Laporan Sementara
Laboratorium Satuan Operasi dan Proses
Disusun oleh:
Kelompok B-2
Halimatusakdiah 2004103010027
Wanda Muharivah 2004103010008
Radika Putri 2004103010037
Nurul Aulia 2004103010038
I. Tujuan Percobaan
Untuk memahami dinamika level tangki dengan menggunakan sistem
feedback dan membuat model matematikanya.
Tabel 4.2 Data hasil pengamatan validasi kenaikan level tangki dengan kenaikan
laju alir 60 L/jam pada kondisi start-up laju alir 340 L/jam dan level
steady 250 mm
F (L/h) Level (mm) Waktu (s)
250 0
255 17,25
260 20,27
265 26,78
270 29,91
275 36,17
400
280 43,29
285 49,76
290 56,46
295 59,71
300 65,28
305 71
310 74,82
315 78,13
320 84,71
325 89,93
Tabel 4.3 Data hasil pengamatan penurunan level tangki dengan penurunan laju
alir 40 L/jam pada kondisi start-up laju alir 360 L/jam dan level steady
400 mm
F (L/h) Level (mm) Waktu (s)
320 600 0
595 6,89
590 8,69
585 10,17
Revisi I 29/10/2022
Semua kata asing harap di italic
Daster jgn ada yg sama dgn tmn sekelompok
Lampirkam bukt jurnal diakhir ya
Untuk script warna nya smua hitam
(ikuti perbaikan pembahasan wanda)
580 13,85
575 14,94
570 16,7
565 18,19
560 21,23
555 26,79
550 27,1
545 29,94
540 30,51
535 38,79
530 39,91
525 42,58
520 47,72
515 51,84
510 52,01
505 56,66
500 60,59
495 66,93
490 67,67
485 71,05
480 76,33
475 89,08
Tabel 4.4 Data hasil pengamatan validasi penurunan level tangki dengan
penurunan laju alir 60 L/jam pada kondisi start-up laju alir 360 L/jam
dan level steady 600 mm
F (L/h) Level (mm) Waktu (s)
300 600 0
595 5,92
Revisi I 29/10/2022
Semua kata asing harap di italic
Daster jgn ada yg sama dgn tmn sekelompok
Lampirkam bukt jurnal diakhir ya
Untuk script warna nya smua hitam
(ikuti perbaikan pembahasan wanda)
590 9,08
585 13,57
580 20,76
575 23,12
570 27,86
565 29,98
560 31,57
555 38,56
550 41,09
545 44,35
540 57,81
535 62,38
530 69,17
525 73,69
520 77,14
515 80,43
510 84,91
505 87,43
500 89,46
495 94,41
V.2 Pembahasan
Pada percobaan kali ini, laju alir divariasikan untuk mengetahui level
tangki dengan cara mengamati pengaruh pengaruh laju alir pada sistem
pengendalian level fluida pada level tangki dalam perubahan setiap waktu dengan
mengamati level tangki yang akan mencapai keadaan konstan. Adapun data yang
telah didapat akan diolah menggunakan sofware MATLAB dalam mnyelesaikan
secara numerik. Kemudian data pemodelan yang telah didapat dibandingkan
dengan data praktikum maka didapatkan pemodelan yang sama. Dalam
pendekatan model matematika digunakan model eksponensial dan model power
yang akan dipaparkan ke dalam kurva fungsi level terhadap waktu dengan
berdasarkan perbandingan nilai SSE (Sum Of Squared Errors).
Gambar 5.1 Penurunan level tangki dengan pendekatan model eksponensial pada
laju alir start-up 360 L/jam dengan penurunan laju alir 40 L/jam dan
level steady 600 mm.
Revisi I 29/10/2022
Semua kata asing harap di italic
Daster jgn ada yg sama dgn tmn sekelompok
Lampirkam bukt jurnal diakhir ya
Untuk script warna nya smua hitam
(ikuti perbaikan pembahasan wanda)
Gambar 5.2 Penurunan level tangki dengan pendekatan model power pada laju
alir start-up 360 L/jam dengan penurunan laju alir 40 L/jam dan level
steady 600 mm
Berdasarkan Gambar 5.1 dan 5.2 dapat dilihat pendekatan model eksponensial dan
power terhadap data aktual. Pada pendekatan model eksponensial dapat diperoleh
nilai k1 dan k2 beturut- turut senilai 22.0544 dan 77.7765, dengan nilai SSE
sebesar 332.7207. Sedangkan pada model power, didapat nilai k1 dan k2 berturut-
turut sebesar 6.3949 dan 0.1737 dengan nilai SSE 336.3828. Dengan demikian
dalam menentukan nilai K optimal maka perhitungan yang digunakan secara trial
and eror. Apabila nilai SSE yang telah mencapai nilai minimum maka tidak ada
penentuan nilai K baru. Kemudian untuk mendapatkan nilai K yang optimal
digunakan selisih nilai SSE dalam setiap keadaan perhitungan nilai minimum.
Jika nilai optimal mengalami penurunan nilai SSE dengan drastis maka akan
membentuk grafik paling baik dengan selisih yang besar (Jollyta dkk., 2021)
Revisi I 29/10/2022
Semua kata asing harap di italic
Daster jgn ada yg sama dgn tmn sekelompok
Lampirkam bukt jurnal diakhir ya
Untuk script warna nya smua hitam
(ikuti perbaikan pembahasan wanda)
Gambar 5.3 Validasi MATLAB untuk penurunan level tangki dengan model
eksponensial pada laju alir start-up 360 L/jam dengan penurunan
laju alir 60 L/jam dan level steady 600 mm.
Revisi I 29/10/2022
Semua kata asing harap di italic
Daster jgn ada yg sama dgn tmn sekelompok
Lampirkam bukt jurnal diakhir ya
Untuk script warna nya smua hitam
(ikuti perbaikan pembahasan wanda)
Gambar 5.4 Validasi MATLAB untuk penurunan level tangki dengan model
power pada laju alir start-up 360 L/jam dengan penurunan laju alir
60 L/jam dan level steady 600 mm.
Berdasarkan Gambar 5.3 dan 5.4, dapat dilihat kurva pemodelan dengan
pendekatan model eksponensial dan power terhadap data aktual. Kurva
pemodelan pada pemodelan eksponensial cenderung linear, sedangkan terdapat
sedikit lengkungan pada kurva pemodelan power. Kemudian nilai SSE dari kedua
pemodelan tersebut tidak jauh perbedaannya. Adapun nilai SSE yang diperoleh
dari pemodelan metode eksponensial dan metode power berturut-turut senilai
223.4429 dan 301.4649. Dengan demikian semakin kecil nilai Sum of Squared
Error pada validasi penurunan maka semakin baik validasi yang dihasilkan (Dewi
dan pramita. 2021).
Revisi I 29/10/2022
Semua kata asing harap di italic
Daster jgn ada yg sama dgn tmn sekelompok
Lampirkam bukt jurnal diakhir ya
Untuk script warna nya smua hitam
(ikuti perbaikan pembahasan wanda)
Gambar 5.5 Kenaikan level tangki dengan pendekatan model eksponensial pada
laju alir start-up 340 L/jam dengan kenaikan laju alir 40 L/jam dan
level steady 250 mm
Revisi I 29/10/2022
Semua kata asing harap di italic
Daster jgn ada yg sama dgn tmn sekelompok
Lampirkam bukt jurnal diakhir ya
Untuk script warna nya smua hitam
(ikuti perbaikan pembahasan wanda)
Gambar 5.6 Kenaikan level tangki dengan pendekatan model power pada laju alir
start-up 340 L/jam dengan kenaikan laju alir 40 L/jam dan level
steady 250 mm
Berdasarkan Gambar 5.5 dan 5.6, dapat dilihat pendekatan model
eksponensial dan power terhadap data aktual. Pada pendekatan model
eksponensial, diperoleh nilai parameter k1 dan k2 berturut-turut senilai 111.5848
dan -615.3223, dengan nilai SSE 153.1193. Sedangkan pada model power,
didapat nilai k1 dan k2 berturut-turut sebesar 0.0074 dan 1.3289 dengan nilai SSE
322.6875. Nilai SSE (Sum of Square Erorr) yang diperoleh pada model
eksponensial lebih rendah dibandingkan model power, sehingga model
eksponensial lebih tepat untuk dipakai pada kenaikan level tangki. Hal ini
dikarenakan nilai SSE yang kecil dapat meminimalisir terjadinya overshoot,
sehingga semakin kecil nilai error yang terjadi, dengan demikian semakin baik
kinerja sistem kontrol yang diterapkan (Rahmatillah dan Suprianto, 2020).
Revisi I 29/10/2022
Semua kata asing harap di italic
Daster jgn ada yg sama dgn tmn sekelompok
Lampirkam bukt jurnal diakhir ya
Untuk script warna nya smua hitam
(ikuti perbaikan pembahasan wanda)
Gambar 5.7 Validasi MATLAB untuk kenaikan level tangki dengan model
eksponensial pada laju alir start-up 340 L/jam dengan kenaikan laju
alir 60 L/jam dan level steady 250 mm.
Revisi I 29/10/2022
Semua kata asing harap di italic
Daster jgn ada yg sama dgn tmn sekelompok
Lampirkam bukt jurnal diakhir ya
Untuk script warna nya smua hitam
(ikuti perbaikan pembahasan wanda)
Gambar 5.8 Validasi MATLAB untuk kenaikan level tangki dengan model power
pada laju alir start-up 340 L/jam dengan kenaikan laju alir 60 L/jam
dan level steady 250 mm.
Pada Gambar 5.7 dan 5.8, dapat diamati pendekatan model eksponensial dan
power terhadap data aktual. Kurva pemodelan eksponensial lebih mendekati data
aktual dibandingkan kurva pemodelan metode power. Nilai SSE kedua pemodelan
tersebut terpaut perbedaan yang cukup besar; diperoleh SSE pemodelan metode
eksponensial dan metode power berturut-turut senilai 43.5088 dan 605.8166. Hal
ini dikarenakan pendekatan pemodelan eksponensial lebih tepat dipakai pada
kenaikan level tangki. Pemodelan akan semakin akurat dengan turunnya nilai
SSE, maka semakin kecil nilai SSE semakin tepat pula pemodelan yang
dirumuskan. Sistem ini menarik untuk dijadikan tujuan pemodeJan karena
sederhana sehingga proses pemodelannya sendiri dapat diikuti dengan baik
dan tidak dipersulit oleh cara kerja serta fungsi dari komponen-komponen
sistem, Pada proses pemodelan sistem yang kompleks, banyak waktu
Revisi I 29/10/2022
Semua kata asing harap di italic
Daster jgn ada yg sama dgn tmn sekelompok
Lampirkam bukt jurnal diakhir ya
Untuk script warna nya smua hitam
(ikuti perbaikan pembahasan wanda)
VI. Kesimpulan
Berdasarkan percobaan yang telah dilakukan, dapat diambil kesimpulan
sebagai berikut.
1. Pendekatan dengan pemodelan eksponensial merupakan pemodelan yang
sesuai untuk percobaan kenaikan level tangki, dengan perolehan nilai SSE
sebesar 153.1193.
2. Pendekatan dengan pemodelan eksponensial merupakan pemodelan yang
sesuai untuk percobaan validasi kenaikan level tangki, dengan perolehan nilai
SSE sebesar 43.5088.
3. Pendekatan dengan pemodelan power merupakan pemodelan yang sesuai
untuk percobaan penurunan level tangki, dengan perolehan nilai SSE sebesar
336.3828.
4. Pendekatan dengan pemodelan eksponensial merupakan pemodelan yang
sesuai untuk percobaan validasi penurunan level tangki, dengan perolehan
nilai SSE sebesar 301.4649.
Revisi I 29/10/2022
Semua kata asing harap di italic
Daster jgn ada yg sama dgn tmn sekelompok
Lampirkam bukt jurnal diakhir ya
Untuk script warna nya smua hitam
(ikuti perbaikan pembahasan wanda)
level model
function sse = levelmodel(x)
global data_t data_L L0 k
global Lmodel
k=x;
tspan=data_t;
%solver
[t,Lmodel]=ode23s('level01',tspan,L0);
sse=sum((data_L'-Lmodel).^2)
u=k(1)
h=k(2)
pemodelan
clc
%data
data_L = 250:+5:325;
data_t = [0
17.25
20.27
26.78
29.91
36.17
43.29
49.76
56.46
59.71
65.28
71
74.82
78.13
84.71
89.93]
figure(1)
plot(data_t',data_L,'o','MarkerSize',7)
hold on
%tank area
r = 5;
A = pi*r^2;
Fi = 400;
%initial level
L0 = data_L(1);
%initial guesses
x0 = [1 1];
%solver
[xopt,fval,exitflag] = fminsearch('levelmodel',x0);
figure(1)
plot(data_t',Lmodel,'-','LineWidth',3)
Lmodel;
xlabel('waktu (s)')
ylabel('Level Tangki (mm)')
legend('Data','Pemodelan' )