Model Prediksi Umur Pakai Pipa menggunakan Artificial Neural Network : Studi Kasus Pada Piping System LOC III Unit 260 Hydrotreating Unit (HTU) di PT Kilang Pertamina Internasional RU IV Cilacap

Ahmad, Fadhillah Arrinanda (2025) Model Prediksi Umur Pakai Pipa menggunakan Artificial Neural Network : Studi Kasus Pada Piping System LOC III Unit 260 Hydrotreating Unit (HTU) di PT Kilang Pertamina Internasional RU IV Cilacap. S1 thesis, Universitas Andalas.

	Text (Cover dan Abstrak) Abstrak + Cover.pdf - Published Version Download (161kB)
	Text (BAB 1 Pendahuluan) BAB 1 Pendahuluan.pdf - Published Version Download (121kB)
	Text (BAB 5 Penutup) BAB 5 Penutup.pdf - Published Version Download (77kB)
	Text (Daftar Pustaka) Daftar Pustaka.pdf - Published Version Download (116kB)
	Text (Skripsi Full Text) Skripsi Full Text.pdf - Published Version Restricted to Repository staff only Download (1MB) | Request a copy

Abstract

Industri minyak dan gas sangat penting dalam perekonomian global dengan PT Kilang Pertamina Internasional RU IV Cilacap sebagai salah satu industri minyak terbesar di Indonesia. Masa pakai pipa merupakan faktor utama yang mempengaruhi efisiensi operasional, risiko kegagalan, dan keselamatan. Tekanan tinggi, temperatur ekstrim, dan bahan kimia korosif menyebabkan degradasi pipa yang signifikan. Perhitungan umur pipa secara manual saat ini sangat menyulitkan para inspektur di lapangan, sehingga diperlukan metode yang lebih efisien dan efektif. Penelitian ini bertujuan untuk menghasilkan Model prediksi umur pakai pipa pada Piping System LOC III Unit 260 HTU menggunakan Machine Learning dengan algoritma Artificial Neural Network (ANN). Penelitian ini menggunakan data historis dari tahun 1997 hingga 2023 yang meliputi 11 variabel utama. Data dianalisis menggunakan statistik deskriptif dan korelasi Pearson untuk mengidentifikasi faktor utama yang mempengaruhi umur pipa. Model ANN dirancang menggunakan Python pada platform Google Colab dengan Library Keras versi 2.12.0. Data dibagi dengan rasio 80:20 untuk pelatihan dan pengujian, dan dievaluasi dengan K-Fold Cross Validation K=5. Penyetelan parameter dilakukan untuk meningkatkan kinerja model. Hasil penelitian menunjukkan bahwa model ANN berhasil mencapai tingkat akurasi diatas 90% dengan nilai evaluasi MAE sebesar 2,17, RMSE sebesar 2,57, dan R-squared sebesar 0,95 pada data training, serta MAE sebesar 2,74, RMSE sebesar 4,24, dan R-squared sebesar 0,91 pada data testing. Model ini dilengkapi dengan fitur visualisasi otomatis, analisis korelasi antar variabel, visualisasi 3D, dan prediksi umur pipa untuk mendukung pemahaman data secara mendalam. Penggunaan model ini dapat memberikan solusi yang efektif dan efisien untuk memprediksi umur sisa pipa, mendukung perencanaan jadwal perawatan yang lebih baik, dan meningkatkan keandalan sistem perpipaan dan mencegah terjadinya resiko kecelakaan saat melakukan inspeksi.

Actions (login required)

View Item