Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Pada Skripsi ini dibuat program simulasi proses batch dengan menggunakan teknik pemrograrnan berorientasi objek sehingga dapat dilihat kondisi dinamis dari proses tersebut pada layar monitor. Simulasi ini dibuat untuk dapat mewakili proses pencampuran alkali dan polimer di industri. Proses pencampuran ini merupakan sistem 4 tangki dan memiliki 6 buah pompa untuk mentransfer fluida masuk ke sistem dan keluar dari sistem dan dapat memberikan respon terhadap pengendalian yang dilakukan oleh PLC dari luar komputer. Sebagai pengendali operasi proses batch tersebut digunakan PLC TSX 17-20 Tefemecanique. Operasi proses dituliskan dengan deskripsi verbal, kemudian diprogramkan dengan diagram ladder. Untuk dapat menghubungkan simulator proses batch dengan PLC dibuat rangkaian antar muka yang mengadopsi rangkaian PPI 8255 dengan penambahan rangkaian opto­ isolator.

Abstrak :
Penelitian ini merupakan penelitian studi kasus pada PT XYZ, perusahaan yang bergerak di sektor pendistribusian dan pemasaran produk energi, yang memiliki transaksi sewa menyewa untuk menunjang kegiatan usahanya. Dalam mendukung implementasi PSAK 73, dibutuhkan manajemen data kontrak untuk memudahkan Perusahaan melakukan penilaian atas kontrak mengandung sewa. Salah satu masalah yang mempengaruhi implementasi IFRS 16 adalah jumlah kontrak sewa yang harus dilakukan penilaian apakah kontrak tersebut mengandung sewa meningkat sangat signifikan (Davern et al., 2019). Bagi PT XYZ, peningkatan jumlah kontrak sewa yang signifikan ini menimbulkan isu terkait pemenuhan kelengkapan data kontrak sewa dan akurasi penilaian kontrak mengandung sewa. Isu kelengkapan data mengakibatkan munculnya potensi kurang saji pencatatan aset dan liabilitas sewa sehingga pembukuan dampak sewa dalam laporan keuangan menjadi tidak akurat. Penelitian bertujuan untuk memberikan rekomendasi terkait penyesuaian proses bisnis dan aktivitas pengendalian pengelolaan pencatatan akuntansi sewa dalam mendukung keberlanjutan implementasi PSAK 73. Instrumen penelitian menggunakan dokumentasi dan wawancara serta dijabarkan secara deskriptif yang bersifat menjelaskan. Hasil menunjukkan bahwa diperlukan penyesuaian atas proses bisnis dan aktivitas pengendalian terkait penilaian kontrak sewa untuk mengurangi risiko salah saji material dan meningkatkan kualitas informasi keuangan. ......This study is a case study on PT XYZ, an energy distribution and marketing services Company with lease transactions to support its business activities. To support the implementation of PSAK 73, contract data management is needed to facilitate the Company in assessing contracts containing leases. One of the problems affecting the implementation of IFRS 16 is the significant increase in the number of lease contracts that must be assessed whether they contain leases (Davern et al., 2019). For PT XYZ, this significant increase in the number of lease contracts raises issues related to fulfilling the completeness of lease contract data and the accuracy of the valuation of contracts containing leases. The research aims to provide recommendations related to business process adjustments and control activities of lease accounting records management to support the continuity of the implementation of PSAK 73. The research uses documentation and interviews with descriptive analysis. The results show that it is necessary to make adjustments to business processes and control activities related to the assessment of lease contracts to reduce the risk of material misstatement and improve the quality of financial information.

Abstrak :
Skenario produksi minyak yang dilakukan Dewan Energi Nasional pada 2050 menunjukan tren penurunan, terutama dipengaruhi oleh rendahnya kegiatan eksplorasi migas dan tingkat keberhasilan eksplorasi yang dilakukan oleh perusahaan minyak Oleh karena itu, DME dapat digunakan sebagai alternatif sumber energi yang lebih ramah lingkungan dan berkelanjutan. Pada pabrik purifikasi DME, umpan diseparasi menghasilkan DME murni dengan konsentrasi 99%. Untuk menjalankan proses ini dalam keadaan optimal, maka diperlukan pengendali. Penelitian mengenai pengendali pada proses ini sudah pernah dilakukan, namun masih menggunakan model dengan pendekatan FOPDT sehingga orde proses masih tidak sesuai dengan aktualnya. Model Auto-Regressive eXogenous merupakan model yang menggambarkan hubungan antara data masukan dengan data keluaran berdasarkan metode least-square sehingga sederhana dan fleksibel serta estimasinya mendekati dengan nilai sebenarnya. Penggunaan model ARX dapat digunakan secara luas seperti pada penggunaan energi, pabrik kimia, dan kilang minyak sejak tahun 1980-an. Oleh karena itu, penelitian ini melakukan identifikasi model ARX pada pengendali MMPC serta melakukan verifikasi model dan menganalisis kinerja dari MMPC tersebut. Hasilnya didapatkan model ARX proses dan model ARX gangguan memiliki tingkat ketepatan dengan data sebesar 93-99% dan 70-97% dengan nilai RMSE 39-99% lebih kecil dari model FOPDT. Kinerja dari MMPC dengan parameter pengendalian terbaik yaitu T=5, P=20, dan M=20 menghasilkan peningkatan nilai IAE dan ISE sebesar 18-99.99% pada perubahan set point namun belum optimal dalam mengatasi gangguan pada suhu keluaran pendingin dan suhu kolom dengan nilai IAE dan ISE yang tinggi dan tidak menunjukkan peningkatan. ......Oil production scenario carried out by the National Energy Council in 2050 shows a decreased trend, mainly influenced by low oil and gas exploration activities and the success rate of exploration activities carried out by oil companies. Therefore, DME can be used as an alternative energy source that is more environmentally friendly and sustainable. In the DME purification plant, the feed was separated to produce pure DME with a concentration of 99%. To run this process in optimal conditions, a controller is needed. Research on controllers in this process has been carried out, but still uses FOPDT model approach so the process order is still not in accordance with the actual order. Auto-Regressive eXogenous model is a model that describes the relationship between input and output data based on least-square method so the estimate close to the actual value. The application of ARX model can be widely used such as in energy uses, chemical plants, and oil refineries since 1980s. Therefore, this study identifies ARX model on the MMPC controller as well as verifying the model and analyzing its performance. The result obtained that the process ARX model and the disturbance ARX model have fit percentage with data reach 93-99% and 70-97% with RMSE value 39-99% smaller than FOPDT model. The performance of MMPC with best control parameters T=5, P=20, and M=20 has improved IAE and ISE value with 18-99.99% when set point changed but still not optimal for controlling disturbance in cooler output temperature and column temperature with a high IAE and ISE value and not showing improvement.

Abstrak :
Penelitian ini menawarkan pengaplikasian dari pengendali NARMA-L2 pada proses produksi mikroalga di PBR. Model PBR yang digunakan merupakan hasil pengembangan berupa sistem sepuluh PBR yang disusun seri dengan laju sirkulasi untuk mencapai konsentrasi biomassa yang diinginkan. Alasan utama dari pengendalian mengunakan NARMA-L2 ialah untuk mengatasi permasalahan-permasalahan yang dapat timbul pada proses di PBR akibat tingkat non-linearitas sistem yang tinggi dengan R2 = 0,42. Pengendali NARMA-L2 mampu mentransformasikan perilaku dinamis sistem non-linear menjadi perilaku dinamis sistem yang linear. Variabel yang dikendalikan (CV) adalah konsentrasi biomassa, sedangkan variabel yang dimanipulasi (MV) adalah laju alir PBR. Pengendali NARMA-L2 yang telah disetel dan dilatih, akan disimulasikan untuk set point tracking dan disturbance rejection pada perangkat lunak Simulink. Untuk menguji kinerja pengendali, perlu ditinjau beberapa parameter antara lain: settling time, overshoot & offset, IAE/MSE. Hasil simulasi menunjukkan bahwa pengendali NARMA-L2 mampu mengatasi perubahan SP dan gangguan dengan rata-rata overshoot di bawah 0,5% serta settling time antara 3,7 dan 110 jam

---

This researh offers the application of the NARMA-L2 controller for microalgae production process in PBR. The PBR model used in this study is the result of the development in form of a ten PBR system arranged in series with a circulation rate to obtain the desired biomass concentration. The main purpose of controlling with NARMA-L2 is to overcome the problems that can arise in the PBR process due to the high level of non-linearity of the system, with R2 = 0.42. The NARMA-L2 controller is able to eliminate the dynamic behavior of a non-linear system. The controlled variable (CV) is the biomass concentration, while the manipulated variable (MV) is the PBR flow rate. After NARMA-L2 controller has been adjusted and trained, the plant will be simulated for set point tracking and disturbance rejection in Simulink software. To test the performance of the controller, several parameters need to be reviewed, including: settling time, overshoot & offset, IAE / MSE. Simulation results show that the NARMA-L2 controller is able to cope with SP changes and disturbance with an average overshoot of below 1% and settling time varies between 3.7 and 110 hours

Abstrak :
Produksi dimetil eter (DME) dapat menggunakan proses indirect. Pada proses indirect, terdapat proses yang penting, yaitu sintesis metanol dan sintesis DME. Untuk memastikan proses ini dapat berlangsung secara optimum, perlu dilakukan pengendalian. Pengendali yang digunakan adalah Model Predictive Control (MPC), yang menggunakan model FOPDT secara langsung dalam pengendaliannya. Untuk mendapatkan model FOPDT terbaik (IAE terkecil), dilakukan reidentifikasi sistem dari model sebelumnya, sedangkan proses optimasi dilakukan dengan penyetelan terhadap parameter-parameter pengendali MPC: waktu sampel (T), prediction horizon (P), dan control horizon (M). Pengendalian dilakukan pada unit heater, cooler, compressor, dan reaktor sistesis dimetil eter (pengendali konsentrasi). Hasil perancangan sistem pengendalian menggunakan MPC ini memberikan kinerja yang lebih baik dibandingkan dengan pengendai PI, dengan pengurangan kesalahan masing-masing unit sebagai berikut: 29,62% (IAE) dan 1,51% (ISE) untuk TC Heater 1; 51,69% (IAE) dan 79,04% (ISE) untuk TC Heater 2; 67,44% (IAE) dan 82,24% (ISE) untuk TC Cooler 1; 49,07% (IAE) dan 67,26% (ISE) untuk TC Cooler 2; 56,75% (IAE) dan 53,03% (ISE) untuk PC Compressor; 4,46% (IAE) dan 50,00% (ISE) untuk CC DME.

---

Production of dimethyl ether (DME) can use indirect process. In indirect process, there are two important processes which are methanol synthesis and DME synthesis. To ensure this process going optimally, controlling is needed. The controller that can be used is Model Predictive Control (MPC), which uses FOPDT model directly in controlling. To get the best FOPDT model (the least IAE), system reidentification is done from the previous model while the optimizing process is done by adjusting the parameters of MPC controllers: the time of sample (T), prediction horizon (P), and the control horizon (M). The controlling is done by units of heater, cooler, compressor, and reactor of dimethyl ether synthesis (the concentration controller). The result of this control system design using MPC provides better performance than PI controller by decreasing the errors for each unit as follows: 29,62% (IAE) and 1,51% (ISE) for TC Heater 1; 51,69% (IAE) and 79,04% (ISE) for TC Heater 2; 67,44% (IAE) and 82,24% (ISE) for TC Cooler 1; 49,07% (IAE) and 67,26% (ISE) for TC Cooler 2; 56,75% (IAE) and 53,03% (ISE) for PC Compressor; 4,46% (IAE) and 50,00% (ISE) for CC DME.

Abstrak :
ABSTRAK
Perkembangan teknologi sekarang masih sangat bergantung pada bahan bakar fosil sebagai sumber energi pentingnya. Minyak mentah yang keluar dari perut bumi memiliki kegunaan yang terbatas sehingga perlu diproses di kilang untuk merubah minyak mentah menjadi beberapa produk seperti BBM, fuel oil untuk proses pemanasan, diesel untuk kendaraan berat dan bitumen untuk aspal jalan.Pada tahun 2015, Indonesia mengalami defisit bahan bakar minyak sebesar 562.000 barrel/ hari sehingga pemerintah harus melakukan impor. Untuk menutupi defisit tersebut diperlukan upaya luar biasa berupa pembangunan kilang baru atau modifikasi kilang eksiting. Pemerintah Indonesia bersama dengan UOP dalam proyek graasroot refinery mencanangkan pembangunan kilang baru dengan feed sebesar 300.000 barrel/ hari dengan umpan dari Irak (basarh lighr crude) dan Arab Saudi (arabian light crude). Wahid dan Rizka, 2015, telah melakukan disain crude distillation unit serta sistem pengendaliannya dengan pengendali PI yang menghasilkan laju produk straight run naphta sebesar 2050 ton/ hari. Pada penelitian ini akan digagas hasil laju produk straight run naphta sebesar 8129 ton/ hari dengan model dari PT. X. Pengendali MPC akan dipertimbangkan untuk digunakan mengenai objektif pengendalian kualitas produk dan pengendali PI digunakan untuk menangani low performance dari pengendali MPC seperti pada pengendali laju alir produk. Hasil yang diharapkan dari penelitian ini adalah disain crude distillation dan sistem pengendaliannya dengan pemilihan jenis pengendali yang tepat untuk menjaga laju alir produk straight run naphta sesuai spesifikasi yang diinginkan. Pada penelitian ini dihasilkan produk straight run naphta sebesar 21.527 ton/ hari (55,58 %vol umpan) dengan menggunakan model desain CDU tipe prefraksinasi. Semua pengendali dapat merespon dengan baik terhadap gangguan kenaikan laju alir umpan hingga 100% lebih.

---

ABSTRACT
Technology development nowdays still depends on fossil fuel as its main source. Crude oil from the earth has limited function so that it needs to be proceed on refinery to get more useful product such as gasoline, fuel oil for heating process, diesel for heavy vehicle and bitumen for road asphalt. By 2015, Indonesia is projected on fossil fuel deficit by 562,000 barrel/ day that the Indonesia?s government need to import it. To cover this deficit, Indonesia requires construction of a new refinery or modification of the existing one. Indonesia?s government and X company on grassroot refinery project arrange the construction of a new refinery with 300,000 barrel/ day production capacity and the feed from iraq (basrah light crude) and Saudi Arabia (arabian light crude). Wahid and Rizka, 2015, have executed on the design of crude distillation unit (CDU) with its control system using PI controller and the result of straight run naphta (SRN) product is 8,129 ton/ day with the CDU?s model from X company. MPC Controller will be considered on behalf of product quality control objective and PI controller will handle the low performance of MPC controller like on product flow control. The expected result from the research is CDU design and its control system with the right choice of control method on each controller to preserve SRN product flow rate as same as the desired spesification. On this research, the SRN product flow rate is 21,527 ton/ day (55.58%vol of feed) by using CDU design with pre-fractionation type model. The controllers did respond well on the disturbance rejection test with the increasing of the feed flow rate up to 100%.

Abstrak :
Hidrogen merupakan salah satu gas yang memiliki banyak kegunaan. Salah satunya pada industri kimia. Pada pabrik biohidrogen, unit kompresor merupakan salah satu unit yang penting dalam pabrik biohidrogen dari biomassa. Kompresor berfungsi untuk mencapai tekanan tinggi pada kondisi operasi selanjutnya. Multivariable model predictive control (MMPC) digunakan untuk mengendalikan proses pada pabrik. Untuk mendapatkan pengendalian yang optimal, perlu dilakukan penyetelan. Penyetelan akan dilakukan pada Matlab-Simulink yang diintegrasikan dengan Aspen Plus Dynamics. Sistem pengendalian akan dibuat pada Simulink dan simulasi proses akan dilakukan pada Aspen Plus Dynamic. Penyetelan ini dilakukan dungeon metode Genetic Algorithm dungeon metode pencarian seleksi turnamen. Setelah itu, hasil penyetelan akan dijalankan juga dengan unisim design agar kinerja pengendalian dapat dibandingkan dengan penelitian sebelumnya. Model first order plus dead time (FOPDT) digunakan sebagai model prediksi MMPC. Pada penelitian ini, model FOPDT yang digunakan di MMPC pada Matlab harus dihasilkan dengan cara satuan tekanan keluaran kompresor terlebih dahulu diubah menjadi satuan persentase karena MMPC pada Matlab akan menginterpretasikan variabel-variabel perhitungan dalam satuan persen. Parameter time sampling (T), prediction horizon (P), dan control horizon (M) terbaik yang diperoleh dari metode penyetelan seleksi turnamen pada simulasi dengan unisim untuk perubahan set-point (SP) yaitu 1 detik, 18, dan 3. Untuk uji gangguan parameter T, P, dan M yang diperoleh dengan penyetelan fine tuning terbaik yaitu 1 detik, 341, dan 121. Pada simulasi Matlab-Simulink-Aspen Plus Dynamics, parameter T, P, dan M yang terbaik yaitu 0,05 detik, 18, dan 2 untuk perubahan SP dan 0,05 detik, 7, dan 1 untuk perubahan gangguan. ......Hydrogen is one of the gases that has many uses, including in the chemical industry. In a biohydrogen plant, the compressor unit is one of the important units in the biomass-based biohydrogen plant. The compressor unit works to achieve high pressure for further operational conditions. Multivariable Model Predictive Control (MMPC) is used to control the processes in the plant. To obtain optimal control performance, tuning process is necessary. The tuning process will be conducted in Matlab-Simulink integrated with Aspen Plus Dynamics. The control system will be designed in Simulink, and the process simulation will be executed in Aspen Plus Dynamics. The tuning was done using the Genetic Algorithm with tournament selection search method. Subsequently, the tuning results will also be implemented in Unisim Design to compare the control performance with previous research. The First Order Plus Dead Time (FOPDT) model is applied as the prediction model for MMPC. In this study, the FOPDT model used in MMPC in Matlab must be generated by converting the compressor output pressure unit into a percentage unit due to the MMPC in Matlab will interpret the calculation variables in percent units. For the set-point change, the best time sampling (T), prediction horizon (P), and control horizon (M) parameters that were obtained from the tournament selection tuning method in the simulation with Unisim design are 1 second, 18, and 3. For disturbance testinwere obtainedest parameters are 1 second, 341, and 121 that obtained by fine-tuning method. In the Matlab-Simulink-Aspen Plus Dynamics simulation, the best parameters T, P, and M for set-point changes are 0.05 seconds, 18, and 2, and for disturbance changes are 0.05 seconds, 7, and 1.

Abstrak :
ABSTRAK
MMPC (Multivariable Model Predictive Control) digunakan untuk mengontrol suhu dan tekanan di kilang regasifikasi LNG untuk mengatasi masalah yang saling mempengaruhi variabel dan mengurangi jumlah pengontrol. Ada empat variabel yang dikontrol (variabel terkontrol, CV) dan empat variabel yang dimanipulasi variabel, MV). CV yang dikontrol adalah tekanan di tangki penyimpanan LNG yaitu tekanan keluaran vaporizer, suhu keluaran vaporizer, dan suhu gas ke pipa. MV dimanipulasi, yang masing-masing berpasangan dengan CV tersebut, adalah laju aliran produk tank top, laju aliran gas pipa, laju aliran air laut, dan pemanas tugas. Identifikasi Model empiris FOPDT (First Order Plus Dead-Time) akan dilakukan terhadap keempatnya pasang CV dan MV untuk menggambarkan interaksi antar variabel. FOPDT diperoleh digunakan sebagai pengontrol di MMPC dan menentukan pengaturan kinerja kontrol Parameter MMPC yaitu P (prediction horizon), M (control horizon), T (waktu sampling). Kinerja kontrol diukur dengan menggunakan metode ISE (Integral Square Error). Hasilnya, parameter MMPC (P, M, T) untuk kondisi regasifikasi LNG adalah optimum masing-masing adalah 330, 1, 1. Ukuran ISE dari pengontrol MMPC dalam setpoint pelacakan: 2.12 × 10-4; 23.834; 0,763; 0,085, dengan perkembangan kinerja pengontrol masing-masing 31.262%, 17%, 175%, 757% dibandingkan kinerja MPC.

---

ABSTRACT
MMPC (Multivariable Model Predictive Control) is used to control temperature and pressure in the LNG regasification plant to overcome the problem of interplaying variables and reducing the number of controllers. There are four controlled variables (controlled variable, CV) and four manipulated variables variable, MV). CV that is controlled is the pressure in the LNG storage tank, namely the vaporizer output pressure, the vaporizer output temperature, and the gas temperature to the pipe. MV manipulated, each of which is paired with the CV, is the tank top product flow rate, the pipeline gas flow rate, the seawater flow rate, and the heating duty. Identification of the FOPDT (First Order Plus Dead-Time) empirical model will be carried out on the four CV and MV pairs to describe the interactions between variables. The obtained FOPDT is used as a controller in the MMPC and determines the control performance settings for the MMPC parameters, namely P (prediction horizon), M (control horizon), T (sampling time). Control performance is measured using the ISE (Integral Square Error) method. As a result, the MMPC parameters (P, M, T) for the optimum LNG regasification conditions were 330, 1, 1. ISE size of the MMPC controller in the tracking setpoint: 2.12 × 10-4; 23,834; 0.763; 0.085, with the development of the controller performance respectively 31,262%, 17%, 175%, 757% compared to the performance of MPC.

Abstrak :
Kebutuhan pelumas terus meningkat Namun saat ini ketersediaan minyak bumi semakin menipis karena kebutuhan yang terus meningkat. Selain itu, pelumas berbahan dasar minyak bumi memiliki pengaruh negatif terhadap lingkungan karena memiliki sifat yang negatif diantaranya adalah non-renewable, tidak ramah lingkungan dan beracun. Pelumas sintetis merupakan bahan kimia dengan karakteristik lebih baik dibandingkan pelumas mineral dan nabati. Pelumas sintetik terbentuk dari senyawa kimia dengan spesifikasi berkualitas dan dirancang melalui proses sintetik untuk mendapatkan pelumas dengan karakteristik yang spesifik dan sesuai yang diinginkan. Sintesis Pelumas Berbasis Ester dapat dilakukan dengan proses oligomerisasi, esterifikasi dan separasi. Penelitian ini akan menjelaskan mengenai sistem pengendalian proses separasi pada perancangan pabrik Pelumas Berbasis Ester untuk menjaga kestabilan proses produksi pada sebuah pabrik. Pada penelitian ini proses yang akan dikendalikan adalah proses separasi asam n-heptanoat untuk mendaur ulang zat antara yang digunakan untuk memproduksi senyawa Pelumas Berbasis Ester. Pengendalian yang digunakan adalah pengendalian Proporsional Integral (PI) dengan menggunakan metode Ziegler Nichols, Lopez dan Autotuner. Parameter kinerja pengendali yang diperhitungkan menggunakan metode IAE (Integral Absolute Error), ISE (Integral Squared Error) dan ITAE. (Integral of Time Multiplied by Absolute Error). Pada penelitian ini penyetelan pengendalian optimum dicapai dengan menggunakan metode Autotuner dan root mean squared (RMS) terendah didapatkan dengan metode Solver. ......The need for lubricants continues to increase. However, currently the availability of petroleum is dwindling due to the ever-increasing need. In addition, petroleum-based lubricants have a negative impact on the environment because they have negative properties, including non-renewable, not environmentally friendly and toxic. Synthetic lubricants are chemicals with better characteristics than mineral and vegetable lubricants. Synthetic lubricants are formed from chemical compounds with quality specifications and are designed through a synthetic process to obtain lubricants with specific and desired characteristics. Synthesis of Ester Based Lubricants can be carried out by oligomerization, esterification and separation processes. This study will explain the separation process control system in the design of an Ester-Based Lubricant factory to maintain the stability of the production process in a factory. In this study the process to be controlled is the n-heptanoic acid separation process to recycle the intermediates used to produce Ester-Based Lubricant compounds. The control used is the Integral Proportional (PI) control using the Ziegler Nichols, Lopez and Autotuner methods. The controller performance parameters are calculated using the IAE (Integral Absolute Error), ISE (Integral Squared Error) and ITAE methods. (Integral of Time Multiplied by Absolute Error). In this study the optimum control setting was achieved by using the Autotuner method and the lowest root mean squared (RMS) was obtained by the Solver method.

Abstrak :

Gas alam merupakan sumber energi ketiga yang paling banyak digunakan di Indonesia, setelah minyak bumi dan batubara. Agar lebih mudah ditranportasikan, gas alam diubah menjadi LNG kemudian diubah kembali melalui proses regasifikasi LNG. Diperlukan sistem pengendali agar proses regasifikasi LNG dapat berjalan lancar. Multivariabel model predictive control (MMPC) merupakan pengendali tingkat lanjut yang dapat digunakan pada sistem regasifikasi LNG. Terdapat tiga parameter pada MMPC, yaitu sampling time (Ts), prediction horizon (P), dan control horizon (M).  Pada penelitian ini, dilakukan penyetelan MMPC untuk mendapatkan parameter MMPC dengan menggunakan metode minimalisasi nilai integral of square error (ISE). Kinerja pengendalian MMPC dengan tuning minimalisasi nilai ISE kemudian dibandingkan dengan pengendalian MMPC hasil fine-tuning (trial and error) dan didapatkan bahwa kinerja MMPC dengan tuning minimalisasi nilai ISE lebih baik. Selain itu, proses tuning dengan minimalisasi nilai ISE lebih mudah dilakukan dibanding fine-tuning (trial and error) karena dapat berjalan secara otomatis.

 

---

Natural gas is the third most widely used energy source in Indonesia, after oil and coal. To make it easier to transport, natural gas is converted into LNG and then converted back through the LNG regasification process. A control system is needed so that the LNG regasification process can overcome the disturbances that arise. Multivariable model predictive control (MMPC) is an advanced controller that can be used in LNG regasification systems. There are three parameters in MMPC, namely sampling time (Ts), prediction horizon (P), and control horizon (M). In this study, the MMPC was tuned to obtain the MMPC parameters by using the integral of square error (ISE) minimization method. The performance of the MMPC control by tuning the ISE minimization value was then compared with the MMPC control with the results of fine-tuning (trial and error) and it was found that the performance of the MMPC by tuning the minimization of the ISE value was better. In addition, the tuning process by minimization of the ISE value is easier to do than fine-tuning (trial and error) because it can run automatically.