PERANCANGAN DAN IMPLEMENTASI MACHINE LEARNING MODEL UNTUK MEMPREDIKSI VARIABEL O2 EXCESS PADA BOILER 21 – 25, PT BADAK NGL

This is the latest version of this item.

O2 excess 2-5% menjadi parameter penting dalam operasional PT Badak NGL. Selain itu, pengukuran O2 excess secara aktual dijadikan faktor koreksi dalam perhitungan baku mutu emisi NOx, SO2, dan total partikulat yang terintegrasi dengan Sistem Informasi Pemantauan Emisi Industri Kontinyu (SISPEK) sesuai Peraturan Menteri Lingkungan Hidup dan Kehutanan (Permen LHK) No. 13 Tahun 2009 dan No. 13 Tahun 2021. Tidak terdapatnya O2 analyzer pengganti pada boiler 21 – 25 menjadi masalah ketika O2 analyzer tersebut mati atau rusak sehingga tidak dapat memonitor O2 excess. Alternatif solusi menggunakan machine learning model dengan memanfaatkan data histori proses boiler, tetapi implementasi machine learning model pada sistem database plant information PT Badak NGL harus disesuaikan dengan keterbatasanya. Perancangan dan implementasi machine learning model dilakukan menggunakan standard kerangka CRISP – DM. Tahap business understanding menentukan kriteria penerimaan error prediksi yaitu nilai Mean Absoulute Error (MAE) kurang dari 0,1 % pembacaan O2. Setelah tahap evaluasi, machine learning model untuk memprediksi O2 excess berhasil dirancang sehingga memenuhi kriteria penerimaan error yaitu MAE kurang dari 0,1% pembacaan O2. Implementasi dilakukan dengan menambahkan tag number berupa calculation tag pada sistem database plant information PT Badak NGL menggunakan perhitungan berbasis visual basic script.