TUGAS #1 ANALISIS TEKNIK KIMIA

PERTANYAAN SOAL DI SLIDE

OLEH:

IVAN FADHILLAH (2010242014)

DOSEN PENGAMPU:

Idral Amri, ST. MT. Ph.D

JURUSAN TEKNIK KIMIA S2

FAKULTAS TEKNIK UNIVERSITAS RIAU
PEKANBARU
2020
1. Sebutkan Langkah-langkah menerapkan permodelan matematika?
Jawab:
a. Memahami bagian yang penting dalam fenomena objek analisis.
b. Memilih fdv (fundamental dependent variable) dan fdv berisi informasi proses yang
berguna untuk menentukan perlakuan pada proses tersebut. Ada 3 jenis fdv di analisa :
massa, energy, momentum.
c. Memilih cdv (characterizing dependent variable) yaitu variable yang terukur. Cdv dapat
menentukan nilai dari fdv. Jika fdv = massa maka cdv = densitas, volume, luas
penampang, tinggi. Jika fdv = energy maka cdv = temperature, kapasitas panas,
konduktivitas panas. Dan jika fdv = momentum maka cdv = viskositas, densitas,
kecepatan.
d. Memilih kontrol volum untuk memperbaiki persamaan permodelan matematika dengan
pendekatan batas-batas sistem.
e. Penerapan hukum-hukum konversi, yaitu hubungan seluruh sistem dengan asumsi yang
valid untuk proses kimia. Hukun konservasi yang umum digunakan adalah kekekalan
massa dan energy.
f. Dihasilkan persamaan dasar dari model pertama.
g. Jika persamaan mencukupi, maka model tersebut diterapkan. Namun jika persamaan
tidak mencukupi, maka perlu diperiksa kembali fdv dan dibutuhkan persamaan konstutif.

2. Bagaimana Membangun Persamaan Konstitutif?

Jawab:
Persamaan konstitutif dibangun ketika hubungan dependent variabel dengan independent
variable terlalu rumit atau tidak dapat ditentukan. Contoh menentukan persamaan
konstitutif:

Informasi : Sistem adalah cairan dalam tangki. Tangki didesain dengan baik sehingga
konsentrasi seragam.
Asumsi :
1. Tangki berpengaduk sempurna
2. Densitas A dan pelarut sama
3. Aliran masuk konstan
Data :
1. Fo = 0.085 m3/min, V = 2.1 m3, CAinit = 0.925 mol/m3, CAo = 0.925
mol/m3, maka CAo = 1.85 mol/m3 setelah step.
2. Kondisi awal sistem adalah steady state (CAo = CA = CAinit pada t = 0)
Memformulasikan Model
 Mula-mula dipilih variabel penting yang perilakunya akan diprediksi. Kemudian
persamaan diturunkan berdasarkan prinsip-prinsip dasar, yang umumnya dibagi menjadi
dua kategori, yaitu: konservasi dan konstitutif. Hukum kekekalan atau konservasi adalah
hubungan yang diikuti oleh seluruh sistem fisik dalam asumsi- asumsi umum yang valid
untuk proses kimia. Hukum kekekalan yang paling sering digunakan pada proses kontrol
adalah kekekalan massa dan energi.

 Persamaan neraca umumnya ditulis dalam bentuk seperti di bawah ini:

Akumulasi = masuk – keluar + generasi
NERACA MASSA TOTAL
{Akumulasi massa} = {massa masuk} – {massa keluar}
NERACA MASSA KOMPONEN
{Akumulasi massa komponen} = {massa komponen masuk} – {massa komponen keluar}
+ {generasi massa komponen}
NERACA ENERGI
{Akumulasi U + PE + KE} = {H + PE + KE masuk karena konveksi} - {H + PE + KE
keluar karena konveksi} + Q – W

 Persamaan yang akan digunakan dipilih berdasarkan variabel yang ingin diprediksi. Cara
pemilihan persamaannya adalah:
a. Jika variabel adalah massa cairan total dalam tangki atau tekanan dalam vessel berisi
gas tertutup, maka yang dipilih adalah neraca massa.
b. Jika variabel adalah konsentrasi, sebaiknya gunakan neraca massa komponen.
c. Jika variabel adalah temperatur, neraca energi lebih baik.
 Jumlah persamaan yang dibutuhkan dapat ditentukan dari besarnya derajat kebebasan,
yang didefinisikan sebagai :
 DOF = NV – NE
Dengan DOF adalah jumlah derajat kebebasan, NV adalah jumlah variabel terikat, NE
adalah jumlah persamaan tak terikat.

Formulasi: Karena soal ini melibatkan konsentrasi, neraca massa total dan neraca massa
komponen akan digunakan. Neraca massa total dengan increment Dt adalah:
{Akumulasi massa} = {massa masuk} – {massa keluar}
(rV )t +Dt - (rV )t = Fo rDt - F1 rDt

r adalah densitas, persamaan di atas dibagi dengan Dt dan limit Dt-->0 menjadi

Aliran masuk Fo adalah variabel eksternal, karena nilainya tidak tergantung pada perilaku
sistem. Karena ada satu persamaan dan dua variabel (V dan F 1), maka dibutuhkan
persamaan konstitutif untuk aliran keluar:

k adalah konstanta, L = V/A, dan Lw adalah level overflow yang akan diabaikan karena
tidak signifikan, dan asumsi aliran masuk sama dengan aliran keluar, maka

Langkah selanjutnya adalah memformulasikan neraca masssa komponen A:

Neraca komponen pelarut juga perlu dimasukkan ke dalam model:

 Persamaan yang independen dan dapat digunakan untuk menentukan derajat kebebasan
(DOF), sudah ditemukan, maka bisa dicari nilai DOF nya;

Karena derajat kebebasan adalah 0, maka sistem spesifik dan dapat diselesaikan.

Contoh persamaan konstitutif:

a) laju perpindahan panas :
 konduksi : q = - k dT/dx
 konveksi : q = h A dT
 radiasi : q = ε T4
b) laju perpindahan massa : J = - D dC/dx
c) laju perpindahan massa antar fasa :
N = kg a (y – y*)
y* = m x

d) Laju reaksi homogen :

ri = k Cin
r = f (C,T) = k (f(T)) Cin
e) Persamaan Archenius : K = A e – E/RT
ni
P i = y i Pt ; y i=
f) Hukum Henry :
nt
g) Persamaan gas ideal :PV = nRT
h) Laju Alir Fluida : F = Cv(DP/r)1/2

3. Bagaimana membedakan persamaan diferensial biasa dengan diferensial parsial?

Jawab:
Persamaan diferensial biasa:
Merupakan persamaan diferensial yang hanya mengandung 1 variabel bebas, dimana fungsi
yang tidak diketahui (variabel terikat) adalah fungsi dari variabel bebas tunggal. Persamaan
 diferensial biasa sering digunakan untuk mendapatkan formulasi suatu fenomena yang
mengalami perubahan terhadap waktu/tempat,
Contoh persamaan diferensial biasa:
 y’ = ex + sin x var. bebas = x dan var. tak bebas = y
 x2 (d2y/dx2) – 6x (dy/dx) = 0 var. bebas = x dan var. tak bebas = y
 (d2Q/dt2) – 3 (dQ/dt) + 10 Q = 4 var. bebas = t dan var. tak bebas = Q
Persamaan diferensial parsial:
Persamaan diferensial parsial adalah persamaan yang memuat satu atau lebih turunan parsial
dengan dua atau lebih variabel bebas.
Orde dari PD parsial : Tingkat tertinggi dari derivatif yang ada dalam PD.
Derajat dari PD parsial : Pangkat tertinggi dari turunan tingkat tertinggi yang ada dalam
PD. PD parsial dikatakan linier jika hanya memuat derajad
pertama dari variabel - variabel bebasnya dan derivatif - derivatif
parsialnya.
Contoh persamaan diferensial parsial:
(d2V/dx2) + (d2V/dy2) = 0 var. bebas = x dan y dan var. tak bebas = V

Tabel 1. Untuk Soal 4-5

4. Jelaskan karakteristik kunci dari model-model tersebut, misalnya, panas radiasi atau
konduksi panas?
Jawab:
 Panas Konduksi = Adalah proses perpindahan panas yang berpindah dari tempat yang
bersuhu tinggi ke tempat yang bersuhu lebih rendah dengan media pengantar panas tetap.
−dT qk −dT
Qk = kA ( ) atau =k( )
dX A dX

 Panas Radiasi = Perpindahan panas yang terjadi karena adanya pancaran/sinara/radiasi

gelombang electron magnetic tanpa memerlukan media perantara.
Qr = εσ AT4

a) Model Deterministik = model metematika yang dimana gejala-gejala dapat diukur dengan
derajat kepastian yang cukup tinggi. Pada model deterministik diasumsikan bahwa
kejadian-kejadian yang ada memliki peluang yang tetap dan dapat pula diasumsikan pasti
terjadi maupun tidak mungkin terjadi. Model deterministik menyiratkan bahwa dengan
memberikan beberapa input dan parameter, output akan selalu sama, sehingga variabilitas
output adalah nol dalam kondisi yang identik. Sehingga model determinsitik termasuk
kebagian permodelan untuk perpindahan panas konduksi. Hal ini dikarenakan,
perpindahan panas secara konduksi tidak ada faktor pengganggu yang mempengaruhinya
terhadap waktu jika dilihat dari persamaan dan definisi dari perpindahan panas konduksi.

b) Model Stokastik = Model matematika yang dimana gejala-gejala yang ada dapat diukur
dengan derajat kepastian yang tidak stabil. Model stokastik menyiratkan bahwa dengan
memberikan beberapa input, output mungkin berfluktuasi dengan properti dan distribusi
yang diberikan. Model Stokastik adalah model memiliki komponen input random, dan
menghasilkan output yang random pula. Model stokastik mengandung unsur acak atau
distribusi peluang, sehingga tidak hanya membuat penaksiran keluaran yang defenitif tapi
juga disertai dengan deviasi (variance). Semakin besar ketidak-pastian akan tingkah-laku
suatu sistem, semakin penting penerapan model stokastik. Dalam kasus perpindahan
panas, model stokastik dapat dikategorikan kedalam permodelan untuk perrpindahan
panas konveksi dan radiasi. Hal ini dikarenakan didalam persamaan perpindahan panas
 radiasi, terdapat faktor yang tidak tetap dan mempengaruhi hasil perhitungan transfer
panas yaitu nilai σ yang tidak pasti nilainya kecuali nilai dari benda hitam gelap.
Kesimpulan:
(1) Deterministik, dicirikan oleh nilai-nilai parameternya yang pasti dan time-invariant,
(2) Stokastik, dicirikan oleh ketidakpastian nilai parameter-parameternya dan time-
variant.

c) Model Lumped Parameter = sistem permodelan yang digunakan pada saat temperatur
seluruh bagian permukaan dan bagian dalam suatu benda berada pada temperatur yang
sama sepanjang waktu selama proses perpindahan panas, artinya proses perpindahannya
merata diseluruh daerah benda tersebut. Fungsi temperatur yang ada dibenda tersebut
termasuk fungsi waktu, dimana T = T(t). Analisis lumped parameter mengasumsikan jika
distribusi panas merata diseluruh daerah, maka nilai tahanan konduktivitas thermal adalah
nol. Maka nilai Bi = 0, dimana Bi adalah bilangan Biot yang tak berdimensi.

Bilangan Biot adalah perbandingan antara resistansi internal (panas konduksi) dengan
resistansi eksternal terhadap panas konveksi. Oleh karena itu, analisa ini sangat cocok
digunakan untuk analosa benda kecil dengan konduktivitas termal tinggi.

d) Model Distributed Parameter

Sistem permodelan yang berubah-ubah atau yang dipengaruhi tidak hanya dalam waktu
tetapi juga dalam ruang. Jika tidak, sistem menunjukkan dinamika spasiotemporal
sepanjang garis waktu dan sepanjang satu atau lebih garis ruang. Sistem parameter
terdistribusi dimodelkan sebagai kumpulan persamaan diferensial parsial fengan kondisi
batas dan kondisi awal yang menggambarkan pengaruh perubahan variabel keadaan
dalam beberapa koordinat tetap, misalnya ruang dan waktu. Kebanyakan model
parameter terdistribusi berasal dari hukum kekekalan pertama, yaitu kekekalan massa,
 energi dan momentum. Sistem permodelan parameter distribusi pada umumnya
diterapkan dalam perhitungan alat pertukaran panas yaitu HE, Salah satunya untuk
mendisain plate-fin heat exchanger (PFHE). Alat pertukaran panas heat exchanger
kebanyakan menggunakan prinsip pertukaran panas secara konduksi.

e) Model Linier
Regresi linier sering digunakan untuk menentukan gambaran terbaik dari suatu model
kinetik. Kesesuaian atau gambaran terbaik dari persamaan kinetik dipilih berdasarkan
fungsi kesalahan yang menghasilkan distribusi kesalahan minimum antara nilai-nilai
prediksi dan eksperimen. Model linier juga diartikan sebagai sebagai model yang
memiliki variabel inputan yang mempunyai suatu perbandingan atau berselisih dengan
variabel peubahnya sehingga dapat dicari kemungkinan hasil keluaran selanjutnya setelah
ada hasil keluaran pertama. Variabel peubah dalam model linier bisa berupa integral,
diferensial, fungsi, atau operasi aljabar. Model linier biasanya digunakan untuk menaksir
beberapa. Perpindahan panas pada persamaan linier steady-state terjadi ketika
konduktivitas material tidak bergantung pada suhu dan ketika radiasi tidak
diterapkan. Salah satu dari efek ini membuat masalah menjadi nonlinier (berulang).
Conduction:

Convection:

f) Model non-linear
Model non linier adalah model yang inputan yang bervariasi namun memiliki hasil
keluaran yang acak bahkan tidak terdefinisi. Salah satu kasus penerapan metode
persamaan non-linear dalam heat transfer adalah persoalan perpindahan panas transien.
Jika perpindahan panas transien pada slab baja menjadi non-linier jika sifat-sifat fisik
bahan tergantung pada temperatur atau sumber panas yang dibangkitkan (fluks panas) di
permukaan bahan merupakan fungsi non-linier terhadap temperatur. Studi tentang
peristiwa pemanasan dan pendinginan plat baja dengan kondisi batas kombinasi konveksi
dan radiasi telah dilakukan oleh peneliti terdahulu namun hanya untuk satu dimensi
 (Crosbie et al., 1968) dengan menggunakan pendekatan persamaan integral Volterra non-
linier. Kondisi batas radiasi selalu bersifat non-linier, sedangkan kondisi batas konveksi
bersifat linier jika koefisien perpindahan panas konveksi dan temperatur sekeliling tetap.
Bila koefisien perpindahan panas konveksi merupakan fungsi temperatur, maka kondisi-
kondisi batas baik radiasi maupun konveksi bersifat non-linier.

g) Model Kontinyu
Dalam model simulasi kontinyu, keadaan sistem direpresentasikan oleh variabel
dependen yang berubah sepanjang waktu. Sebuah model simulasi kontinyu
dikonstruksikan dengan mendefinisikan persamaan untuk sebuah himpunan dari keadaan
variabel-variabel.

h) Model Diskrit
Sebuah model diskrit memiliki variabel dependen yang hanya berubah pada saat tertentu
selama waktu simulasi. Dalam sistem diskrit ini juga dimungkinkan terdapat beberapa
karakteristik yang bersifat statis/dinamis dan deterministic/stokhastik baik pada entitas
maupun kejadian. Pemodelan simulasi sistem diskrit biasanya disebut juga dengan model
simulasi sistem kejadian-diskrit (Discrete-Event Simulation Model, DES Model).
Variabel waktu dan keadaan merupakan 2 (dua) variabel penting yang digunakan untuk
mendeskripsikan karakteristik model simulasi sistem kejadian-diskrit.
5. Bagaimana anda mengklasifikasikan mereka dalam hal kelas yang disebutkan dalam tabel
yang diberikan?
c) Model Lumped Parameter
Lumped parameter sistem adalah sebuah sistem yang dapat dinyatakan kedalam bentuk
model matematik berupa persamaan differensial biasa ODE (ordinary differential equation).
Persamaan differnsial biasa seperti :

d) Model Distributed Parameter

Distibuted parameter system adalah sistem yang dapat dinyatakan kedalam bentuk model
matematik berupa persamaan differensial parsial PDE (partial differential equation).
Persamaan differensial partial seperti :

e) Model Linear = Steady State – Persamaan Aljabar Linier

Model liniear pada umumnya yang digunakan dalam kondisi steady state adalah
persamaan aljabar linier, hal ini dapat dilihat dari beberapa persamaan model linier dalam
kondisi steady state, yaitu:
Specifically the following loads can be included in a linear analysis:

Conduction:

Where:
 q= heat flow
 k= thermal conductivity (a constant) entered as a material property. Isotropic materials
fall
under this category.
 A = cross section area of an element face
 ∆T = the temperature gradient in the direction normal to the area, A

Convection:
Where:
 h = convective heat-transfer coefficient (constant) entered by the user.
 A = area of the element subject to convection
 X = "Convection multiplier" entered on the "Analysis Parameters" screen.
 DT = Ts-T∞
 Ts = surface temperature of the element (calculated)
 T∞ = temperature of the fluid (assumed to be constant) and entered by the user.

Internal Heat Generation:

q = (q per unit volume)(X)(volume)
where:
 q per unit volume = the amount of heat generated internal to the element per unit volume,
entered by the user.
 X= the "Heat generation multiplier" entered on the "Analysis Parameters" screen.
 volume = the volume of the element (calculated)

Applied Temperature:
q = stiffness(DT)
where:
 stiffness = equivalent of convection coefficient times the area (hA), entered by the
user.
 DT = Tn-XT∞
 Tn = temperature of the node (calculated)
 X = "Boundary temperature multiplier" entered on the "Analysis
Parameters" screen.
 T = "Magnitude" of the temperature entered by the user.

Heat Flux:
q = (heat flux)AX
where:
 heat flux = the amount of heat flux (heat per unit area) applied to a surface, entered
by the user.
 A = surface area of the face
 X = the "Convection multiplier" entered on the "Analysis
Parameters" screen.

f) Model Non-Linear = Steady State – Persamaan Aljabar Non-Linear

Jika koefisien konduksi adalah fungsi suhu (model material ortotropik) atau jika radiasi
diterapkan pada model, beberapa iterasi perlu dilakukan untuk menyelesaikan masalah
analisis perpindahan panas pada kondisi steady-state. Misalnya, suhu belum diketahui,
konduktivitas termal tidak diketahui, yang perlu diperhatikan yaitu suhu tidak dapat
dihitung tanpa konduktivitas termal. Oleh karena itu, diperlukan pendekatan berulang.
 Figure 1. Nonlinear Solution Process
Radiation
Fluks panas (perpindahan panas / waktu / area) didaerah permukaan yang terkena radiasi
dapat dijelaskan dengan persamaan berikut:

where
 q" = heat flux
 Frad = radiation factor, which includes absorptivity, emissivity and view factor effects
s = Stefan-Boltzmann constant
X = the "Radiation multiplier" entered on the "Analysis Parameters" screen.
 Ts = calculated surface temperature, units must be in absolute temperature (Rankine
or Kelvin)
 Trad = ambient temperature, units must in absolute temperature (Rankine or Kelvin).

Kuantitas (Ts4-Trad4) dapat ditulis ulang sebagai (T s2+Trad2)(Ts+Trad)(Ts-Trad). Jika kuantitas

(Ts2+Trad2)(Ts+Trad) diasumsikan konstan, maka algoritma solusi linier dapat
digunakan. Opsi run time nonlinier menggantikan Tiold untuk Ts di bagian konstan
persamaan dan melakukan iterasi seperti dijelaskan di atas. Parameter relaksasi (A)
mungkin perlu dikurangi jika larutan berosilasi selama proses iterasi.