IDENTIFIKASI SISTEM BERBASIS DATA KE DALAM MODEL NARX-FNN DENGAN EXTENDED KALMAN FILTER DALAM KONDISI PENGUKURAN YANG NOISY UNTUK SISTEM KOLOM DISTILASI

Abstract

Pada penelitian ini, digunakan plant sistem kolom distilasi tipe batch untuk memisahkan larutan biner campuran etanol dan air. Agar dapat mengimplementasikan skema sistem kendali, diperlukan pemodelan sistem kolom distilasi. Namun, masalahnya plant sistem kolom distilasi tersebut adalah sistem yang highly nonlinear dengan terbatasnya jumlah sensor yang dimiliki untuk memperoleh semua informasi states. Akibatnya, sistem kolom distilasi diidentifikasi menggunakan pendekatan black-box modeling berbasis data input-output eksperimen memanfaatkan Artificial Neural Network (ANN) untuk memperoleh model Nonlinear Autoregressive with eXogenous inputs (NARX). Hasil dengan MSE terbaik dicapai pada kasus tanpa noise pengukuran menggunakan algoritma EKF dengan hyperparameter  yang menghasilkan MSE sebesar 6,9896e-05. Selanjutnya, dapat dilihat pula pada kasus dengan noise ringan, algoritma EKF dengan hyperparameter  mampu konvergen dengan paling cepat, yaitu pada sekitar instance ke-6. Untuk setiap kasus, secara umum, semakin kecil nilai  maka semakin cepat identifikasi sistemnya konvergen, namun dengan trade-off di mana MSE yang dihasilkan menjadi sedikit memburuk.

Kata Kunci: sistem kolom distilasi, identifikasi sistem berbasis data, model NARX, algoritma EKF