PENERAPAN METODE BACKPROPAGATION NEURAL NETWORK PADA PREDIKSI KUALITAS AIR BAKU DI PT KRAKATAU TIRTA INDUSTRI

DENISA, ANGGIA (2018) PENERAPAN METODE BACKPROPAGATION NEURAL NETWORK PADA PREDIKSI KUALITAS AIR BAKU DI PT KRAKATAU TIRTA INDUSTRI. S1 thesis, Fakultas Teknik Universitas Sultan Ageng Tirtayasa.

Text (Fulltext)
SKRIPSI.pdf
Restricted to Registered users only
Download (721kB)

Abstract

PT Krakatau Tirta Industri menyediakan air bersih dengan mengolah air baku menjadi air bersih, untuk kebutuhan industri dan sebagian lain untuk kebutuhan masyarakat Kota Cilegon. Air bersih yang berkualitas membutuhkan beberapa tahap proses pengolahan. Salah satu parameter utama dalam kualitas air baku adalah Turbidity (kekeruhan). Tingkat turbiditas sangat berpengaruh dalam penentuan dosis bahan baku kimia yang akan digunakan dalam proses pengolahan air, maka diperlukan prediksi. Artificial Neural Network (ANN) adalah salah satu dari banyak metode komputasi yang sering digunakan dalam penelitian terkait dengan prediksi atau peramalan. Model Backpropagation Neural Network digunakan karena kemampuan generalisasi yang cukup baik untuk masalah prediksi, dan kemampuannya menurunkan gradient untuk meminimalkan kuadrat error dari output jaringan. Penentuan jaringan arsitektur ANN terbaik dipilih dengan metode Taguchi untuk menghindari evaluasi terhadap interaksi semua faktor, sehingga memperkecil jumlah percobaan yang harus dilakukan. Rancangan arsitektur ANN untuk memprediksi turbidity yaitu fungsi pelatihan Bayesian Regularization, hidden layer berjumlah 6, dan momentum sebesar 0,9. Hasil prediksi turbidity memiliki nilai MSE 0,0013. Prediksi untuk periode 2018 memiliki rata-rata tingkat turbiditas 41,1 NTU. Turbidity tertinggi ada pada data ke-346 yang diperkirakan sekitar tanggal 26 Juni 2018 dengan turbidity 148,06 NTU. Turbidity terendah ada pada data ke – 616 yang diperkirakan sekitar tanggal 15 September 2018 dengan turbidity 11,2 NTU.

Item Type:

Thesis (S1)

Contributors: