PERANCANGAN SISTEM PENGENDALIAN pH PADA BIOREAKTOR ANAEROB MELALUI JARINGAN INTRANET (Mohammad Fajar Ashary, Ronny Dwi N., Totok Soehartanto) Jurusan Teknik Fisika – Fakultas Teknologi Industri Institut Teknologi Sepuluh Nopember Kampus ITS, Keputih – Sukolilo, Surabaya 60111
E-mail:
[email protected],
[email protected] ABSTRAK Sistem pengendalian pH di bioreaktor anaerob berbasis fuzzy logic controller yang diterapkan saat ini adalah sistem pengendalian pada plant bioreaktor anaerob. Sehingga perlu adanya dibuat sistem pengendalian terpusat. Mengingat lokasi plant bioreaktor dengan ruang control room jaraknya jauh. Maka dibutuhkan sistem pengendalian jarak jauh dimana pengendalian akan dilakuan dengan memanfaatkan jaringan intranet yang menggunakan protocol TCP/IP. Dalam hal ini simulasi bioraktor anaerob beserta sistem pengendaliannya (lokal kontrol) ada di server untuk sistem monitoring dan pusat kontrolnya ada di client. Client (mempunyai program fuzzy logic controller berbasis LabVIEW) dapat melakukan aksi pengendalian terpusat dengan cara merubah parameter fuzzy logic controller yang di upload ke fuzzy logic controller di server untuk manipulasi bikarbonat (Bin) dan dilution (Din) guna menjaga nilai varibel proses yaitu pH. Sistem pengendalian lokal kontrol pada server hanya mampu menerima uji step masukan substrat S2 maksimum 34, dengan pH 6.9498 dan menghasilkan biogas 18.28x10-3 liter/jam. Dari hasil pengujian kinerja fuzzy logic controller yang di upload dari client dengan jaringan intranet. Pada client memberi uji step masukan substrat S2 maksimum 34.0, didapatkan nilai pH 6.9491 dan menghasilkan biogas 18.27x10-3 liter/jam. Kata kunci: Bioreaktor Anaerob, pH, Fuzzy Logic Controller, Jaringan Intranet, LabVIEW dirancang suatu simulator sistem pengendalian pH pada bioreaktor anaerob berbasis fuzzy logic controller menggunakan software LabVIEW yang dapat di kendalikan melalui jaringan intranet. Melalui jaringan intranet disini adalah komunikasi client-server menggunakan protocol TCP/IP, dalam hal ini simulasi bioraktor anaerob beserta sistem pengendaliannya (lokal kontrol) ada di server sedangkan untuk sistem monitoring dan pusat kontrolnya ada di client. Client (mempunyai program fuzzy logic controller berbasis LabVIEW) dapat melakukan aksi pengendalian terpusat dengan cara merubah parameter fuzzy logic controller yang di upload ke fuzzy logic controller di server untuk manipulasi bikarbonat (Bin) dan dilution (Din) guna menjaga nilai variabel proses yaitu pH. Rumusan permasalahan dalam tugas akhir ini adalah bagaimana merancang fuzzy logic controller berbasis software LabVIEW dan bagaimana merancang sistem pengendalian pH pada bioreaktor anaerob melalui jaringan intranet. Untuk memfokuskan permasalahan pada tugas akhir ini, pokok bahasannya dibatasi oleh beberapa hal sebagai berikut model matematis bioreaktor anaerob diambil dari LAG – INPG France, simulator bioreaktor yang digunakan berupa platform LabVIEW, Logika fuzzy menggunakan metode mamdani, variabel kontrol yang akan dipergunakan adalah penambahan D (dillution) dan binc (bikarbonat), variabel proses yang dikendalikan pada bioreaktor anaerob adalah pH dan software yang digunakan adalah LABVIEW 8.2.1 yang dikomunikasikan dengan protocol TCP/IP. Tujuan pelaksanaan tugas akhir ini adalah untuk merancang sistem pengendalian pH pada bioreaktor anaerob melalui jaringan intranet dalam hal ini simulasi bioraktor anaerob beserta sistem pengendaliannya (lokal
1. PENDAHULUAN Bioreaktor anaerob sangat efektif untuk mengolah limbah organik, dimana hasil pengolahan limbah berupa biogas yang dapat digunakan sebagai sumber energi alternatif. Mikroorganisme yang ada didalam bioreaktor sangat peka terhadap perubahan kondisi yang ada di dalamnya. Perubahan kondisi pH sangat perlu diperhatikan karena pH merupakan salah satu variabel proses yang menjadi prasyarat utama dalam menjaga pertumbuhan dan perkembangan mikroorganisme dalam suatu bioreaktor. Seperti diketahui bahwa mikroorganisme dalam bioreaktor hanya dapat tumbuh dalam range pH tertentu, yaitu antara 6.7–7.4. Oleh karena itu, kebutuhan sistem pengendalian pH pada bioreaktor menjadi sangat penting. Bioreaktor anaerob adalah proses yang sangat kompleks dan nonlinear, dimana dalam bioreaktor anaerob terdapat tiga proses, yaitu proses fisika, proses kimia dan proses biologi, sehingga strategi kontrol yang sesuai untuk proses ini salah satunya adalah fuzzy logic controller. Kontroler ini memanipulasi sinyal error (selisih antara pH terukur dengan set point). Hasil manipulasi ini akan digunakan untuk mengatur aliran Bikarbonat (B) dan Dilution/pengenceran (D). Salah satu teknologi yang telah dikembangkan sebelumnya untuk menyelesaikan permasalahan tersebut adalah sistem pengendalian pH pada bioreaktor anaerob berbasis fuzzy logic controller. Sistem pengendalian ini dilakukan langsung pada plant bioreaktor anaerob. Kelemahan sistem ini yaitu operator harus melakukan pengendalian di lapangan secara langsung. Sehingga perlu dibuat pengendalian terpusat. Mengingat lokasi plant bioreaktor dengan ruang control room jaraknya jauh. Maka dibutuhkan rancangan sistem pengendalian jarak jauh. Oleh karena itu, pada penelitian ini telah
1
kontrol) ada di server sedangkan untuk sistem monitoring dan pusat kontrolnya ada di client.
inilah yang disebut fenomena pencucian bioreactor (wash-out)[Soehartanto,1998].
2. TEORI PENUNJANG 2.1 Bioreaktor Anaerob Bioreaktor anaerob merupakan suatu tangki yang sangat efisien untuk mengolah limbah organik cair dimana hasil samping dari pengolahan limbah ini berupa gas metana (CH4) dan karbon dioksida (CO2). Pada bioreaktor anaerob, substrat yang masuk berupa limbah organik yang merupakan nutrisi bagi mikroorganisme untuk tumbuh dan berkembang pada kondisi lingkungan yang mendukung. Mikroorganisme hidup berkelompok dan menempati sel-sel yang disebut biomassa. Bioreaktor sangat peka terhadap konsentrasi substrat yang masuk secara berlebihan dalam reaktor, karena dapat memprovokasi kematian mikroorganisme. Apabila terjadi dalam waktu yang lama maka dapat terjadi proses pencucian mikroorganisme, efek ini disebut wash out. Gambar 2. Skema Fermentasi Bioreaktor Anaerob[1] Persamaan Aljabar Kesetimbangan Fisika-Kimia HS S S 2 0 [2.3] H S K a HS 0
Gambar 1. Bioreaktor Anaerob
2d H B K CO 0 b 2d
Banyaknya biomassa yang terakumulasi pada bioreaktor
d X dt
X Fout X
R X F dt
1
in S in Fout S
[2.6]
B S OH Z H dimana : HS : S: Ka : Kb : CO2d : B : IC : Z+ :
[2.1]
sedangkan banyaknya akumulasi dari substrat pada reaktor d S
[2.4] [2.5]
B IC 0
CO
[2]
[2.2]
dimana X merupakan besarnya konsentrasi dari populasi mikroorganisme (disebut dengan biomassa) dan effluent S, merupakan konsentrasi substrat pada reaktor. Sin adalah konsentrasi substrat pada influent, dengan Fin merupakan rata-rata kecepatan aliran influent, dan Fout adalah rata-rata kecepatan dari effluent. Sedangkan parameter kunci µ merupakan koeffisien dari kecepatan pertumbuhan mikroorganisme dan R1 merupakan yield coefficient sebagai suatu hubungan korelasi substrat dan biomassa untuk mengindikasikan pertumbuhan mikroorganisme. Proses Pada Bioreaktor Anaerob Diantara keempat tahap yang ada, hydrolisis, acidogenesis, acetogenesis, dan metanogenesis, tahapan metanogenesis adalah tahap yang paling lambat. Pada tahapan metanogenesis penurunan asam asetat (acetat acids) menjadi gas metana (CH4) memerlukan waktu yang lama, sehingga jika terjadi fluktuasi yang berlebihan dari substrat yang masuk kedalam bioreaktor maka akan dapat mengganggu kestabilan proses. Banyaknya fluktuasi substrat yang masuk pada kondisi tertentu dapat menyebakan kematian bakteri, peristiwa
[2.7]
bentuk asam dari S2 tak terionisasi (Molar) S2 yang terionisasi ( Molar ) konstanta kesetimbangan asam (Molar) konstanta kesetimbangan basa (Molar) karbon dioksida terlarut (Molar) bikarbonat (Molar) karbon inorganik (Molar) kation (Molar)
Persamaan Diferensial Dinamika Sistem dX c
dS C
R6 C X C D S C S C in
dt dX 2 dt
dS2 dt
[2.9]
[2.10]
R3 2 X 2 R4 C X C D S 2in S 2
D Z in Z
dimana : XC : biomassa bakteri acidogenic (gram/l)
2
[2.11]
[2.12]
R2 R3 2 X 2 R5 C X C R1R32 X 2 D ICin IC
dZ dt
2 D X 2
dIC dt
[2.8]
c D X c
dt
[2.13]
SC : substrat glukosa (gram/liter) X2 : biomassa bakteri methanogenic (mol/liter) S2 : substrat asetat (mol/liter) D : dilusi / pengenceran µc : kecepatan pertumbuhan bakteri acidogenesi µ2 : Kecepatan pertumbuhan bakteri methanogenesis R1, R2, R3, R4, R5 : yields coefficient
Persamaan Output ǪCH4 = R1R2µ2X2 [2.14] ǪCO2 = λR1R2µ2X2 [2.15] dimana : ǪCH4 : kecepatan aliran gas methana (liter/jam) ǪCO2 : kecepatan aliran karbon dioksida (liter/jam)
2.3 TCP/IP Inti dari TCP/IP (Tranmission Control Protocol/Internet Protocol) yang merupakan kombinasi dari dua protokol yang bekerja bersama-sama untuk memberikan koneksi pada internet/intranet. IP dipakai untuk mendefinisikan dan mengirimkan datagram (unit data internet) dan menyatakan skema pengalamatan. TCP bertanggung jawab terhadap servis-servis level atas. TCP/IP terdiri dari bagian-bagian tertentu dari komunikasi data. Protokol TCP/IP dapat diterapkan dengan mudah di setiap jenis komputer dan interface jaringan, karena sebagian besar kumpulan protokol ini tidak spesifik terhadap satu komputer atau peralatan jaringan tertentu. Dengan koneksi TCP/IP, komputer dapat berfungsi sebagai client atau server.
Persamaan Proses Biologi [2.16] [2.17] [2.18] [2.19] dimana Kh KSC,2 KIC,2 µC,2max Pt
mengambil keputusan. Aksi atur fuzzy disimpulkan dengan menggunakan implikasi fuzzy dan mekanisme inferensi fuzzy. Defuzzifikasi Berfungsi untuk mentransformasikan kesimpulan tentang aksi atur yang bersifat fuzzy menjadi sinyal sebenarnya yang bersifat crisp dengan menggunakan operator defuzzifikasi
: : : : :
3. METODOLOGI PENELITIAN
konstanta hidrolisis (Henry) konstanta saturasi dari biomasaa XC,2 konstanta inhibitor dari biomasaa XC,2 kecepatan pertumbuhan maksimum bakteri µC,2 : tekanan atmosfer
2.2 Fuzzy Logic Controller Konsep logika fuzzy merubah konsep logika klasik menjadi konsep yang memetakan suatu variabel pada kemungkinan yang tidak eksak sehingga dapat sistem linguistik dan permasalahan yang tidak pasti atau tidak presisi serta permasalahan probabilitas.
Gambar 3. Struktur Dasar Logika Fuzzy Gambar 4. Flowchart Metodologi Penelitian
Pada dasarnya struktur logika fuzzy dapat dilihat pada Gambar 3. seperti berikut [Jantzen jan, 2007]. Fungsi dari bagian-bagian di atas adalah sebagai berikut [Kusuma dewi sri, 2002]: Fuzzifikasi Berfungsi untuk mngubah sinyal masukan yang bersifat crisp ( bukan fuzzy ) ke himpunan fuzzy dengan menggunakan operator fuzzifikasi. Basis Pengetahuan Berisi basis data dan aturan dasar yang mendefinisikan himpunan fuzzy atas daerah–daerah masukan dan keluaran dan menyusunnya dalam perangkat aturan kendali. Logika Pengambil Keputusan Merupakan inti dari Logika Fuzzy yang mempunyai kemampuan seperti manusia dalam
3.1 Perancangan Fuzzy Logic Controller pada Sistem Pengendalian pH Sesuai dengan latar belakang, maka pada penelitian ini bertujuan untuk merancang sistem pengendalian pH pada bioreaktor anaerob melalui jaringan intranet dengan software LabVIEW. Pada penelitian ini, dibuat sebuah simulasi bioraktor anaerob beserta sistem pengendaliannya (lokal kontrol) sebagai komputer server sedangkan untuk sistem monitoring dan pusat kontrolnya sebagai komputer client yang akan diimplementasikan pada software LabVIEW, dimana kontrolernya menggunakan kotroler berbasis logika fuzzy untuk mengendalikan kestabilan bioreaktor anaerob. Variabel proses yang dikendalikan adalah pH dan variabel manipuasi adalah aliran bikarbonat (Bin)
3
dan aliran dilution (Din). Sehingga dari paparan diatas dapat dibuat sebuah ilustrasi seperti yang terlihat pada Gambar 5.
Gambar 7.
Gambar 5.
Tampilan Block Diagram bioreaktor anaerob
Simulator
Simulator berbasis LabVIEW dibangun mulai dari setiap subsistem yang terlacak kemudian dilakukan validasi nilai input-output pada setiap sub sistem yang telah dibuat. Hal ini subsistem yang ditandai dengan kotak warna merah merupakan menggunakan persamaan diferensial dinamika sistem yang terdapat pada Persamaan 2.8 sampai Persamaan 2.13.
Desain simulator sistem pengendalian pH pada jaringan intranet
3.1.2 Perancangan FLC Berbasis LabVIEW Adapun tahapan untuk mendesain sistem fuzzy logic control tersebut antara lain: menentukan variabel masukan, variabel keluaran, fungsi keanggotaan, yang meliputi jenis fungsi yang digunakan dan batas-batas dari fungsi tersebut, serta rule atau aturan untuk melakukan aksi control, dan metode defuzifikasi. A. Penetuan Masukan Fuzzy Logic Control Pada Tugas akhir ini, variabel yang dikendalikan adalah pH. Besar setpoint pH ini tergantung dari keluaran laju aliran bikarbonat (Bin) dan aliran dilution (Din) tertentu. Sehingga, dengan demikian jangkauan proses variabel yang harus dikendalikan antara 6.6 sampai dengan 7.4 sesuai dengan kondisi pH optimum. Dengan demikian kemungkinan error yang terjadi adalah antara -0.4 sampai dengan 0.4. Kondisi error ini, dibagi menjadi lima kelompok, yaitu Error negative (NE1), Error negative (NE1+), Error positif (-PO), Error positif (PO) dan zero (ZE). Berikut adalah range dari masukan error fuzzy pada fungsi segitiga (triangular): NE1 : -0.4 -0.2 NE1+ : -0.4 -0.2 -0.2 0 ZE1 : -0.2 0 0 0.2 -PO1 : 0 0.2 0.2 0.4 PO1 : 0.2 0.4
Gambar 6. Diagram blok sistem pengendalian pH Dari Gambar 6 dapat uraikan sebagai berikut ketika kondisi bioreaktor anaerob mendapatkan inputan kosentrasi substrat maka menyebabkan ketidakstabilan variabel proses pH. Untuk mengendalikan variabel proses pH server mengirim data proses pH ke client dengan jaringan intranet menggunakan protocol TCP/IP. Maka kontroler logika fuzzy yang ada di client bertujuan untuk mengendalikan sistem. Data outputan dari kontroler logika fuzzy akan di kirim ke server guna untuk memberikan penambahan air (aksi D) dan penambahan bikarbonat (aksi binc) sampai sistem dalam kondisi stabil kembali. 3.1.1 Pemograman Ulang Pemodelan Sistem Bioreaktor Anaerob Simulasi adalah suatu proses pengembangan model sederhana dari suatu model sistem yang kompleks yang selanjutnya digunakan untuk menganalisa dan memperkirakan karakteristik dari sistem yang sebenarnya dalam simulator sistem pembelajaran bioreaktor anaerob ini. Simulator bioreaktor anaerob ini dibuat menggunakan software bantuan LabVIEW 8.2.1. Untuk tampilan blok diagram simulasi bioreaktor anaerob secara openloop dapat dilihat pada Gambar 7.
Berdasarkan kondisi error yang telah didefinisikan di atas, maka ditentuan fungsi keanggotaan masing-masing error, yaitu dapat dilihat pada Gambar 8.
Gambar 8. Fuzzy Set Editor untuk Input error
4
Untuk mengurangi osilasi respon pengendali, maka perlu ditambahkan varibel delta error. Delta error merupakan selisih antara error pH yang terjadi pada waktu saat ini (t) dengan error pH sebelumnya (t-1). Rentang kerja (range) yang digunakan untuk fungsi keanggotaan delta error adalah antara -0.1 sampai dengan 0.1. Adapun pengelompokan jenis perubahan error dikelompokkan menjadi lima kategori, yaitu Delta error negative (NE2), Delta error negative (NE2+), Delta error positif (-PO2), Delta error positif (PO2) dan Delta error nol atau zero (ZE2). Berikut adalah range dari masukan error fuzzy pada fungsi segitiga (triangular): NE2 : -0.1 -0.05 NE2+ : -0.1 -0.05 -0.05 0 ZE2 : -0.05 0 0 0.05 -PO2 : 0 0.05 0.05 0.1 PO2 : 0.05 0.1
Gambar 10. Fuzzy Set Editor untuk output Bin Untuk fungsi keanggotaan untuk variabel keluaran aksi dillution (Din) mempunyai nilai keluaran antara 1 sampai dengan 8 ditentukan seperti pada Gambar 11 berikut ini.
Adapun fungsi keanggotaan untuk masukan delta error ditunjukkan pada Gambar 9 berikut ini.
Gambar 11. Fuzzy Set Editor untuk output Din Fungsi keangotaan untuk variabel keluaran ini dibagi menjadi lima jenis, yaitu Aksi bikarbonat (Din) menutup cepat atau negatif (Neo), Aksi bikarbonat (Din) membuka cepat atau positif (POo), Aksi bikarbonat (Din) tidak berubah atau zero (ZEo), Aksi bikarbonat (Din) menutup pelan atau negatif (NEo+) dan Aksi bikarbonat (Din) membuka pelan atau positif (-POo). Berikut adalah range dari keluaran bikarbonat (Bin) fuzzy pada fungsi segitiga (triangular): NE0 : 1 2.75 NE0+ : 1 2.75 2.75 4.5 ZE0 : 2.75 4.5 4.5 6.25 -PO0 : 4.5 6.25 6.25 8 PO0 : 6.25 8
Gambar 9. Fuzzy Set Editor untuk Input delta error
B.
Penentuan Variabel Keluaran fuzzy logic pengendali Variabel keluaran pada sistem fuzzy ini adalah sinyal pengendali untuk mengendalikan aliran bikarbonat (Bin) dan aliran dillution (Din). Proses switching variabel aksi antara bikarbonat (binc) dan dilution (D) tergantung dari variable inputan error dan delta error yang terdapat pada sistem bioreaktor. Fungsi keanggotaan untuk variabel keluaran aksi bikarbonat (Bin) mempunyai nilai keluaran antara 0 sampai dengan 20 ditentukan seperti pada Gambar 10 berikut ini. Fungsi keangotaan untuk variabel keluaran ini dibagi menjadi lima jenis, yaitu Aksi bikarbonat (Bin) menutup cepat atau negatif (Neo), Aksi bikarbonat (Bin) membuka cepat atau positif (POo), Aksi bikarbonat (Bin) tidak berubah atau zero (ZEo), Aksi bikarbonat (Bin) menutup pelan atau negatif (Neo+) dan Aksi bikarbonat (Bin) membuka pelan atau positif (-POo). Berikut adalah range dari keluaran bikarbonat (Bin) fuzzy pada fungsi segitiga (triangular): NE0 : 0 5 NE0+ : 0 5 5 10 ZE0 : 5 10 10 15 -PO0 : 10 15 15 20 PO0 : 15 20
C. Basis Pengetahuan Pada penelitian ini perancangan basis aturan menggunakan metode pendekatan terhadap sistem bioreaktor anaerob. Dimana penyusunan basis aturan berdasarkan pengamatan pengaruh bikarbonat (Bin) dan dillution (Din) terhadap tingkat keasaman (pH) pada sistem bioreaktor anaerob melalui simulasi pada LabVIEW 8.2.1 secara loop terbuka. Dan berdasarkan coba – coba saat simulasi, akan didapatkan basis aturan yang sesuai dengan karakteristik bioreaktor anaerob dapat dilihat pada Tabel 3.1 dan Tabel 3.2. Tabel 3.1 Basis Aturan Kontroler Logika Fuzzy aksi Bin e NE1 NE1+ ZE1 -PO1 PO1 Δe NE2 PO0 PO0 PO0 PO0 -PO0 NE2+ PO0 PO0 PO0 -PO0 ZE0 ZE2 PO0 PO0 -PO0 ZE0 NE0+ -PO1 ZE0 NE0+ NE0 NE0 NE0 PO1 NE0+ NE0 NE0 NE0 NE0
5
Tabel 3.2 Basis Aturan Kontroler Logika Fuzzy aksi Din e NE1 NE1+ ZE1 -PO1 PO1 Δe NE2 PO0 PO0 PO0 PO0 -PO0 NE2+ PO0 PO0 PO0 -PO0 ZE0 ZE2 PO0 PO0 -PO0 ZE0 NE0+ -PO1 ZE0 NE0+ NE0 NE0 NE0 PO1 NE0+ NE0 NE0 NE0 NE0
3.3 Perancangan Komunikasi Data Jaringan Intranet Untuk perancangan komunikasi jaringan intranet yang mana pada client dan server harus memiliki software LabVIEW. Client dapat melalukan pengontrolan front panel pada server via jaringan LAN (Local Area Network) dengan menggunakan metode TCP/IP. Langkah-langkah pembuatan aplikasi jaringan intranet dapat dilihat pada Gambar 13.
D.
Pengambilan Keputusan (Inferensi/Rule Evalution) Secara sistematis, proses pengambilan keputusan dapat dijelaskan sebagai berikut, ketika kontroler logika fuzzy mendapat masukan nilai crisp error pH dan delta error pH, langkah awal adalah mengubahnya ke dalam nilai fuzzy berdasarkan fungsi keanggotaan masing – masing, dan disesuaikan dengan variabel linguistiknya. Dengan mengacu pada basis aturan, diperoleh keluaran nilai fuzzy sinyal kontrol berdasarkan besarnya nilai fuzzy error pH dan delta errorpH. E.
Defuzzifikasi Poses pengubahan data fuzzy menjadi data crisp diperlukan karena plant hanya mengenal nilai tegas sebagai besaran sebenarnya untuk regulasi prosesnya. Metode defuzzifikasi yang digunakan adalah metode centroid. Metode centroid ini juga dikenal sebagai metode COA (Center of Area) atau metode Center of Gravity. Pada Tugas Akhir ini, aksi kontrol yang dihasilkan oleh kontroler logika fuzzy mengatur besarnya substrat asetat (S2) dan dillution (D) yang masuk ke bioreaktor anaerob. Besarnya substrat asetat (S2) dan dillution (D) selalu berubah – ubah sesuai dengan kondisi keasaman (pH) dalam bioreaktor anaerob.
Gambar 13. FlowChart Komunikasi Data Jaringan Intranet 3.3.1 Perancangan Jaringan Intranet pada Server Pada aplikasi server ini digunakan sebagai proses simulator bioreaktor anaerob beserta sistem pengendaliannya (local control). Untuk perancangan aplikasi server di butuhkan suatu proses. Proses tersebut diawali dengan TCP open conection yang digunakan untuk membuka koneksi. Pada TCP open conection terdapat IP address dan port conection yang digunakan sebagai pengaturan jalur komunikasi suatu jaringan intranet. Untuk perintah request respon suatu data pada server di butuhkan suatu komponen TCP read dan TCP write. Diagram blok pada Gambar 14, menunjukkan aplikasi server untuk koneksi ke client remote untuk mulai membuka koneksi.
3.2 Implementasi FLC pada Bioreaktor Langkah selanjutnya setelah FLC selesai dibuat adalah menggabungkan kontroler ini pada plant yang dalam hal ini adalah bioreaktor anaerob dalam platform labVIEW. Simulator bioreaktor anaerob yang telah dibuat sebelumnya dapat dilihat pada Gambar 7 simulator ini bersifat openloop, tidak ada sistem pengendalian. Untuk menggabungkan Fuzzy Set editor dan Rulebase Editor yang telah dibuat sebelumnya dengan plant bioreaktor anaerob digunakan Fuzzy Controller dan Load Fuzzy Controller. Penggabungan FLC dengan bioreaktor anaerob dapat dilihat pada Gambar 12.
Gambar 14. Block Diagram Aplikasi Koneksi Server Langkah selanjutnya setelah aplikasi server selesai dibuat adalah menggabungkan kontroler ini pada plant yang dalam hal ini adalah bioreaktor anaerob dalam platform labVIEW. Untuk menggabungkan aplikasi server yang telah dibuat sebelumnya dengan plant bioreaktor anaerob yang ada pada Gambar 13. Maka dapat pula digambarkan blok diagram pada Gambar 15. Gambar 11. Simulator Closeloop Bioreaktor Anaerob Berbasis LabVIEW
6
akan dibandingkan dengan hasil simulasi yang dijalankan pada simulator yang dibuat pada MATLAB. Masukan S2in inisial adalah 0,07 mol/liter, dengan penambahan yang berdasarkan kelipatan yang disebut dengan amplitudo masukan. Persamaan masukan pada simulasi adalah: [4.1] dimana, S2 = konsentrasi volatile acids (mol/liter) A = amplitudo konsentrasi substrat/ volatile acids S2In = konsentrasi inisial substrat, 0.07 mol/liter Gambar 15. Blok Diagram Aplikasi Koneksi Server dengan plant Bioreaktor
Masukan S2 inisial adalah 0,07 mol/liter, dengan penambahan yang berdasarkan kelipatan yang disebut dengan amplitudo masukan, bila dianalogikan input bahan S2 (dalam persamaan A) adalah 15.7, maka nilai S2 setelah waktu step dalam simulasi sebesar 1.169 mol/liter. Konsentrasi Substrat S2 = 15.7 Pada validasi yang pertama akan dilakukan dengan memberikan masukan substrat dengan konsentrasi 15.7. Pada simulator Matlab Simulink akan didapatkan respon seperti pada gambar dibawah untuk kemudian dibandingkan dengan respon yang dihasilkan oleh simulator LabVIEW.
3.3.2
Perancangan Jaringan Intranet pada Client Pada aplikasi client ini digunakan sebagai monitoring dan pusat kontrolnya. Dimana user akan melakukan aksi kontrol dan merubah parameter kontrol. Untuk perancangan aplikasi client di butuhkan suatu proses. Proses tersebut diawali dengan TCP listen yang digunakan untuk menerima koneksi. Pada TCP listen terdapat port conection yang digunakan sebagai pengaturan jalur komunikasi ke server. Untuk perintah request respon suatu data pada client di butuhkan suatu komponen TCP read dan TCP write. Diagram blok pada Gambar 16, menunjukkan aplikasi client untuk koneksi ke server remote. Dari blok diagram Gambar 16, maka dapat pula digambarkan panel sistem simulator biorektor anaerob pada aplikasi koneksi client seperti pada Gambar 17.
Gambar 16.
Tampilan Block Koneksi Client
Diagram
Gambar 16
Respon X2 untuk masukan konsentrasi substrat 15.7 pada Matlab
Gambar 17
Respon X2 untuk masukan konsentrasi substrat 15.7 Pada LabVIEW
Gambar 18
Respon S2 untuk masukan konsentrasi substrat 15.7 pada Matlab
Aplikasi
Gambar 17. Tampilan Panel Aplikasi Koneksi Client 4. SIMULASI DAN ANALISA DATA 4.1 Validasi Hasil Reprogramming Simulator Anaerobic Digestion Secara Open Loop Untuk menguji validitas output simulator yang telah dibuat, simulator yang telah dibuat dijalankan dengan variasi inputan substrat (S2) kemudian hasilnya
7
menyebabkan kondisi pH berubah. Perubahan itu pada waktu antara 100 – 160 jam pH mengalami penurunan sampai 6,6 dan setelah waktu 170 jam pH cenderung naik sampai kondisi stabil dengan nilai pH= 6.96.
Gambar 19
Respon S2 untuk masukan konsentrasi substrat 15.7 pada LabVIEW
Pada Gambar 16 dan Gambar 17 menjelaskan grafik kondisi X2, dimana X2 merupakan mikroorganisme yang berfungsi mendegradasi S2. Pada 100 jam pertama, X2 menunjukkan kondisi yang stabil, belum bisa tumbuh karena masih menyesuaikan dengan kondisi dalam bioreaktor anaerob yang mendapat masukan S2 begitu besar. Akan tetapi pada 100 jam ke atas X2 mengalami kenaikan yang cukup tinggi. Dengan semakin tingginya jumlah konsentrasi X2, jumlah konsentrasi S2 semakin berkurang. Kondisi ini ditunjukkan oleh Gambar 18 dan Gambar 19. Ketika pada waktu antara 100 jam sampai dengan sekitar 150 jam S2 mengalami kanaikan, dan setelah itu cenderung terus turun karena aktifitas pendegradasian oleh X2. Selain S2 dan X2, respon yang perlu untuk divalidasi adalah nilai pH dan CH4 yang terukur pada saat proses terjadi.
Gambar 20
Gambar 21
Gambar 22
Respon CH4 untuk masukan konsentrasi substrat 15.7 pada Matlab
Gambar 23
Respon CH4 untuk masukan konsentrasi substrat 15.7 pada LabVIEW
Salah satu produk yang dihasilkan dari pendegradasian substrat ini adalah gas metana (CH4). Gas metana dapat dijadikan sebagai indikasi kestabilan proses yang ada dalam bioreaktor anaerob. Gambar 21 dan Gambar 22 menjelaskan produksi gas metana yang dihasilkan oleh bioreaktor anaerob. Pada kondisi awal 100 jam pertama, gas metana yang dihasilkan konstan, tetapi setelah itu produksi gas metana yang dihasilkan cenderung terus naik. Gas metana paling optimal dihasilkan pada jam ke-190 yaitu mencapai 3.7x10-3 liter/jam, dan kembali pada kondisi stabil setelah waktu 360 jam dengan optimalitas gas metana yang dihasilkan dengan rentang antara 3.5 x10-3 liter/jam . Kondisi ini menunjukkan bahwa biomass mampu mendegradasi substrat dengan baik, proses akan terus berlangsung sampai substrat di dalam bioreaktor akan habis. Dari empat grafik yang dihasilkan dan dibandingkan, terlihat bahwa hasil simulasi yang dilakukan pada simulator yang dibuat pada aplikasi simulink MATLAB dan LabVIEW adalah sama.
Respon pH untuk masukan konsentrasi substrat 15.7 pada Matlab
4.2 Pengujian Kinerja Fuzzy Logic Controller yang di Upload dari Client
Respon pH untuk masukan konsentrasi substrat 15.7 pada LabVIEW
Hasi pengujian kinerja fuzzy logic controller yang di upload dari client dapat di tunjukkan pada Gambar 4.23 dan Gambar 4.24.
Pada Gambar 20 dan Gambar 21 menunjukkan kondisi tingkat keasaman pH dalam bioreaktor anaerob. Pada waktu 100 jam pertama pH relatif konstan pada nilai 7. Ketika medapat gangguan dengan masuknya substrat asetat (S2) dalam bioreaktor anaerob
8
Gambar 4.26
Gambar 4.23
Tampilan Panel Pada Server Untuk Uji Konsentrasi Substrat S2 = 16
Gambar 4.24
Tampilan Panel pada Client Untuk Uji Konsentrasi Substrat S2 = 16
Pada Gambar 4.25 dan Gambar 4.26, respon pH pada server memiliki nilai yang sama dengan nilai respon pada client. Ketika dilihat dari respon yang ada pada server yaitu waktu antara 100 sampai 180 jam pH mengalami penurunan sampai 6.35 dan setelah itu pH cenderung naik sampai kondisi stabil dengan nilai pH 6.9560 hal ini menunjukkan hasil respon yang sama pada client juga. Hal ini menunjukkan bahwa simulasi ini dapat mengirimkan data dengan baik. Apabila dianalisa dari uji performansi kontroler logika fuzzy yang digunakan untuk sistem pengendalian pH. Bahwa dengan nilai set point pH 7 di dapatkan nilai maximum overshoot sebesar 0.57% dengan error steady state sebesar 0.62% dan waktu yang di perlukan untuk mencapai settling time selama 240 hours.
Pada Gambar 4.23 dan Gambar 4.24 menunjukkkan bahwa pengujian simulasi pengendalian pH pada bioreaktor anaerob melalui jaringan intranet dapat di simulasikan dengan baik. Hal ini ditunjukkkan pada saat client mengirim data kosentrasi S2, step time dan set point ke server, nilai data pada panel server menunjukkan nilai yang sama dengan data yang dikirim dari client. Ketika pH yang dikirim dari server ke client dengan nilai 6.9560342450 dan pada panel client menunjukkan dengan nilai 6.95603. Untuk mengetahui kinerja respon yang terkirim dari server ke client dapat dilihat pada Gambar 4.25, Gambar 4.26, Gambar 4.27 dan Gambar 4.28.
Gambar 4.25
Respon pH Pada Client untuk masukan kosentrasi substrat 16
Respon pH Pada Server untuk masukan kosentrasi substrat 16
Gambar 4.27
Respon CH4 pada server untuk masukan kosentrasi substrat 16
Gambar 4.28
Respon CH4 pada client untuk masukan kosentrasi substrat 16
Pada Gambar 4.27 dan Gambar 4.28, respon CH4 pada server memiliki nilai yang sama dengan nilai respon pada client. Ketika dilihat dari respon yang ada pada server yaitu waktu sekitar ke-300 hours produk
9
optimal biogas yang dihasilkan sebesar 9x10-3 liter/jam dan kondisi stabil setelah sekitar 400 jam dengan biogas yang dihasilkan sebesar 9.4x10-3liter/jam, hal ini menunjukkan hasil respon yang sama pada client juga. Hal ini menunjukkan bahwa simulasi ini dapat mengirimkan data dengan baik. Untuk mengetahui proses pengiriman data dari server ke client dapat menggunakan software wireshark. Software wireshark akan mengidentifikasi jumlah data yang terkirim pada waktu rentang waktu tertentu. Laju pengiriman data dari server ke client dapat dilihat pada Gambar 4.29 dan Gambar 4.30.
Gambar 4.29
Laju pengiriman data dari server ke client menggunakan software Wireshark
Gambar 4.30
Traffic pengiriman data dari server ke client menggunakan software Wireshark
summary pada software tersebut. Hal ini dapat ditunjukkan pada Gambar 4.30 merupakan parameterparameter yang dapat menggambarkan QoS (Quality of Service). QoS adalah mekanisme jaringan yang memungkinkan aplikasi-aplikasi atau layanan dapat beroperasi sesuai dengan yang diharapkan dengan tujuan untuk menyediakan kualitas layanan yang berbeda-beda untuk beragam kebutuhan akan layanan di dalam jaringan IP (Internet Protocol). Pada gambar 4.32 dapat di ketahui bahwa didapatkan nilai traffic untuk Avg. bytes/sec sebesar 1182.442 dan Avg. packets/sec sebesar 16.570. 5. KESIMPULAN DAN SARAN 5.1 Kesimpulan 1. Simulasi pengendalian pH pada bioreaktor anaerob melalui jaringan intranet dapat dilakukan, dengan cara merubah parameter fuzzy logic controller pada client, yang kemudian diupload ke fuzzy logic controller pada server untuk manipulasi bikarbonat (Bin) dan dilution (Din). 2. Bioreaktor anaerob dalam kondisi open loop hanya mampu menerima uji masukan kosentrasi substrat S2 maksimum 15.7, dengan menghasilkan nilai pH 6.96 dan biogas 3.5x10-3 liter/jam. 3. Hasil pengujian bioreakor anaerob dalam keadaan closeloop di server yang dilengkapi dengan kontroler logika fuzzy untuk pengendalian pH mampu menerima uji masukan kosentrasi substrat S2 maksimum 34, dengan menghasilkan nilai pH 6.9498 dan biogas 18.28x10-3 liter/jam. 4. Hasil pengujian kinerja fuzzy logic controller yang di upload dari client dengan jaringan intranet. Bahwa simulator bioreaktor anaerob pada server dapat merespon aksi fuzzy logic controller dari client. Pada saat menerima uji masukan kosentrasi substrat S2 maksimum 34, dengan menghasilkan nilai pH 6.9491 dan biogas 18.27x10-3 liter/jam. 5. Hasil pengujian pengiriman data dari server ke client didapatkan nilai Quality of Service untuk Avg. bytes/sec sebesar 1182.442 dan Avg. packets/sec sebesar 16.570. 5.2
Saran Dalam rangka pengembangan penelitian selanjutnya, saran yang perlu disampaikan dalam laporan Tugas Akhir ini adalah perlunya dibuat implementasi realplant dari bioreaktor anaerob ini, yang dapat melakukan pengendalian dan monitoring plant bioreaktor secara terpusat pada ruang control room.
Gambar 4.29 merupakan tampilan software wireshark yang digunakan untuk mengetahui laju pengiriman data dari server ke client dengan menggunakan jaringan intranet. Pada gambar terlihat adanya fluktuasi dalam pengiriman data dari server ke client. hal ini menunjukkkan adanya delay pengiriman data dari server ke client dan sebaliknya. Dari hasil pengukuran dapat dilihat bahwa delay masing-masing skenario mengalami perubahan, dimana perubahan bitrate yang terjadi, diikuti pula perubahan delay. Semakin besar bitrate, delay yang terjadi semakin kecil. Kondisi ini terjadi, karena ketika bitrate yang ditransmisikan besar, maka proses transfer data akan menjadi semakin cepat. Sehingga waktu yang dibutuhkan data tersebut untuk sampai ditujuan labih cepat. Selain itu, dengan menggunakan software wireshark dapat diketahui traffic pengiriman data melalui fitur
Daftar Pustaka [1]. Béteau, Jean-François., Soehartanto Totok., 1998, Control Strategy Selection By Using Stability Limits: Application to An Anaerobic Digester, Laboratoire d’Automatique de Grenoble BP 46, F-38402 ST Martin d’Heres. [2]. Béteau, Jean-François., Soehartanto Totok., F. Chaume., 1996, Model Based Selection Of An Appropriate Control Strategy Application To An Anaerobic Digester, Mathematical Modelling of Systems Vol. 1, No. 1, pp. 000-111.
10
[3].
[4].
[5].
[6].
[7].
Béteau, Jean-François., Soehartanto, Totok.,1996, Selection Of The Most Appropriate Strategy By Using Limit Stability Model : Application to Pulp and Paper Wastewater Treatment, Laboratoire d’Automatique de Grenoble BP 46, F-38402 ST Martin d’Heres. Kurniawan Septian Adhi, 2009, Perancangan Simulator Bioreaktor Anaerob dengan Menggunakan Simulator LABVIEW. Tugas Akhir Teknik Fisika, Fakultas Teknologi Industri ITS. Kusumadewi Sri, 2002, Analisa Desain Sistem Fuzzy Menggunakan Tool Box Matlab, Graha Ilmu. Rahmawati Nila, 2008, Perancangan Simulator Sistem Pengendalian pH Pada Bioreaktor Anaerob Berbasis Fuzzy Logic Controller, Tugas Akhir Teknik Fisika, Fakultas Teknologi Industri ITS. Sukarman, 2008, Akusisi Data Lewat Protocol TCP/IP Berbasis Labview, Sekolah Tinggi Teknologi Nuklir-Batan. Biodata Nama : Mohammad Fajar Ashary TTL : Mojokerto, 23 Juni 1987 Alamat : Ds. Bandung 003/001 Gedeg Mojokerto 61351
Riwayat Pendidikan: 2008 – Skrg : S1 Teknik Fisika ITS Surabaya 2005 – 2008 : D3 Teknik Instrumentasi ITS Sby 2002 – 2005 : SMA Negeri 1 Gedeg 1999 – 2002 : SMP Negeri 1 Gedeg 1993 – 1999 : SDN II Bandung Gedeg
11
