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