OPTIMISASI CHEMICAL OXYGEN DEMAND PRODUCED WATER PADA POLISHING UNIT

Abstract

Polishing unit pada Saka Indonesia Pangkah Limited menggunakan biological treatment yang memanfaatkan bakteri aerob untuk mengurangi kadar Chemical Oxygen Demand (COD) effluent pada produce water saat eksplorasi minyak agar sesuai dengan baku mutu. Untuk menjaga agar bakteri tetap hidup diperlukan tambahan substrat berupa nitrat dan fosfat yang dijaga pada kondisi tertentu. Uji data operasional menunjukan bahwa hubungan antara kadar COD effluent dengan variabel-variabel lain non linier dan kompleks. Sehingga dibutuhkan pemodelan black box seperti Artificial Neural Network (ANN) untuk memodelkan hubungan ini. Dari Process Flow Diagram (PFD), data operasional dan pertimbangan manajemen maka 11 variabel menjadi input model ANN dan COD sebagai output variabel. Output variabel model ini akan menjadi fungsi objektif dimana tujuannya adalah nilai minimum. Dua input variabel sebagai variabel yang dioptimisasi yaitu massa nitrat dan fosfat. Sedangkan konstrain berupa 9 parameter operasional dan tiga range variabel input-output. Hubungan empiris antara variabel input-output yang tidak mempunyai persamaan turunan maka teknik optimisasi stokastik diperlukan. Salah satu teknik optimisasi stokastik adalah Genetic Algorithm (GA). Hasil dari prediksi ANN menggunakan struktur Multi Layer Perceptron (MLP) dengan input Finite Impulse Response (FIR) serta pelatihan Levenberg-Marquardt menghasilkan Root Mean Square Error (RMSE) paling optimal berada pada hidden node 42 yaitu RMSE selama pelatihan adalah 0.16092 dan RMSE selama validasi 1.73769. Optimisasi kadar COD mendapatkan hasil kadar COD optimal yaitu 44.8668 mg/L pada kadar nitrat sebesar 9 mg/L dan kadar fosfat sebesar 12 mg/L.