Peningkatan Efisiensi Plant Pengolahan LNG PT XYZ dengan Pengaturan Mode Operasi Train Berdasarkan Algoritma Machine Learning

PT XYZ sebagai operator kilang pencairan gas alam melakukan upaya peningkatan efisiensi energi sebagai komitmen terhadap realisasi Net Zero Emission 2050. PT XYZ menghadapi tantangan berupa penurunan kuantitas dan kualitas gas alam yang diolah sehingga berdampak pada efisiensi kilang. Penurunan feed gas dan perubahan komposisinya telah menyebabkan penurunan efisiensi kilang dalam lima tahun terakhir. Salah satu parameter signifikan yang mempengaruhi efisiensi adalah penggunaan fuel gas, yang proporsinya cenderung meningkat seiring berkurangnya feed gas yang dicairkan. Konsumsi fuel gas dipengaruhi oleh berbagai faktor sehingga sulit diketahui parameter yang paling memengaruhinya. Untuk mengatasi masalah ini diaplikasikan feature selection berbasis Random Forest Regressor. Parameter terpilih berupa pembagian laju alir feed gas ke masing – masing process train tersebut akan digunakan sebagai dasar pemodelan dengan menggunakan regresi linear multivariabel yang membantu memprediksi pola penggunaan energi berdasarkan data historis. Hasil dari model ini akan digunakan untuk mengestimasi konsumsi fuel gas sehingga dapat ditentukan jumlah fuel gas minimal yang diperlukan untuk kondisi tertentu dengan bantuan solver. Improvisasi ini bertujuan untuk menurunkan konsumsi bahan bakar dan emisi gas rumah kaca. Dari hasil evaluasi didapatkan nilai RMSE:0,05 ; MAE: 0,04 ; dan MAPE: 0,1104 dengan estimasi penghematan bahan bakar sejumlah $6.051.650 dan CO2 Reduction sejumlah 35.011,3919 tonCO2eq per tahunnya.