PREDIKSI WATER REMOVAL PADA PROSES DEHYDRATION GAS ALAM MENGGUNAKAN JARINGAN SYARAF TIRUAN

Abstract

ABSTRACT
Raw natural gas contains water vapor or hydrates that must be purified to meet sales gas specifications. The most commonly used water vapor purification process is the natural gas absorption dehydration process with TEG. The optimal natural gas dehydration process is indicated by the water removal value in accordance with gas sales standards, where the water removal value is influenced by the operating conditions and the raw natural gas feedstock. Therefore, this study predicts the water removal value of the natural gas dehydration process using MLP (Multi-Layer Percepton) neural network with NARX structure (Nonlinear AutoRegressive, eXternalinput) using Levenberg-Marquardt learning algorithm in order to obtain optimal operating conditions. The input parameters of the artificial neural network are operating conditions, raw natural gas components, and TEG content, while the output is the value of water removal and reboiler energy. The results showed that the Root Mean Square Error (RMSE) on the training data was 0.0005 kgmole/h for water removal and 0.0010 kW for reboiler energy, proving that the ANN model used had a fairly good performance in capturing complex and nonlinear characteristics in the natural gas dehydration process.
Keywords: Natural Gas, Dehydration, Artificial Neural Networks, Prediction, Water Removal
ABSTRAK
Gas alam mentah mempunyai kandungan uap air atau hidrat yang harus dimurnikan agar memenuhi spesifikasi gas penjualan. Proses pemurnian kandungan uap air yang paling sering digunakan adalah proses dehydration gas alam absorpsi dengan TEG. Proses dehydration gas alam yang optimal ditunjukkan oleh nilai water removal yang sesuai dengan standart penjualan gas, dimana nilai water removal dipengaruhi oleh kondisi operasi dan bahan baku gas alam mentah. Oleh karena itu, penelitian ini memprediksi nilai water removal proses dehydration gas alam menggunakan jaringan syaraf tiruan MLP (Multi Layer Percepton) struktur NARX (Nonlinear AutoRegressive, eXternalinput) dengan algoritma pembelajaran Levenberg-Marquardt agar mendapatkan kondisi operasi yang optimal. Parameter input jaringan syaraf tiruan adalah kondisi operasi, komponen gas alam mentah, dan kandungan TEG, sedangkan output adalah nilai water removal dan energi reboiler. Hasil penelitian diperoleh nilai Root Mean Square Error (RMSE) pada data latih sebesar 0,0005 kgmol/jam untuk water removal dan 0,0010 kW untuk energi reboiler, membuktikan bahwa model JST yang digunakan memiliki kinerja yang cukup baik dalam menangkap karakteristik komplek dan nonlinear pada proses dehydration gas alam.
Kata Kunci : Gas Alam, Dehydration, Jaringan Syaraf Tiruan, Prediksi, Water Removal