengan Integrating 
Factor (IF). 
 
Persamaan (3) mengikuti bentuk persamaan umum berikut ini. 
 
dY
dt + f (t)Y = g (t)  
 
Untuk bentuk persamaan seperti di atas, Integrating Factor yang digunakan adalah, 
 
I F = exp (∫ f (t) dt)  
 
Maka untuk contoh ini,  
 
I F = exp (∫ 1τ dt) = et/τ  
 
Kalikan IF untuk semua komponen di persamaan (3) 
 

 
 
Pada t = 0, C A = C Ainit dan e−t/τ = 1 , maka 
 
I = C Ainit − C A0  
 
C A = C A0 + (C Ainit − C A0 )e−t/τ  
C A − C Ainit = C A0 + (C Ainit − C A0 )e−t/τ − C Ainit  
C A − C Ainit = (C A0 − C Ainit ) (1 − e−t/τ )  
C A − 0.925 = (C A0 − 0.925) (1 − e−t/24.7 ) (4)  

 
Persamaan  (4)  di  atas  menggambarkan  kecepatan  respon  dinamik  C​A  terhadap  perubahan 
di  C​A0​,  yang  diwakilkan  oleh  time  constant.  Faktor  pengali  (1 − e−t/24.7 )   digunakan  untuk 
menghitung  nilai  aktual  C​A  pada  saat  waktu  =  t  atau  dapat  digunakan  untuk  menghitung 
berapa waktu yang dibutuhkan untuk mencapai nilai C​A​ tertentu. 
 
Step 5. Analisa Hasil 
 
Persamaan  (4)  kemudian  kita  selesaikan  dengan  menggunakan  beberapa  nilai  τ.  Hasilnya 
dapat dilihat pada tabel di bawah ini. 
 
       
Waktu sejak step  C​A  % perubahan C​A 
change  (terhadap nilai akhir C​A​ yang seharusnya) 

0  0  0 

τ  1.509  63.2 

2τ  1.724  86.4 

3τ  1.803  95.0 

4τ  1.833  98.1 

 
Dari  tabel  di  atas  dapat  dilihat  bahwa  perubahan  pada  nilai  C​A  akan  mencapai  angka  90% 
pada  waktu  antara  2τ  dan  3τ  sejak  step  change  terjadi,  yaitu  antara  49.4  dan  74.1  menit. 
Untuk mengetahui berapa tepatnya, maka persamaan (4) harus dimodifikasi. 
 
C A −C Ainit
ΔC A = C A0 −C A0init  
C A0 +(C Ainit −C A0 )e−t/τ −C Ainit
0.9 =  
C A0 −C A0init

0.9 (C A0 − C A0init ) = C A0 + (C Ainit − C A0 )e−t/τ − C Ainit  

0.9(C A0 −C A0init )−C A0 +C Ainit
e−t/τ = C Ainit −C A0  
−0.1C A0 −0.9C A0init +C Ainit
e−t/τ = C Ainit −C A0  

t =− τ ln [ −0.1C A0 −0.9C A0init +C Ainit

C Ainit −C A0 ] 
t =− 24.7 × ln [ −0.1×1.85−0.9×0.925+0.925
0.925−1.85 ] 
t =− 24.7 (− 2.3) = 56.8 min  
 
Perlu  diingat  bahwa  penurunan  persamaan  di  atas  hanya  berlaku  untuk  sistem  yang 
digambarkan  pada  contoh  ini  dengan  semua  asumsi  yang  telah  ditetapkan  di  awal.  Nilai t = 
56.8  min  adalah  durasi  waktu  yang  dibutuhkan  untuk  mencapai perubahan pada C​A sebesar 
90%.  Sehingga  jika  step  change  dilakukan  pada  pukul  09.00,  maka  aliran  larutan  A  menuju 
reaktor harus dihentikan hingga pukul 09.57. 
Perumusan  model  dan  penyelesaiannya  menggunakan  asumsi  bahwa  nilai  ​F  dan  ​V  tidak 
berubah  ketika  terjadi  kenaikan  pada  konsentrasi  inlet  larutan  A.  Untuk menghindari adanya 
kesalahan,  mengingat  reaksi  kimia  di  reaktor  sangat  sensitif  terhadap  perubahan 
konsentrasi  A,  maka  perlu  dilakukan  koreksi  pada  kalkulasi  waktu.  Misalkan  kita  tidak  bisa 
memastikan  apakah  nilai  ​F  dan  ​V  memang  konstan  ketika  step  change  terjadi.  Kita 
asumsikan ulang bahwa ​F​ dan ​V​ mungkin akan berubah nilainya ±5%. 
Asumsi  perubahan  nilai  F  dan  V  ini  kemudian  dapat  digunakan  untuk  menghitung  ​rentang 
durasi  minimum  dan  maksimum  tercapainya  90%  perubahan  di  konsentrasi  outlet.  Durasi 
minimum  tercapai  ketika  F  +  5%  sementara  V  -  5%.  Sebaliknya  durasi  maksimum  tercapai 
ketika F - 5% dan V + 5%. 
 
(2.1)(1.05)
t maksimum = − (0.085)(0.95) (− 2.3) = 62.8 min  
(2.1)(0.95)
t minimum = − (0.085)(1.05) (− 2.3) = 51.4 min  
 
Demi  alasan  keamanan,  untuk  memastikan  bahwa  konsentrasi  outlet  telah  mencapai 
perubahan  sebesar  90% sebaiknya penghentian aliran menuju reaktor dilakukan selama 62.8 
menit sejak step change dilakukan (bukan 56.8 menit). 
 
 
Step 6. Validasi 
 
Pada  tahap  validasi,  data  aktual  di  lapangan  untuk  konsentrasi  outlet  per  satuan  waktu 
dibandingkan  dengan  konsentrasi  outlet  yang  dihitung  menggunakan  model  matematika. 
Contoh  validasi  dapat  dilihat  pada  Gambar  3  yang  menunjukkan  bahwa  perubahan 
konsentrasi produk yang dihitung menggunakan model relatif sama dengan data aktual. 
  
Gambar 3. Perbandingan data lapangan (titik) dengan data kalkulasi (kurva)