(0721) 8030188    [email protected]   

PERBANDINGANKINERJAMODELNEURAL HAMMERSTEIN,MODELNEURALWIENER,DANMODEL NEURALHAMMERSTEIN-WIENERDALAMMEMPREDIKSI REDUKSIPARAMETERPENCEMARPADAPROSES ELEKTROKOAGULASILIMBAHCAIRRUMAHSAKIT


Hasil penelitian di Rumah Sakit Umum menemukan bahwa limbah cair rumah sakit mengandung polutan kimia seperti Biochemical Oxygen Demand (BOD), Chemical Oxygen Demand (COD), dan polutan biologis seperti bakteri Escherichia Coli dan Koliform pada tingkat yang dapat menyebabkan pencemaran lingkungan perairan. Beberapa bakteri tersebut dikatakan sebagai parameter pencemar dalam penelitian ini. Salah satu teknologi efektif yang dapat digunakan untuk mengolah limbah cair adalah metode elektrokoagulasi. Metode ini mampu menghilangkan kontaminan dalam air tanpa menggunakan bahan kimia agresif. Dalam proses elektrokoagulasi akan terjadi reduksi parameter pencemar. Pengolahan limbah cair rumah sakit dengan metode elektrokoagulasi memerlukan pemodelan sistem yang akurat agar efisiensi proses dapat ditingkatkan, oleh sebab itu penelitian ini bertujuan untuk membangun model Neural Hammerstein (NH), model Neural Wiener (NW), dan model Neural Hammerstein-Wiener (NHW) untuk memprediksi reduksi parameter pencemar limbah cair rumah sakit menggunakan metode elektrokoagulasi. Pada penelitian ini digunakan 5 variabel input dan 5 variabel output, dengan variabel input terdiri dari waktu (menit), tegangan (volt), luas elektroda (mm2), volume (L), dan kekeruhan awal (NTU) adapun variabel output terdiri dari kekeruhan akhir (NTU), BOD, COD, Escherichia Coli, dan Koliform. Pada pembangunan sebuah model, data input dilatih dengan proporsi data dan hidden node yang divariasikan, setelah diperoleh simulasi terbaik dari masing-masing model, langkah selanjutnya ialah membandingkan hasil simulasi terbaik suatu model dengan vi model lainnya sehingga akan diperoleh hanya satu model dengan kinerja terbaik. Adapun akurasi model dilihat dari nilai WMAPE dan Lama Waktu Komputasi. Setelah kinerja setiap model dibandingkan, diperoleh model yang memiliki nilai error terkecil yaitu model Neural Hammerstein-Wiener dengan nilai WMAPE sebesar 0.0019, dan Lama Waktu Komputasi sebesar 22.8234 detik.

URI
https://repo.itera.ac.id/depan/submission/SB2506040107

Keyword
Biochemical Oxygen Demand Chemical Oxygen Demand Koliform Escherichia Coli Elektrokoagulasi Feedforward Neural Network Neural Wiener Neural Hammerstein Neural Hammerstein-Wiener State Space