RANCANG BANGUN SUPERVISORY CONTROL AND DATA ACQUISITION (SCADA) PADA PROSES PEMBUBUHAN KAPORIT DI PENGOLAHAN AIR BERSIH KOTA SURABAYA DENGAN MENGGUNAKAN METODE BACKPROPAGATION ARTIFICIAL NEURAL NETWORK

Farodis, Alif Rizky (2015) RANCANG BANGUN SUPERVISORY CONTROL AND DATA ACQUISITION (SCADA) PADA PROSES PEMBUBUHAN KAPORIT DI PENGOLAHAN AIR BERSIH KOTA SURABAYA DENGAN MENGGUNAKAN METODE BACKPROPAGATION ARTIFICIAL NEURAL NETWORK. Diploma thesis, POLITEKNIK PERKAPALAN NEGERI SURABAYA.

Full text not available from this repository.

Abstract

ABSTRAK Air yang diproduksi pada instansi pengolahan air bersih harus memenuhi baku mutu yang sudah ditetapkan pemerintah dengan berbagai parameter uji didalamnya. Adapun proses untuk membunuh bakteri serta meningkatkan pH pada air adalah dengan menggunakan kaporit. Metode yang digunakan pada proses pembubuhan kaporit di pengolahan air bersih kota Surabaya merupakan metode manual. Penggunaan metode manual kurang efisien karena apabila terjadi perubahan air baku secara mendadak maka air produksi yang dihasilkan tidak bisa sesuai standar. Penelitian ini menjelaskan tentang pembuatan rancang bangun dalam proses pembubuhan kaporit pada pengolahan air bersih dengan menggunakan metode backpropagation artificial neural network. Metode tersebut memungkinkan untuk nilai pH yang stabil saat air mengalami perubahan kekeruhan. Untuk lebih memudahkan proses kontrol dan pemantauan maka dilengkapi dengan sistem SCADA. Sistem SCADA ini menggunakan PLC sebagai pengendali. PLC akan mengendalikan pompa untuk mengatur debit kaporit yang ditentukan dengan menggunakan metode backpropagation artificial neural network. Secara keseluruhan sistem pada proses pembubuhan kaporit telah berjalan dengan lancar. Hasil training backpropagation artificial neural network mendapatkan nilai MSE (Mean Square Error) terkecil sebesar 1,38296e-5. Sedangkan, hasil implementasi metode backpropagation artificial neural network di PLC memiliki error 0,2% dibandingkan dengan hasil pada toolbox matlab. Sistem komunikasi antara PLC dan SCADA memiliki delay sebesar ± 2 detik dengan plant sebenarnya. Kata kunci : PLC, SCADA, Kaporit, Backpropagation Artificial Neural Network. ABSTRACT The water produced in water treatment agencies must meet the quality standards that have been set by the government with various test parameters. The process to kill bacteria and increase the pH of the water is using chlorine. The method used in the process of affixing of chlorine in water treatment of Surabaya city is manual methods. The use of the manual method is less efficient because if there is a sudden change in the raw water, the water production can not be produced according to the standards. This study implements the design of the process of affixing of chlorine in water treatment using the method of backpropagation artificial neural network. This method allows a stable pH value of the water when the turbidity of the raw material changes. To further facilitate the process control and system monitoring is equipped with SCADA system. The SCADA system using PLC as controller. PLC will control the pump to regulate the discharge of chlorine which is determined using the method of backpropagation artificial neural network. Overall the system in the process of affixing of chlorine has been running fluently. The backpropagation artificial neural network training gets the smallest MSE (Mean Square Error) value of 1,38296e-5. Meanwhile, the results of the implementation of backpropagation artificial neural network method in PLC has an error of 0,2 % compared to results in the toolbox matlab. Communication system between PLC and SCADA has a delay of ± 2 seconds with the actual plant. Keywords : PLC, SCADA, chlorine, Backpropagation Artificial Neural Network.

Item Type: Thesis (Diploma)
Subjects: T Technology > T Technology (General)
Divisions: Jurusan Teknik Kelistrikan Kapal > Teknik Otomasi
Depositing User: Unnamed user with email repository@ppns.ac.id
Date Deposited: 08 Sep 2018 03:21
Last Modified: 08 Sep 2018 03:21
URI: http://repository.ppns.ac.id/id/eprint/413

Actions (login required)

View Item View Item