BAB I PENDAHULUAN
1.1 Latar Belakang Matematika sebagai
dasar ilmu pengetahuan
telah berkembang pesat
seiring dengan kemajuan teknologi.
Namun tidak dapat
dipungkiri bahwa banyak
pelajar atau mahasiswa khususnya
dan masyarakat umumnya
yang menganggap bahwa Matematika adalah
pelajaran yang hanya
sebatas membahas penjumlahan, pengurangan, dan
perkalian angka-angka serta
pelajaran itu cukup
menakutkan, sehingga tidak banyak
orang tertarik untuk
mendalaminya. Padahal ilmu matematika tidak
hanya sekedar ilmu
yang membahas masalah
seperti itu dan digunakan
dikelas saja, akan
tetapi ia bisa
digunakan dan diaplikasikan
di dunia luar.
Matematika sendiri
merupakan alat untuk
menyederhanakan dalam penyampaian dan
pemahaman masalah, maka
tidaklah heran apabila
ilmu-ilmu yang lain yang
berhasrat untuk menerapkan
matematika dalam memecahkan persoalan yang
dihadapinya. Misalnya dalam
menentukan jumlah produksi berdasarkan faktor
suhu, kebisingan dan
sebagainya. Hal ini
tidak bisa lepas
dari matematika sehingga matematika digunakan oleh seluruh lapisan
masyarakat.
Logika adalah
salah satu ilmu matematika yang
sangat penting dan diperluas sebagai
logika fuzzy. Logika
fuzzy sendiri dikatakan
sebagai logika baru
yang lama, sebab ilmu
tentang logika fuzzy
modern dan metodis
baru ditemukan beberapa tahun
yang lalu. Padahal
sebenarnya konsep tentang
logika fuzzy itu sendiri
sudah ada sejak
lama. Secara umum
logika fuzzy adalah
suatu cara yang tepat untuk memetakan suatu ruang input
ke dalam suatu ruang output. Sedangkan aplikasi logika
fuzzy sudah mulai
dirasakan dalam beberapa
bidang. Salah satu aplikasi
terpentingnya adalah untuk
membantu manusia dalam
melakukan pengambilan
keputusan. Aplikasi logika
fuzzy untuk pendukung
keputusan ini semakin diperlukan
tatkala semakin banyak
kondisi yang menuntut
adanya keputusan yang tidak
hanya bisa dijawab
dengan “ya” atau
“tidak”, “benar” atau “salah”
tetapi juga ada
setengah “ya” setengah
“tidak” atau setengah
“benar” setengah “salah” yaitu
dikotomi values. Dalam
logika fuzzy selalu
berkaitan dengan derajat keanggotaan.
Derajat keanggotaan adalah
suatu kurva yang menunjukkan pemetaan
titik-titik input data
ke dalam nilai
keanggotaannya yang memiliki
interval antara 0 dan 1 (kusumadewi:40).
Pada himpunan tegas (crisp) nilai
keanggotaan ada dua kemungkinan yaitu dan
1, sedangkan pada
himpunan fuzzy nilai
keanggotaan terletak pada
rentang sampai 1.
Apabila x memiliki
nilai keanggotaan fuzzy A [x]=0
berarti x tidak menjadi
anggota himpunan A, demikian Pula
apabila x memiliki nilai keanggotaan fuzzy
A [x]=1 berarti
x menjadi anggota
penuh pada himpunan
A. Terkadang kemiripan antara
keanggotaan fuzzy dengan
probabilitas menimbulkan
kerancuan.
Keduanya memiliki
nilai pada interval
[0,1] namun interpretasi
nilainya sangat berbeda antara
kedua kasus tersebut.
Keanggotaan fuzzy memberikan
suatu ukuran terhadap pendapat atau keputusan sedangkan probabilitas mengindikasikan
proporsi terhadap keseringan suatu hasil bernilai benar dalam jangka panjang.
Dalam logika
fuzzy, terdapat beberapa
metode yang dapat
digunakan dalam memproses data
atau menyelesaikan permasalahan,
tetatapi metode-metode tersebut masih
banyak kekurangan-kekuranga dan
belum lengkap. Dari
sekian banyak metode
salah satu diantaranya
adalah Adaptif Neuro
Fuzzy Inference Syatem (ANFIS).
ANFIS merupakan model
fuzzy yang dapat
digunakan sebagai pengganti dari
perceptron dengan banyak
lapisan. Dalam hal
ini, sistem dapat dibagi
menjadi dua grup,
yaitu satu grup
berupa jaringan syaraf
dengan bobotbobot fuzzy
dan fungsi aktifitas
fuzzy, dan grup
yang kedua berupa
jaringan syaraf denga input
yang difuzzykan pada
lapisan pertama atau
kedua, neoru fuzzy termasuk kelompok
yang kedua (Osowsk,
2004). ANFIS juga
merupakan arsitektur yang secara
fungsional sama dengan
fuzzy rule base
model Sugeno.
Artsitektur bisa
juga sama dengan
jaringan syaraf dengan
fungsi radial dengan batasan tertentu.
Bisa dikatakan bahwa
ANFIS suatu metode
yang mana dalam melakukan penyetalan
aturan digunakan algoritma
pembelajaran terhadap sekumpul
data.
ANFIS juga
merupakan jaringan adaptif
yang berbasis pada
sistem inferensi system. Parameter
ANFIS dapat dipisahkan
menjadi dua, yaitu
parameter premis dan konsekuensi
yang dapat diadaptasikan
dengan pelatihan hybrid.
Pelatihan hybrid dilakukan dua langkah yaitu langkah maju dan langkah
balik.
Di dalam
proses-proses penyulingan kolom
yang berkelanjutan dan penyulingan kolom
batch, kontrol komposisi
adalah sangat penting.
Terutama, untuk menemuka spesifikasi
kemurnian, suatu kolom
batch harus dioperasikan dengan tepat
sesuai dengan yang
diharapkan. Jika komposisi-komposisi sudah diketahui, maka
komposisi-komposisi tersebu dapat
membentuk suatu proses dasar
untuk meningkatkan kinerja
melalui suatu pengambilan
keputusan operator untuk mengembangkan
dari suatu rencana
pengendalian sengkelit-tertutup (Venkateswarlu dan
Avantika 2001). Suatu
sistem kontrol yang
baik dan efektif untuk
kolom-kolom penyulingan yang
berkelanjutan dapat juga
dirancang dengan mudah dari
nilai-nilai komposisi yang
sudah ada. Pengukuran-pengukuran online dari
komposisi-komposisi bisa dilakukan
dengan menganalisis-dari komposisi secara langsung.
Bagaimanapun, pengukuran komposisi online
bukanlah tidak mungkin, tetapi
karena menganalisis seperti
ini sama dengan
menganalisis kromatograf gas yang
mengakibatkan keterlambatan pengukuran,
investasi yang besar dan
biaya pemeliharaan yang
mahal. Sebagai suatu
alternatif, komposisi dapat diperkirakan
dari pengukuran-pengukuran temperatur.
Dengan demikian, suatu penaksir
yang online bahwa
menggunakan
pengukuran-pengukuran dengan temperatur dapat
digunakan untuk menyimpulkan/menduga komposisi-komposisi yang dihasilkan.
Di dalam studi
ini, ANFIS dirancang
untuk menyimpulkan atau menduga
komposisi-komposisi bagian atas
dan bagian bawah
dari suatu kolom penyulingan yang
berkelanjutan dan juga
untuk menyimpulkan/menduga komposisi-komposisi
drum pengaliran kembali di suatu penyulingan kolom batch.
Pembahasan menganai
pendugaan atau estimator
sudah dijelaskan juga dalam Al-Qur’an sesuai dengan surat
Ash-Shaffa ayat 147 sebagai berikut: Artinya: Dan Kami utus dia (dalam satu
tugas) kepada seratus ribu (orang) atau lebih.
Pada Surat
Ash-Shaffa ayat 147
tersubut dijelaskan bahwa
Nabi Yunus diutus kepada
umatnya yang jumlahnya
1.000.000 orang atau lebih. Jika membaca ayat
tersebut secara seksama,
ada rasa (kesan)
bahwa terdapat keraguan dalam menentukan
jumlah umat Nabi
Yunus. Mengapa harus
menyatakan 1.000.000 atau lebih?
Mengapa tidak menyatakan
dengan jumlah yang sebenarnya? Bukankan
Allah maha mengetahui
yang gaib dan
yang nyata? Bukankan Allah
SWT maha mengetahui
segala sesuatu, termasuk
jumlah umat Nabi Yunus?
(Abdusakir: 91).
Berangkat dari
beberapa hal di
atas, maka dengan
memanfaatkan data yang sudah
ada dan hasil
penelitian terdahulu oleh
yang merancang penaksiran
FNN untuk kolom penyulingan
yang berkelanjutan untuk
menaksir komposisikomposisi alas
sejenis metan dan
atas sejenis karbohidrat
dari temperaturtemperatur dan
nilai-nilai komposisi yang
sudah ada. Dia
menerapkan suatu teknik Singular
Value Decomposition (SVD)
untuk memilih lokasi-lokasi
sensor.
Menurut SVD,
untuk suatu sistim
komponen NC, pengukuran-pengukuran temperatur NC-1
diperlukan untuk penilaian
komposisi. Karenanya, tiga
baki dari kepala dan
tiga dari alas
ditemukan untuk menaksir
kepala sejenis metan
dan alas sejenis gas hidrokarbon
dari komposisi-komposisi. Ini adalah komposis–komposis kepala dengan
baki ke 31,
32, dan 33,
dan baki-baki alas
ke 10, 11
dan 12.
sehingga di
dalam studi ini,
diarahkan hanya untuk
menaksir komposisikomposisi dari
pengukuran-pengukuran
temperatur dari penyulingan
kolom berkelanjutan,
kinerja-kinerja dari struktur
ANFIS juga diguna
di dalam kolom penyulingan batch.
Untuk itu di
dalam skripsi ini
diambil judul ”Aplikasi
Adaptif Neuro Fuzzy Inference
System (ANFIS) dalam
Proses Penyulingan Kolom yang Berkelanjutan dan Kolom Batch ”.
1.2 Rumusan Masalah Berdasarkan
dari latar belakang
di atas, maka
dapat diambil rumusan masalah sebagai berikut: 1. Bagaimana
prosedur menstruksi struktur
ANFIS dari komponen-komponen komposisi baki
dibagian atas (propena)
dan bagian alas
(butena) di dalam penyulingan kolom yang berkelanjutan?.
2. Bagaimana
prosedur menstruksi struktur
ANFIS dari komponen-komponen drum pengaliran
kembali dari sikloheksana
(C1), n-heptana (C2),
dan toluene (C3) di dalam penyulingan kolom batch?.
1.3 Tujuan Penelitian Berdasarkan dari
rumusan masalah di
atas, maka tujuan
penelitian sebagai berikut: 1. Untuk
mengetahui prosedur menstruksi
ANFIS dari komponen-komponen dikomposisi kepala
(propena) dan alas
(butena) di dalam
penyulingan kolom yang
berkelanjutan.
0 komentar:
Posting Komentar