DESAIN AFRC (AIR TO FUEL RATIO CONTROL) BERBASIS OPTIMASI
KANDUNGAN O2 PADA GAS BUANG DI PT.PERTAMINA REFINERY UNIT IV
CILACAP DENGAN MENGGUNAKAN SISTEM FUZZY
(Totok Gunawan, Hendra Cordova)
Jurusan Teknik Fisika – Fakultas Teknologi Industri
Institut Teknologi Sepuluh Nopember
Kampus ITS, Keputih – Sukolilo, Surabaya 60111
ABSTRAK
Pembakaran merupakan reaksi eksotermik yang
berlangsung sangat cepat, membebaskan energy berupa
panas dan nyala api (flame) serta memiliki kemampuan
menyebarkan panas melalui suatu medium [1]. Pada tugas
akhir ini dilakukan sebuah pendekatan untuk merancag
suatu pengendali perbandingan antara udara dan bahan
bakar, atau Air To Fuel Ratio Control (AFRC), agar
proses pembakaran pada boiler power plant terjadi
dengan optimal. Nilai rasio antara bahan bakar yang
optimal tergantung pada komposisi bahan bakar,dimana
nilai rasio tersebut dapat ditentukan dengan hokum
kesetimbngn massa. Optimasi rasio udara dan bahan
bakar akan menurunkan level kandungan udara berlebih,
sehingga meningkatkan efisiensi boiler. Fuzzy logic
controller merupakan suatu metode pengendalian berbasis
pengetahuan, logika dan aturan-aturan atau rule[16], yang
diterapkan pada proses pembakaran. Hasil dari simulasi
menunjukkan, bahwa sistem AFRC yang dibangun dengan
memperhitungkan rasio berdasarkan hukum kesetimbngan
massa dan Fuzzy Logic control memiliki performance
yang baik, dan dapat memberikan operasi penghematan
biaya yang signifikan apabila diterapkan pada plant
boiler.
Kata kunci: mass balance, Fuzzy Logic, Air to Fuel Ratio
(AFR), pembakaran
I. PENDAHULUAN
1.1 Latar Belakang
Boiler merupakan bagian penting di
dalam dunia industri.Uap panas yang dihasilkan boiler
biasa digunakan untuk berbagai proses operasi. Di PT.
Pertamina RU IV Cilacap,Uap panas selain digunakan
untuk pembngkit listrik, juga digunakan untuk keperluan
proses pengolahan minyak.
Tungku pembakaran atau furnace adalah
komponen penting pada boiler, yang berfungsi sebagai
bagian penghasil kalor, yang diperoleh melalui proses
pembakaran. Untuk menghasilkan proses pembakaran
yang maksimal, maka perlu terdapat sistem kontrol yang
mengkondisikan agar proses pembakaran berlangsung
1
dengan sempurna. Adapun parameter kesempurnaan
pembakaran dapat diamati dari sisa kandungan oksigen
pada gas buang[11].Pada penelitian ini dilakukan
perancangan sistem AFRC (Air To Fuel Ratio Control)
berbasis optimasi kandungan oksigen pada gas buang.
Rasio antara udara dan bahan bakar dijaga pada nilai
tertentu, agar kandungan Oksigen pada gas buang menjadi
optimum, sehingga pembakaran terjadi dengan sempurna,
dan panas yang dihasilkan akan maksimal.
Saat ini kondisi AFRC di PT.Pertamina RU IV
Cilacap masih belum terdapat umpan balik antara
kandungan O2 dengan Distribute Control System (DCS).
Setting setpoin Air To Fuel Ratio Control masih dilakukan
manual oleh operator dengan melihat kandungan O2 pada
oksigen analyzer. Kondisi seperti ini masih dinilai kurang
optimal, karena memugkinkan adanya kesalahan oleh
operator akibat kandungan oksigen yang tidak dapat
dimonitoring secara terus menerus. Oleh karena itu, pada
penelitian ini akan dilakukan desain sistem pengendalian
Air To Fuel Ratio dengan menerapkan mass balance dan
mempertimbangkan kandungan kimia bahan bakar sebagai
pengganti umpan balik okxygen analyzer terhadap loop
control secara software.
Fuzzy Logic Control , merupakan suatu metode
pengendalian berbasis pengetahuan, logika dan aturan-
aturan atau rule berdasarkan pengalaman (expert
system)[16]. Pada Tugas Akhir ini, Fuzzy Logic Control,
diimplementasikan pada sistem AFRC, dengan harapan
menghasilkan sistem pengendalian yang lebih baik, serta
dengan peningkatan performa sistem kontrol yang telah
diperoleh, diharapkan juga dapat bermanfaat terhadap
penghematan konsumsi bahan bakar boiler.
1.2 Permasalahan
Berdasarkan latar belakang sebelumnya, maka
dirumuskan permasalahan dalam Tugas Akhir ini,
selanjutnya permasalahan dipecahkan berbasarkan
metodologi yang ada. Adapun perumusan tersebut adalah
sebagai berikut :
• Bagaimanakah mengetahui cara mengoptimalkan
kandungan oksigen gas buang pada boiler.
• Bagaimanakah desain Air to Fuel Ratio Control
berbasis logika fuzzy yang dapat diterapkan.
1.3 Tujuan dan Manfaat Penelitian terjadi secara konveksi melalui pipa-pipa keci yang
melewati furnace. Efisiensi perpindahan panas tersebut
Adapun tujuan dari penelitian ini adalah mendesain
dapat diamati melalui besarnya suhu gas sisa pembakaran
sistem AFRC (Air To Fuel Ratio Control) dengan
(flue gas). Semakin besar suhu gas sisa pembakaran,
menggunakan sistem fuzzy, dan mensimulasikan dengan
berarti semakin besar pula energi yang ikut terbuang
menggunakan software.Manfaat dengan tercapainya tujuan
bersama-sama dengan laju aliran udara [6] .Adapun
penelitian di atas adalah :
gambaran sederhana sistem boiler ditunjukkan pada
• Diketahui cara untuk meningkatkan performa boiler
gambar 1 berikut ini.
melalui optimasi kandungan oksigen gas buang.
• Melalui simulasi desain AFRC yang telah dibuat,
maka diketahui peningkatan performa sistem AFRC
yang telah didisain.

1.4 Batasan Masalah

Untuk mencegah meluasnya permasalahan, maka
pada Tugas Akhir ini diambil batasan masalah yang
diantaranya adalah sebagai berikut :
• Plant yang menjadi obyek studi adalah Boiler
052B102 Unit Utilities PT.Pertamina RU IV
Cilacap.
• Ratio control yang dianalisa adalah rasio antara
udara dan bahan bakar minyak (Air to Fuel Ratio)
dengan variable kendali aliran bahan bakar.
• Asumsi properties fluida, tekanan, suhu, densitas Gambar 1 Gambaran sistem boiler sederhana [10]
adalah konstan.
• Metode pengendalian yang digunakan adalah Terdapat dua cara untuk menghitung efisiensi
Sistem Fuzzy mamdani. boiler, yaitu dengan cara langsung dan cara tidak langsung.
Pada cara langsung efisiensi dihitung berdasarkan kalor
1.5 Metodologi yang masuk pada feedwater dibandingkan dengan kalor
yang diumpankan oleh bahan bakar[6].Untuk menghitung
Dalam perancangan ini, langkah-langkah yang efisiensi secara langsung dapat digunakan persamaan
dilakukan untuk mencapai tujuan penelitian adalah sebagai berikut ini [11]:
berikut :
1. Study Literatur 2.1
2. Identifikasi masalah
3. Penetapan tujuan penelitian dengan :
4. Pengambilan data-data teknis dan operasi plant ηboiler = efisiensi boiler (%)
5. Pengolahan data, meliputi : pemodelan proses = Laju aliran massa uap (kg/jam)
pembakaran,instrument-instrument = Laju aliran massa bahan bakar (kg/jam)
pendukung,validasi model hsteam = Entalphi uap (kkal/kg)
6. Mensimulasikan sistem kontrol yang telah ada hfeedwate = Enthalpi feedwater (kkal/kg)
7. Mendesain sistem AFRC dengan Fuzzy Logic HHV = Higher Heating Value bahan bakar (kkal/kg)
Control, dan mensimulasikan.
8. Penarikan hasil simulasi Cara menghitung efisiensi boiler tidak langsung dilakukan
9. Penyusunan laporan akhir dengan menghitung kerugian kalor yang terjadi pada saat
transfer kalor pada feedwater [6]:

II. TEORI PENUNJANG 2.2

2.1 Boiler Dengan :

µ = efisiensi boiler (%)
Pada dasarnya proses pada boiler ini dibagi dalam dua
Lact = rugi kalor terukur (%)
sistem yang terpisah, yaitu tungku atau furnace yang
LL = Rugi Laten (%)
berfungsi menghasilkan panas melalui pembakaran bahan
LR =Rugi radiasi (%)
bakar dan boiler atau ketel uap, yang berfungsi untuk
mengubah air menjadi uap melalui panas yang dihasilkan
oleh furnace [6],[10]. Proses perpindahan panas pada boiler

2
2.2.Proses Pembakaran Pada Ruang Bakar
Proses pembakaran yang terjadi di dalam ruang bakar
atau furnace pada dasarnya adalah reaksi eksotermik yang
berlangsung sangat cepat, yang membebaskan energy
substansial berupa panas dan nyala api (flame), dengan
kemampuan menyebarkan panas melalui medium[1].
Proses pembakaran memiliki efisiensi, yang didefinisikan
sebagai kemampuan suatu proses untuk mengubah suatu
spesifik bahan bakar menjadi energi panas dalam suatu
periode waktu tertentu [2]. Pembakaran yang sempurna
akan dapat mengubah seluruh energi yang memungkinkan
pada bahan bakar. Akan tetapi, pada kenyataan, proses
pembakaran sempurna dengan efisiensi 100% sangat sulit
tercapai, karena kerugian (Loss) pada instrument
pendukung. Kesempurnan proses pembakaran ini dapat
dipengaruhi dari tiga hal, yaitu :
• Jenis bahan bakar.
• Temperatur pada gas buang
• Konsentrasi O2 dan CO2
Proses pembakaran sempurna dapat didekati menurut
persamaan kimia berikut ini :
2.3
Pada pembakaran sempurna akan dihasilkan produk
pembakaran berupa uap air (H2O), Karbon dioksida, dan
SO2, sesuai dengan perhitungan stoikiometri.pada
pembakaran tidak sempurna akan dihasilkan uap air,
karbondioksida, SO2, karbon monoksida, hydrogen,dan
aldehid[6]. Berikut ini persamaan kimia pembakaran tidak
sempurna.
2.4
Nilai 3,76 pada persamaan 2.3 diatas adalah nilai
perbandingan mol oksigen dengan nitrogen, yang
diperoleh dari hasil perbandingan antara konsentrasi
oksigen di udara (21%) dengan konsentrasi nitrogen di
udara (79%). Untuk mengkondisikan agar proses
pembakaran terjadi secara sempurna, maka perhitungan
stochiometri kebutuhan udara digunakan persamaan 2.3
Sehingga diketahui kebutuhan udara dalam satuan mol,
sebagai berikut :
AFR = 2.5
Apabila kandungan bahan bakar dinyatakan dalam persen,
yaitu persen C (carbon), H2 (hydrogen) ,S (sulfur), dan
persen kandungan O2. Maka kebutuhan udara dapat
digunakan persamaan 2.6 berikut.
2.6
Dengan :
3
C = % massa karbon dalam 1kg bahan bakar
H = % massa hydrogen dalam 1 kg bahan bakar
S = % massa sulphur dalam 1 kg bahan bakar
O = % kandungan Oksigen dalam 1 kg bahan bakar
Hasil perhitungan jumlah udara tersebut di atas
disebut dengan Theoritical Air atau jumlah udara yang
dibutuhkan untuk menghasilkan pembakaran sempurna
secara teoritis. Namun, Pada kenyataannya proses
pembakaran sempurna ini tidak pernah terjadi. Untuk
mengkondisikan agar proses pembakaran terjadi lebih
sempurna, maka proses pembakaran dibuat dengan kondisi
kelebihan udara. Jumlah udara berlebih yang dibutuhkan
untuk proses pembakaran ini disebut dengan excess air [6].
Efisiensi pembakaran akan meningkat seiring
dengan peningkatan jumlah excess air, hingga pada nilai
tertentu, yaitu saat nilai kalor yang terbuang pada gas
buang lebih besar dari pada kalor yang dapat disuplai oleh
pembakaran yang optimal. Ilustrasi mengenai efisiensi
pembakaran terhadap nilai excess air diperlihatkan pada
gambar 2 berikut ini [3] :
Gambar 2 Grafik hubungan efisiensi pembakaran dengan
kebutuhan udara berlebih (excess air)[3]
Dengan k=konstanta pembakaran
k=0,9 untuk gas alam, k=0,94 untuk fuel oil, dan k=0,97
untuk batubara [9].
2.3.Fuzzy Logic Controller
Konsep logika fuzzy merubah konsep logika klasik
menjadi konsep yang memetakan suatu variabel pada
kemungkinan yang tidak eksak sehingga dapat sistem
linguistik dan permasalahan yang tidak pasti atau tidak
presisi serta permasalahan probabilitas. Beberapa faktor
penting yang menjadi bahasan dalam logika fuzzy sebagai
berikut
2.3.1.Himpunan Fuzzy
Himpunan Crisp dapat dinyatakan sebagai nilai
yang sebenarnya untuk menyatakan konsep relative,
misalnya seperti kecepatan dan posisi. Di dalam
penggunaannya, himpunan ini sangatlah terbatas berbeda
dengan ekspresi linguistik. Himpunan fuzzy memberikan
kerangka untuk menyatakan ekspresi pendekatan variabel
linguistic di atas.

2.3.2.Struktur Dasar Logika Fuzzy

Pada dasarnya struktur logika fuzzy dapat
digambarkan seperti berikut [13] :
Gambar 4. Diagram sistem control pembakaran boiler PT
Pertamina

3.1. Metodologi Penelitian

Adapun ringkasan metodologi penelitian
ditunjukkan pada gambar berikut ini.

Gambar 3. Struktur Dasar Logika Fuzzy [13]

Fungsi dari bagian-bagian di atas adalah sebagai

berikut[13]:

Fuzzifikasi
Berfungsi untuk mentransformasikan sinyal
masukan yang bersifat crisp ( bukan fuzzy ) ke
himpunan fuzzy dengan menggunakan operator
fuzzifikasi.

Basis Pengetahuan
Berisi basis data dan aturan dasar yang
mendefinisikan himpunan fuzzy atas daerah –
daerah masukan dan keluaran dan menyusunnya
dalam perangkat aturan kontrol.

Logika Pengambil Keputusan
merupakan inti dari Logika Fuzzy yang mempunyai
kemampuan seperti manusia dalam mengambil
keputusan. Aksi atur fuzzy disimpulkan dengan
menggunakan implikasi fuzzy dan mekanisme
inferensi fuzzy.

Defuzzifikasi
berfungsi untuk mentransformasikan kesimpulan
tentang aksi atur yang bersifat fuzzy menjadi sinyal
sebenarnya yang bersifat crisp dengan
menggunakan operator defuzzifikasi

III. PERANCANGAN DAN METODOLOGI

Gambar 4 berikut ini merupakan diagram blok sistem

pembakaran pada plant boiler PT Pertamina RU IV
Gambar 5. Flowchart metodologi penelitian
Cilacap. Umpan balik antara kandungan oksigen pada gas
buang masih dilakukan secara manual oleh operator. Pada
3.2. Perancangan Fuzzy Logic Control
Tugas Akhir ini, untuk mengoptimasikan kandungan
oksigen, di terapkan hukum mass balance untuk
Pada Tugas akhir ini, variabel yang dikendalikan
melakukan tuning setpoint secara otomatis.
adalah laju aliran bahan bakar, dengan besar setpoint
tergantung dari output laju aliran udara dengan rasio

4
tertentu. Sehingga sistem pengendalian dalam tugas akhir
ini disebut sebagai sistem Air to Fuel Ratio Control
(AFRC). Spesifikasi laju aliran massa maksimum yang
dapat dimanipulasi control valve sistem AFRC pada tugas
akhir ini adalah 6,2 kg/s. sehingga, dengan demikian range
proses variabel yang harus dikendalikan antara 0 kg/s
sampai dengan 6,2kg/s. Dengan demikian kemungkinan
error yang terjadi adalah antara -6,2 sampai dengan 6,2.
Kondisi error ini, dibagi menjadi tiga kelompok, yaitu :
1. Error negative, yaitu kondisi dimana nilai
variabel terukur bernilai lebih besar daripada
setpoin.
2. Error positif, yaitu kondisi dimana nilai variabel
terukur lebih kecil dari nilai setpoint.
3. Error bernilai mendekati nol, atau berada pada
daerah setpoin.
Berdasarkan kondisi error yang telah didefinisikan di atas,
maka ditentuan fungsi keanggotaan masing-masing error,
yaitu sebagai berikut :
Gambar 6. Membership function untuk input
Batas-batas membership function error ini
menentukan kecepatan controller untuk mencapai setpoint
atau menentukan Settling time controller. Semakin sempit
range yang diberikan untuk batas membership function
error, maka controller semakin cepat mencapai setpoin,
tetapi memberikan efek respon lebih berosilasi.Pada desain
fuzzy logic control ini, ditentukan dengan batas
membership function antara -1 sampai dengan 1, dengan
tujuan agar sistem memiliki karakter error steady state
yang kecil. Berdasarkan gambar 6 di atas, fungsi
keangotaan untuk error negative dan positif masing-
masing secara berurutan memiliki nilai maksimum pada
variabel error maksimal, -1 dan 1. Hal ini berarti, apabila
hasil perhitungan error antara variabel terukur dengan
setpoin bernilai -1 atau +1, maka controller akan
memberikan respon maksimum sistem, pada sistem AFRC
valve membuka 100% dan mengalirkan fuel oil sebesar 6.2
kg/s, dan valve menutup 100%. Fungsi keanggotaan pas,
pada gambar di atas merepresentasikan kondisi error saat
mendekati nol. Dengan demikian untuk membership
function error mendekati nol ini, dikondisikan agar
memiliki nilai yang maksimal saat nilai error tersebut nol.
Untuk mengurangi osilasi respon controller, maka
perlu ditambahkan varibel delta error. Delta error
5
merupakan selisih antara error yang terjadi pada waktu t
dengan (t-1). Sistem kontrol yang stabil, tidak berosilasi
memiliki karakteristik delta error yang kecil. Oleh karena
itu, pada sistem ini ditentukan batas membership function
delta error adalah 10% terhadap membership function
error. Adapun pengelompokan jenis perubahan error
dikelompokkan menjadi tiga kategori, yaitu :
1. Delta error negative, yaitu saat perubahan error
saat t dan (t-1) bernilai negative
2. Delta error positif, yaitu saat perubahan error saat
t dan (t-1) bernilai positif.
3. Delta error nol, yaitu saat tidak terjadi perubahan
error, atau saat respon controller telah stabil.
Adapun membership function untuk input delta error
ditunjukkan pada gambar 7 berikut ini.
Gambar 7. Membership function delta error
Variabel output pada sietem fuzzy ini adalah
sinyal kontrol untuk mengendalikan bukaan kontrol valve.
Membership functioun untuk variabel output ditentukan
seperti pada gambar 8 berikut ini.
Gambar 8.Membership function variabel output
Fungsi keangotaan untuk variabel output ini dibagi
menjadi lima jenis, yaitu :
1. Valve menutup cepat, atau close fast
2. Valve membuka cepat, atau open fast
3. Valve tidak berubah, atau no change
4. Valve menutup pelan, atau close low
5. Valve membuka pelan, atau open low
Strategi atau rule base pada Fuzzy Logic Control ini
disusun berdasarkan sistem kepakaran. Berdasarkan
strategi kontrol kepakaran, diperoleh aturan, yaitu apabila
laju aliran bahan bakar (Process variable) terlalu kecil
(berada di bawah setpoin) atau error bernilai positif, maka
valve harus dibuk dengan cepat. Apabila laju aliran bahan
bakar terlalu besar, atau error negative, maka valve harus
ditutup dengan cepat, dan apabila laju aliran bahan bakar
mendekati setpoint, maka valve dibuka dan ditutup dengan
perlahan, serta saat laju aliran berada tepat pada setpoint,
maka bukaan valve dijaga konstan. Berdasarkan strategi
kontrol di atas, maka dapat disusun suatu rule sebagai
berikut:
1. If (error is negative) then (valve is close_fast)
2. If(error is positive) then (valve is open_fast)
3. If (error is pas) and (delta error is stabil), then
(valve is no change)
4. If (error is pas) and (delta error is positive) then
(valve is close_slow)
5. If (error is pas) and (delta error is negative) then
(valve is open_slow)
IV. SIMULASI DAN ANALISA DATA
4.1. Simulasi dan validasi peramal O2 (O2 Estimator)
Uji Respon Setpoint Sinyal Step
Pada tahap ini, dilakukan pengujian performansi
sistem AFRC dengan menggunakan PI controller, yang
merupakan pengendali yang ada di lapangan saat ini,
dibandingkan dengan AFRC yang telah didesain dengan
menggunakan Fuzzy Logic. Tuning Kp,Ti dan Td pada PI
controller disesuaikan dengan kondisi lapangan. Masing –
masing controller diberikan setpoin yang sama, yang
berasal dari output pengendali master, yaitu laju aliran
udara, sebesar 50 kg/s. Kemudian nilai flow udara ini akan
dibagi dengan ratio tertentu, berdasarkan hasil perhitungan
O2 estimator. Nilai hasil perbandingan antara flow udara
dengan ratio hasil perhitungan O2 estimator, akan menjadi
setpoin pada pengendalian laju bahan bakar. Pada
simulasi, diperoleh hasil perhitungan O2 estimator adalah
3,53, atau berarti kebutuhan bahan bakar yang harus
disuply adalah sebesar 3,53 kg/s untuk udara 50 kg/s.

Untuk memperkirakan kandungan gas buang

dapat dilakukan dengan menggunakan hukum mass
balance dan persamaan excess air . Adapun hasil validasi
dari O2 estimator adalah sebagai berikut :

Gambar 10 Grafik simulasi uji sinyal step

Pada gambar 10 di atas, garis warna hijau adalah

proses variabel pada sistem AFR dengan fuzzy logic
controller. Sedangkan garis biru adalah proses variabel
Gambar 9. Grafik hasil validasi O2 estimator dengan menggunakan PI controller,dan garis merah adalah
setpoin yang harus dicapai controller.
Tabel Cuplikan data validasi O2 Estimator Berdasarkan pada gambar 10 di atas, diketahui, bahwa
Pada AFR dengan menggunakan fuzzy logic controller,
052FIC 052FIC 052AI_ AFR O2 ERR
mulai steady pada time 40 detik (settling time) dengan
_205 _208 201 (O2 CONT OR
error steady state sebesar 0,56%. Sedangkan Pada PI
(Kg/s) (Kg/s) Conten ENT %
controller, mulai steady pada detik ke 70 (Settling Time),
udara minyak ) Model
dengan karakteristik error steady state sebesar 0,85%.
% (%)
Maksimum overshoot pada AFR dengan menggunakan
fuzzy logic controller adalah 6,87 %, sedangkan pada PI
194054. 12387.6 3.06 15.6 2.86 6.87
controller, memiliki maksimum overshoot sebesar 13,88%.
52 6
194345. 12424.8 3.03 15.6 2.83 6.90 Pengujian beban perubahan konsentrasi karbon pada
00 4 bahan bakar, dan perubahan laju aliran udara
194229. 12462.0 2.91 15.5 2.76 5.22
28 8 Pengujian beban perubahan konsentrasi karbon
193844. 12499.2 2.86 15.5 2.66 pada bahan bakar dan perubahan laju aliran udara
33 1 7.12 dilakukan sebagai analisa untuk mengetahui performansi
194489. 12424.8 2.92 15.6 2.84 2.50 sistem AFR (Air To Fuel Ratio Control) dalam
07 5 menghadapi beban dan perubahan setpoint dalam satu
simulasi. Pada pengujian ini, juga akan dibandingkan
dengan sistem AFRC yang telah ada dilapangan, sehingga

6
akan diketahui keunggulan dari sistem AFRC baru yang
telah didesain. Adapun gambar blok diagram simulasi
pada software simulink, ditunjukkan pada gambar 11
berikut ini.
Gambar 11. Blok diagram simulasi performansi
AFRC dalam mengatasi perubahan beban konsentrasi
kandungan carbon dalam bahan bakar dan laju aliran udara
Proses simulasi dilakukan memberikan gangguan
perubahan kandungan karbon dalam bahan bakar semula
86%, menjadi 80% pada detik ke 50. Kemudian gangguan
perubahan laju aliran udara diberika pada detik ke 110.
Semula laju aliran udara 45kg/s kemudian diubah menjadi
50kg/s, sedangkan waktu total simulasi adalah 200 detik.
Adapun hasil simulasi uji beban perubahan konsentrasi
karbon pada bahan bakar dan laju aliran udara AFRC
dengan menggunakan PI controller dan fuzzy logic
controller serta sistem AFRC konfensional yang terdapat
di lapangan ditunjukkan pada gambar 12 berikut ini
Gambar 12. Hasil uji beban perubahan kandungan karbon
bahan bakar dan laju aliran udara tiga jenis AFRC
Garis berwarna hijau adalah respon sistem AFRC
dengan PI controller yang telah diumpan balik terhadap
kandungan oksigen gas buang. Garis warna biru adalah
7
sistem AFRC konfensional dengan menggunakan PI
controller yang saat ini digunakan di lapangan. Garis
berwarna merah adalah respon sistem AFRC dengan
menggunakan fuzzy logic controller. Penerapan mass
balance dengan memperhitungkan kandungan kimia dalam
bahan bakar sebagai umpan balik untuk tuning setpoint
pada sistem AFRC yang telah didesain dapat menjaga
konsentrasi oksigen pada gasbuang pada level yang
optimal, yaitu 2%. Pada gambar 12 tersebut di atas
terlihat dengan jelas bahwa, sistem AFRC konfensional
tidak dapat mengidentifikasi ketika terjadi perubahan
komponen bahan bakar. Setpoin laju aliran bahan bakar
tidak dapat menyesuaikan terhadap kondisi hasil proses.
Saat terjadi kondisi seperti ini, maka dapat dipastikan
effisiensi pembakaran menurun, karena proses pembakaran
terlalu berlebih bahan-bakar. Saat kondisi seperti ini
terjadi, pada sistem AFRC konfensional sangat tergantung
terhadap kemampuan operator untuk kembali melakukan
tuning setpoint yang optimal. Adapun perbandingan hasil
proses konsentrasi oksigen pada gas buang diperlihatkan
pada gambar 13 berikut
Gambar 13. Perbandingan hasil proses,konsentrasi
oksigen gas buang tiga macam sistem AFRC.
Garis warna hijau pada gambar 13 di atas
menunjukkan hasil proses konsentrasi kandungan oksigen
sistem AFRC dengan PI controller, garis warna merah dan
warna biru, secara berurutan merupakan hasil proses
konsentrasi oksigen pada gasbuang AFRC dengan
menggunakan fuzzy logic controller dan AFRC
konfensional. Berdasarkan grafik gambar 13 tersebut,
terlihat bahwa output proses yang berupa konsentrasi
oksigen dengan menggunakan sistem AFRC yang
memanfaatkan mass balance untuk umpan balik, dapat
dijaga pada level yang optimal, yaitu 2%. Sedangkan
sistem AFRC konfensional tidak dapat meng-handle
kontrol kandungan oksigen pada gas buang yang
merupakan parameter terjadinya pembakaran sempurna.
Dengan kondisi hasil proses kandungan oksigen gas buang
yang selalu terkontrol pada level yang optimal, maka
pembakaran akan selalu berlangsung dengan sempurna,
dengan demikian akan dapat lebih menghemat penggunaan
bahan bakar dibandingkan apabila menggunakan sistem
AFRC konfensional. • Efisiensi AFRC dengan PI Controller

Perhitungan efisiensi boiler berdasarkan kandungan

oksigen gas buang, dan nilai penghematan (cost) Besarnya penghematan (cost saving) terhadap sistem
AFRC yang telah didesain adalah sebagai berikut :
Berdasarkan simulasi yang telah dilakukan, pada subbab
4.6, diketahui bahwa kriteria kualitatif IAE (Integral
Absolute Error) AFRC dengan menggunakan Fuzzy Logic
adalah 20,47%, AFRC dengan menggunakan PI controller
24,08%. Sedangkan nilai IAE sistem AFRC ditinjau Dengan
berdasarkan kemampuan untuk mencapai target kadar Cs= besar penghematan (Rupiah/sekon)
oksigen pada gas buang sebesar 2%, serta nilai kandungan
oksigen gas buang masing-masing sistem AFRC = konsumsi bahan bakar (kg/s)
ditunjukkan pada tabel 4.4 berikut : E1= efisiensi lama pembakaran (%)
E2 = efisiensi baru pembakaran (%)

Jika harga bahan bakar yang digunakan (Marine Fuel Oil)

PI Fuzzy AFRC adalah 5.300 per liter, dengan densitas pada suhu standard
Controller Logic konfensional 150 C = 930 kg/m3 , serta konsumsi bahan bakar dapat
IAE 49,19% 41,64 % 155,9% didekati dengan laju aliran bahan bakar rata-rata proses
%O2 2,98398 % 2,8328% 5,118% (3,09 kg/s) maka besarnya penghematan dapat
diperhitungkan sebagai berikut [9]:
Efisiensi boiler dapat dihitung dengan metode tidak
langsung, yaitu melalui perhitungan rugi kalor pada stack • Cost saving boiler dengan AFRC Fuzzy Logic
[6],[14],[11]. Rugi kalor tersebut sangat dipengaruhi oleh Controller
suhu gas buang dan konsentrasi oksigen. Pada Tugas
Akhir ini, suhu pada gas buang masing-masing sistem
AFRC dianggap sama dan tetap 1880 C. Sehingga dengan
demikian rugi kalor pada boiler hanya dipengaruhi oleh Cs= 232,571 Rupiah/ sekon
kadar oksigen, dimana konsentrasi oksigen gas buang yang
kurang, barati menunjukkan terdapat atom bahan bakar • Cost saving boiler dengan AFRC PI Controller
yang tidak terbakar, dan bila terlalu banyak kandungan Cs= 9,818 Rupiah/ sekon
oksigen, maka panas yang terbuang dan terserap oleh
nitrogen semakin banyak[11]. Adapun hubungan antara
kandungan oksigen dengan loss pada stack, dapat dilihat V. KESIMPULAN DAN SARAN
pada tabel di halaman Lampiran D.
Berdasarkan Tabel D, pada halaman lampiran, 5.1 Kesimpulan
serta dengan cara interpolasi, maka didapatkan rugi kalor
sebagai berikut. Dari serangkaian metodologi, pengujian, analisa
serta pembahasan yang telah dilakukan, maka didapatkan
PI Controller Fuzzy Logic AFRC kesimpulan, yaitu sebagai berikut:
konfensional • Untuk mengoptimalkan kandungan oksigen gas
Rugi 13,5534318% 13,491448% 14,59962% buang dapat dilakukan dengan menerapkan
kalor hukum kesetimbangan massa (Lavoisier), dengan
mempertimbangkan komponen penyusun bahan
bakar.
Apabila kerugian (loss) lain-lain yang tidak terhitung • Telah didisain dan disimulasikan sistem AFRC
diasumsikan konstan, 2.6% [11],maka diketahui efisiensi dengan menggunakan Pengendali Fuzzy Logic
boiler sebagai berikut : dan pengendali PI.
• Efisiensi mula-mula (AFRC konfensional) • Secara kualitatif, sistem AFRC dengan
menggunakan pengendali Fuzzy Logic memiliki
IAE (Integral Absulute Error) 41,64% terhadap
target konsentrasi O2 sebesar 2%. Pada
Dengan cara yang sama, didapatkan : Pengendali PI, memiliki IAE sebesar 49,19%,
• Efisiensi AFRC dengan Fuzzy logic Controller

8
 serta pada sistem AFRC lama memiliki IAE
sebesar 155,9%.
• Berdasarkan simulasi dan analisa yang telah
dilakukan, didapatkan bahwa penghematan biaya
(Cost Savings) pada sistem AFRC dengan
menggunakan Fuzzy Logic Controller adalah
232,571 rupiah per sekon, dan pada PI controller
9,818 rupiah per sekon.
5.2. Saran
Dari serangkaian kegiatan Tugas Akhir yang telah
dilakukan, dapat diberikan saran sebagai berikut:
Peningkatan efisiensi boiler masih bisa ditingkatkan lagi
dengan cara meningkatkan performa sistem pengendalian.
Oleh karena itu, untuk penelitian selanjutnya mengenai
sistem pembakaran dan AFRC, dapat dilakukan dengan
melakukan perancangan ulang dengan sistem pengendalian
yang lebih handal, misalnya dengan menggunakan sistem
kontrol prediktif, atau dengan memperbaiki arsitektur
fuzzy.
DAFTAR PUSTAKA
[1]. F.El-Mahallawy, S El-Din Habik. 2002.
Fundamentals and technology of
combustion.Elseiver, Ltd
[2]. ____,2009. Types of Efficiencies. <URL:
http://www.bacharach-
training.com/combustionzone/efficiencytyp
es1.htm>.
[3]. ____,2009. Combustion Efficiency And Excess Air.
<URL :
http://www.engineeringtoolbox.com/boiler-
combustion-efficiency-d_271.htm>
[7].Furchan,akhmad. 2008, Perancangan sistem
”Control Fuzzy” Pada Sistem
Pembakaran Boiler Di PLTU
Gresik, Jurusan Teknik Fisika ITS.
[8] .Praswasti PDK,Wulan,2008, Bahan Bakar
dan Pembakaran
[9]. Santoso, Handi M.H., Nazaruddin, Yul.Y,
dan Muchtadi, Farida.I, 2005, Boiler
Performance Optimization Using
Fuzzy Logic Controller. Department
of Engineering Physics, Institute of
technology Bandung. IFAC.
[10] ______,1998.Boiler Feed Water System,
Lentech
[11] Greg, Harrel. 2001.Steam System Survey
Guide, The University of Tennessee-
Energy, Environment, and Resources
Center
[12] Turn,Stephen.R.2000.An Introduction to
Combustion- concept and
application.Singapore: Mc Grawhill
[13] Kusuma dewi,Sri.2002.Analisis&desain sistem
Fuzzy.Yogyakarta:Graha Ilmu
[16] jantzen,jan. Design Of Fuzzy Controllers

[4]. Techmation.2000.”Control strategy : Ratio Control BIODATA PENULIS

System”

[5].Handin purwoko .2008. Studi performansi sistem

pengendalian dan proteksi pada high Nama : Totok Gunawan
pressure drum PT. Indonesia power unit TTL : Bangil, 29 April 1986
bisnis pembangkitan semarang untuk Alamat : Jl. Pakujoyo 11 Bangil-
mengetahui dinamika keamanan proses Kab.Pasuruan-JATIM
melalui simulasi. Jurusan Teknik E-mail : gunaone@ep.its.ac.id
Fisika- ITS

[6]. Sudibjo,wisnu.2008, Optimisasi pengontrol

rasio udara-bahan bakar pada boiler pt. Riwayat Pendidikan :
Pertamina up iv cilacap menggunakan 2005 – sekarang : Teknik Fisika ITS, Surabaya
pengontrol prediktif jaringan syaraf 2002 – 2005 : SMA Negeri 1Bangil
tiruan. Jurusan Teknik Fisika-ITB 2000 – 2003 : SLTP Negeri 1 Bangil
1993 – 2000 : SDN Latek- Bangil