Abstract:
Proses distilasi merupakan proses yang umum dijumpai pada industri kimia. Proses distilasi merupakan proses pemisahan dan pemurnian fraksi campuran bedasarkan perbedaan titik didihnya. Pada penelitian kali ini menggunakan kolom distilasi biner dengan campuran berupa ethanol (C2H5OH) dan 1-propanol (CH3CH2CH2OH). Machine learning digunakan pada kolom distilasi biner karena dapat memprediksi hasil tanpa harus mengerti perhitungan fisika seperti neraca massa.
Penelitian ini bertujuan untuk membuktikan keakuratan penggunaan machine learning dalam memprediksi produk yang didapat pada kolom distilasi biner. Kolom distilasi biner dimodelkan dan disimulasikan secara tunak dengan menggunakan bantuan perangkat lunak ASPEN Plus. Pada penelitian ini model machine learning yang digunakan adalah model Artificial Neural Networks (ANN) atau biasa disebut Jaringan Syaraf Tiruan (JST). Model ini digunakan untuk memprediksi produk yang didapat pada kolom distilasi biner dengan menggunakan data hasil simulasi ASPEN Plus sebagai data pelatihan dan validasi. Pemodelan machine learning dengan model Jaringan Syaraf Tiruan (JST) dilakukan dengan bantuan perangkat lunak python. Pemodelan kolom distilasi biner dibantu dengan perangkat lunak ASPEN Plus dengan kolom distilasi radfrac. Pemodelan JST dibantu dengan perangkat lunak visual studio code yang berfungsi untuk merancang coding python. Parameter yang divariasikan pada model JST ini adalah jumlah neuron, batch size, dan epochs. Model JST akan dievaluasi dengan dilihat dari nilai MSE. Nilai MSE merupakan nilai error dari selisih antara hasil yang didapatkan dari model JST dan perangkat lunak ASPEN Plus. Pada penelitian ini, didapatkan hasil bahwa model JST dapat memprediksi output dari kolom distilasi biner. Hal ini dilihat dari nilai MSE yang didapat pada prediksi model JST sebesar 0,0051. Terdapat perbedaan nilai MSE pada prediksi model JST dengan saat evaluasi model JST tetapi nilai MSE saat prediksi model JST masih dalam batas toleransi.
