fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (2024)

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (1)

fNlS-(O~ocz llllllllllllllllllllllID990000001

ISSN 0853-9812

KOMPUTASI DALAMSAINS DAN TEKNOLOGI NUKLIR VI

RisalahLokakarya Komputasi dalam

Sains dan Teknologi Nuklir VIDiselenggarakan Oleh

Badan Tenaga Atom NasionalJakarta, 16-17 Januari 1996

BADAN TENAGA ATOM NASIONAL, JAKARTA 1997

3 1 / 2 2

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (2)

PENYUNTING

Ketua : Ir. Iyos R. Subki, M. Sc.

Anggota : Dr. R. S. LasijoDr. Budi Santoso, M. Sc.Dr. R.P.H. IsmuntoyoDrs. M. BunjaminDrs. Karsono, M. Sc.Dr. H.M. Syamsa ArdisasmitaDr. As Natio Lasman

Alamat: Pusat Pengembangan Informatika - BATANKawasan Piispiptek Serpong, TangerangKotak Pos 4274 Jakarta 12042 Indonesia

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (3)

PENGANTAR

Badan Tenaga Atom Nasional telah menyelenggarakan Lokakarya Komputasidalam Sains dan Teknologi Nuklir VI pada tanggal 16-17 Januari 1996.Penyelenggaraan lokakarya tersebut merupakan salah satu kegiatan dalam rangkatukar menukar informasi di kalangan para peminat komputasi, pemodelan, dansimulasi.

Seperti halnya lokakarya-lokakarya serupa yang diadakan pada tahun-tahunsebelumnya, dalam lokakarya ini hadir pula para penyaji makalah dan peninjau daribadan litbang di luar Batan dan universitas yang bergerak dalam bidang sains danteknologi. Dari makalah-makalah yang disajikan selama lokakarya, tampak bahwa disamping menggeluti berbagai metode komputasi yang relatif telah dikenal secaraluas, para peneliti juga mempelajari bidang-bidang yang relatif baru, misalnyapenentuan dan pengaruh gejala chaos, metoda jaringan syaraf (neural networkmethod), dan sistem pakar.

Dari ragam kandungan makalah yang disajikan dapat disimpulkan bahwa minatdi bidang komputasi dan penerapannya di Indonesia semakin berkembang.Diharapkan bahwa pada masa mendatang perkembangan tersebut semakin nyata, danmakin banyak hasil litbang yang dapat menjadi acuan serta sumber inspirasi bagipeneliti lain. Penerbitan risalah ini merupakan upaya untuk menyediakan saranapenyebaran dan untuk lebih merangsang para peminat dalam mengembangkan bidangkomputasi.

Penyunting

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (4)

DAFTARISI

Laporan Ketua Panitia Penyelenggara i

Sambutan Direktur Jenderal BATAN iii

Sambutan Penutupan Kepala Pusat Pengembangan Informatika v

MAKALAH UNDANGAN

Spesifikasi dan Verifikasi Sistem Hibrida 1BELAWATI H. WIDJAJA

MAKALAH UTAMA

Analisa Konduksi Panas Dengan Menggunakan Metoda ElemenHingga Semi Analitikal 15AGUS HADI SANTOSA WARGADIPURA

MAKALAH PESERTA

Algorithm Of Parallelism Accross The System For DifferentialEquations Resulted From Discretization Of Nonlinier ParabolicDifferential Equations A Premilinary Report 27INO SURYANA, T. BASARUDDIN

Paralelisasi Metoda Runge-Kutta Untuk Menyelesaikan MasalahSistem Persamaan Diferensial Ordiner yang Dihasilkan MasalahPersamaan Parabolik Linier: Laporan Pendahuluan 39ASEP JUARNA, T. BASARUDDIN

Algoritma Paralel Integrasi Numerik Adaptif 57M. SUJATMIKO, T. BASARUDDIN

Parallel Quasi Algorithms for Large Scale Non LinearUnconstrained Optimization 71MUH. ARIF RAHMAN, T. BASARUDDIN

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (5)

Kinerja Algoritma Exchange dan Least Square Untuk AproksimasiFungsi Universal 83SUSY K. r r i

Back Propagation Neural Network DenganFungsi Matematik Non-Sigmoidal 93AGUS FANAR SYUKRI

Aplikasi Metoda Dilusi Sinapsis Pada optimasi PengenalanPola Jaringan Neural Model Hopfield 107DWI SATYA WICAKSANA

Penghindaran Benda PSA Robot Dengan Menggunakan Neural Network 117DWI WIRATNO PRASETIJO

Klasifikasi Pola Citra Multispektral Menggunakan Metoda Statistik,Jaringan Syaraf dan Logika Fuzzy 127M. SYAMSA ARDISASMITA, IYOSR. SUBKJ

Estimasi Rata-Rata Pada Uji Umur Dengan Metode Staircase J41JUHARTONO

Metode MECD dan Metode Runge-Kutta Untuk MenyelesaikanPersamaan Differensial Berderajat Dua Yang Bersistem BesarDalam Perbandingan Algoritma 149SUPRIYONO, TETSUHIKO MIYOSHI

Penundaan Simulasi Deret Waktu Tak Beraturan DenganMenggunakan Struktur Fraktal 159DJEN DJEN DJAINAL

Penipisan Batas Suatu Obyek pada Citra DigitalDengan Algoritma Pipelined 169SATRIO DEWANTO, BAROKAH ALIYANTA

Clustering Analysis 177ROMLI

Kombinasi Band 431-Landsat TM Dalam Proses AnalisisClustering Untuk Pengenalan Pola Tata Guna Lahan DenganMenggunakan Perangkat Lunak Idrisi 4.2 191WIWEKA, HAMZAH ARIEF, IZZAWAfirARUM J ^ i i

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (6)

Monte Carlo Methods In Physics 203BUDISANTOSO

Analisa Ekonomi Dengan Menggunakan Simulasi Monte CarloPada Reservor-X Lapangan; Badak kalimantan Timur 213SITINURAENI ES., SUGIATMO, ONNY PRASETYAWAN J.

Produksi Hidrogen Dari Air Dengan Metoda termokimia (UT-3):Evaluasi Masalah Reaksi Sampingan Dengan Proses Simulasi 229AMIRRUSLI

Penentuan Peluang Gagal Sisi Las-Lasan bejana Tekan AP-600Dalam Kondisi Transient 243PURADWII.W.

Komputasi Untuk Penstabil Sistem Daya Tipe APDengan Fuzzy Logic 265MARZAN A. I S K A N D A R 7 I R W A N : R 7 H U S D I , " W Z A ' !

EWIN MARDHANA, AGUS TRIPUTRANTO

Desain Inspeksi Pembangkit Daya Melalui Sistem Pakar 277LANDJONO JOSOWIDAGDO

Aplikasi Sistem Pakar Dalam Perawatan Instrumentasi Alat UkurPada Akuisisi Data 287WIDRIANTO SIH PINASflKO ;

Chaotic Scattering 299M.BUNJAMIN

Optimasi Sistem Pengendali Reaktor Daya 317SARWO D. DANUPOYO

Reduksi Orde Model Reaktor Nuklir Dalam DomainFrekuensi dan Waktu 331DJOKO HARINUGROHO

Pengembangan Simulasi Untuk Reaktor Triga 343DEMON HANDOYO

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (7)

Aplikasi Teori reliabilitas Pada Analisis Dampak PemeliharaanKonsol Kendali Utama SBWR 353SUHARYO WIDAGDO

Peran Sistem Komputasi Termo-Hidrolika di LTMP UntukSimulasi Guna Menunjang Rancang Bangun Dan Analisis 367BAMBANG TEGUH P., IYAN TURYANA, SARWONO, NILA! DAMITRJ

Analisis Penyempitan Kanal Pendingin Elemen Bakar RSG-GASMenggunakan Paket Program HEATHYDE _ 381ENDIAH PUJI HASTUTI, IMAN KUNTORO,

Analisis Kecelakaan Kehilangan Pendingin SekunderReaktor Tipe Pius Menggunakan Relap5/MOD2 393DJOKOIRIANTO

Program Perhitungan Numerik Utama PerancanganPembangkit Uap 407A.R. ANTARIKSAWAN, SRIYONO, BINTORO AJI

Metoda Volume Hingga Untuk Grid Tak-Terstruktur 425CASMARA, DANTJE KARDANA N.T.

Moving Mesh Finite Element Method Finite Time Extinction OfDistributed Parameter Systems With Positive Exponential Feedback 439AGAH D. GANARDI

Penentuan Temperatur Karakteristik Material Dengan Metoda Numerik 447NURDIN EFFENDI

Susunan Energi Partikel Tunggal Pada Inti-Inti A-Ganjil 459R.S. LASIJO

Program Perhitungan Koreksi Aktivitas Pada Sisi KepingDalam Metode Aktivasi Keping 473ITA BUDI RADIAYNTI, AMIR"H.","SUWAN R

GENTC99M, Sistem Komputasi Generator Teknisium-99M 483IBON SUPARMAN, F. GRASS

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (8)

Sebuah Analisis Terhadap laju Transmutasi dan Produksi IsotopMA dan PU Menggunakan Metode Perhitungan Burn-Up DenganReaksi Berantai dari U Hingga ES Untuk Persamaan Difusi Multigrup 1 -D 493MARSODI, ZUHAIR, M. YOS R. SUBKI

Pengembangan Kode Komputer Untuk Pemrosesan Grup Konstan 505ZAKI SU'UD

Penentuan Fungsi Tanggap Frekuensi RSG-GAS DenganAnalisis Transformasi Laplace 521TUKIRAN S., SURIAN P., UJU'JUJURATISBELA

Aplikasi Teknik Least Square Dalam PerhitunganBuckling Reaktor Nuklir 535ZUHAIR, TAGOR M.S., MARSObi

Penerapan Metoda Pressure Derivative Untuk Analisa PressureTransient Sebelum dan Sesudah Pefekahan Hidroiik Sumur Gas 549SUGIATMO, NAZIMUDDIN MUKTI, R. SUMANTRI, ARIF RINALDI

Model Transport Reaktif Dalam Kolom Tanah 567BAROKAH ALIYANTA, SATRIO DEWANTO

Model 1-D Migrasi Radionuklida Dalam Media Geologi:Evaluasi Beberapa Pendekatan Numerik 579SURYANTO, MULYANTO

Disposal Limbah Aktivitas Tinggi Dalam reaktor: Kalkulasi LajuTransmutasi dan Daur Ulang 595MULYANTO

Susunan Panitia 611

Daftar Peserta Penyaji 613

Daftar Peserta Peninjau 615

Agenda Lokakarya Komputasi Dalam Sains Dan Teknologi Nuklir VI 617

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (9)

LAPORAN KETUA PANITIA PENYELENGGARA

Bapak Direktur Jenderal Batan, Bapak-bapak para Deputi, Bapak-bapak dan Ibu-ibukepala pusat di lingkungan Batan, para undangan serta peserta lokakarya yang sayahormati.

Assalaamu 'alaikum warahmatullaahi wabarakaatuh.

Kami selaku Ketua Panitia Penyelenggara Lokakarya Komputasi dalam Sainsdan Teknologi Nuklir VI mengucapkan selamat datang kepada Bapak dan Ibusekalian. Izinkanlah kami pada kesempatan ini untuk melaporkan hal-hal yangberkenaan dengan penyelenggaraan lokakarya ini. Jumlah makalah yang diterimasekretariat panitia adalah sebanyak 53 judul.

Setelah diseleksi melalui sidang Panitia Pengarah, terpilih 47 judul. Makalahkami kelompokkan menjadi kelompok teoritis / komputasi sebanyak 24 judul dankelompok aplikasi sebanyak 23 judul. Makalah berasal dari lingkungan Batan dandari luar Batan. Dari Batan sebanyak 26 judul, sisanya sebanyak 21 judul berasal dariluar Batan, yaitu :

-ITB-IPB- PUSILKOM - UI-BPPT- LAPAN-LIPI- STMIK-GUNADARMA

1judul3 judul4judul8judul1judul3 judul1 judul

Selain itu, lokakarya dihadiri pula oleh para peninjau dari berbagai instansi danperguruan tinggi di pulau Jawa dan Sumatera.

Mengingat makalah yang akan disajikan cukup banyak, untuk efisiensi waktu,penyajian diatur sebagai berikut.Makalah undangan akan disajikan sesudah acara Pembukaan, kemudian setelahistirahat sampai dengan besok, sidang dilaksanakan secara paralel terdiri darikelompok A dan kelompok B. Kelompok A menyajikan makalah-makalah yangbersifat teoritis / komputasi dan pada kelompok B menyajikan makalah-makalah yangberhubungan dengan aplikasi.

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (10)

Pada kesempatan ini, panitia pelaksana lokakarya mohon maaf apabila dalampenyelenggaraan ini terdapat kekurangan. Semoga kita dapat memetik manfaatsebesar-besarnya dari lokakarya komputasi ini.Akhirnya kami ucapkan terima kasih kepada Bapak Dirjen Batan yang berkenan hadirdan membuka lokakarya ini, serta kepada para undangan dan seluruh peserta ataspartisipasinya dalam lokakarya ini.

Wassalaamu 'alaikum warohmatullaahi wabarakaatuh

Jakarta, 16Januari 1996

Ketua Panitia Penyelenggara

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (11)

SAMBUTAN PEMBUKAAN DBREKTUR JENDERALBADAN TENAGA ATOM NASIONAL

Saudara-Saudara para peserta dan para undangan Lokakarya Komputasi yangterhormat,

Assalaamu'alaikum Warahmatullaahi Wabarakaatuh,

Puji syukur kita panjatkan ke hadirat Illahi bahwa dua hari ini kita dapatberkumpul di sini untuk menghadiri Lokakarya komputasi dalam Sains dan TeknologiNuklirVI.

Bilamana kita berbicara tentang komputasi, maka kita tidak dapat mengabaikanperkembangan dan kemajuan dalam bidang teknologi komputer beserta aplikasinya.Telah kita maklumi bersama, bahwa perkembangan komputer dan metode komputasitelah demikian pesat dan telah demikian maju, sehingga kadang-kadang kita tidaksadar bahwa komputer yang kita pakai, atau metode komputasi yang kita pergunakan,telah menjadi "ketinggalan jaman", karena telah terbitnya komputer generasi yanglebih baru atau metode komputasi yang lebih baik.

Maka kami akan sangat mendukung bilamana pada waktu yang akan datanglokakarya ini bukan hanya membahas metodologi komputasi dan aplikasinya saja,tetapi dapat juga membahas perkembangan dan kemajuan teknologi komputer besertaaplikasinya baik dalam jaringan maupun dalam bidang-bidang yang lain, terutamayang erat hubungannya dengan sains dan teknologi nuklir.

Di samping untuk sistem komputasi, jaringan komputer juga dapatdipergunakan untuk pengembangan sistem informasi manajemen, pengendalianjaringan peralatan eksperimental dan monitoring, serta komunikasi data. Jaringankomunikasi ini telah berkembang demikian pesatnya sehingga jarak dan waktu bukanmerupakan halangan yang berarti lagi bagi kita untuk berkomunikasi satu sama lain.Informasi dapat kita peroleh kapan saja dan dari manapun asalnya bilamana jaringankomunikaksinya telah terbentuk. Walaupun dana sering merupakan kendala bagi kitauntuk dapat berkomunikasi, tetapi yang paling penting adalah kemampuan kita untukdapat membangun dan menggunakan sarana komunikasi tersebut. Kami harapkankepada para peneliti untuk terus meneliti dan menambah pengetahuan danmeningkatkan kemampuan dalam bidang-bidang yang kami sebutkan di atas.

Dengan pertemuan kita yang keenam kali ini kami mengharapkan makinbanyak hal-hal yang dapat dibahas dan dapat dicapainya pertukaran pikiran yanglebih dewasa dan lebih matang antara para peneliti dengan hasil-hasil penelitian yanglebih baik.

Pada waktu ini kita telah memasuki era Pembangunan Nasional Jangka Panjangyang Kedua, Repelita VI, di mana pembinaan sumber daya manusia harus kitagalakkan. Pertemuan ilmiah seperti lokakarya ini merupakan salah satu wahana

in

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (12)

pembinaan sumber daya manusia juga. Para peneliti junior dapat belajar dari parapeneliti yang lebih senior, dan para peneliti, baik yang senior maupun yang juniordapat saling bertukar pikiran, pengalaman serta pengetahuan, sehingga dapatmenghasiikan buah pikiran yang lebih baik untuk meneruskan penelitian pada masayang akan datang, yang lebih dapat mendukung pengembangan sains dan teknologinuklir di tanah air pada khususnya, dan di dunia internasional pada umumnya.

Sebagai akhir kata harapan kami adalah para peserta lokakarya dapatberpartisipasi aktif dalam seluruh sidang-sidang yang akan diadakan, sehinggalokakarya ini dapat memperoleh hasil seperti yang kita harapkan, dan denganBismilllaah Hirrahmaanirrakhiim Lokakarya Komputasi dalam Sains dan TeknologiNuklir yang ke-VI saya nyatakan dengan resmi dibuka.

Wassalaamu'alaikum Warahmatullaahi Wabarakaatuh,

Jakarta, 16Januari 1996

IV

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (13)

SAMBUTAN PENUTUPANKEPALA PUSAT PENGEMBANGANINFORMATIKA

Assalaamu 'alaikum warahmatullaahi wabarakaatuh.Saudara-saudara para peserta lokakarya yang terhormat. Izinkanlah kami atas namapanitia penyelenggara melaporkan tentang pelaksanaan lokakarya yang dilaksanakansejak kemarin sampai dengan hari ini.

Puji syukur kita panjatkan ke hadirat Illahi karena Lokakarya Komputasi dalamSains dan Teknologi Nuklir VI ini dapat diselenggarakan. Pada hari pertama telahdihadirkan makalah Undangan yang berjudul Spesifikasi dan Verifikasi SistemHibrida yang dibawakan dengan baik oleh Dr. Belawati W. dari FMIPA JurusanMatematika Fakultas Ilmu Komputer UI. Makalah Undangan ini mendapat sambutanyang cukup baik dari peserta lokakarya, terbukti dengan cukup banyaknya pesertayang ingin mengajukan pertanyaan dan berdiskusi dengan penyaji. Sedangkanmakalah Pertama yang berjudul Analisa Kandungan Panas dengan MenggunakanMetoda Elemen Hingga Semi Analitikal yang dibawakan oleh Dr. Ir. Agus HadiSantosa Wargadipura, M.Sc. Pada sidang kelompok jumlah makalah yang seharusnyadisajikan adalah sebanyak 49 judul, 2 judul diantaranya tidak dapat disajikan karenapenyaji tidak hadir, sehingga total makalah yang sudah disajikan adalah 47 judul.Kami menyadari banyak kekurangan yang terjadi selama lokakarya berlangsung,misalnya waktu yang disediakan untuk penyajian yang terlalu singkat, sehinggapenyaji makalah tidak dapat menjabarkan makalahnya lebih luas lagi dan pertanyaan-pertanyaan tidak dapat dijawab dengan rinci. Kami akan berupaya untuk terusmemperbaiki kekurangan-kekurangan yang ada.

Kami mengucapkan terima kasih kepada para peserta atas peranserta yangdiberikan sehingga lokakarya dapat berjalan dengan baik dan lancar. Selain itu,kepada peserta yang belum menyerahkan makalah dan disket, kami mengharapkansupaya segera mengirimkan untuk diproses lebih lanjut.

Setelah 2 hari kita berlokakarya disini dan menyaksikan berbagai makalah yangdisajikan, kiranya semua yang telah ditampilkan dapat memberi nilai tambah bagiperan serta komputasi dalam masa yang akan datang. Akhir kata, atas namapenyelenggara kami mohon maaf atas segala ketidaksempurnaan yang ditemui selamalokakarya berlangsung. Kepada peserta yang akan kembali bertugas ke unit kerjamasing-masing, kami mengucapkan selamat bekerja. Sampai jumpa pada LokakaryaKomputasi berikutnya.

Atas nama Direktur Jenderal Badan Tenaga Atom Nasional, denganmengucapkan Syukur Alhamdulillah, kami nyatakan Lokakarya Komputasi dalamSains dan Teknologi VI ditutup.

Wassalaamu 'alaikum warahmatullaahi wabarakaatuh.

Jakarta, 16Januari 1996

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (14)

SPESIFIKASI DAN VERIFIKASISISTEM HIBRIDA

Belawati H. Widjaja*

ID990000002ABSTRACT

SPECIFICATION AND VERIFICATION OF HYBRID SYSTEMS. Hybrid Systems arereactive systems which intermix between two components, descrete components and continuouscomponents. The continuous components are usually called plants, subject to disturbances which causethe state variables of the systems changing continuously by physical laws and/or by the control laws. Thediscrete components can be digital computers, sensor and actuators controlled by programs. Theseprograms are designed to select, control and supervise the behaviour of the continuous components.Specification and verification of hybrid systems has recently become an active area of research in bothcomputer science and control engineering, many papers concerning hybrid sistem have been published.This paper gives a design methodology for hybrid systems as an example to the specification andverification of hybrid systems. The design methodology is based on the cooperation between twodisciplines, control engineering and computer science. The methodology brings into the design of controlloops and decision loops. The external behaviour of control loops are specified in a notation which isunderstandable by the two disciplines. The design of control loops which employed theory of differentialequation is done by control engineers, and its correctness is also guaranteed analytically orexperimentally by control engineers. The decision loops are designed in computing science based on thespecifications of control loops. The verification of systems requirements can be done by computingscientists using a formal reasoning mechanism. For illustrating the proposed design, a problem ofbalancing an inverted pendulum which is a popular experiment device in control theory is considered,and the Mean Value Calculus is chosen as the formal notation for specifying the control loops anddesigning the decision loops.

ABSTRAK

SPESIFIKASI DAN VERIFIKASI SISTEM HIBRIDA. Sistem hibrida merupakan suatusistem yang terdiri dari dua komponen, komponen diskret dan komponen kontinu. Komponen kontinuyang disebut plant dapat menyebabkan perubahan nilai-nilai dari variabel-variabel status (state variables)secara kontinu, tergantung pada hukum alam (physical law) dan hukum kendali (control law). Komponendiskretnya dapat berupa komputer, sensor dan actuators yang dikendalikan oleh program. Program-program ini dirancang untuk mengendalikan kelakuan dari komponen kontinunya. Spesifikasi danverifikasi sistem hibrida telah benyak dipelajari peneliti dan menghasilkan banyak publikasi. Pada tulisanini diberikan suatu metodologi perancang suatu sistem hibrida berdasarkan kerja sama antar dua disiplin,yaitu disiplin control engineering dan disiplin computer science. Metodologi ini menghasilkan rancanganikalan-ikalan kendali (control loops). Spesifikasi kelakuan eksternal dari ikalan-ikalan kendali yangbanyak memakai teori persamaan diferensial diserahkan kepada control engineers yang membuktikankebenarannya ikalan-ikalan kendali tersebut secara analitik atau eksperimen. Sedangkan rancanganikalan-ikalan keputusan diserahkan kepada computing scientists dan dirancang berdasarkan spesifikasi

* FMIPA Jurusan Matematika / Fakultas Ilmu Komputer - Ul

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (15)

dari ikalan-ikalan kendali tersebut. Begitu pula dengan verifikasi persyaratan sistem (systemrequiretments) dapat dilakukan oleh computing scientists dengan mengunakan suatu mekanismeargumentasi formal (formal reasoning mechanism).

PENDAHULUAN

Sistem hibrida merupakan suatu sistem yang terdiri dari dua komponen,komponen diskret dan komponen kontinu. Akhir-akhir ini, membuat rancangan ataumodel sistem hibrida (hybrida systems) dam implementasinya telah banyak menarikperhatian peneliti dibidang control engineering, computer science dan lainnya.Bagaimana sistem hibrida dianalisis? Bagaimana sistem hibrida disintesiskan? banyakpendekatan dilakukan oleh peneljti. Banyak penelitian telah memikirkan untukmemperluas isu-isu di bidang ilmu komputer tentang konkurensi (concurency),distributed computing dan pengembangan dan verifikasi program ke sistem hibrida.Begitu pula isu-isu di bidang control engineering, misalnya, keteramatan(observability) dan keterkendalian (controlability) dapat diperluas kedalam sistemhibrida. Beberapa model untuk sistem hibrida telah diperkenalkan oleh beberapapeneliti. Manna dan Pneuli [16, 17] mengambil PTS (Phase Transition Systems)sebagai model sistem hibrida kemudian dikembangkan APTS (Actor PhaseTransition Systems) sebagai model sistem kendali [19] Kapur, Henziger, Manna danPnueli [10] memperkenalkan CPTS (Concrete Phase Transition Systems) sebagaisistem model hibrida. Alur, Courcoubetis, Henziger, dan Ho [1], Alur,Courcoubetis,Halbwachs, Henziger, Ho, Nicolllin, Olivero, Sifakis dan Yovine [2], Norode danKohn [18] memperkenalkan Finite Automata sebagai model sistem hibrida. Kesten,Pnueli, Safakis dan Yovine [12] memperkenalkan Integration Graphs sebagai sistemmodel hibrida. Kesten dan Pnueli [11] memperkenalkan Hybrid Statecharts sebagaimodel sistem hibrida. Homman [8], Tehrani dan Stromberg [20] memperkenalkanmodel komposisi (Composition Model) untuk sistem hibrida. Fix dan Schneider [5]memperkenalkan graf kendali (Control Graphs) sebagai model sistem hibrida.Antsaklis, Stiver dan Lemmon [3], Lemmon, Stiver, Antsaklis [14], Widjaja, Chen,He dan Zhou [21] mengambil model event-driven untuk sistem hibrida. Beberapabahasa spesifikasi (specifikation language) untuk sistem hibrida telah dipakai olehbebrapa peneliti. Manna dan Pnueli [17] memakai logika termporal (TemporalLogic) TL dengan jam (Clock) untuk spesifikasi dan verifikasi suatu sistem hibrida.Manna dan Pnueli [16], Maler, Manna dan Pnueli [15] memakai logika temporalmetrik (Metrik Temporal Logic) MTL untuk spesifikasi dan verifikasi suatu sistemhibrida. Henzinger, Manna dan Pneuli [6], Kapur, Henzinger, Manna dan Pneuli [10]memakai logika temporal hibrida (Hybrid Temporal Logic) HTL untuk spesifikasidan verifikasi suatu sistem hibrida. Lamport [13] memakai TLA+, yaitu bahasaspesifikasi berdasarkan TLA (Temporal Logic of Action) untuk spesifikasi dan

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (16)

verifikasi suatu sistem hibrida. Zhou, Ravn dan Hansen [25], Yu, Wng, Zhou danPandya [22], Widjaja, Chen, He dan Zhou [21], Yu, Pandya, dan Sun [9] memekaikalkulus Durasi {Duration Calculus) atau perluasannya, Extended DurationCalculus dan Mean Value Duration Calculus untuk spesifikasi dan verifikasi sistemhibrida. He Jifeng [7] memperkenalkan perluasan dari CSP {CommunicatingSequential Processes) sebagai suatu bahasa diskripsi formal untuk. sistem hobrida.Pada tulisan ini diberikan suatu model event-driven dan memakai bahasa spesifikasiMean Value Duration Calculus [24], yang merupakan perluasan dari DurationCalculus [23] untuk spesifikasi dan verifikasi sistem hibrida, dan diberikan suatusistem metodologi perancang sistem hibrida berdasarkan kerja sama antar duadisiplin, yaitu disipkin control engineering dan disiplin computer science, denganmemberi suatu contoh klasik dalam teori kendali, yaitu bandul terbalik {invertedpendulum) [21].

RANCANGAN KOOPERATIF UNTUK SISTEM HIBRIDA

Pada umumnya, sistem hibrida dapat dibagi atas tiga lapisan, seperti padaGambar 1 [24]. Lapisan pertama adalah lapisan waktu kontinu {continuous timelayer), yang terdiri dari plant yang dikendalikan, sensor-sensor untuk menangkapsinyal-sinyal yang dikeluarkan dari plant tersebut, dan actuators untukmengendalikan sinyal-sinyal tersebut. Lapisan kedua adalah lapisan waktu diskret{discrete time layer), yang terdiri dari pengendali-pengendali digital untuk menerimasinyal-sinyal dari plant yang dikendalikan dan menyebarkan sinar kendali danmenghasilkan sinar kejadian. Lapisan pertama dan lapisan kedua ini berkomunikasimelalui pengubah (converter) A/D dan pengubah D/A. Pengubah A/D mengubahsinyal analog dari plant ke sinyal digital yang akan dikirim ke pengendali padalapisan kedua. Pengubah D/A mengubah sinyal kendali digital dari si pengendali kesinyal analog yang akan dikirim untuk mengendalikan plant tersebut.

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (17)

Decision Loop Box

Event Driven Decision Maker

Event Symbol signals

Diskrete Event Layer

Decision Symbolsignals

D/S and S/D convenors

Digital event signals Decision Symbolsignals

Digital Controllers

Digital plantsignals

Diskrete Event Layer

Digital controlsignals

A/D and D/A converters

Continuous Time Layer

Analogue plantsignals

Sensors Sensors

Analogue controlsignals

Sensors

Digital Control Loops Box

Gambar 1. Arsitektur sistem hibrida

Lapisan ketiga adalah lapisan kejadian diskxet(discrete event layer), yangterdiri dari pengambil-keputusan berdasarkan kejadian {event-drivent decisionmaker). Pengambil-keputusan ini perlu apabila sistem hibridnya berinteraksi denganlingkungan yang rumit. Pengambil-keputusan menerima sinyal kejadian simbolik danmengirim sinyal perintahsimbolik untuk menentukan pengendali-pengendali yangharus bereaksi agar dapat mengendalikan lingkungannya. Pengambil-keputusanberkomunikasi dengan lapisan kedua melalui pengubah D/S dengan pengubah S/D.Pengubah D/S menerima sinyal kejadian digital dari pengendali digital dan

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (18)

mengubahnya menjadi sinyal kejadian simbolik, lalu diteruskan ke pengambil-keputusan. Pengubah S/D menerima sinyal perintah simbolik dari pengambil-keputusan menjadi sinyal perintah digital, lalu diteruskan ke si pengendali.Berdasarkan arsitektur yang dikemukakan diatas, sistem hibrida merupakan suatusistem yang terbagi dalam ikalan-ikalan kendali (control loops) dan ikalan-ikalankeputusan (decision loops). Setiap ikalan pengendali mengandung satu pengendaliuntuk mengendalikan plant tersebut dalam suatu keadaan tertentu di sistemlingkungan itu. Rancangan suatu pengendali dapat dikerjakan dalam teori kendalidengan mengunakan analisis real atau simulasi atau kedua-duanya, dan sudahmemberikan hasil-hasil yang gemilang, maka alangkah baiknya apabila rancanganpengendali dan validasinya diserahkan kepada pakarnya, control engineers. Terdapatdua jenis kelakuan dari setiap ikalan kendali, yang dapat diamati dari luar disebutkelakuan luar (external behavior) dan yang tidak dapat diamati disebut kelakuandalam (internal behavior). Kelakuan luarnya sering kali dapat dispesifikasikan dalambentuk yang dapat dimengerti oleh control engineers dan computing scientists,misalnya dalam bentuk aritmatikaatau dalam bentuk analisis real yang sederhana,meskipun kelakuan dalamnya hanya dapat ditentukan oleh persamaan-persamaandiferensial biasa atau persamaan-persamaan diferensial parsial yang tidak mudahdiselesaikan, termasuk hukum-hukum dinamiknya/?/#«/ tersebut, begitu pula denganhukum-hukum kendali dari pengendalinya. Dalam ikalan-ikalan keputusan,pengambil-keputusan setelah menerima sinyal-sinyal kejadian simbolik dari ikalan-ikalan kendali dan membuat komputasi, mengirim sinyal perintah simbolik untukmenentukan ikalan kendali berikutnya. Dengan demikian, pengambil-keputusanmenentukan lintasan-lintasan (trajectories) dari ikalan-ikalan kendali yang adaberdasarkan kepada persyaratan (requiretment) sistem yang diberikan danlingkungannya. Bagian ini diserahkan kepada computing scientists. Persyaratan suatusistem selalu merupakan sifat-sifat yang berkaitan dengan waktu-nyata, dari variabel-variabel keluaran (output) sistem tersebut. Sifat-sifat ini biasanya dapat dinyatakandalam bentuk aritmatika atau dalam bentuk analisis real yang sederhana. Penentuanikalan-ikalan keputusan, harus menjamin persyaratan sistem dapat dipenuhi denganmengunakan sifat-sifat yang dipenuhi oleh kelakuan luar ikalan-ikalan kendali yangada, dengan perkataan lain, persyaratan sistem harus dapat diturunkan dari lintasan-lintasan (yang ditentukan oleh pengambil-keputusan) dari spesifikasi luar (yangditentukan oleh ikalan-ikalan kendali yang ada). Verifikasi ini dapat dilakukan secaraformal yang tidak melibatkan teori persamaan diferensial atau sejenisnya. Hal inidiserahkan pula kepada computing scientists. Dengan demikia, rancangan keseluruhansistem hibrida merupakan pembagian tugas antara control engineers dan computingsciectists, maka disebut rancangan kooperatif untuk sistem hibrida (CooperativeDesign for Hybrid Systems).

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (19)

Contoh: Bandul terbalik

Untuk memperagakan usulan rancangan diatas, diambil sebuah contoh klasikyang sudah populer dibidang teori kendali, yaitu sebuah bandul terbalik. Sebuahbandul terbalik adalah sebuah batang yang salah satu ujungnya dilekatkan pada pusatsebuah kereta, seperti terlihat pada Gambar 2. Kereta itu dapat bergerak pada sebuahrel. Pergerakan kereta itu dikendalikan oleh sebuah kendali digital sedemikian agarakhirnya kereta itu dapat berhenti dengan batang tadi berdiri tegak pada tempatnya.Jika

x (t) menyatakan jarak kereta dari sebuah titik pada rel tersebut pada waktu t,x' (t) menyatakan kecepatan kereta pada waktu t,x" (t) menyatakan percepatan kereta kereta pada waktu t,8 (t) menyatakan sudut deviasi dari arah vertikal batang tersebut pada waktu t,9' (t) menyatakan kecepatan sudut dari batang tersebut pada waktu t,9" (t) menyatakan percepatan sudut dari batang tersebut pada waktu t,

maka persyaratan sistem bandul terbalik ini dapat dinyatakan sebagai

(x'(t) -»- 0) A (9(t) -> 0) A (9'(t) -> 0)

apabila t ->• to untuk suatu t<, (to bisa co )

(1)

: nO:

Gambar 2. Bandul terbalik (Invertedpendulum)

Untuk sistem ini, dalam lapisan waktu kontinu, berdasarkan hukum Newton, hukumdinamik dari bandul terbalik ini dapat digambarkan oleh persamaan-persamaandiferensial berikut:

(M+m)x" + (m t 9 " cos 9)/2-(m I 0 ' sin 0)/2 = f

(2 m t 9 ")/3 + mx" cos 9 = mg sin 0

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (20)

di mana

M adalah masa kereta, m adalah masa batang, I adalah panjang batang, g adalah gayatarik bumi, f adalah gaya kendali.

Dalam Iapisan waktu diskret, berdasarkan persyaratan sistem, control engineersmenentukan dua buah hukum kendali:

• hukum D : f(t) = ki x'(t) k] konstan• hukum R : f(t) = k2 0(t)+ k3 0'(t) k2 dan k3 konstan

Pada saat permulaan, dipakai hukum R. R akan memperbaiki 0 san 8', sehinggaderajat kebesarannya |0| dan |0'| lebih kecil dari derajat kebesarannya |x'|, yaituterdapat y, dengan 0 < y « 1, sehingga terpeuhi:

Setelah R dipakai hukum D, D akan memperlambat gerakan kereta dengan membuatsudut deviasi 0 membesar, yaitu terdapat a > 0 dan P > 0 sehingga :

|o6| + IpG'l £ |x'|

D dan R masing-masing membentuk ikalan kendali. Akan dibuktikan bahwa denganmengunakan kedua ikalan kendali tadi, bandul terbalik itu akan seimbang padakedudukan vertikal dan keretanya berhenti bergerak.

Untuk menkoordinasi kedua ikalan kendali tadi, dibutuhkan pengambil-keputusan dilapisan kejadian diskret. Untuk itu didefinisikan dua buah kejadian (event), E] dan E2:

E, = |cc9| + P ' l = |x

Apabila kejadian Ej terjadi, pengambil-keputusan memberi sinyal pada ikalan kendaliR untuk beraksi, apabila kejadian E2 terjadi, pengabil-keputusan memberi sinyal padaikalan kendali D untuk beraksi. Berarti pengambil-keputusan menentukan lintasan-lintasan dari ikalan-ikalan kendali tersebut seperti berikut:• Pada permulaan, hukum kendali R beraksi• Beraksinya hukum R untuk jangka waktu tertentu, kejadian E2 akan muncul• Apabila E2 muncul, berikan perintah agar hukum D beraksi• Beraksinya hukum D untuk jangka waktu tertentu, kejadian Ej akan muncul• Apabila Ei muncul, berikan perintah agar hukum R beraksi lagidan seterusnya. Di sini computing scientists tidak perlu dipusingkan oleh persamaan-persamaan diferensial diatas, begitu pula tidak dibutuhkan teori persamaan diferensial

7

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (21)

untuk membuktikan terpenuhinya persyaratan sistem. Begitu pula, untukmembuktikan terpenuhinya persyaratan sistem secara formal bukan suatu pekerjaanyang mudah untuk control engineers jika lintasan-lintasan ikalan kendali menjadirumit. Sedangkan kelakuan luar dari ikalan-ikalan kendalai itu dapat diamati dandapat dinyatakan dengan analisis real yang sederhana dalam variabel-variabel x, x', 9dan 6'.

R DE

R

t] t2 t3

Gambar 3. Lintasan ikalan-ikalan kendali

Perhatikan interval waktu [t]; t3] seperti pada Gambar 3, t! menunjukan waktu padasaat kejadian E2 muncul, t3 menunjukan waktu pada saat kemunculan kejadian E2

berikutnya, dan (ti < t2 < t3 ) menunjukkan waktu pada saat kejadian E] munculdiantara kemunculan dua buah kejadian E2 yang berurutan. Sifat-sifat yang terpenuhipada potongan lintasan pada interval waktu [t], t3] adalah

Terdapat d] dengan 0< d] < 1 sehingga untuk setiap interval [t,, t 3 ] , berlaku

|x'(t3)<;d,|x'(ti)| (2)

Terdapat d2 > sehingga untuk setiap interval [tl513] dan te [tt, t3] berlaku

|x'(t)<d2 |x'(t,)| (3)

Terdapat d3 > 0, a > 0 dan p > 0 sehingga untuk setiap interval [tb t3] dan te [tb t3]berlaku

|a9(t)| + |(39'(t)|<d3|x'(t2)| (4)

(2) dan (3) menunjukan mengecilnya kecepatan kereta, sedangkan (4) menunjukkanmenurunnya nilai mutlak dari sudut deviasi 6(t) dan kecepatan sudut 9'(t).Menunjukkan persyaratan sistem (1) dari pertaksamaan (2), (3) dan (4) denganmengingat lintasan yang telah ditentukan dapat dilakukan dengan analisis real yangsederhana, tidak perlu melibatkan teori persamaan diferensial, hal ini dapat dilakukanoleh computing scientists. Sedangkan verifikasi terpenuhinya ketiga pertaksamaanoleh hukum-hukum kendali R dan D merupakan tugas control enginers.

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (22)

SPESIFIKASI DAN VERIFIKASI FORMAL

Di [21], spesifikasi dan verifikasi formal untuk sistem bandul terbalik itudipakai mean Value Duration Calculus, yang merupakan perluasan dari DurationCalculus. Dalam Mean Value Duration Calculus, spesifikasi formalnya dinyatakansebagai berikut:

D F D V R V (5)

D f(D =>-,R) A (R=>-,D)1 * (6)D (E, o IDATR) (7)

D (E2 o IDATR) (7)dimana

(5), (6), (7) dan (8) mengambar spesifikasi yang diberikan oleh pengambil-keputusan.(5) menunjukan kelengkapan dan (6) menunjukan keekslusifan dari kedua ikalankendali. (7) dan (8) menunjukan perannya kedua kejadian Ej dan E2.

Sifat-sifat (2), (3) dan (4) dari ikalan-ikalan kendali dapat diformulasikan sebagaiberikut: Terdapat 0 < d (<l, d2 > 0, d3 > 0,a > 0 dan p > 0 sehingga

D (( E2 A |x'| < r);AE => EA;( E2 A |X'| < d,r) (9)

Q(( E2 A |x'| < r);AE => E2; (AE2 A F|X'| < d2rl)) (10)

D( fDl;( E, A |x'| = u); FRI; E2 => AE2 A F|aG|+P'| < d3u 1) (11)

dimana A = FD];E, ;FR] (12)AE = A ; E , (13)EA = E , ; A (14)

untuk menyingkat, dipakai pula notasi berikut:X" = X;X; ;X (n buah X) (15)

(9), (10) dan (11) merupakan spesifikasi untuk sistem bandul terbalik itu.Misalkan Traj(n) = [D] ; E2 ;(AE)" menyatakan bagian depan dari lintasan ikalan-ikalan kendali, maka persyaratan sistem (1) dapat dinyatakan sebagai berikut:Untuk sembarang 8 > 0, terdapat bilangan bulat N sehingga untuk setiap n > N,berlaku

Req: Traj (n) => ( Traj (N); F( |x'| < s ) A (|9| < s ) A (|0' | < e ) ] ) (16)

Untuk membuktikan Req, dibutuhkan lemma-lemma berikut:

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (23)

Lemma 1 Untuk n > 1, berlaku

D((E 2A|x ' |<r) ; (AE) n=>(EA) n ; (E 2A|x ' |<d 1n r ) (17)

Dengan Mengunakan Lemma 1, dapat dibuktikan lemma berikut:

Lemma 2 Untuk n > 1, berlaku

Q(( E2 A |x'| < r ) ; (AE)n ^.(EA)""1 ; E2 ; (AE A [ |X'| < d2dr"' r 1) (18)

Lemma 3 Untuk n > 1, berlaku

D(( E2 A |x'| < r ); (AE)" => (EA)""' ; E2 ; (AE A [ |a6| + |p6'| ^djd^,""' r 1) (19)

Dengan mengunakan Lemma 2 dan Lemma 3, dapat dibuktikan Req.(16)

TeoremaUntuk sembarang s > 0, terdapat bilangan blat N sehingga untuk setiap n > N, berlaku

Req: Traj (n) => ( Traj (N); f( |x'| < B ) A (|9| < e ) A ( |9 ' | < e ) 1)

PENUTUP

Dalam tulisan ini diambil rancangan sistem hibrida berdasarkan kooperatifantara dua disiplin, cotrol engineering dan computing science. Prinsip ini tidak dapatdilakukan dengan baik apabila sistem hibrida merupakan sistem yang tightly coupled,yaitu apabila ikalan-ikalan kendalinya tidak dapat dipisahkan dengan ikalankeputusan. Hal ini membuka peluang untuk diteliti. Di samping itu, seperti telahdisinggung pada pendahuluan, bagaimana sistem hibrida analisis disintesiskan,bagaimana memverifikasi suatu sistem hibrida memenuhi persyaratan yangdiinginkan menjadi tantangan bagi peneliti.

10

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (24)

DAFTAR PUSTAKA

1. RAJEEV ALUR, COSTAS COURCOUBETIS, THOMAS A.HENZINGER andPEI-HSIN HO, Hybrid Automata: An Algorithmic Approach to the Specificatioand Verificatios of Hybrid Systems, In Hybrid Systems, LNCS 736,Springer-Verlag, pp 209-229, 1993.

2. R.ALUR, C.COURCOUBETIS, N.HALBWACHS, T.A.HENZINGER, P.-H.HO, X.NICOLLIN, A.OLIVERO, J.SIFAKIS and S.YOVINE, The AlgorithmicAnlysis of Hybrid Systems, In proceedings of the 11 th International Conferenceon Analysis and Optimization od Discrete Evant Systems, Lecture Notes inControl and Information Sciences 199, Springer-Verlag, pp 331-351. 1994.

3. PANOS J.ANTSKLIS, JAMES A.STIVER and MICHAEL LEMMON, HybridSystems Modeling and Autonomous Control Systems LNCS 736,Springer-Verlag, pp 366-392, 1993.

4. WILLIAM J.BENCZE and GENE F.FRANKLIN, A Separation Principle forHybrid Control Systems Design, In proceedings of the 1994 IEEE/IFACSymposium on Computer-Aided Control System Desing, March 7-9, 1994 inTuscon, Arizona.

5. LIMOR FIX and FRED B.SCHNEIDER, Hybrid Verification by Exploiting theEnvironment) In Formal Techniques in Real-Time and Fault-Tolerant SystemsLNCS 863, Springer-Verlag, pp I - 18, 1994.

6. THOMAS A.HENZINGER, ZOHAR MANNA and AMIR PNUELI, TowardRefining Temporal Specifications into Hybrid Systems In Hybrid .SystemsLNCS 736, Springer-Verlag, pp 60-76, 1993.

7. JIFENG HE, From CSP to Hybrid Sytems In A Classical Mind Essays in HonourofC.A.R. Hoare Prentice-Hall, pp 171 - 190, 1994.

8. JOZEF HOOMAN, A Compositional Approach to the Design of Hybrid .SystemsIn Hybrid Systems LNCS 736, Springer-Verlag, pp 121 - 148, 1993.

9. YU HUIQUN, PARITOSH K.PANDYA and SUN YONGQIANG, A Calculusfor Hybrid Sampled Data Systems In Formal Techniques in Real-Time and FaultToleran Systems LNCS 863, Springer-Verlag, pp 716-737, 1994.

10. ARJUN KAPUR, THOMAS A.HENZINGER, ZOHAR MANNA and AMINPNUELI. Proving Safety of Hybrid Syxtems Infoward Techniques in Real-Timeand Fault-Tolerant Systems LNCS 863, Springer-Verlag, pp 431 -454, 1994.

11

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (25)

11. Y.KESTEN and A.PNUELI, Timed and Hybrid Statechard and their TextualRepresentation, In Formal Techniques in Real-Time and Fault Tolerant SystemsLNCS 571, Springer-Verlag, pp 591-620, 1992.

12. Y.KESTEN, A.PNUELI, J.SAFAKIS and S.YOVINE, Integration Graphs: AClass of Decidable Hybrid Sytems In Hybrid Systems LNCS 736, Springer-Verlag, pp 179-208, 1993.

13. LESLIE LAMPORT, Hybrid Systems in TLA* In Hybrid Systems LNCS 736,Springer-Verlag, pp 77- 102, 1993.

14. M.LEMMON, J.A.STIVER and P.J.ANTSAKLIS, Event Identification andIntelligent Hybrid Control In Hybrid Systems LNCS 736, Springer-Verlag,pp 268-296, 1993..

15. ODED MALER, ZOHAN MANNA and AMIR PNUELI, From Timed to HybridSystems In proceedings of the REX Workshop in Real-Time: Theory in PracticeLNCS 600, Springer-Verlag, pp 447-484, 1992.

16. ZOHAR MANNA and AMIR PNUELI, Models for Reactivity Acta Informatica30, pp 609-678, 1993

17. ZOHAR MANNA and AMIR PNUELI, Verifying Hybrid Systems In Hybridsystems, LNCS 736, Springer-Verlag, pp 4-35, 1993

18. ANIL NERODE and WOLF KOHN, Models for Hybrid Systems : AutomataTopologies Controllability Observability In Hybrid Systems LNCS 736Springer-Verlag, pp 317-356, 1993.

19. HENNY B.SIPMA and ZOHAR MANNA, Specification and Verification ofControlled Systems, In Formal Techniques in Real-Time and Fault TolerantSystems LNCS 863, Springer-Verlag, pp 641-659, 1994.

20. SIMIN NADJM-TEHRANI and JAN-ERIK STROMBERG, Fronl PhysicalModelling to Compositional Models of Hybrid Systems pp 583-604.

21. BELAWATI H.WIDJAJA, CHEN ZONGJI, HE WEIDONG and ZHOUCHAOCHEN, A Cooperative Design for Hybrid Systems UNU/IIST ReportNo.36, January 1995, UNU/UST, P.O.Box 3058, Macao, presented in theEuropean Workshop on Real-Time and Hybrid Systems, May 51 - June 2, 1995in Grenoble, France.

22. YU XINYAO, WANG JI, ZHOU CHAOCHEN and PARITOSH K. PANDYA,Formal Design of Hybrid Systems In Formal Techniques in Real-Time and fault-Tolerant Systems LNCS 863, Springer-Verlag, pp 738-755, 1994.

12

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (26)

23. ZHOU CHAOCHEN, C.A.R.HOARE and ANDER P.RAVN, A Calculus adDurations, Information Processing Letters, 40, 5, pp 269-276, 1991.

24. ZHOU CHAOCHEN and LI XIAOSHAN, A Mean Value Calculus of DurationsUNU/IIST Report No.5, March 1993, published in A Classical Mind Essays inHonour of C.A.R.Hoare, Prentice Hall, pp 431 -451, 1994.

25. ZHOU CHAOCHEN, ANDER P.RAWN and MICHAEL R.HANSEN, AnExtended Duration Calculus for Hybrid Real-Time Systems In Hybrid SystemsLNCS 736, Springer-Verlag, pp 36-59, 1993.

NEXT PAGE(S)left BLANK

13

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (27)

ANALISIS KONDUKSIPANAS DENGAN MENGGUNAKANMETODA ELEMEN HINGGA SEMI ANALITIKAL

Agus Hadi Santosa Wargadipura* |||i||||i||l||

ID990000003

ABSTRACT

HEAT CONDUCTION ANALYSIS USING SEMI ANALYTICAL FINITE ELEMENTMETHOD. Heat conduction problems are very often found in science and engineering fields. It is of acrucial importance to determine quantitatif descriptions of this important physical phenomena. This paperdiscusses the development and application of a numerical formulation and computation that can be usedto analyze heat conduction problems. The mathematical equation which governs the physical behaviourof heat conduction is in the form of second order partial differential equations.The numerical resolutionused in this paper is performed using the finite element method and Fourier series, which is known assemi-analytical finite element methods. The numerical solution results in simultaneous algebraicequations which is solved using the Gauss elemination methodology. The computer implementation iscarried out using FORTRAN language. In the final part of the paper, a heat conduction problem in arectangular plate domain with isothermal boundary conditions in its edges is solved to show theapplication of the computer program developed and also a comparison with analytical solution isdiscussed to assess the accuracy of the numerical solution obtained.

ABSTRAK

ANALISIS KONDUKSI PANAS DENGAN MENGGUNAKAN METODA ELEMENHINGGA SEMI ANALITIKAL. Masalah konduksi panas banyak dijumpai dalam bidang sains danrekayasa. Sangatlah penting untuk mengetahui deskripsi kuantitatif dari fenomena fisik yang pentingtersebut. Tulisan ini membahas pengembangan dan penerapan suatu formulasi dan komputasi numerikyang dapat digunakan untuk menganalisa suatu peristiwa konduksi panas. Persamaan matematika yangmengatur sifat konduksi panas dalam hal ini berupa persamaan differensial orde-dua. Solusi numerikdilakukan metoda elemen hingga dan solusi deret Fourier, yang dikenal dengan metoda elemen hinggasemi-analitikal. Solusi numerik ini menghasilkan suatu persamaan aljabar simultan yang diselesaikandengan menggunakan metoda eleminasi Gauss. Implementasi pada komputer dilakukan denganmenggunakan bahasa FORTRAN. Pada akhir tulisan, suatu masalah konduksi panas pada domain pelatpersegi dengan syarat batas pada tepi pelat yang isothermal dibahas untuk memperlihatkan aplikasi dariprogram yang dikembangkan dan juga perbandingan dengan solusi analitikal dibahas untuk mengkajikehandalan dari solusi numerik yang diperoleh.

' Peneliti di Direktorat Pengkajian llmu Pengetahuan Rekayasa, Deputi BidangPengkajian Ilmu Dasar dan Terapan, BPP Teknologi, Jakarta

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (28)

PENDAHULUAN

Metoda numerik telah banyak digunakan dalam menyelesaikan berbagaimasalah yang ditemui dalam bidang ilmu pengetahuan dan rekayasa (Zienkiewics,1989 dan Borse, 1985). Salah satu bidang ilmu pengetahuan yang penting dan banyakdijumpai pada kehidupan nyata adalah masalah perpindahan panas. Apabila terjadiperbedaan temperatur dalam suatu sistem atau terjadi kontak antara dua buah sistemdengan temperatur yang berbeda,' akan terjadi aliran atau perpindahan panas darisistem dengan temperatur yang lebih tinggi ke bagian dengan temperatur yang lebihrendah. Peristiwa perpindahan panas seperti ini disebut peristiwa konduksi panas(Hoffman, 1980 dan Kreith, 1976), yang banyak dijumpai pada berbagai kegiatanilmu pengetahuan dan rekayasa. Analisa konduksi panas pada bentuk domain yangkompleks dapat dilakukan dengan mengembangkan model matematika danmenerapkan metoda numerik, seperti metoda beda hingga (finite difference methods)dan metoda elemen hingga (finite element methods) ataupun metoda numerik lainnya(Lewis, Morgan dan Thomas, 1994) untuk menyelesaikan formulasi matematikanya.Dengan menggunakan metoda komputasi numerik ini memungkinkan simulasiperistiwa konduksi panas dilakukan dan hasil komputasi numerik yang diperolehmerupakan informasi yang dapat digunakan dalam rancang bangun suatu peralatanataupun proses yang tunduk terhadap prinsip perpindahan panas. Dalam tulisan iniakan dibahas suatu solusi metoda numerik untuk memecahkan suatu persamaankonduksi panas dalam keadaan tunak (steady state). Metoda numerik yang digunakandalam hal ini adalah metoda elemen hingga bersamaan dengan solusi deret Fourier.Penggunaan kombinasi antara metoda elemen hingga dengan deret Fourier iniditujukan untuk mengurangi proses komputasi yang diperlukan. Dalam hal ini,diskritisasi elemen hingga digunakan pada satu dimensi sedangkan pada dimensilainnya digunakan solusi dengan deret Fourier dan metoda kombinasi seperti inidikenal dengan metoda elemen hingga semi-analitikal. Pada akhir tulisan dibahaspenerapan dari metoda yang dikembangkan untuk analisa konduksi panas pada pelatpersegi dengan kondisi batas isothermal pada sisi-sisi pelat tersebut. Hasil yangdiperoleh dengan menggunakan metoda numerik ini dibandingkan dengan solusianalitikal dari masalah yang sama untuk melakukan validasi terhadap metodologiyang digunakan.

PERSAMAAN ATUR

Persamaan Atur Konduksi Panas

Persamaan atur konduksi panas yang ditinjau dalam tulisan ini adalahpersamaan konduksi panas daiam keadaan tunak (steady state) dengan kondisi batassebagai berikut (Hoffman, 1980 dan Kreith, 1976):

16

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (29)

d .„ dT. d ,„ dTs A

or ax qy " qvdimana T adalah temperatur, Kx dan Ky masing-masing adalah koeffisien panas padaarah -x dan -y. Pada domain komputasi diberlakukan dua jenis syarat batas sebagaiberikut:

T = TB pada boundari SA (2.a)

dan

dT dTL

y + <i ~ v pada boundari SB (2.b)x Z x• y Z

dimana Lx dan Ly masing-masing adalah cosinus arah normal keluar dari boundari SB

dan q adalah flux panas yang melewati boundari. Untuk menyederhanakanperhitungan, variabel temperatur dapat didefinisikan sebagai variabel non-dimensional sebagai berikut:

i 0(3.a)

dimana To dan T} masing-masing adalah temperatur acuan. Sedangkan sistemkoordinat non-dimensional adalah:

x = j dan y = J (3-b)

dimana / adalah panjang acuan dari domain komputasi.Dengan menggunakan persamaan (3.a) dan (3.b), maka persamaan atur konduksipanas dalam keadaan tunak (steady state) menjadi:

a . „ ae -a /tr aex _— (Kx —) + — (Ky — ) = 0 (4)

dx dx dy dydan dengan menggunakan sistem koordinat serupa kondisi batas pada persamaan-persamaan (2.a) dan (2.b) masing-masing dapat ditulis sebagai berikut:" — t/ g pada boundari SA (5.a)dan

dT dT ~ _ nKx —^ Lx + Ky — r L

y + <l - U pada boundari SB (5.b)ax d y

dimana:ql

q = ~T~F (5x)

17

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (30)

Solusi persamaan differensial parsial (4) dalam tulisan ini dilakukan denganmenggunakan metoda variasional yang merupakan suatu proses minimisasi suatufungsional (Washizu, 1975), sebagai berikut:

9 J J l « - -- / ~ ) px-uy- ^<P>,«»' (6)2 o o dx dy

Kondisi boundari pada persamaan (6) diatas ditentukan berdasarkan permasalahanyang akan diselesaikan. Pada bagian 4., akan dibahas suatu masalah konduksi panaspada domain pelat segiempat dimana kondisi boundari ditentukan sepanjang sisipelat tersebut.

Metoda Elemen Hingga Semi-Analitikal

Pada tulisan ini solusi persamaan integral konduksi panas seperti ditulis padapersamaan (6) diselesaikan dengan menggunakan metoda elemen hingga bersamaandengan suatu deret Fourier (Zienkiewicz dan Taylor, 1989, Zienkiewicz danMorgan, 1983), yang pada prinsipnya suatu approksimasi terhadap variabel yang akandiselesaikan ataupun suatu disktritisasi dari suatu bentuk fungsional. Dalam hal ini,diskritisasi elemen hingga dengan menggunakan fungsi bentuk (shapeJunction) linear

dilakukan pada domain ruang x dan deret Fourier (Brigham, E.O., 1988) digunakan

untuk mendiskritkan domain ruang y. Jadi untuk suatu elemen (e) seperti dapat

dilihat pada Gambar 1., variasi temperatur non-dimensional 6 dapat dituliskansebagai berikut:

(7)

Pada persamaan (7) diatas, semua suku pada tanda kurung persegi merupakan

diskritisasi elemen hingga pada arah x dan 1 , (_y) adalah deret Fourier pada arah y,sedangkan penomoran titik 1 dan 2 merupakan dua titik nodal pada elemen (e),

- ' ( < • • ) _(O

masing-masing dengan koordinat xi dan Xi . Bilangan integer positif-r merupakanbatas penjumlahan dari fungsi temperatur pada persamaan (7) diatas. Suku-suku

(9,e))„, dan (Q\0))HI masing-masing adalah temperatur non-dimensional pada titiknodal 1 dan 2 dari elemen strip (e) untuk suatu harmonik m. Fungsi bentuk yangdigunakan untuk melakukan interpolasi linear pada elemen strip (e) mempunyaibentuk sebagai berikut (Zienkiewicz dan Morgan, 1983):

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (31)

(8.a)

(8.b)

dimana l(u) adalah lebar dari elemen strip (e)

Suku Ym(y) didekati dengan deret Fourier yang merupakan suatu deret harmoniktrigonometrik, yang dalam tulisan ini mempunyai bentuk sebagai berikut:

Ym(y) = (9)

yang dalam hal ini memenuhi syarat batas temperatur konstan pada y = 0 dan

- 2Ly = — . Substitusi persamaan temperatur (7) pada fungsional I(Q) yang diberikan

pada persamaan (6) dan mencari nilai minimum dari fungsional tersebut, diperolehsuatu sistem persamaan aljabar simultan sebagai berikut (Zienkiewicz danTaylor, 1989):

K.e = odimana vektor koeffisien temperatur mempunyai bentuk :

e- {(e)f,(0)2r,

dan vektor harmoniknya dapat dituliskan sebagai berikut:

Koeffisien matriks K, yang dikenal dengan matriks kekakuan, mempunyai bentuksebagai berikut:

K =

K

(ll.c)

dimana Kmm adalah matriks kekakuan untuk harmonik ke-w. Perlu dicatat disinibahwa tidak ada coupling dari suku harmonik, yaitu Kp(j = 0, mengingat sifatortogonalitas dari suku-suku deret Fourier sebagai berikut:

19

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (32)

2L/I

J Sin(0

2LII

2 1-).Sin( )d y = 0 apabilap*q

2 1y * 0 apabilap = q

Matriks kekakuan elemen strip (e) untuk harmonik ke -m dapat dituliskan sebagaiberikut:

121 241L

24L 12L

(13)

Dua jenis kondisi boundari yang ditinjau dalam tulisan ini, yaitu:(a) Boundari garis p pada suatu temperatur konstan yang ditenrukan 9 , dimana

representasi deret Fourier mempunyai bentuk sebagai berikut:

dimana koeffisien nodal (y „ ),„ adalah sebagai berikut:

)m ~p )m , untuk nilai bilangan bulat m ganjil (14.b)

, untuk nilai bilangan bulat m genap (14.c)

(b) Boundari garis yang diinsulasi. Hal ini dapat diperoleh apabila tidak ada kondisibatas yang diberlakukan pada garis strip nodal yang akan diinsulasi.

PROSEDUR SOLUSI

Mengingat bentuk matriks K pada persamaan (ll.c), maka solusi untukvariabel temperatur 9 dapat diselesaikan dengan melakukan evaluasi setiap harmonikyang genap secara terpisah dan diperoleh bentuk persamaan aljabar tipikal sebagaiberikut:

9 m = 0 (15)

20

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (33)

di mana untuk setiap garis nodal p dengan temperatur konstan 9 yang ditentukan,

nilai koeffisien titik nodal (6p)m dapat ditentukan seperti pada persamaan (14.b).

Langkah terakhir adalah penjumlahan setiap konstribusi pada fungsi temperaturdiskrit pada persamaan (7).Diskritisasi persamaan konduksi panas dalam keadaan tunak, yang merupakanpersamaan differensial parsial orde-2 (membentuk sistem persamaan Laplace),dengan menggunakan metoda elemen hingga semi-analitikal ini menghasilkanpersamaan aljabar simulatan seperti pada persamaan (10) atau (15). Mengingat bentukyang khusus dari matriks elemen (K )m,m yang simetris dan bentuk matriks kekakuanglobal K yang membentuk sistem matriks tridiagonal. Penyelesaian persamaanmatriks tridiagonal ini dilakukan dengan menggunakan teknik reduksi Gauss. Teknikreduksi Gauss yang digunakan terdiri dari tiga step, yaitu: dekomposisi segitiga{triangular decomposition), subsitusi kemuka (forward subsitution) dan subsitusikebelakang (back-subsitution) (Ralston dan Rabinowitz, 1978). Implementasipemrograman teknik solusi Gauss ini dilakukan dengan menggunakan bahasaFORTRAN dan dibuat secara modular dengan menggunakan subroutine.

ANALISA KONDUKSI PANAS PADA PELAT PERSEGI

Definisi Permasalahan

Sebagai suatu contoh penerapan, pada bagian ini dibahas suatu masalahkonduksi panas yang terjadi pada domain komputasi pelat persegi dengan syarat bataspada sisi tepi pelat yang isothermal. Gambar l.a dan l.b memperlihatkan suatu pelatempat persegi panjang dimana kondisi batas boundari sepanjang sisi-sisi pelatditentukan dengan kondisi sebagai berikut:

6 = 0 pada y = 0 6 = 0 pada x = 06 = 0 pada y = 2L 6 = 1 pada x = /

Geometri dari domain komputasi pelat persegi yang ditinjau mempunyai ratiogeometri (2L / 1) = 0,444, yaitu merupakan panjang total dari domain komputasi,seperti dapat dilihat pada Gambar I.e. Seperti dapat dilihat pada Gambar l.c domainkomputasi dibagi kedalam 9 elemen strip dengan 10 titik nodal. Dalam kasus ini,diperlukan untuk mengetahui solusi distribusi temperatur sepanjang strip pada

2koordinat non-dimensional x = — untuk boundari temperatur 9 = 1,0 pada x = 0,0

dan 9 = 0,0 pada x - 1,0 atau dengan kata lain titik nodal nomor 1 dan nomor 10

21

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (34)

merupakan titik-titik nodal dengan kondisi boundari temperatur yang ditetapkan,masing-masing 9 = 1,0 dan 9 = 0,0. Solusi analitikal untuk masalah ini diberikanoleh Adams dan Rogers (1973), sebagai berikut:

mnlx Sinh{m%lyl2L)(16)

m),

2L Sinh(mnl/2L)

Hasil Komputasi

Masalah seperti yang dijelaskan pada bagian 4.1 dihitung dengan programkomputer konduksi panas yang dikembangkan. Jumlah harmonik yang diselesaikandalam perhitungan ini adalah 10 buah, yang hasil komputasi pada setiap titik nodaluntuk setiap harmonik ganjil dapat dilihat pada Tabel 1. Untuk mengkaji ketelitianmetoda yang digunakan, perbandingan antar'a solusi numerik yang digunakan dengansolusi analitikal sep'erti yang diberikan pada persamaan (16) dapat dilihat pada

Tabel 2. Perbandingan dilakukan untuk nilai temperatur 9 pada koordinat x = 0,222

dan y = 0,500 (2L/7), dan evaluasi dilakukan untuk 10 harmonik tidak-nol (non-zeroharmonic). Ketelitian solusi numerik yang dalam hal ini merupakan prosentaseperbandingan antara solusi numerik dengan solusi analitik dari nilai temperatur 6dapat dilihat pada Tabel 2. Dari perbandingan tersebut terlihat bahwa ketelitian yangtinggi dapat diperoleh dengan metoda dan algoritma numerik yang digunakan.Prosentase ketelitian solusi numerik meningkat dengan naiknya peninjauanharmonik. Dalam contoh ini prosentase ketelitian pada solusi dengan harmonik ganjilke-5, -7, -8 memberikan nilai ketelitian dibawah 0,100 %.

KESIMPULAN

Dalam tulisan ini telah dibahas suatu metoda komputasi dan algoritma numerikyang dapat digunakan untuk melakukan analisa konduksi panas. Teknik solusi yangdigunakan merupakan kombinasi antara solusi metoda elemen hingga dengan deretFourier. Algoritma dan komputasi numerik yang dikembangkan telah berhasildiimplementasikan pada suatu komputer program dengan menggunakan bahasapemrograman FORTRAN. Penerapan dan sekaligus validasi dari program komputeryang dikembangkan telah berhasi! dilakukan untuk melakukan analisa konduksi panaspada domain pelat persegi dengan boundari isothermal pada sisi-sisi pelat tersebut.Dari validasi numerik yang dilakukan, dapat disimpulkan bahwa ketelitian solusinumerik yang tinggi, yaitu perbedaan antara solusi analitik dengan numerik

22

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (35)

dibawah 1,0 %, dapat diperoleh. Perbedaan antara solusi numerik dengan analitiksemakin kecil untuk solusi dengan harmonik ganjil yangtinggi.

DAFTAR PUSTAKA

1. ADAMS, J.A. dan ROGERS, D.F., "Computer-Aided Heat Transfer Analysis",McGraw-Hill Book Company Ltd., London (1973)

2. BORSE, G.J., "FORTRAN 77 and Numerical Methods for Engineers", PWSEngineering, Boston, USA (1985)

3. BRIGHAM, E.O., "The Fast Fourier Transform and Its Application", Prentice-Hall International, Inc., Englewood Cliffs, New Jersey (1988)

4. HINTON, E. dan OWEN, D:R.J., "Finite Element Programming", AcademicPress, London (1977) .

5. HOFFMAN, E.J., "Heat Transfer Rate Analysis", PennWell PublishingCompany , Oklahoma, USA. (1980)

6. KREITH,F., "Principles of Heat Transfer", Third Edition, A Dun-DonnelleyPublishing Company, New York (1976)

7. LEWIS, R.,W., MORGAN, K.,THOMAS, H.R. dan SEETHARAMU, K.N.,"Finite Element Methods in Heat Transfer", John Wiley and Sons PublishingCompany, London. (1994)

8. RALSTON, A.dan RAB1NOWITZ, P., "A First Course in Numerical Analysis",First Edition, McGraw-Hill Kogakusha Ltd., Tokyo (1978)

9. WASHIZU, K., "Variational Methods in Elasticity and Plasticity", SecondEdition, Pergamon Press Ltd. (1975)

10. ZIENKIEWICZ, O.C dan TAYLOR, R.L., "The Finite Element Methods",McGraw-Hill Book Company Ltd., London 1(1989)

11. ZIENKIEWICZ, O.C dan MORGAN, K., "Finite Elements and Approximation",A Wiley-Interscience Publication, John Wiley and Sons, New York (1983)

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (36)

Tabel ]. Hasil Komputasi Temperatur untuk setiap Harmonik Ganjil.

No.Titik

Nodal

12345678910

Hasil Komputasi Temperatur pada Titik Nodaluntuk setiap Harmonik Ganjil

Harmonikke- 1

0.12732e-010.85635e-000.57528e-000.38545e-000.25676e-000.16879e-000.10760e-000.63466e-010.29401e-010.00000e-00

Harmonikke-3

-0.4244 le-00-0.12034e-00-0.34123e-01-0.96755e-02-0.27434e-02-0.77786e-03-0.22046e-03-0.62138e-04-0.16308e-040.00000e-00

Harmonikke-5

0.25465e-000.19944e-010.15621e-020.12234e-030.95820e-050.75044e-060.58775e-070.46032e-080.35833e-090.00000e-00

Harmonikke-7

-0.18189e-000.67692e-02-0.25192e-030.93755e-05-0.34892e-060.12986e-07-0.48329e-090.17986e-10

-0.66844e-120.00000e-00

Harmonikk e - 9

0.14147e-00-0.15021e-010.15948e-02-0.16933e-030.17978e-04

-0.19088e-050.20267e-08

-0.21515e-080.225 89e-080.00000e-00

Tabel 2. Perbandingan antara Solusi Analitik dan Numerik

NomorHarmonikti dak-no 1

12345678910

Temperatur 6 pada koordinat x = 0,222 dan y = 0,500 (2L//)

Solusi Analitikal

0,580060,539930,544930,544190,544310,544290,544290,544290,544290,54429

Solusi Numerik dg. 9Elemen Strip

0,575280,541160,542720,542470,544060,541470,544580,541260,544260,54131

Perbedaan(%)

-0,824 %0,228 %

-0,406 %-0.316%-0,046 %-0,518%0,053 %-0,557 %-0,006 %-0,548 %

24

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (37)

(a) Sistem Koordinat x-y (b) Sistem Koordinat non-dimensional x-y

0.444

1 2 3 4 5 6 7 8 9 10

1.0

(c) Domain komputasi pelat dengan 9 elemen strip

Gambar 1. Koiiduksi panas pada pelat persegi dengan boundari isothermal.

NEXT PAGE(S)left BLANK

25

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (38)

ALGORITMA PARALELISASI SISTEM UNTUK PERSAMAANDIFERENSIAL HASIL DISKRITISASI PERSAMAAN DIFERENSIAL

PARABOLIK NONLINIER: LAPORAN PENDAHULUAN

Ino Suryana', T. Basaruddin*

ID990000004ABSTRACT

ALGORITHM OF PARALLELISM ACCROSS THE SYSTEM FOR DIFFERENTIALEQUATIONS RESULTED FROM DISCRETIZATION OF NONLINIER PARABOLICDIFFERENTIAL EQUATIONS A PRELIMINARY REPORT. A nonlinier parabolic differentialequation has been discretized by means of method of lines hence a large system and midly stiff sysyemof ordinary differential equations are resulted. For that purpose we need an efficient computation method.In this reseacrh we'll develope a paralel algorithm which gives minimal inter processor communicationcast. By parallelism we mean paralllelism accross the system. The system of ordinary differentialequations are solved by means of diagonally implicit Range-Kutta method. The resulted system ofalgebric are solved iteratively. This algorithm will be implemented on a multiprocessor transputer-basedcomputer system with OCCAM 2 as parallel language programming.

ABSTRAK

ALGORITMA PARALELISASI SISTEM UNTUK PERSAMAAN DIFERENSIAL HASILDISKRITISASI PERSAMAAN DIFERENSIAL PARABOLIK NONLINIER: LAPORANPENDAHULUAN. Persamaan diferensial parabolic nonlinear didiskritisasi dengan menggunakanmetoda garis sehingga dihasilkan sistem persamaan diferensial ordiner yang besar dan agak stif. Untukitu diperlukan metoda komputasi yang efisien. Pada penelitian ini akan dikembangkan algoritma paralelyang memberikan biaya komunikasi antar prosesor minimal. Paralelisasi yang dimaksud adalahparalelisasi pada sistem. Sistem persamaan diferensial ordiner ini diselesaikan dengan menggunakanmetoda Runge-Kutta implisit diagonal. Sistem persamaan aljabar yang timbul dari proses integrasitersebut diselesaikan secara iteratif. Algoritma ini direncanakan akan diimplementasikan pada komputertransputer dengan lingkungan bahasa pemrograman paralel OCCAM 2.

PENDAHULUAN

Kebutuhan akan komputer dengan proses komputasi yang sangat cepat banyakdijumpai seperti pada bidang-bidang rekayasa, pengindraan jarak jauh, ramalancuaca, kedokteran, militer, kecerdasan buatan, dan CAD, karena pada bidang inimemerlukan komputasi-komputasi berskala besar. Untuk memenuhi kebutuhan

Fasilkom-Universitas Indonesia

27

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (39)

tersebut salah satunya menggunakan komputer dengan proses secara paralel, dimanadidalamnya terdapat bagian-bagian yang bekerja secara serempak.

Khusus pada bidang rekayasa, sering dijumpai masalah-masalah yang menuntutproses komputasi yang cepat dengan melibatkan persamaan diferensial parsial,misalnya yang menyangkut fenomena fisik seperti aerodinamik, mekanika fluida, danperambatan panas. Banyak metoda diskrit yang dapat digunakan untuk menyelesaikanpersamaan diferensial parsial diantaranya adalah metoda beda hingga. Salah satumetoda beda hingga yang banyak digunakan adalah metoda beda pusat {centraldifference).

Beberapa faktor yang dapat mempengaruhi waktu komputasi pada prosessecara paralel diantaranya arsitektur perangkat keras, perangkat lunak, algoritmaparalel dan jumlah prosesor yang digunakan. Untuk itu masalah kinerja yang dapatdiberikan oleh suatu metoda penyelesaian persamaan diferensial dan algoritmaparalelnya merupakan hal penting untuk diketahui agar dapat menggunakan komputersecara efektif.

LANDASAN TEORI

Persamaan Parabolic dan Tahap Awal Penyelesaian

Masalah yang akan dibahas adalah persamaan diferensial parsial denganbentuk:

du d u du= k—--u—,k)0 (1)

dt Qx2 oxuntuk a < x < b dan c < t < datau ditulis sebagai ut = kuxx - u.ux, adalah persamaan parabolic nonlinier sebagaibentuk persamaan aerodinamik.

Untuk memperoleh metoda solusi numeriknya dilakukan dengan menggantiturunan parsial spasial dalam persamaan (1) dengan hasil bagi bedanya, sebagaiberikut (metoda beda pusat / central difference method).

ux(x,t) = ^h{u(x + h,t) - u(x - h,t)}+O(h3) = h{ul+l - ut_x } (2)

dan

uxx(x,t) = — {u(x + h,t) -2u(x,t)} + u(x - h,t) = — fyt+x -2ut_x} (3)h h

Diskritisasi secara spasial dari (1) dengan menggunakan persamaan (2) dan (3)adalah sebagai langkah pertama untuk menyelesaikan (1) secara numerik, yaitudengan metoda beda hingga. Persamaan (1) ditulis kembali menjadi:

28

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (40)

>«) = —(ut-l ~2ut + wr

ditulis kembali menjadiu't = f(t,u) = A.u

(4)

(4a)

dimana A matriks koefisien yang bergantung pada u.Persamaan (4) berbentuk sistem persamaan tidak linier, sehingga tidak dapat

diselesaikan secara langsung. Untuk menyelesaikannya, maka perlu proses linierisasi.

Metoda Linierisasi Newton

Suatu persamaan nonlinier f(x) dapat dilinierisasi sebagai berikut:

(5)

dimana nilai x adalah nilai yang cukup dekat dengan x. Untuk persamaan (4a) akandidapat

/(«) = f(u) + J(u). (u-u) atau

/(«) = J(u).u+ {/(a) - J(u).(u)}= (5a)

dimana J(u) adalah matriks Jacobi pada nilai pendekatan u .Ruas kanan persamaan (5a) akan membentuk suatu sistem persamaan dengan

(n-2) persamaan dan (n-2) variabel yang belum diketahui dengan n = (b-a)/h. Sistempersamaan yang didapat berbentuk sistem tridiagonal, yaitu

du/dt =

a-,a3 63

„-3«„-2 »„-2 -IL«„-2JL

««-3

(6)

Persamaan (6) sudah berbentuk persamaan linier, sehingga dapat langsungdiselesaikan.

29

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (41)

Persamaan Diferensial Stif

Pandang sistem persamaan diferensial (6). Sebuah sistem (6), dikatakan stif,jika Vxi,e[a,b] dan V elemen sistem-i berlaku:a. Re(A,i), 0,i = 1,2,3 , sdanb. S(x) = Max Re(-Xi) / Min Re(-Ai)» 0

i=l,s i=l,sS(x) dikenal sebagai stiffness ratio. Satu lagi parameter yang berkaitan dengan stiffnessuatu sistem adalah time constan ty= 1 / Re(-^.i)

Salah satu penyelesaian yang memenuhi (1) adalah

u(x,t) = {a + fj. + -a)ek\\i I k'j/ {l / (7)

dimana ¥ = x - \xt - P dengan dipilih nilai-nilai k=l, oc=0.4, p=0.6, (3=0.125. Dan nilaiawal (t=0) dan batas (x=0 pada t=to, dan t=tn) yang diberikan.

Hasil tes stiffness ratio terhadap (7) diperoleh :

Ukuranmatriks (nxn)

47919

Stiffness ratioS(x)

9.450525.061339.4964159.9453

Sehingga (7) adalah suatu masalah yang dikatakan sebagai agak stif, karena nilaistiffness ratio yang tidak terlalu besar. Tetapi untuk ukuran matriks yang semakinbesar, nilai stiffness ratio akan membesar. Karena alasan inilah, akan digunakanmetoda Runge Kutta Implisit.

Metoda Runge-Kutta Implisit

Untuk persamaan diferensial (7) digunakan sistem Runge-Kutta Implisit3-tahap yang ditampilkan dalam tabel Butcher berikut ini:

(8)1/2 -p/2

(1+p)

1/P2

dengan p = V3/3 Cos (TI/18)

30

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (42)

ana21

a3]

a22

2-32 ^33

Bentuk (8) disebut sebagai metoda Viz. Untuk penulisan selanjutnya, digunakannotasi berikut:

ck2 - „ ^ck3

bki bk? bk?

Metoda Reduksi Siklik

Matriks tridiagonal yang terbentuk diselesaikan dengan reduksi siklik (reduksiganjil-genap). Reduksi siklik ide dasarnya adalah menurunkan baris-baris bebasdengan cara reduksi pada baris yang berindeks ganjil atau genap. Metoda ini coco*kdikembangkan untuk matriks berukuran 2mA , 2m dan 2m+l. Tetapi untuk kasus ini,hanya digunakaan untuk matriks yang berukuran 2m (agar adaptif dengan jumlahprosesor pada saat proses paralel). •

Penurunan metoda reduksi siklik secara umum sebagai berikut. Pandang sistempersamaan pada (6). Untuk i=3,4,5, ,(n~4)> persamaan-persamaan i-1, i, i+1 darisistem adalah :

at-i ut_2 +b t.,u t., +c t.,u t =d t.|atut_, +b,u t +c tu t+1 =d t (9)

+ bt+I ut+| + ct+] ut+2 = dt+.

Persamaan i-1 digunakan untuk mengeliminasi ut.[ dari persamaan ke-i,sedangkan persamaan i+1 digunakan untuk mengeliminasi ut+] dari persamaan ke-i.Hasiltransformasi persamaan ke-i adalah

a) ut_2 + b] + c) ul+2 = d) (9a)dimana

b} =

c} =

a, =

P! =

at at_x

b, +at c,_

P!a,+,

-at 1 bt_x

-ct /bt+i

31

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (43)

Sehingga (6) menjadi A'u = d' dimana

b, 0 c,

0 b2 0 c2

i i i

«3 0 63 0 C3

]

A = ^4

dengan

*,' =I

cl =

1

« 2

-c2 c

/b2

Jb2

2 C 1 2 '

«„-2 0

- a 2 c, /6 , -a^c2 lb3

C2 =

d2 -dxa2lbx

"H-4

Jn-2 J

(10)

I bn_2

B_3, dan

an-2 = -i

bn_2=-bn_2 -a^c^lb,^

h-2 = dn_2

32

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (44)

Dengan melakukan penyusunan kembali matriks A' pada (10) akan diperoleh matriksyang terpisah antara indeks ganjil dan genap sebagai berikut

A =

ai ^3 C3

« »-3

-n-5

a.

"n-4,

a,,-2 K

(11)

Untuk proses reduksi selanjutnya sama seperti diatas,dipisahkan berbeda dari langkah sebelumnya.

hanya indeks yang

PENYELESAIAN DAN ANALISA MASALAH

Kembali pada persamaan (1) sebagai pokok masalah, dengan contoh kasuspersamaan (7). Persamaan (1) setelah melalui proses diskritisasi dan linierisasidiperoleh bentuk sistem persamaan yang ditunjuk oleh (6).

Kasus pada persamaan (7) diselesaikan menggunakan metoda diatas denganterlebih dulu ditentukan nilai awal (initial value) dan nilai batasnya (boundari value).Dengan kedua nilai tersebut dicari nilai setiap element dari matriks Jacobi J. nilai darimatriks jacobi ditunjukkan oleh (6).

Nilai-nilai awal, batas, dan elemen matriks Jacobi dapat dihitung secara paralel[proses 1].

Langkah .selanjutnya, menentukan nilai d_ = f(u)-J.u pada (6) dan (5a).Nilai-nilai u dan J diambil dari [proses 1]. Hitung nilai f(u) dan nilai J. u pada (5a);penentuan nilai-nilai f(w) dan J. u dilakukan secara paralel [proses 2].

33

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (45)

Pada akhir [proses 2] didapat sistem persamaan diferensial ordiner denganbentuk persamaan (6). Persamaan (6) diselesaikan dengan metoda Runge-KuttaImplisit (8a) sehingga terbentuk sistem persamaan implisit.

k = J.f(u,k) + d (12)

Untuk menghitung k, persamaan (12) harus dijadikan bentuk eksplisit, yakniI-J.f(u,k) = d + f(u) (12a)

Karena (12a) masing-masing subsistemnya membentuk sistem persamaan yangbesar, untuk dapat diselesaikan secara paralel maka dilakukan reduksi siklik. setiapsubmatriks hasil reduksi siklik diselesaikan secara sekuensial dengan metodaeleminasi Gauss secara paralel [proses 3]. Bagian ini dikenal sebagai paralelisasisistem (parallel a-cross the system). Proses reduksi siklik dapat dilakukan terussehingga adaptif dengan jumlah prosessor yang digunakan, yaitu 2n untuk n=l,2,3,....

n+l

Sebagai proses terakhir menentukan nilai ut untuk setiap persamaan darisistem, dengan metoda Runge-Kutta Implisit.

n+i

Selanjutnya memeriksa kesalahan dari u, terhadap kesalahan yangdiperkenankan (kesalahan toleransi). Bila telah dipenuhi, maka kembali ke [proses 1].

11+2

untuk menentukan u, . Sedangkan bila kesalahan toleransi belum dipenuhi, nilaiui(n) sebagai nilai yang baru dan ukuran langkah (step size) diubah (diperbesar ataudiperkecil) dan kembali ke [proses 1].

ALGORITMA

Dari bagian penyelesaian dan analisa masalah, maka dapat dibuat algoritmapenyelesaiannya berikut ini :[proses 0] : — membuat inisialisasi terhadap nilai-nilai :

~ selang untuk spatial dan temporal, subselang pada arah spatialxi e [a,b];ti 6 [c,d];h = (b - a)/n;

[proses 1] : ~ hitung nilai awal, nilai batas, dan nilai elemen matriks Jacobi padasistem.

— a. hitung nilai awal dan nilai batasfor i=0, n di in paralelu(i) = fl(a + i*h);end for

34

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (46)

b. hitung nilai batas pada titik x=a untuk t=c, t=dbatas_c=batas_d =

c. hitung elemen-elemen matriks Jacobifor i=l, (n-1) do in parallel

c[i] = g3(h,u_);end ifb[i] = g2(h,uj;

end for[proses 2] : ~ proses membentuk f(t,u) = J.u + d

~ a. hitung J. u , yaitu hasil [proses] a dan c.ju(l) = b(l)*u(lj + c(l)*u(2);

for i=2, (n-2) do in parallel

end for~ b. serta hitung f(t,u(t)) persamaan (5) dan d_pada persamaan (7)

for i=l, (n-1) do in parallel

end for[proses 3] : ~ hasil [proses 2] dengan metoda RK Implisit dibentuk

— subsistem k_ dalam variabel kij, i=l ,2,3 dan— j=l,2,3, ....(n-1) yaitu nilai k ke i untuk persamaan ke-j pada

subsistem.— a. bentuk subsistem persamaan dalam k_l, l=matriks identitas

I-J.I .an k_l = J. u +d— b. panggil prosedur reduksi siklik untuk mereduksi matriks koefisien

k_l dan konstanta yang ada di sebelah kanan.call reduksi_siklik(Jk_d)

— c. setiap submatriks hasil dari (b) diselesaikan secara sekuensialdengan eliminasi Gauss.Prosedur gauss_elim_tridi(a_, b_, c_, d_, k_)

for i=0, n-2 doop= -a[i]

op*d[i];a[i] = 0;

end for

35

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (47)

[proses 4] : - ulangi [proses 3] untuk menghitung k_2, dan k_3 yang masing-masing dikirim nilai k_l dan k_l,k_2k_2 = J. (u + I(a21 k_l + a22 k_2) + d_k_3 = J.( u + I(a31 k_l + a32 k_2 + a33 k_3) + d_

n+l

[proses 5] : — hitung nilai u, secara paralel untuk masing-masing persamaan darisistem.for i=l, (n-2) do in parallel

u(i+l)[i] = u(i)[i] + 1 *(bkl *kli+bk2*k2i + bk2*k2iend for

[proses 6] : — cek toleransi.Bila toleransi dipenuhi, proses dilanjutkan ke [proses 1] untukmendapatkan u[i+l]yang baru. Sedangkan bila kesalahan toleransibelum dipenuhi, nilai ui diperbaiki dengan nilai yang baru dan ukuranlangkah (step size) diubah (diperbesar atau diperkecil) dan kembalike [proses 1].

PENUTUP

Penyelesaian persamaan diferensial nonlinier parabolik secara numeris sangatmemadai dilakukan secara paralel. Hal ini dapat dilihat dari bagian-bagian yang dapatdiparalelkan. Bagian termahalnya pada bagian reduksi siklik dan eleminasi Gauss.

DAFTARPUSTAKA

1. AKL, SELIM G., "The design and analysis of parallel algorithms", Prentice-Hall, Englewood Cliffs, 1989

2. BASARUDDIN, T., "High order methods for parabolic problems", M.Sc,Thesis, University of Manchester, England, 1988

3. HALL G. & WATT J.M., "Modern numerical method for ordinary differentialequations", Oxford University Press, oxford, 1976

4. HOUVEN, VAN DER P.J. & SOMMEIJER, B.P., "Iterated Runge-Kutta methodon parallel computers", SIAM Journal: Science, Statistics Computation, 1991

36

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (48)

5. FREEMAN, T.L. & PHILIPS C, "Parallel numerical algorithms", PrennticeHall International (UK) Ltd., 1992

6. LAMBERT J.D., "Computational method in ordinary differential equations",John Wiley & Sons Ltd., 1973.

7. JACKSON, KENNETH G., "The numerical solution of large systems of stiffIVPsfor ODEs", Workshop on the method of lines for time-dependent problems& Journal Applied Numerical Mathematics, Juli 1995

8. GOLUB, G.H. & LOAN C.F., VAN, "Matrix computation, Second Edition", TheJohns Hopkins University Press, Baltimore and London 1989

9. HAIRER E. & WANNER G., "Solving ordinary differential equations II: stiffand differential-algebrac problems", Spinger-Verlag, Berlin Heidelberg, 1991

10. MITCHELL, A>R. & GRIFFITHS, D.F., "The finite difference method in partialdifferential equations ", John Wiley & Sons Ltd, 1980

37

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (49)

DISKUSI

RENO ALAMSYAH

1. Bagaimana dengan speed up ratio setelah menggunakan paralelisasi sistem?2. Kapan dapat dilakukan paralelisasi metode dan sistem secara serempak?

INOSURYANA

1. Speed up ratio yang diharapkan adalah p x speed up sequensial, narnun hal initidak mungkin terjadi. Speed up ratio yang terjadi bergantung pada derajat reduksisiklis. Reduksi siklis satu kali diharapkan mendekati 2, reduksi siklis berderajatdua mendekati 4 atau 3 sampai dengan 4.

2. Paralelisasi dapat dilakukan sekaligus pada sistem dan metode dengan memilihmatriks Bucher RK - Implisit yang dapat diparalelkan secara metode, yaitu RK -Implisit diagonal.

SUPRIYONO

1. Bagaimana mengenai masalah statis dan linier?-2. Apakah Anda pernah melakukan penyelesaian masalah dinamis baik linier

maupun non-linier?

INO SURYANA

1. Belum dilakukan solusi statis dan linier.2. Kasus ini merupakan non-linier dan dinamis terhadap waktu/temporal. Tahap ini

masih dalam perancangan, namun sudah dicoba secara sekuensial pada lingkunganbahasa pemrograman C, dan dengan satu iterasi sudah diperoleh akurasi 1 sampaidengan 3 digit. Dengan paralelisasi diharapkan kinerja yang jauh lebih efisien.

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (50)

PARALELISASI METODA RUNGE-KUTTA UNTUK MENYELESAIKANMASALAH SISTEM PERSAMAAN DIFERENSIAL ORDINER YANG

DIHASILKAN DARI REDUKSI MASALAH PERSAMAANPARABOLIK LINIER : LAPORAN PENDAHULUAN

Asep Juarna*, T. Basaruddin**

IlllABSTRACT ID990000005

PARALLELIZATION OF RUNGE-KUTTA METHOD TO SOLVE ORDINARYDIFFERENTIAL EQUATION PROBLEMS RESULTED FROM REDUCED PARABOLIC-LINEAR EQUATION PROBLEMS: PRELIMENARY REPORT. Using finite difference method,parabolic-linear equation can be reduced into ordinary differential equation problem. Since reducedproblems are initial boundary problems and almost became stif, an implicit method diagonal implicitRunge-Kutta formulate in this case, can be used as an appropriate solution for the problems. To increasethe computation performance, parallelization is implemented in two ways, i.e., method and systemparallelization.

ABSTRAK

PARALELISASI METODA RUNGE-KUTTA UNTUK MENYELESAIKAN MASALAHSISTEM PERSAMAAN DIFERENSIAL ORDINER YANG DIHASILKAN DARI REDUKSIMASALAH PERSAMAAN PARABOLIK LINIER : LAPORAN PENDAHULUAN Denganmenggunakan nietoda beda hingga penulis telah mereduksi masalah persamaan parabolik linier menjadimasalah sistem persamaan diferensial ordiner. Masalah tereduksi adalah masalah syarat awal. Karenamasalah terakhir ini hampir stif, adalah tepat jika nietoda implisit dipilih sebagai pemecah masalah;dalam kaitan ini sebuah formula Runge-Kutta implisit diagonal telah dipilih. Untuk meningkatkankinerja komputasi, penulis telah melakukan paralelisasi terhadap semua kegiatan komputasinya dengandua cara secara serempak. Kedua cara tersebut adalah paralelisasi metoda dan paralelisasi sistcm.

PENDAHULUAN

Dewasa ini komputasi paralel merupakan metoda komputasi yang pemakaiannyatidak dapat lagi dihindari. Tidak sedikit masalah yang memerlukan solusi segera. Bagipermasalahan pendek dan sederhana kebutuhan solusi segera tersebut dapat sajadipenuhi dengan metoda komputasi sekuensial, tetapi tidak demikian halnya jika yangdihadapi adalah permasalahan panjang dan rumit. Perkembangan komputasi paraleljuga ditunjang oleh kemudahan dalam memperoleh perangkat keras penunjang.

Staf Pengajar STMIK Giinadarma - Jakarta

Staf Pusat limit Koniputer Universitas Indonesia - Jakarta

39

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (51)

Secara umum komputasi paralel adalah suatu upaya untuk mereduksi waktukomputasi dengan cara memecah masalah menjadi beberapa bagian, menugaskansebuah prosesor untuk setiap bagian masalah, dan kemudian menyelesaikan setiapbagian tersebut secara serempak

Dalam tulisan ini komputasi paralel dibicarakan dalam kaitannya sebagai metodakomputasi untuk memecahkan permasalahan syarat awal, PSA (IVP, initial valueproblem) melalui suatu metoda Metoda yang digunakan dan lebih jauh dikembangkanke arah paralel adalah metoda Runge-Kutta. Pembicaraan lebih jauh tentang komputasiparalel akan disajikan pada Pasa! 2, sedangkan pembicaraan tentang PSA dan metodaRunge-Kutta akan disajikan pada Pasal 4.

Ditinjau dari cara paralelisasi itu diselenggarakan untuk memecahkan suatu PSAdengan suatu metoda, maka dapat dibedakan dua katagori paralelisasi; keduanyaadalah:

1. paralelisasi metoda, atau sering diacu sebagai paralelisasi terhadap waktu, dan2. paralelisasi sistem, atau sering diacu sebagai paralelisasi terhadap ruang

Paralelisasi metoda adalah cara paralelisasi yang bergantung pada potensimetoda itu sendiri. Potensi paralel suatu metoda dapat dikembangkan dengan sendirinyaatau dengan formulasi ulang metoda tersebut. Paralelisasi sistem memerlukan suatumetoda eksternal yang tidak berkaitan Iangsung dengan penyelesaian PSA itu sendiri.Pembicaraan kedua cara paralelisasi ini akan disajikan masing-masing pada Pasal 5dan Pasal 6.

Tulisan ini merupakan kombinasi penerapan kedua cara paralelisasi dalammenyelesaikan sebuah sistem persamaan diferensial ordiner (PDO) berderajat satusebagai hasil reduksi sebuah persamaan diferensial parsial (PDP) dua dimensi danberderajat dua. Persamaan tersebut adalah persamaan difusi dengan suku konveksi :

d2U dU( 1 )

Persamaan difusi di atas mempunyai koefisien difusi 1 dan koefisien konveksi K.Setelah Pasal 2 membicarakan Komputasi Paralel, maka selanjutnya Pasal 3

akan menyajikan PDP dan reduksinya menjadi PDO. Tulisan ini diakhiri denganbeberapa kesimpulan sem*ntara dan saran tentang alternatif penyelesaian masalah.Pada tulisan ini, notasi matematika menggunakan aturan sebagai-berikut : cetak tebaluntuk menyatakan vektor atau matriks dan cetak tipis untuk menyatakan skalar.

40

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (52)

SEPINTAS TENTANG KOMPUTASI PARALEL

Terdapat 3 kelas komputer yang dapat dikatagorikan ke dalam komputer paralel;ketiganya adalah :

1. SIMD (Single Instruction stream, Multiple Data stream), dan2. MISD (Multiple Instruction stream, Single Data stream),3. MIMD (Multiple Instruction stream, Multiple Data stream).

Secara singkat berikut ini adalah perbedaan ketiganya. SIMD mempunyai Nprosesor identik yang bekerja secara sinkron, yaitu : pada setiap langkah komputasisetiap prosesor mengerjakan instruksi yang sama terhadap data (atau sekumpulan data)berbeda. Pada komputer MISD, pada setiap langkah komputasi setiap prosesornyasecara serempak melakukan instruksi berbeda pada data (atau sekumpulan data) yangsama. Setiap prosesor kelas komputer MIMD melakukan instruksi berbeda pada data(atau sekumpulan data) yang berbeda pula. Jelas bahwa MIMD ini potensial untukberoperasi secara tak-sinkron.

Terdapat beberapa indikator komputasi paralel pada komputer paralel dengan pprosesor. Berikut ini 5 indikator yang berkaitan dengan tulisan ini

1. S(p) = percepatan {speed-up ratio), yaitu rasio antar vvaktu yang diperlukan untukmenyelesaikan suatu masalah secara sekuensial terbaik terhadap waktu yangdiperlukan untuk menyelesaikan masalah yang sama secara paralel.

2. S(a) = penguatan {algorithmic speed-up ratio), yaitu ukuran penguatan yangdiakibatkan oleh penggunaan p prosesor. Idealnya S(a) = p. Keadaan ideal ini bisaturun misalnya karena overhead yang diakibatkan sinkronisasi dan komunikasi antarprosesor.

3. Efisiensi, mengukur efektivitas penggunaan prosesor. Efisiensi ideal = 100%, danakan turun karena : beberapa prosesor idle, sinkroniasi, dan komunikasi.

4. Granularitas {grain size) yaitu jumlah instruksi yang dapat dilaksanakan secaraserempak sebelum sinkronisasi diperlukan. Terdapat tiga tipe granularitas, yaitufine-grain jika jumlah instruksi'sebelum sinkronisasi tersebut adalah 9(1), medium-grain jika jumlah instruksi adalah 6(10), dan coarse-grain jika jumlah instruksiadalah 0(100).

5.6 = Rasio antara waktu komunikasi terhadap komputasi. Nilai rasio ini menunjukkankontribusi komunikasi terhadap overhead.

41

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (53)

REDUKSI PDP MENJADI SISTEM PDO

Dari uraian Taylor dapat diturunkan dua persamaan berikut:

2Ar

dan :fix - Ax) - 2 f{x) + f(x + Ax)

Ax2 O(Ax2)

(2)

(3)

Persamaan (2) dan (3) dikenal sebagai pendekatan beda hingga (finite differenceapproximation), lebih spesifik lagi formula beda tengah (central difference formula).Dengan kedua persamaan di atas maka permasalahan (1) direduksi menjadi :

dV(t) 1

dt 2 Ax-Ax)U(x- A v ) - 4 U ( x ) + ( 2 - K A X ) U ( X + A X ) } (4)

Pada persamaan-persamaan di atas Ax adalah suatu elemen besaran X yang membagiselang [0,a] menjadi N bagian sama besar. Karena pada i = 0 dan i = N diberikansyarat awal, maka pennasalahan yang ditinjau adalah titik-titik xi , i = 1,2,...,N-l.Selanjutnya jika V-X(t) adalah pendekatan untuk Uft), kemudian UQ = V() danUa = V^ maka persamaan (4) dapat dilihat sebagai sistem N-\ persamaan diferensial

ordiner berderajat satu sebagai bcrikut :d- V = AV + b (5,

atau :

<*

-A 2-x-Av

2+ATAV -4 2-ATAV

2 + vAv -4 2-Kbx.

2 + K Ar -4

(2+KAX)V0

(6)

(2 - K Ax)Vn _

Terlihat bahwa matriks A adalah matriks tridiagonal konstan (N-l) x (N-l).

42

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (54)

PSA DAN METODA RUNGE-KUTTA 1MPLISIT

Sebuah PSA dapat dituliskan sebagai :

y '=f ( f ,y) , t=[fo,it], yOo)=yo (?)

Persamaan di atas merupakan sistem persamaan diferensial ordiner berderajat satu ydengan sebuah vektor nilai awal y0. Solusi Runge-Kutta pada akhir selang integrasit„,tn+] ] dengan selang tahap h = tn+] - /„ untuk masalah PSA di atas adalah :

yn+ ,=yn+^Z^kni (8)

dimana:

( * ^

l Z | (9)

Pada persamaan (8) yn adalah hasil komputasi numerik yang merupakan nilaipendekatan untuk y( / n ) . Selisih kedua besaran ini merupakan ukuran yang selanjutnyaakan menentukan lebar-langkah (step-size) h secara adaptif. Teknik komputasi inidikatakan bersifat adaptif terhadap h atau sering disebut juga sebagai teknik peubahlebar-langkah (variable step-size technique).

Terdapat dua katagori utama metoda Runge-Kutta; keduanya adalah metodaRunge-Kutta Eksplisit, dan metoda Runge-Kutta Implisit. Selanjutnya dikenal pulakatagori ketiga, yaitu metoda Runge-Kutta Semi Ekslpisit atau Semi Implisit atauRunge-Kutta Implisit Diagonal, RKID (DIRK, Diagonally Implicit Runge-Kufta).RKID sebenamya masih termasuk. katagori implisit. Berkaitan dengan katagorisasi diatas maka batas atas somasi pada persamaan (9) adalah i-1 untuk RK eksplisit, untukRKID, dan s untuk RK implisit.

Pilihan penggunaan kedua katagori metoda Runge-Kutta dilakukan berdasarkanke-stif-an (stiffness) persoalan. Metoda Runge-Kutta Eksplisit — dan metoda eksplisitlainnya — sudah cukup stabil untuk permasalahan non-stiff, sedangkan masalah stifdan agak stif (mildy stiff) harus menggunakan metoda implisit.

PSA (7) dikatakan stif pada selang I = [a,b] jika V/ e l , berlaku :

1. Re(A,) <0 (i = l ,2 , ... ,s),dan

Max , v / Min , N

43

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (55)

dimana Ai adalah nilai-nilai eigen dari matriks koefisien sistem, A, yaitu jikapersamaan (7) dituliskan sebagai y' = f (/,y) = A ( / ) y + b ( 0 , baik melalui proseslinierisasi — dicirikan dengan kebergantungan matriks A dan vektor b terhadapvariabel t — ataupun tidak — dicirikan dengan matriks A dan vektor b yang konstan.Tidak ada batasan baku tentang nilai rasio ke-stif-an {stiffness ratio) S(x). Di antarabeberapa pendapat tersebut penulis mengutip pendapat Lambert yaitu 0(1) untukpermasalahan tidak stif, 0{ O2) untuk permasalahan hampir stif, dan 0{ 06) untuk

^permasalahan stif. Masalah hampir stif akan lebih baik dikerjakan dengan metodaimplisit dibandingkan dengan metoda eksplisit.

Telah dilakukan perhitungan S(x) pada sistem (6) untuk K = 0.5 dan Ax = 0.25.Hasilnya terlihat pada Tabel 1.

Tabel 1. Rasio ke-stif-an, S(x) sebagai fungsi derajat PDO, m

m = N-lS(x)

513.7419

618.8427

724.6651

25215.6400

50518.7506

90783.39666

Karena S(x) berkisar antara 9(10) sampai 8(100), yaitu selang masalah agakstif, maka metoda Runge-Kutta yang dipakai adalah RK implisit. Selanjutnya denganalasan-alasan seperti yang akan dijelaskan pada Pasal 4, maka RK implisit yang ak?.ndipakai adalah RKID. Tabel butcher RKID, yang memperlihatkan koefisien formula :a, b, dan c, seperti terlihat pada pada persamaan (8) dan (9), untuk formula RKIDdengan derajat-tahap (stage-order) - s, ditunjukkan pada gambar di bawah ini.

a

«21 «22

«s

Gambar 1. Tabel butcher untuk RKID

Kombinasi persamaan-persamaan (7), (8), dan (9), serta Gambar 1.menghasilkan:

44

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (56)

(10)

dimana:

Jm = Jacobian(f) = A untuk PDO linier,

Im = matriks satuan.

PARALELISASI METODA : RKID PARALEL

Sebuah formula RK implisit dengan derajat-tahap s membutuhkan pemecahansm-buah persamaan simultan atau s-buah sistem PDO pada setiap langkah integrasi.Matriks a formula RK implisit ini, sepcrti ditunjukkan oleh tabel butcher, adalahmatriks penuh. Metoda penyelesaian standar masalah ini adatah melalui faktorisasi LUdilanjutkan dengan penyelesaian sistem L dan U. Jumlah flops penyelesaian ini adalah :

Berbeda dengan RK implisit, maka matriks a formula RKID adalah matrikssegitiga atas. Tidak diperlukan faktorisasi LU pada penyelesaian masalah ini. Jadijumlah flops yang diperlukan adalah ms2. Sedikitnya jumlah flops yang diperlukansebuah RKID mendorong orang untuk mencari atau menurunkan formula RKID, ataubahkan melakukan formulasi ulang bentuk RK implisit, jika mungkin, menjadi bentukblok-RKID. Penulis memfokuskan tulisannya kepada upaya terakhir ini. Bentuk tabelbutcher dari blok-RKID terlihat pada Gambar 2.

Cp

A

B]

Gambar 2. Tabel butcher untuk blok-RKID

45

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (57)

Gambar 2 di atas adalah hasil formuiasi ulang RK implisit menjadi blok-RKID.A dan D adalah dua matriks berukuran maksimum q x q, dimana A adalah matriksbujur sangkar, penuh ataupun tidak, dan D adalah matriks diagonal yang tidak pertusama untuk semua D. sem*ntara itu C dan B adalah dua matriks kolom dengan panjangkolom maksimum adalah q. Karena D adalah matriks diagonal maka semua k padalajur blok pertama dapat dipecahkan secara serempak; Inilah potensi RKID dalamparalelisasi metoda sehingga blok-RKID di atas disebut sebagai RKID Paralcl(RKIDP). Selanjutnya, segera setelah semua k pada lajur ke-i selesai dipecahkan makahal yang sama dapat dilakukan pada lajur ke-(i+l).

Formula RKIDP di atas membutuhkan minimal q-buah prosesor, dan secaralengkap diacu sebagai RKIDP s-tahap p-paralel <?-prosesor (s-stage p-parallel q-processor RKIDP). Sebagai contoh berikut ini diberikan sebuah formula RK implisit 4-stage :

03/5

02/5

10

171/44

-43/20

03/5

-215/4439/20

00

10

00

03/5

11/72 25/72 11/72 25/72

Gambar 3. Sebuah formula RK Implisit s-tahap

Segera terlihat bahvva terhadap formula pada Gambar 3 di atas dapat dilakukanformuiasi ulang sehingga diperoleh formula 4-tahap 2-paralel 2-prosesor.

Telah ditunjukkan pada akhir Pasal 3 bahwa matriks koefisien sistem PDOadalah matriks tridiagonal konstan berukuran (N-l) x (N-l). Jika formulaRunge-Kutta Implisit yang dipakai adalah seperti pada Gambar 3 maka persamaan (9)akan menjadi:

In~

hau0

ha^ A

ha4] A

A

I

ha32 A

ha42A

A

-ha,,

A

I

k2

k3I 3 fJLkJ

Ayo+b]

Ay«+b( 1 1 )

Vektor kj dan k2 dapat dipecahkan secara serempak. Hal yang sama dapat dilakukanpada k3 dan k4 setelah dua nilai k sebelumnya diperoleh. Perhatikan bahwa komponcnsetiap vektor k adalah (N-l)-buah k.

Dengan paralelisasi metoda inaka prosedur penyelesaian permasalahan syaratawal pada sebuah langkah komputasi dapat dituliskan dalam pseudocode berikut:

46-

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (58)

Pseudocode 11

1.2.3.4.

5.

6.7.8.

9.

10.

11.

SECPAR

SECproses 1.1 : for i = 1 to m : hitung &,;proses 1.2 :

PARSEC

proses 2.1 :

proses 2.2:

PAR for i =1 to m

for i 1 to m : hitung &,;for i =1 to m : hitung k2 -t

for i - ] to m : hitung k%;

for i = / to m : hitung kA -t

proses 3.i.: hitung: y =(

Salah satu indikator komputasi paralel adalah speed-up ratio pada jumlahprosesor p, Sp. Sp didefinisikan sebagai rasio antara waktu algoritma sekuensial

tercepat terhadap waktu algoritma paralel untuk suatu permasalahan yang diberikanAgak berbeda dengan defmisi di atas, maka pada tulisan ini algoritma sekuensial adalahprosedur komputasi dengan menggunakan formula RKID, sedangkan algoritma paraleladalah prosedur komputasi dengan menggunakan RKIDP dari formula RKID, yaitudengan menggunakan pseudocode 11. Dari pengertian terakhir terlihat bahwa untukformula pada Gambar 3 dan pseudocode 11 akan diperoleh speed-up ideal sebcsar 2.

Paralelisasi metoda di atas telah dipergunakan oleh Suhartanto untukmenyelesaikan sistem PDO f(x,y) = Ly, dimana L adalah matriks tridiagonal sebagaiberikut:

\2 -1 1-1 2 -1

-1 2 - 1

-1 2

(12)

Dari hasil percobaannya diperoleh nilai speed-up : 1.8440 (N = 100) dan meningkatsampai 1.8534 (N = 2500). Hasil ini cukup dekat dengan speed-up ideal.

47

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (59)

PARALELISASI SISTEM : REDUKSI SIKLIK

Pada pseudocode 11 di atas tampaknya terdapat satu peluang untuk menaikkanspeed-up. Peluang itu adalah paralelisasi pada proses-proses : 1.1, 1.2, 2.1, dan 2.2,yaitu paralelisasi dalam menghitung semua komponen dalam setiap vektor k yangmasing-masing berjumlah N-l.

Dari persamaan (11) terlihat bahwa bentuk persamaan untuk memecahkan setiapvektor k adalah sama. Dengan mengingat bentuk A seperti pada persamaan (5), makakomponen persamaan (11) untuk ki pada akhir langkah komputasi pertama, sebagaicontoh, adalah :

1 + 4a -(2-K dx)a 0-(2 + K dx)a 1 + 4« -{2-K dx)a

-(2 + K dx)a

-(2-K dx)a-(2 + K dx)a 1 + 4o

-4ylj0 + {2-K dx)y2fi

(2+K dx)yl0 - 4>2>0 +{2-K dx)nxo

(2 + KN.2 0

+(2-K dx)yN_N_]0

"•l.N-2

L*M.N-I J

(13)

Tujuan reduksi siklis adalah mempartisi sebuah sistem persamaan tridiagonalmenjadi beberapa blok persamaan sedeniikian rupa sehingga setiap blok dapat dapatdipecahkan secara serempak bersama blok lainnya. Teknik reduksi ini dilakukanmelalui serangkaian proses eliminasi. Setiap proses eliminasi akan menggandakanjumlah persamaan. Misalnya:

ciy

Gambar 4.

setelah eliminasi pertama berubah menjadi

48

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (60)

a?0 b™

a? b?\

Gambar 5.

Gambar 4 adalah matriks koefisien A dari sistem persamaan linier

Ax = y (14)

Pada gambar tersebut terlihat bahwa eliminasi pertama telah mempartisi sebuahpersamaan tridiagonal empat peubah menjadi dua blok persamaan yang dapatdipecahkan secara serempak : blok atas memecahkan dua peubah pertama scmentarablok bawah memecahkan dua peubah kedua. Indeks atas pada Gambar 5. menunjukkanbahwa eliminasi telah dilakukan sebanyak satu kali. Secara umum terhadap hasileliminasi ke-n dapat dilakukan eliminasi Icbih lanjut sehingga diperoleh lebih banyaklagi blok persamaan yang dapat dipecahkan secara serempak.

Teknik eliminasi akan dijelaskan bcrikut ini. Untuk kasus lebih umum Gambar 4sekarangberukuran mxm sehingga bentuknya menjadi:

A =

n,-!

,„ b m J

(15)

Perhatikan persamaan ke-(i-l), ke-i, dan ke-(i+l) untuk i = 3,4,...,m-2 sebagai berikut

(16)

Persamaan ke-(i-l) digunakan untuk mengeliminasi x-rA dari persamaan ke-i, sedangkanpersamaan ke-(i+l) digunakan untuk mengeliminasi xi+] dari persamaan ke-i. Hasilnyaadalah transformasi persamaan (14) menjadi :

49

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (61)

a(X) x +b0)x +c0)x - ,(') (17)dimana :

i+I

_ yj 0) c

(18)

0 ) .

Persamaan (18) juga berlaku untuk a^'j ,a(n

]) ,b^]) ,b^ ,c,(1) ,dan c^ kecuali untuk :

- b, + p , a^, dan

Perhatikan bahwa dua indeks .\' berLirutan dalam persamaan (17) berselisih 2.dengan demikian transformasi matriks (15) akibat eliminasi pertama ini menghasilkanpersamaan (19). Untuk memperjelas formulasi ulang persamaan (19) menjadi bentukGambar 5 maka disertakanlah variabel x-nva.

c l ( 1 )

0 ci"

O.n.1 0

x2

x!

xmA

x

(20)

Persamaan (20) dapat diformulasi ulang menjadi:

50

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (62)

!i o (21)

Dapat disimpulkan bahwa prosedur reduksi-siklis terdiri atas :

1. assignment persamaan (18)2. assignment persamaan (20)3. formulasi persamaan (21)

Persamaan (21) terdiri atas dua blok persamaan yang saling lepas schinggakeduanya dapat diselesaikan secara sercmpak. Terhadap persamaan di atas juga dapatdilakukan prosedur yang sama sehingga diperoleh persamaan dengan empat, dclapan.sampai 2n blok persamaan, dengan n adalah derajat reduksi-siklis, yaitu frekuensipemanggilan prosedur reduksi-siklis.

Segera setelah derajat reduksi-siklis tercapai, maka langkah selanjutnya adalaheliminasi gauss bagi persamaan : Ax = y, yang terdiri dari :

1. faktorisasi : A = LU2. dapatkan z dari : Lz = y3. dapatkan x dari : Ux = z.

Untuk matriks A seperti pada persamaan (15) maka faktorisasi LU menghasilkan :

U,/, i U2

L = dan U = (22)

dengan :

51

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (63)

w, = £, danuntuki = 2,3,...,m

Akhimya, paralelisasi sistem reduksi siklis ini dirangkunikan dengan prosediirsistem berikut:

Prosedur Sistem1. for i = 1 to n do

prosedur reduksi-siklis2, for j = 1 to 2n do in para lei

eliminasi gauss (blok-j)

Pseudocode lengkap yang menyertakan paralelisasi metoda dan paralelisasisistem adalah:

Pseudocode 13.1. SEC2. PAR3. SEC4. Prosedur Sistem (k] J

5. Prosedur Sistem (k2 J

6. PAR7. SEC8. Posedur Sistem (k3 J

9. Prosedur Sistem (k4 J

10. PAR for i =1 to m(A

11. proses 3.i.: hitung : yin+] = yin + h\ ^b-

KESIMPULAN DAN SARAN

Beberapa kesimpulan sem*ntara yang dapat diturunkan dari pembicaraan di atasadalah :

1. Masalah Persamaan Difusi di atas dapat direduksi menjadi sistem PDO denganmatriks koefisien sistem thdiagonal-toeplitz serta mempunya jenis ke-stif-an:hampir stif.

52

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (64)

2. Dengan menggunakan formula RKID Paralel berderajat-tahap 4 dan mempunyaijumlah blok 2, serta sistem • PDO yang yang diuji mempunyai kemiripan(tridiagonal-toeplitz-simetri), pseudocode 7 menghasilkan speed-up cukup dekatdengan kondisi ideal.

3. Pseudocode 11 yang mengabungkan paralelisasi sitem, yaitu prosedur reduksi-siklisdan prosedur eliminasi-gauss, ke dalam pseudocode 7 diperkirakan akanmenirigkatkan speed-up yang diperoleh dengan pseudocode 7 Hal ini terutama akanterjadi untuk ukuran sistem yang besar.

Berikut ini beberapa saran untuk peningkatan speedup atau penelitian Icbililanjut:

1. Speed-up yang dihasilkan oleh pseudocode 7 akan lebih tinggi (di atas 2) jikamenggunakan formula RKIDP sebagai berikut:

a. berderajat-tahap lebih dari 4 dengan jumlah blok lebih dari 2,b. berderajat-tahap 4 dengan jumlah blok 2 tetapi mempunyai struktur tabel butcher

sebagai berikut:

Qc,Q

A4*0

A0 £»3

0 A43 D4

rjT nT I>T n T/3j /?T ZJ, X>4

c. kombinasi (a) dan (b).

2. Teknik lain dari reduksi siklis bisa dikembangkan misalnya dengan eliminasi tahapdua dan seterusnya terhadap matriks (20) sehingga akhirnya dihasilkan satupersamaan dengan satu peubah, satu sistem diagonal.

3. Teknik lain untuk merubah Gambar 4 menjadi Gambar 5 adalah metoda itcrasi,yaitu dengan membawa elemen a3 dan c2 ke ruas kanan, memberi nilai dugaankepada peubah x yang bersangkutan (dalam hal ini x3 dan x2), lakukan itcrasisehingga dua nilai terakhir kedua peubah tersebut berselisih sekecil mungkin. Teknikini sangat bergantung kepada laju konvergensi; laju konvergensi yang lambat akanmenjadikan overhead komputasi terlalu besar.

53

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (65)

4. Implementasi program akan dilakukan dengan Transputer 8 prosesor, dengan bahasapemrograman 0ccam2. Implementasi lain dapat saja dilakukan denganmenggunakan PVM.

DAFTAR PUSTAKA

1. SELIM G. Akl., "The Design and Analysis of Parallel Algorithms", Prentice-Hall Inc., New Jersey, 1989

2. ROGER ALEXANDER, "Diagonally Implicit Runge-Kutta Methods for StiffO.D.E. 's", SIAM J. Numer. Anal., Vol. 4, No. 6, hal. 1006-1027, December 1977

3. BJORSTAD, P, dkk., "Efficient Matrix Multiplication on SIMD Computers".SIAM J. Matrix Anal. Appl. Vol. 13, No. 1, hal. 386-401, January 1992

4. DOWERS, K, dkk., "Block Tridiagonal Systems on The Alliant FX>'8. DalamProceeding of The Fourth SIAM Conference on Parallel Processing for ScientificComputing", Jack Dongara , dkk (ed). Chicago-Illinois, 11-19, December 1989

5. FREEMAN, T.L. dan PHILLIPS, C, "Parallel Numerical Algorithms".Prentice-Hall, New York, 1992

6. GOLUB, GENE. H. dan VAN LOAN, CHARLES. F., "Matrix Computation",The John Hopkins University Press. Baltimore, 1989

7. HALL, G. dan WATT, J.M. (ed)., "Modern Numerical Methods for OrdinaryDifferential Equations", Clarendon Press, Oxford, 1975

8. JACKSON, K.R. dan NORSETT, S.P., "The Potential for Parallelism in Runge-Kutta Methods. Part I : RK Formulas in Standard Form", SIAM J. Numcr.Anal., Vol. 32, No. 1, hal. 49-82, February 1995

9. SMITH, G.D., "Numerical Solutions of Partial Differential Equations : FiniteDifference Methods", Clarendon Press, Oxford, 1984

10. SUHARTANTO, H., "Unjuk Kerja Metoda Runge-Kutta Paralel Untuk MencariSolusi Sistem Persamaan Diferensial Biasa", Laporan Akhir Kegiatan PcnelitianPusat Antar Universitas Bidang Ilmu Komputer Universitas Indonesia, 1993

54

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (66)

DISKUSI

SUPRIYONO

1. Bagaimana tingkat stabilitas RKID?2. Berapa nilai dari beberapa parameter dalam RKID?

ASEP JUARNA

1. Secara umum semua metode implisit lebih stabil dari pada metode eksplisit. Duaindikator stabilitas adalah komponen sistem yaitu stiffness ratio > 0 (10) akanstabil jika menggunakan metode implisit, dan komponen metode yaitu dengan testfunction y' = ay akan diperoleh region of stability pada metode implisit lebihbesar dari pada metode eksplisit.

2. RKID ini mempunyai derajat formula p = 8 dan derajat stage = 4 yang termasuk S-stable.

RENO ALAMSYAH

1. Mengapa speed up ratio hasil eksperimen lebih kecil dari pada speed up ideal?2. Mengapa speed up ratio hasil eksperimen untuk n = 100 (1,84) lebih kecil dari

pada n = 1000(1,85)?

ASEP JUARNA

1. Speed up ideal djdasarkan pada asumsi bahwa communication cost antar prosesorsama dengan nol (pengiriman data tidak perlu waktu) dan setiap prosesor tidakpernah idle (menunggu), sedang pada kenyataannya kedua hal ini tidak mungkinterjadi terutama pada kasus komputasi assyncronous.

2. Komputasi yang baik mempunyai computation to communication ratio (cc-ratio) >1. Makin besar ukuran sistem (n), makin besar ukuran cc-ratio kumulatifsehingga overhead cost makin kecil dan mengakibatkan speed up makinmendekati ideal (walaupun tidak pernah tercapai).

55

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (67)

TOTTITJIPTOSUMIRAT

Apakah paralelisasi dalam metode RXID dapat digunakan untuk pemecahan masalahdi bidang Biologi seperti penyerapan radioisotope tracer (32P) oleh mikroba di dalamrumen (perut) hewan ternak ruminansia? Mohon penjelasan.

ASEP JUARNA

Setiap permasalahan yang dapat dimodelkan menjadi persamaan diferensial parsialorde2 dan 2 dimensi, dapat dideskritisasi menjadi sistem Persamaan DiferensialOrdiner (PDO). Setiap PDO pasti dapat diselesaikan dengan RKID secara paralel(paralelisasi metode), sedang paralelisasi sistem bergantung pada matriks koefisiensistem PDO. Sistem PDO dalam makalah ini mempunyai matriks koefisien konstantridiagonal, sehingga mengalami paralelisasi ganda.

56

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (68)

ALGORITMA PARALEL INTEGRASI NUMERIK ADAPTIF

M. Sujatmiko*, T. Basaruddin**

ABSTRACT ID990000006

PARALLEL ALGORITHM FOR ADAPTIVE NUMERICAL INTEGRATION.This paper presents an automation algorithm for integration using adaptive trapezoidal method.The interval is adaptively divided where the widths of sub intervals are different and fit to the behavior ofits function. For a function f, an integration on interval [a,b] can be obtained, with maximum tolerance s,using estimation (f,a,b, e). The estimated solution is valid if the error is stillin a reasonable range, fulfilcertain criteria. If the error is big, however, the problem is solved by dividing it into to similar andindependent sub problems on to separate [a, (a+b)/2] and [(a+b/2,b)] interval, i,e. (f,a,(a+b/2, s/2) and(f,(a+b/2,b, e/2) estimations. The problems are solved in two different kinds of processors, rootprocessor and worker processor. Root processor function to divide a main problem into sub problems anddistribute them to worker processor. The division mechanism may go further until all of the sub problemare resolved. The solution of each sub problem is then submitted to the root processor such that thesolution for the main problem can be obtained. The algorithm is the implemented on C-programming-base distributed computer networking system under parallel virtual machine platform.

ABSTRAK

ALGORITMA PARALEL INTEGRASI NUMERIK ADAPTIF. Akan disajikan suatualgoritma otomasi integrasi dengan menggunakan metode trapesium adaptif. Pembagian intervaldilakukan secara adaptif dimana lebar sub-sub-interval tidak sama disesuaikan dengan perilaku lokal darifungsi. Tinjau suatu integral pada interval [a,b] dengan toleransi maksimumS , estimasi(f,a,b,Z ) . Solusidari es(imasi(f,a,b,E) akan diterima bila galat yang didapat telah memenuhi kriteria yang ditentukan.Sebaliknya bila kriteria belum terpenuhi, problem tersebut akan dibagi menjadi dua sub-problem yangserupa dan tidak saling tergantung, masing-masing pada interval [a,(a+b)/2] dan [(a+b)/2,b] yaituestimasi(f,a,(a+b)/2,B /2) dan estimasi(f,(a+b)/2,b,E /2). Selanjutnya kedua sub-problem tersebut akandikerjakan pada dua prosesor yang berbeda sehingga bisa dikerjakan secara simultan. Mekanismepembagian ini mungkin akan terus berlanjut sampai kedalaman tertentu. Prosesor utama (root processor)mengatur alokasi sub-problem ke prosesor pekerja (worker processor). Begitu seterusnya akanberlangsung sampai semua sub-problem yang muncul dapat diselesaikan. Kemudian solusi setiap sub-problem akan dikirim oleh prosesor pekerja ke prosesor utama untuk digabungkan sehingga diperolehsolusi problem utama. Algoritma ini akan diimplementasikan pada sistem jaringan komputer terdistribusiberbasis C programming dengan parallel virtual machine.

STIKOM Surabaya

" FASILKOM UI

57

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (69)

PENDAHULUAN

Berbagai masalah sains dan teknik seringkali iebih mudah diselesaikan bilaterlebih dulu dibuat model matematisnya. Sehingga dalam penyelesaiannya akanmelibatkan operasi-operasi aritmatik pada model yang terbentuk. Dalam banyak halmetode komputasi numerik memegang peranan yang sangat penting dan telah mampumemberikan solusi dengan tingkat akurasi yang cukup tinggi.

Salah satu metode komputasi numerik yang akan dibahas disini adalah metodeintegrasi numerik, untuk menghitung nilai pendekatan integral suatu fungsi padainterval tertentu, dengan tingkat akurasi yang diinginkan. Perhitungan integral suatufungsi tidak selamanya dapat dilakukan secara analitik, sehingga perhitungan integralsecara numerik tetap diperlukan.

Metode-metode integrasi numerik yang ada, selalu membagi interval ke dalamsub-sub-interval dengan iebar yang sama. Untuk itu daiam makalah ini akan dibahascara melakukan pembagian lebar sub-interval dengan memperhatikan perilaku iokaldari fungsi.

Satu kunci pembuka perkembangan teknologi komputasi modern adalahdengan dikembangkannya teknologi komputasi paralel. Komputasi paralel adalahkomputasi yang terdiri dari banyak proses dan setiap proses dapat dieksekusi secarabersama-sama pada prosesor yang berbeda dan antar proses dapat saling berinteraksi.Komputasi parale! akan memberikan kinerja lebih tinggi dengan cost yang rendah biladilakukan dengan perancangan algoritma paralel yang benar. Pada makalah ini jugaakan dibahas sekilas tentang komputasi paralel pada sistem jaringan komputerberbasis C programming dengan parallel virtual machine.

INTEGRASI

Permasalahan yang dihadapi adalah menghitung nilai pendekatan integral suatufungsi pada interval [a,b]. Secara matematis dituliskan :

= \f(x)dx

Lebih jelas secara grafis ditunjukkan di bawah ini. Metode-metode yang ada selamaini membagi interval menjadi sub-sub-interval dengan lebar yang sama. Permasalahanmuncul ketika membutuhkan solusi dengan ketelitian yang tinggi. Konsekuensinya,lebar sub-interval harus kecil sehingga akan terdapat banyak sekali sub-sub interval.Hal ini menyebabkan jumlah evaluasi integral menjadi sangat besar dan ini tidakefisien. Kelemahan lain adalah galat tidak tersebar secara merata pada setiapsub-interval. Perhatikan gambar-1 di bawah ini terlihat sub-sub-interval dengan lebaryang sama.

58

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (70)

Gambar 1.

Untuk mengatasi masalah ini, ditawarkan suatu mekanisme adaptif, yangmenggunakan lebar sub-sub-interval tidak sama, tetapi disesuaikan dengan perilakulokal dari fungsi yang diintegralkan. Dengan cara ini akan diperoleh jumlah sub-sub-interval yang minimal tetapi tetap mempertahankan akurasi yang diinginkan.Jumlah evaluasi integral akan menjadi minimum sehingga waktu eksekusi akan lebihcepat. Gambar-2 di bawah ini menggambarkan untuk grafik yang curam, lebarsub-interval cukup kecil, sedang pada grafik yang landai, lebar sub-intervallebih besar.

1 12! m i

Gambar 2.

Dari gambar-2 di atas nampak bahwa hanya ada m sub-interval dengan nilai m jauhlebih kecil dari nilai n pada gambar-1, sehingga jumlah evaluasi integral akanminimum, waktu komputasi akan lebih kecil tanpa mengurangi tingkat ketelitiannya.

59

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (71)

Mekanisme adaptif yang akan dilakukan didasarkan pada aturan trapesium, sepertidijelaskan di bawah ini :Misal nama fungsinya estimasi(f,a,b,z).

1. Menghitung integral sebagai berikut:

Gambar 3.

f(b)

= {b-a)-(a) + 2f((a+b)/2)

Gambar 4.

2. Menghitung galat relatif: err = { |T3-T2| }/3.

3. Stopping criteria didasarkan pada galat dan lebar sub-interval, dengan melakukanevaluasi terhadap nilai s dan h. Jika err < e maka T3 dapat diterima sebagai solusipada sub-interval yang bersangkutan. Jika (err > e) dan (h > h_min) maka T3kurang akurat, berarti pembagian pada sub-interval tersebut perlu dilakukan lagi.Selanjutnya problem tersebut di atas akan dipecah menjadi dua subproblem yangmasing-masing pada interval [a,(a+b)/2] dan [(a+b)/2, b] yaituestimasi(f,a,(a+b)/2,g/2) dan estimasi(f,(a+b)/2,b,s/2).

60

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (72)

DISAIN ALGORITMA PARALEL

Ada dua tipe algoritma paralel yaitu algoritma yang bersifat statis dan dinamis.Dalam algoritma statis, jumlah proses yang terbentuk sudah pasti dan diketahuisebelum dieksekusi, sedang algoritma dinamis, jumlah proses yang akan terbentuktidak diketahui sebelumnya, karena saat eksekusi bisa muncul proses baru tergantungdata yang dioperasikan dan akurasi yang diinginkan. Contohnya pada quick-sort dansecara. umum pada paradigma devide and conquer. Pembahasan selanjutnyaadalah algoritma paralel dinamis yang didasarkan pada paradigma devideand conquer. Dibawah ini dijelaskan paradigma devide and conquer :

void DaC(I:structure; O:structure) /* I sebagai input dan O sebagai output */

local S1,S2:structure;local T1,T2: structure;if SMALL(I,O) { return(ANSWER(I,O));}

else {SPLIT_INPUT(I,S 1 ,S2) /* bagi problem ke dalam 2 sub-problem */

/* S1,S2 sub-structure dari input *//* T1,T2 sub-structure dari output */

DaC(Sl,Tl); /* eksekusi pemanggilan DaC secara rekursif */DaC(S2,T2); /* dikerjakan secara paralel *//* akhir proses paralel */

COMBINE(T1,T2,I,O); /*menggabungkan solusi sub-problem unt*//* mendapatkan solusi main problem*/

Keterangan : SMALL menentukan apakah ukuran problem sudah cukup kecilsehingga solusi dapat dihitung langsung. Jika ya, maka ANSWER akan langsungmenghitung hasilnya. Tetapi jika tidak, maka SPLIT_INPUT akan memecah inputawal I menjadi 2 input : S1,S2. Setiap pemangilan DaC secara rekursif, maka DaCakan menghasilkan 2 sub-problem yang dapat dikerjakan secara simultan danakan menerima input Si serta memesan area memori untuk output Ti.COMBINE menggabungkan solusi Ti, untuk mendapatkan solusi utama O.Di bawah ini disajikan algoritma paralel integrasi numerik adaptif:

61

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (73)

void estimasi(f,a,b,e){

total_int =0; /* inisialisasi */total_galat = 0;h_min = (b-a)/500;

h = b-a;t2 = h*{f(a)+f(b)}/2;t3 = h * {f(a) + 2 f((a+b)/2) + f(b)}/4;err = abs(t3-t2)/3;

/*mekanisme adaptif ditunjukkan dibawah ini*/if (err>s) && (h>h_min) {

estimasi(f,a,(a+b)/2,e/2); /* problem dipecah menjadi */estimasi(f,(a+b)/2,b,e/2); /* 2 sub-problem & dikerjakan */

} /* secara paralel */else {

totalint = totalint +13; /*solusi memenuhi kriteria */total_err = total_err + err; /* akurasi yang diinginkan */

catat_interval(a,b); /* dihitung total integral & galat */} /* dicatat pula sub-intervalnya */

SEKELAS TENTANG KOMPUTASI PARALEL PADA PVM

Implementasi dari komputasi paralel telah muncul dua model utama yaituMassively Parallel Processing (MPP) dan Sistem Terdistribusi. MPP adalahkomputer dengan kemampuan yang tinggi, yang menggabungkan ratusan sampairibuan CPU dalam satu kabinet besar terhubung ke memori dengan kapasitas ratusanGigabyte dengan model pemrograman shared memory. Sistem Terdistribusi adalahproses komputasi yang dieksekusi pada sekumpulan komputer yang terhubung dalamsuatu network dan digunakan secara bersama-sama untuk menyelesaikan satuproblem yang besar, dengan model .pemrograman message passing.

Komputasi pada Jaringan

Komputer yang tersedia pada suatu network mungkin dibuat oleh vendor yangberbeda-beda atau dengan kompiler yang berbeda pula. Seorang programmer yangakan memanfaatkan sekumpulan komputer dalam jaringan, maka akan dihadapkanpada berbagai konflik sehubungan dengan heterogenitas tadi, seperti masalaharsitektur, format data, kecepatan komputasi, load mesin dan load jaringan, yangkesemuanya itu berbeda-beda.

62

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (74)

Walaupun banyak kesulitan yang disebabkan oleh heterogenitas, komputasiterdistribusi menawarkan banyak keunggulan, diantaranya• Dengan menggunakan hardware yang ada, biaya komputasi menjadi lebih murah.• Performansi dapat dioptimalkan dengan penugasan setiap task ke arsitektur

yang coco*k.• Dapat menggali sifat dasar komputasi heterogenitas. Contoh menyediakan akses

ke data base yang berbeda atau akses ke prosesor tertentu untuk bagian aplikasitertentu yang hanya dapat dijalankan pada platform tertentu.

• Sumberdaya komputer virtual dapat berkembang secara bertahap.• Pengembangan program dapat ditingkatkan dengan penggunaan lingkungan yang

ada. Programmer dapat menggunakan editor, kompiler, dan debugger yangtersedia pada mesin-mesin lokal.

• Fault tolerance pada user level atau program level dapat diimplementasikandengan sedikit usaha pada aplikasinya atau letak sistem operasinya.

• Komputasi terdistribusi dapat mendukung kerjagabungan.• Mengurangi contenti resource, penurunan biaya dan kemungkinan-kemungkinan

implementasi yang lebih efektif pada suatu aplikasi.

Sistem PVM.

Apa itu Parallel Virtual Machine .PVM adalah paket perangkat lunak yangmemungkinkan penerapan komputasi secara paralel pada suatu jaringan multikomputer. Setiap prosesor memiliki memori lokal dengan address space terpisah-pisah, dengan arsitektur komputer yang berbeda-beda tetapi semuanya dapat diaksesoleh program aplikasi melalui sebuah library yg berisi rutin-rutin interface pvm.

Di bawah ini ditunjukkan model komputasi paralel pada pvm, sebuah aplikasiyang terdiri dari beberapa task. Setiap task mengerjakan sesuai datanyamasing-masing.

input &partitioning

comp 1 * \ / comp 2

output Sidisplay

Gambar 5.

63

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (75)

Fungsi Utama PVM adalah pvm dapat mengelola jaringan komputer baikhom*ogen maupun heterogen sebagai sumberdaya yang terintegrasi, pvm merupakanpemrograman paralel berbasis message passing dengan rutin-rutin yang dapatmenyembunyikan aspek-aspek tekriis dari jaringan yang dipakai.

Dibawah ini disajikan gambaran arsitektur heterogen dimana PVM dapatdijalankan:

Cluster-1

Cluster-2

aMPP

bridge/router

I/I

pvm :multiprogrammedvirtual machine

cluster-3

vector SC

Gambar 6.

PVM terdiri dari dua bagian, yaitu1. Daemon dinamakan pvmd3 dan disingkat pvmd, adalah proses yang

mengeksekusi di balik layar, proses ini selalu menunggu adanya suatupermintaan. Bagian ini ada dalam semua komputer, membuat virtual machine.Sebagai contoh adalah program mail yang dijalankan dengan cara backgrounddan menangani semua surat elektronik yang datang dan keluar pada satukomputer. contoh Iain adalah proses remote login, print manager dan lain-lain.

2. Library dari rutin-rutin interface PVM. Berisi daftar lengkap fungsi-fungsiprimitif yang dibutuhkan untuk kerjasama antar task-task dari suatu aplikasi.Library ini berisi rutin -rutin untuk pertukaran pesan, membiakkan proses,koordinasi task dan modifikasi virtual machine.

64

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (76)

Pola Pemrograman Paralel pada PVM

Komputasi paralel dapat didekati dengan 3 tinjauan dasar yaitu

a. Crowd ComputationAdalah model paling umum dan terdiri dari kumpulan proses yang saling

berhubungan sangat erat. Melakukan komputasi pada bagian-bagian yang berbedadari workload.Contoh untuk pola ini adalah Model Master-Slave, seperti digambarkandi bawah ini.

Master Mmnmnt™...-

slave

Gam bar 7.

Program master bertugas penyebaran proses (spawn proses), inisialisasi,collection, display hasil dan mungkin display fungsi-fungsi waktu. Sedangprogram slave bertugas melaksanakan komputasi yang sebenarnya, menerimaalokasi task/workload dari master baik secara statis maupun dinamis danmelakukan komputasi task-task dari alokasi dirinya sendiri.

b. Tree Computation

Adalah pola pemrograman dimana proses disebar secara dinamis seperti tree.Hubungan antar node sebagai hubungan parent-child. Coco*k untuk aplikasidimana total proses yang akan terbentuk tidak diketahui sebelumnya. Biasanyatree computation ini dipakai urituk algoritma-algoritma branch and bound, alpabeta search dan algoritma recursive divide and conquer.

65

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (77)

parent

child

Gambar 8.

c. Hybrid Computation

Adalah model komputasi yang merupakan kombinasi model tree dan modelcrowd. Model ini memiliki struktur penyebaran proses yang lebih bebas.

Gambar 9.

Tiga klasifikasi di atas dibuat berdasarkan hubungan proses, seberapa banyakhubungan untuk komunikasi. Walaupun pada semua model di atas sangat mungkinsuatu proses melakukan interaksi dan sinkronisasi dengan yang lain. Selanjutnyapemilihan model aplikasi sangat .bergantung pada struktur program paralel yangpaling coco*k.

66

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (78)

Pembagian Beban Kerja

Lebih dikenal dengan istilah load balancing atau workload allocation.Idenya jangan ada prosesor yang idle selama prosesor Iain bekerja. Dengan caraseperti ini diharapkan terjadi keseimbangan beban kerja masing-masing prosesor,waktu eksekusi akan lebih cepat. Tujuannya untuk lebih menekankan struktur prosesyang terjadi. Ada dua metode pembagian beban kerja berdasarkan pemisahan dataatau pemisahan fungsi, yaitu

- Data decomposition atau partitioning,Task-task dioperasikan pada data yang berbeda Contoh pada penjumlahan vektor :C[i..n]=A[i..n]+B[i..n] sem*ntara'jumlah prosesor 4, maka alokasi setiap prosesorn/4 elemen.

prosesor

Gambar 10.

' Function decompositionMembagi work didasarkan pada operasi-operasi atau fungsi-fungsi yang berbeds.Di bawah ini diberikan contoh suatu program simulasi disain dan pembuatanpesawat terbang. Dimulai dari spesifikasi input tertentu, kemudian perhitungandilanjutkan pada fungsi-fungsi yang mendisain bagian-bagian pesawat seperti wing,tail, bodi, rudder dll. Semua proses dapat dikerjakan secara paralel, karena fungsifungsinya berbeda-beda. Berikut bagan secara lebih lengkap.

67

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (79)

flight dynamics

control

atmosphere

tail

input data

Gambar 11.

PENGUKURAN DAN ANALISA

Parameter-parameter yang akan diukur dalam komputasi paralel ini adalahspeedup dan c/c ratio. Dengan menghitung speedup bisa diketahui efisiensipenggunaan prosesor dan dengan menghitung c/c ratio dapat diketahui granularitas.

Speedup adalah perbandingan kecepatan eksekusi suatu program yangdijalankan pada komputer paralel terhadap kecepatan eksekusi program tersebut padakomputer sekuensial.

_ . Vp UTp TsSpeedup=—= —=—

Vs MTs Tp

Efisiensi Penggunaan Prosesor, untuk memperoieh efisiensi yang tinggi,usahakan agar semua prosesor dalam sistem digunakan secara optimal, tidak adaprosesor yang idle selama prosesor lain bekerja.

Ep = Speedup / Z p

68

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (80)

Computation to communication ratio adalah perbandingan waktu komputasiterhadap waktu komunikasi dalam komputer MIMD berbasis message passing.c/c ratio adalah salah satu cara memprediksi kinerja dari komputer paralel.

c/c ratio = t_komp_par/ t_komu

Granularitas adalah jumlah operasi yang dilaksanakan sebelum sinkronisasiberlangsung. Berdasarkan Granularitas, algoritma paralel dikategorikan dalam tigakelompok yaitu fine grain (lebih banyak komunikasi dari pada komputasi),medium-grain (komputasi dan komunikasi seimbang) dan coarse-grain (lebih banyakkomputasi dari pada komunikasi), Ditunjukkan hubungan antara c/c ratio dengangranularitas. Jika 0<c/cratio<l makafine grain, jika c/cratio=l maka medium grain,sedang bila c/cratio>l maka coarse grain.

PENUTUP

Sebagai penutup dapat diketahui beberapa point penting diantaranya :

• Integrasi numerik dengan mekanisme adaptif merupakan pilihan terbaik untukmendapatkan hasil komputasi yang lebih akurat, dengan waktu komputasi yanglebih cepat.

• Implementasi algoritma paralel pada sistem terdistribusi, harus memperhatikanmodel komputasinya, model pemrogramannya, metode load balancing-nya.

• Algoritma paralel dapat dibangun dari algoritma sekuensial denganmemperhatikan bagian-bagian yang bisa diparalelkan atau betul-betul createalgoritma baru.

• Performansi pemrosesan paralel, dapat dilihat dengan menghitungspeedup, c/c ratio.

DAFTARPUSTAKA

1. Selim G., The Design and Analysis of Parallel Algorithms, Prentice-Hall Inc.2. Freeman,T.L., Phillips, C, Parallel Numerical Algorithms, Prentice-Hall Inc.3. Geist A., Beguelein A. PVM : Parallel Virtual Machine A Users' Guide and

Tutorial for Networked Parallel Computing, The MIT Press Cambridge, LondonEngland.

4. J.N. Lyness and J.J. Kaganovve, Comments on the Nature of AutomaticQuadrature Routines, ACM Trans.Math.Software,2 (1976), pp.65-81.

5. Robinson, I., An algorithm for automatic integration using the adaptive Gaussiantechnique, Australian Computer Jour., 8, 1976, pp. 106-115.

69

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (81)

DISKUSI

M. BUNJAMIN

1. Dalam PVM, jenis komputer apa yang dipergunakan?2. Software apa yang dipergunakan dalam jaringan?

M. SUJATMIKO

1. Semua jenis komputer dengan arsitektur yang berbeda, workstation, MPP, dansuperkomputer vektor.

2. Jaringan dengan software unix/Iinux berbasis C language ditambah library dariPVM

M. SYAMSA A.

1. Bagaimana cara mengintegrasikan algoritma paralel berbasis transputer padaPVM? Mohon penjelasan.

2. Sudahkah diperhitungkan botlle neck akibat data collision pada jaringan?

M. SUJATMIKO

1. Transputer digabungkan dalam jaringan dengan tambahan bridge/router,selanjutnya dilakukan install PVM.

2. Data collision akan diatasi dengan sistem waktu acak. Bila terjadi collision makakeduanya akan stop untuk sem*ntara dan akan mengirim data kembali pada waktuyang acak.

RENO ALAMSYAH

Apakah istilah "pemecahan bagian" mengacu kepada paralelisasi metode danparalelisasi sistem?

M. SUJATMIKO

Yang dimaksud dengan "pemecahan bagian" adalah untuk menunjukkan bagian darialgoritma mana yang dapat diparalelkan. Dapat juga berarti pemecahan data untukdialokasikan pada prosesor yang berbeda dengan task yang sama, atau "rutin"/to£untuk data yang sama dengan task yang berbeda.

70

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (82)

ALGORITMA PARALEL QUASI NEWTON UNTUK MENYELESAIKANPERMASALAHAN OPTIMASI NON LINEAR

TAK BERKENDALA SKALA BESAR

Muh. Arif Rahman*, DR T Basarudin** |||ll|||||||

ID990000007ABSTRACT

PARALLEL QUASI NEWTON ALGORITHMS FOR LARGE SCALE NON LINIERUNCONSTRAINED OPTIMIZATION. This paper discusses about Quasi Newton (QN) method tosolve nonlinier unconstrained minimization problems. One of many important features of QN method ischoice of matrix Hk. This method requires Hk to be positive definite and satisfies to QN method. Ourinterest here is the parallel QN methods which will suite for the solution of large-scale optimizationproblems. The QN methods become less attractive in large-scale problems because of the storage andcomputational requirements. However, it is often the case that the Hessian is sparse matrix. In thispaper we include the mechanism of how to reduce the Hessian update and hold the Hessian properties.One major reason of our research is that the QN methods may be good in solving certain type ofminimization problems, but it is efficiency degenerate when it is applied to solve other catagory ofproblems. For this reason, we use an algorithm containing several direction strategies which areprocessed in parallel. We shall attempt to parellelize algorithm by exploring different search directionswhich are generated by various QN update during the minimization process. The different line searchstrategies will be employed simultaneously in the process of locating the minimum along each direction.The code of algorithm will be written in Occam language 2 which is run on the transputer machine.

ABSTRAK

ALGORITMA PARALEL QUASI NEWTON UNTUK MENYELESAIKANPERMASALAHAN OPTIMASI NON LINEAR TAK BERKENDALA SKALA BESAR. Tulisanini membahas tentang metode Quasi Newton (QN) untuk menyelesaikan permasalahan nonlinear takbermasalah. Satu dari sekian banyak keistimewaan metode QN ini adalah memilih matriks Hessian Hk.Metode ini memerlukan Hk menjadi positif definite dan memuaskan minat kami pada metode QNparalel yang coco*k untuk menyelesaikan permasalahan optimasi skala besar. Metode QN menjadikurang menarik dalam pennasalahan skala besar karena memerlukan penyimpanan dan komputasi yangbesar. Dalam hal ini Hessian merupakan matriks tipis. Dalam tulisan ini dimasukkan pnla mekanismepengurangan update Hessian dan mempertahankan sifat Hessian. Alasan utama penelilian ini adalahbahwa metode QN baik dalam memperkecil permasalahan tertentu tetapi tidak efisien jika digunakanuntuk menyelesaikan pennasalahan lainnya. Untuk itu, kami menggunakan suatu algoritma yang terdiridari beberapa petunjuk strategis yang diproses secara paralel. Kami akan mencoba memparalelkanalgoritma dengan penyelidikan yang berbeda arah pencariannya {search directions) yang dihasilkandengan berbagai pemutakhiran QN selama proses minimalisasi. Perbedaan line search akan digunakansecara simultan dalam proses minimum pada tiap-tiap arah. Algoritma ini akan ditulis dalam bahasaOccam 2 yang dijalankan pada mesin berbasis transputer.

FMIPA Universitas Brawijaya - Malang*" Fasilkom Universitas Indonesia

71

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (83)

PENDAHULUAN

Tulisan ini membahas tentang optimasi untuk mendapatkan penyelesaianpermasalahan non linear yang tak berkendala (Unconstrained) yaitu

min J{x), x<= Rn(1)

dengan f(x) adalah fungsi obyektif. Didalam hal ini dicari x* atau minimize* yangmemiminumkan fungsi obyektif.

Metode yang umum dipakai untuk menyelesaikan permasalahan (1) adalahmetode Newton. Metode tersebut mensyaratkan bahwa fungsi obyektif mempunyaiturunan pertama dan turunan kedua. Ide dasar dari metode Newton adalah mendekati(1) sebagai fungsi kuadratik:

fix™ + 5) * / ° + g « 8 + •/, 8T G(k) 8 (2)

Fungsi diatas didapat dari ekspansi deret Taylor yang dipotong pada suku ke empat, g(k)

atau g(xm) = Vf{x{k)) adalah gradient ) pada iterasi ke k. Sedangkan G {k)atau G{x<k))= P2 fix) adalah turunan ke dua dari/(x) yang sering dikenal sebagai matriks Hessian.Kedua hal diatas haras ada pada setiap iterasi Tahapan iterasi Newton sebagai berikut:

(a). Selesaikan G w 8 = -g(kx untuk 8 = 8(k)

Pada kedua tahapan diatas, disyaratkan bahwa S ) T * 8(X'X = 0

x2

x'+s

Arah s

garis x' + asuntuk semua a

->• x l

Gambar 1. Suatu garis pada R2

72

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (84)

Tahap a dalam metode Newton membutuhkan penyelesaian persamaan linear.Untuk permasalahan skala besar penyelesaian persamaan linear tersebut nlembutuhkanbiaya komputasi yang besar. Disamping itu juga metode Newon memerlukan turunankedua dari fungsi obyektif dimana dalam beberapa permasalahan informasi turunankedua tersebut tidak tersedia atau tidak mudah didapatkan.

Metode Quasi Newton digunakan untuk mengatasi kelemahan yang terdapatpada metode Newton. Untuk memperkecil biaya penyelesaian persamaan linear, metodeQN menggunakan matriks H untuk mendekati G"\ Dengan demikian metode tersebuttidak memerlukan informasi turunan ke dua dari fungsi fix). Pada Tahap awal matriksH diinisialisasi dengan matriks identitas I. Adapun tahapan iterasi dari metodeQuasi Newton adalah :

a. Hitung arah pencarian {direction search) s*®b. Pilih panjang arah langkah a w pada arah s*® sepanjang x

s

c. Mutakhirkan//<k) menjadi fl**0

Pada tiap iterasi H hams tetap mempunyai sifat simetri dan definite positivesehingga sifat descent yaitu f(k+I) < f(k) dapat terus berlangsung sampai x* dicapai.Untuk itu perhitungan s w harus memenuhi arah penurunan (descent direction).

s(k) (3)

Tahapan diatas menggunakan sistem line search yaitu berdasarkan titik pijakanawal dihitung arah pencarian s^ kemudian dipilih panjang langkah a w y a n g memenuhikondisi Wolfe:

/(X™ + olk) s<k)) -f(x<k>) £ 0.0001 * afk)g(k)T s<k) (4)dan

Vf(x(k} + oPc) s™) ^0.9 * g(k)T s®

Setelah itu nilai x(k+1) dapat dihitung. Proses tersebut diulang dan akan berakhir jikamemenuhi uji konvergensi:

g < £.max{l, (5)

Jika a(t) yang dipilih tersebut tidak memenuhi kondisi yang disyaratkan,a(/r) dicaridengan menggunakan interpolasi kuadratik untuk k=0 dan interpolasi kubic untuk k >0.

73

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (85)

Komponen utama metode QN adaiah memutakhirkan matriks H yang dilakukanpada tiap iterasi. Ada beberapa metode yang biasanya digunakan. Dibawah ini adaiahmetode symetric Rank-one yang dikemukakan oleh Davidon. Rumusnya adaiah sebagaiberikut:

(S-Hr)'r

Metode ini cukup cepat konvergensinya, namun untuk beberapa permasalahan dengantitik awal tertentu nilai penyebut bisa berharga nol [1]. Metode lainnya yang cukup baikdikemukakan oleh Davidon-Fletcher-Powel (DFP) yaitu dengan menambah matriksSymmetric Rank-Two. Rumusnya adaiah sebagai berikut:

( 7 )

S y y Hy

Menurut Fletcher [5] metode DFP lebih efisien dibandingkan dengan metode steepestdescent dan metode conjugate gradient. Metode QN yang terkenal adaiah metode yangdikemukakan oleh Broyden-Fletcher-Goldfarh-Shanno (BFGS). Rumusnya adaiahsebagai berikut:

T \ T f T T*(Jfc+1)

H =H- 1 +y Hy\SS

f \~T8 y ) 8 y

8y H + Hy8T (8)

8 y

Jika dibandingkan dengan kedua metode sebelumnya, metode BFGS lebih baik dalamhal efisiensi maupun komputasi. Konvergensi global dari metode tersebut denganinexact line searches telah terbukti memenuhi kondisi Wolfe [5]. Metode lainnya yangmerupakan gabungan dari metode DFP dan metode BFGS adaiah :

(9)

Jika 9 = 0, rumus (9) adaiah metode DFP dan jika 8 = 1, rumus (9) adaiah metodeBFGS. Fletcher [5] telah membuktikan bahwa nilai eigen dari (V2y)"'//'"k) akanmonoton pada I jika 9W e [0,1] dan f kuadratik. namun untuk nilai 8 diluar rangetersebut, tidak ada jaminan sifat tersebut dipenuhi. Richard, Liu dan Nocedal [4]menyatakan bahwa untuk nilai 9 negatif rumus (8) konvergen q-superliner.

Pada rumus (6), (7) dan (8) diatas bagian ruas kanan semua variabelnyamempunyai indeks k. Sedangkan variabel 5 dan y masing-masing adaiah sebagaiberikut:

74

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (86)

dan

METODE QUASI NEWTON PARALEL

Suatu permasalahan secara komputasi dapat diparalelkan jika ada bagianinternal dalam algoritma penyelesaian yang memungkinkan untuk diproses secaraserentak. Adapun alasan memparalelkan suatu algortima adalah untuk memperolehrunning time yang lebih singkat, disamping ketersediaan sarana baik secara hardwaremaupun software.

Metode-metode pemutakhiran matriks Hessian H yang telah dibahas tidak selalubaik untuk semua permasalahan non linear yang tak berkendala[3]. Ada yang coco*k(konvergen) untuk permasalahan tertentu namun dapat pula gagal jika digunakan untukmenyelesaikan permasalahan lainnya.

Berdasarkan alasan diatas akan dicoba menggabung beberapa metodepemutakhiran Hessian H dan kemudian proses komputasinya dikerjakan secara paralel.Disamping itu juga akan dicoba untuk memparalelkan bagian internal[7] dalam metodeQN. Tujuannya adalah agar algoritma yang tersusun nantinya dapat digunakan untukmenyelesaikan permasalahan nonlinear tak berkendala secara umum dengan kinerjaalgoritma yang lebih baik.

Pada tahap awal matriks Hessian / / 0 ) = I kemudian dihitung arah pencarians^ = —Hj^g^untuk j=l,2 mi, indeks j adalah pilihan metode pemutakhiran

Hessian H. Jika j > 1, maka proses pencarian arah tersebut dikerjakan secara serentak.

Dari masing-masing arah pencarian tersebut kemudian dipilih a{P untuk

i=l,2...m2 yang memenuhi kondisi Wolfe. Nilai xj i+1 ) dihitung dan digunakan untuk

mengevaluasi fjk+l). Dari semua'nilai fungsi obyektif pada indeks ke k+\ tersebut

dipilih yang paling minimum yaitu : mmfjk+x) untuk j=l,2...m|. Indeks yang terpilih

inilah yang digunakan untuk menentukan pemutakhiran matriks Hessian H.

75

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (87)

InisialisasiH = 1 dan k = 0

Hitung s danHitung xdan f

Hitung sdanHitung x dan f

Hitung s danHitung x dan f

Pilih min f dan mutakhirkan x

ALGORITMA METODE QN PARALEL

Outline global dari algoritma Quasi Newton Parallel (QNP) tertulis dalambentuk pseudo code[3] sebagai berikut:

Prosedur ONP

1. Inisialisasi

Tentukan awal iterasi k = 0, titik koordinat x(0\ matriks Hessian H = 1 dan kemudiankonstanta akurasi 8 > 0.

76

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (88)

2. Hitung nilai fongsi f dan gradien g pada x w

f>:=f(x(k))

dan

3. Hitung arah pencarian {search direction) s^ secara paralel

Jika nij adalah jumlah prosesor yang tersedia untuk komputasi. Hitung arah pencarians(t)pada sejumlah processor tersebut:

{ \ j = l ,2 m,

Komputasi matriks Hessian H akan berbeda pada tiap prosesor, untuk itu dapat dipilihsesuai dengan metode pemutakhiran Hessian yang telah dijelaskan diatas. Dengandemikian ada mi komputasi yang melibatkan matriks Hessian secara serentak.

4. Panggil subrutin algoritma line search parallel (LSP)

Panggil subrutin LSP untuk mengerjakan prosedur line search parallel pada tiap-tiap

arah pencarian Sj, j=l,2...mi. Pemanggilan prosedur LSP selesai jika a(k) yang telah

dipilih memenuhi kondisi Wolfe sepanjang arah pencarian s w . Jika a(k) telah terpilih

maka arah pencarian s.^akan digunakan untuk perhitungan pada iterasi selanjutnya.

5. Hitung vektor dan gradien g yang baru

hitung:

dan

6. Uji Konvergensi

Jika pada tahapan ini uji konvergensi pada rumusan (5) dipenuhi maka algoritma QNPselesai. Namun jika tidak dipenuhi, kerjakan tahap 7

77

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (89)

7. Pemutakhiran matriks Hessian

Matriks Hessian di mutakhirkan dengan menggunakan metode BFGS sesuai denganrumusan (8) :

Sedangkan subrutin algoritma Line Search Parallel (LSP) adalah sbb:

Tentukan konstanta panjang langkah ai, a2, a„,2 dimana m2 adalah banyaknyaprosesor yang tersedia untuk melakukan komputasi pencarian titik minimum sepanjang

arah pencarian s^k) (j=l,2....mi) secara paralel.

Procedure LSP

1. Pilih panjang langkah

Pilih a.] untuk i=l,2 m2, dimana a, < a2<....<am2

2. Hitung nilai fungsi dan gradien

untuk i = 1,2 m2 hitung secara concurrent:

dan

gfk) :=

3. Uji vektor x(k+1> yang memenuhi

Misal O* adalah himpunan a, yang memenuhi kondisi Wolfe. Jika 0* & 0 (himpunankosong) dan a;

(fc) ed>* adalah panjang langkah yang membuat fungsi obyektif minimumpada masing-masing arah pencarian, maka :

:= mm

Kemudian tentukan a w := a ^ dan proses kembali ke prosedur QNP. Namun jikasebaliknya kerjakan tahap 4.

78

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (90)

4. Hitung panjang langkah dengan interpolasi

Proses interpolasi bisa terdiri atas beberapa iterasi. Iterasi tersebut berhenti jika nilaipanjang langkah yang dicari sudah memenuhi kondisi Wolfe. Jika <Xo= 1, (iterasi awal)perhitungan panjang langkah menggunakan interpolasi kuadratik, namun jika cto & 1,perhitungan panjang langkah menggunakan interpolasi kubic. Algoritma interpolasitersebut dapat dilihat pada algoritma A6.3.1 Dennis [2].

5. Kembali ke prosedur PQN

PERANCANGAN PERCOBAAN

Percobaan algoritma Quasi Newton paralel ini akan dikerjakan didalamkomputer IBM kompatibel berbaris transputer dengan menggunakan bahasapemrograman paralel Occam Release 2. Jumlah prosesor yang tersedia sebanyak 16buah.

Jumlah prosesor yang digiinakan untuk menghitung arah pencarian a(1) sebanj'akempat buah (mi = 4). Sedangkan metode pemutakhiran H yang digunakan adalahmetode SRI, metode DFP, metode BFGS dan metode gabungan DFP dan BFGS dengannilai 9e[0,l] yang telah terbukti konvergensinya. Pemilihan nilai 9 itu juga dapatdigunakan untuk menganalisa nilai H yang ideal sehingga didapat penyelesaian yangoptimal.

Banyaknya konstanta panjang langkah yang digunakan sebanyak empat buah(m2 = 4). Merujuk pada percobaan yang dilakukan oleh Phua[3] nilai panjang langkahyang dipilih adalah a! = 0,5, a2 = 1.0, a3 = 1.5, dan a4 - 2.0. Pemilihan panjanglangkah sebanyak empat ini disesuaikan dengan jumlah proses yang ada. Dengandemikian untuk satu arah pencarian, perhitungan line search akan dikerjakan secaraserentak sebanyak jumlah panjang langkah yang telah dipilih. Dengan demikian padaproses ini ke 16 prosesor tersebut digunakan secara serentak.

Permasalahan yang akan diuji adalah Extended Rosenbrock Function, Extendedpowell Singular Function, Trimonometric Function dan Helical Valley Function.Untuk mengetahui lebih jauh tentang uji permasalahan tersebut dapat dilihat pada [2]dimana nilai fungsi minimumnya juga tercantum. Jumlah variabel yang akan diujisebanyak 20, 100, 200 dan 400.

Parameter yang akan diuji adalah banyaknya iterasi k yang yang terjadi danjumlah evaluasi terhadap fungsi f(x) untuk gradien g(x) untuk masing-masing variabelyang berbeda. Karena untuk setiap 'nilai ai pada satu arah pencarian nilai f[x) dan g(x)dievaluasi secara serentak 4 kali atau 16 kali pada semua arah pencarian, maka padatahap ini, evaluasi terhadap f(x) dan g(x) dihitung hanya satu kali.

79

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (91)

Pada algoritma PQN diatas, pemilihan vektor x* yang meminimumkan f(x)dilakukan pada tiap iterasi. Dalam pemrograman paralel hal tersebut akanmemperbesar titik temu antar prosesor sehingga akan memperbesar running lineprogram. Hal ini dapat diperkecil titik temu tidak dilakukan pada tiap iterasi, namunsesudah n iterasi.

Untuk melihat efisiensi dari algoritma diatas, dihitung CPU time secarasequensial untuk mensimulasikan komputasi paralel yang sebenarnya terhadapalgoritma. Misal T adalah total waktu serial terhadap algoritma dan T^k), T2

W, T^k)

dan T^k) adalah waktu line search dengan arah pencarian s[k) ,slk\slk) dan s^k) padaiterasi ke k. Adapun rumusan CPU time tersebut adalah :

k=\

dimana N adalah jumlah iterasi.

PENUTUP

Hasil komputasi dari algoritma paralel Quasi Newton diatas tersebutmemperlihatkan seberapa besar efisiensi dan faktor kecepatan yang akan dicapai.Dengan memparalelkan metode tersebut untuk menyelesaikan permasalahan skala besarmaka ukuran dan kompleksitas permasalahan yang semakin membesar tidak akanmenjadi kendala, terutama terhadap evaluasi fungsi obyektif, gradien dan CPU Timepada tiap iterasi. Untuk percobaan selanjutnya jumlah prosesor dapat dikurangi danditambah sehingga kinerjanya dapat saling dibandingkan.

Permasalahan diatas memiliki potensi yang cukup besar untuk diparalelkan.Paralelisasi tidak hanya pada internal algoritma penyelesaian namun bisa juga denganmenggabungkan beberapa metode sebagaimana telah dijelaskan sebelumnya. Dalampercobaan ini metode yang digunakan sebanyak empat. Untuk percobaan selanjutnyadapat ditambahkan beberapa metode lainnya. Demikian juga jenis permasalahan yangakan diuji dapat diperbanyak, sehingga dapat diketahui seberapa besar peningkatankinerja yang akan terjadi.

DAFTAR PUSTAKA

1. KHALKAN, H. FAYES, BYRD, R.H., AND SCAHNABEL,R.B., "A Theoriticaland Experimenntal Study Of The Symmetric Rank-One Update'", Siam JournalOptimizations Vol. 3, No. 1 Pebruary 1993

80

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (92)

2. DENNIS, J.E, SCHNABEL, J.R., ROBERT B., "Numerical Methods ForUnconstrained Optimization andNon Linier Eguations", Prentice Hall 1983

3. PHUA, PAUL KANG-HOH, ZENG, YUELIN, "Parallel Quasi-NewtonAlgorithms for Large-Scale Optimization", National University of Singapura, DeptOf Information Systems and Computer Science, Feb. 1995

4. BYRD, RICHARD H., LIU, DONG C, AND NOCEDAL, JORGE, "On TheBehavior Of Broyden's Class Of Quasi-Newton Methods", Siam JournalOptimization Vol. 2 No. 4 Nov. 1992

5. FLETCHER, R., "Practical Method of Optimization 2nd ed.", John Wiley & Sons1987

6. NASH, STEPHEN AND SOFER,ARIELLA, BTN: Sofware For ParallelUnconstrained optimization, ACM Transaction On Mathematical Sofware Vol. 18No. 4 Dec. 1992.

7. NASH, STEPHEN G., AND SOFER, ARIELLA, UA General-Purcase ParallelAlgorithm For Unconstrained Optimization", Siam Journal Optimization Vol 1No. 4 November 1991

81

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (93)

DISKUSI

SUPRIYONO

1. Apakah Anda pernah menem'ui kasus pada penentuan panjang langkah?2. Untuk ukuran variabel yang besar, apakah ada problem dengan komputernya

dan bagaimana cara mengatasinya?

MUH. ARIF RAHMAN

1. Ya. Untuk mengatasi hal ini dapat digunakan langkah sebagaimana yangdigunakan oleh PHUA, dan bila tidak berhasil dapat digunakan langkahmenurut Dennis.

2. Ukuran variabel yang besar tidak menjadi masalah jika kita mampu membuatstruktur data yang benar dan memahami manajemen memori mesin yangdigunakan.

82

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (94)

KINERJA ALGORITMA EXCHANGE DAN LEAST SQUARE UNTUKAPROKSIMASI FUNGSI UNIVARIAT

Susy K. Andaini* ,T. Basaruddin**

IlllllllllllllllllllllllllllllllllllilID990000008

ABSTRAK

KINERJA ALGORITMA EXCHANGE DAN LEAST SQUARE UNTUK APROKSIMASIFUNGSI UNIVARIAT. Paper ini akan membahas kinerja algoritma Exchange dan Least Square untukaproksimasi minimax dan least square fungsi univariat. Evaluasi kinerja kedua algoritma tersebutdiarahkan pada parameter-parameter panjang interval, panjang busur, kelengkungan dan derajatpolinomial aproksimasi, sehingga diharapkan dapat diupayakan kinerja algoritma yang optimal. Keduaalgoritma tersebut diimplementasikan pada perangkat lunak MATLAB. Beberapa analisa statistik akandigunakan untuk mengukur indikator-indikator kinerja tersebut di atas. Hasil-hasil numerik menunjukkanbahwa terdapat perbedaan yang signifikan pada lama proses kedua algoritma, sebaliknya tidak terdapatperbedaan akurasi aproksimasi fungsi. Pada umumnya, parameter-parameter tersebut di atas berpengaruhterhadap kinerja kedua algoritma.

PENDAHULUAN

Sampai sekarang, perkembangan algoritma untuk perhitungan aproksimasiterbaik fungsi univariat pada interval domain [a,b] masih dirasa perlu. Maksud dariaproksimasi tersebut adalah mendekati fungsi yang rumit dengan fungsi yang lebihsederhana, sehingga operasi-operasi pada fungsi tersebut dapat diselesaikan lebihmudah. Pada masalah aproksimasi, diberikan fungsi f sebagai fungsi yang akandiaproksimasi yang terdefinisi pada & [a,b], dengan & [a,b] adalah himpunan fungsikontinu yang terdefinisi pada interval [a,b], dan diberikan himpunan fungsiaproksimasi ^yai tu himpunan bagian & [a,b]. Sehingga yang dimaksud aproksimasiterbaik p dari /4 untuk f adalah elemen dari >4 yang meminimumkan kesalahan|| f - p|| untuk setiap pGst. Salah satu fungsi yang umum digunakan untukmengaproksimasi (p) adalah polinomial order <n, karena polinomial strukturnyasederhana, hanya menggunakan operasi penjumlahan, pengurangan dan perkalian [9],dan coco*k digunakan dalam aproksimasi fungsi kontinu pada interval tertentu

Aproksimasi yang sering digunakan adalah aproksimasi minimax dan leastsquare, dan algoritma yang akan digunakan untuk aproksimasi tersebut masing-masing adalah algoritma exchange dan least square, yang diimplementasikan pada

Mhs. Program Pascasarjana Universitas Indonesia, Staf Pengajar IK.IP Malang" Staf Pengajar Program Pascasarjana Universitas Indonesia

83

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (95)

perangkat lunak MATLAB. Evaluasi kinerja kedua algoritma tersebut diarahkan padaparameter-parameter: panjang interval (*), panjang busur (s), kelengkungan (K) danderajat (n) polinomial aproksimasi, sehingga diharapkan dapat diupayakan kinerjayang optimal. Kinerja yang dimaksud adalah waktu proses (running time "RT") dankesalahan (error) yang ditimbulkan oleh algoritma, untuk aproksimasi pn(x) order nterhadap fungsi kontinu f(x) dengan x6[a,b], yang dipengaruhi oleh pemilihanparameter-parameter kinerja tersebut di atas. Untuk mengukur indikator-indikatorkinerja, beberapa analisa statistik digunakan.

Jika himpunan /I adalah {/?„} himpunan semua polinomial tingkat n, maka

aproksimasi minimax terbaik p*n dari himpunan /I untuk suatu fungsi f e ^ [a,b],

adalah polinomial yang meminimumkan kesalahan maksimum ||f - /?„(!„.

Dalam hal ini p*n akan di cari dengan menggunakan algoritma exchange.Jika diberikan suatu himpunan fungsi aproksimasi A, yaitu himpunan bagian

dari *[a,b], dan diberikan suatu fungsi bobot positif {w(x); a < x < b}, p' adalahaprok-simasi least squre terbaik dari A untuk f, jika p* meminimumkanekspresi berikut:

J (f(x) - p(x))2 w(x) dx untuk setiap/jG^.

Untuk mencari aproksimasi least square terbaik dari ruang linear^, dipilih himpunanfungsi {(j>j\ j=0, I, , n} orthogonal dan sebagai basis /I, sehingga aproksimasi

terbaik />*dapat diekspresikan sebagai kombinasi linear dari basis {§j}-Untuk membuat himpunan polinomial orthogonal, digunakan algoritma pembangkitpolinomial orthogonal secara rekursif. Pada tahun 1957, Forsythe telahmemperlihatkan bahwa polinomial-polinomial orthogonal lebih mudah dibuat dengancara rekursif [9].

ALGORITMA

Algoritma yang akan digunakan untuk meminimumkan besar kesalahanaproksimasi (error) |jf(x) - p,,(x)\\> dengan f G ^ [a,b] dan pnG Pn adalah algoritmaexchange dan least square yang berturut-turut untuk aproksimasi minimax dan leastsquare. Sedangkan untuk membadingkan kesalahan yang ditimbulkan kedua

algoritma tersebut digunakan norm dua, yaitu: ||e(x)|| 2 = J (f(x) - p„(x)) dx- I

84

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (96)

Algoritma Exchange

Aproksimasi minimax terbaik dari himpunan /I untuk suatu fungsi i&6 [a,b]adalah elemen ^ y a n g meminimumkan ||f - p„\\x = max | f(x) - pJx) | untuk setiap

p n GA Jika {pn} himpunan semua polinomial order n, maka harus dipilih salah satu

anggota himpunan tersebut, yaitu p*, sedemikian sehingga dipenuhi

| f - />X -minlf-/»,!,. (1)

Algoritma exchange adalah algoritma untuk mencari polinomial aproksimasi terbaik

pi yang memenuhi (1).

Langkah 1. Langkah awal algoritma exchange adalah menentukan himpunan acuanawal {£,; i=0, ..., n+1} pada [a,b]. Sebagai acuan awal dipilih akar-akar chebyshev

(« + 1 - i)npada [a,b], yaitu {£,. = (a+b)/2 + (b-a)/2 cos ^— 7T~~]> i==0> •••> n + 1 }

Langkah 2. Jika dimisalkan {(j^.; j=0, ...,n} adalah basis untuk /?. dengan

P*,(x) = zLt^/^/W dimana xG[a,b], sehingga p*n dapat ditentukan dengan./=o

menyelesaikan sistem persamaan:

tyl> &,) = (-!)' h dengan i=0,..., n+1 (2)

untukmendapatkan {h, \,\,...,\}, sehinggadiperoleh polinomial p n .

Langkah 3. Dari langkah 2 dibentuk e(x) = f(x) - p,,00 dan mencari x* sedemikian

sehingga | e(x*) | = ||e(x) | j w

Langkah 4. Jika x* e {^.; i=0,l ...,n+l}, maka ke langkah 5 dan p*n = p n . Jika tidakdemikian, ganti §,- y a n g terdekat dengan x dengan nilai x itu sendiri, misalkant,k = x\ sehingga akan diperoleh acuan baru {£0, ..., Z,k=x', t,k+x, ..., £„+1},kemudian kembali ke langkah 2. Karena acuan terurut, maka langkah 4 digunakanalgoritma biner.

Langkah 5. Dengan f dan p* dihitung J (f(x) - p*(x))2 dx

85

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (97)

Algoritma Least Square

Andaikan himpunan fungsi aproksimasi ^ , ruang bagian linear dari ruang

hilbert g". maka p* e^ adalah aproksimasi terbaik untuk f, jika dan hanya jika fungsi

kesalahan aproksimasi e* = f - p orthogonal pada setiapp&s? [13], yaitu

<e\p> = 0. (3)

Untuk mencari suatii aproksimasi least square terbaik dari /i, dipilih suatu himpunan

fungsi {<)).} sebagai basis /i, sehingga aproksimasi terbaik p dapat diekspresikan

sebagai kombinasi linear dari elemen-elemen basis, yaitu:

c>,- (4)./=o

Karena setiap elemen dari >4 adalah kombinasi linear dari elemen-elemen basis dan

dari (3), maka < cj),, f - ZJC*(J> ; > = 0 ; i = 0, 1, ..., n dipenuhi, dan bisa ditulis./=o

sebagai

< (j)(., (j) . > c - = < § j , f > ; i = 0, 1, ..., n (5)

yang memberi sistem persamaan linear dengan n+] yang tidak diketahui, dan bisa

ditulis sebagai Ac = F dimana matrik A terdiri dari n+1 kolom dengan elemen a/7 ;

i, j = 0, 1, ..., n, sedangkan vektor c' dan F terdiri dari n+1 komponen.Karena < f, g > = < g, f >, maka A matrik simetri. Jika dipilih {<j> } orthogonal maka

A adalah matrik diagonal, sehingga:

— dengan j=0, ..., n. (6)

adalah koefisien aproksimasi terbaik p* pada persamaan (4).Jika dibuat himpunan polinomiai orthogonal {<j) ; j=0, ..., n} sebagai basis 4

pada interval [a,b], maka (4) adalah fungsi polinomial aproksimasi terbaik.

Jadi masalahnya adalah mencari konstanta-konstanta c* dengan j=0, 1, ..., n dan nadalah order polinomial aproksimasi, sehingga kriteria least square terpenuhi.Algoritma least square diberikan sebagai berikut:

Langkah 1. Dibuat himpunan polinomial orthogonal {((> ; j = 0, ..., n} dengan

algoritma pembangkit (j); secara rekursif sebagai berikut:

86

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (98)

Andaikan (J>0 adalaJi fungsi konstan yang didefinisikan dengan (j)0(x)=l

untuk a < x < b. Untuk j > 0 didefinisikan , yaitu: = — - — ^

' 14Ambil <j) j fungsi linear, yaitu <j), (x) = (x - 0) (j)0(x) dengan x e [a,b]

Ik/ifUntuk j> 1, didefinisikan P f, yaitu: p ;. = ^

Selanjutnya didefinisikan secara rekursif: <j) +1 (x) = (x - y) (f> • (x) - P .(^^[

Langkah 2. Tentukan koefisien-koefisien c*.

Langkah 3. Dibuat p - 2*ici§ / ya ng merupakan aproksimasi terbaik untuk f

pada [a,b].

Langkah 4. Dengan f dan p" dihitung J (f(x) - /?*(x))2 dx

HASIL NUMERIK DAN HASIL ANALISA

Hasil numerik diperoleh dengan mengimplementasikan algoritma exchange danleast square di perangkat lunak MATLAB. Pengambilan test konvergensi pada

algoritma exchange adalah ( | h/+, - h,- | ) / | h, | < 10~6. Kinerja algoritma exchangedan least square untuk data uji 40 fungsi f dengan interval domain [a,b] dapat dilihatpada gambar I. Hasil numerik kedua algoritma menunjukkan bahwa waktu prosesbertambah lama seiring dengan membesar derajat (n) polinomial aproksimasi.Sebaliknya aproksimasi fungsi akan semakin akurat seiring dengan membesamyaderajat (n) polinomial aproksimasi. Pada gambar 1 ditunjukkan bahwa setiap nalgoritma least square lebih akurat dari pada algoritma exchange, sedangkan waktuproses (dalain satuan detik) algoritma least square lebih lama dari pada waktu prosesalgoritma exchange. Hasil analisa variansi suatu n dengan taraf signifikan

5% (F5% = 4.10) pada gambar 2, pada umumnya menunjukkan bahwa terdapatperbedaan yang signifikan pada lama proses kedua algoritma, sebaliknya tidakterdapat perbedaan akurasi aproksimasi. Hasil analisa regresi dengan prediktor nmenunjukkan bahwa parameter n' berpengaruh terhadap kinerja kedua algoritma(F5% = 3.003). Hasil Frej; untuk kesalahan algoritma exchange, kesalahan algoritma

87

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (99)

least square, lama proses algoritma exchange dan lama proses algoritma least squareberturut-turut adalah:

6.656 6.763 149..224 48.898

Jika dilihat per derajat polinomial dengan prediktor I , hasil analisa regresimenunjuikan bahwa parameter C tidak berpengaruh terhadap kinerja kedua algoritma.Dari hasil tersebut, dilanjutkan dengan prediktor K dan s perderajat polinomial.

Dengan F5%= 3.25 hasil analisa regresi dapat dilihat pada gambar 3. Dari gambar 3terlihat bahwa nilai F hitungan dipengaruhi juga oleh besarnya n, untuk itu ujicobadilanjutkan untuk menggabung parameter-parameter yang ada sebagai prediktor.Hasil ¥ng, Rn,x, dan garis regre-si untuk kesalahan algoritma exchange (yl),

kesalahan algoritma least square (y2), lama proses algoritma exchange (y3) dan lamaproses algoritma least square (y4) berturut-turut adalah:

12.919 13.825 44.238 15.241.3977 .4092 .6257 .4260

yl = -.416 n - .068*+ .331 K+ .106 s + 1.6194y2 = -.227n- .012/+ .039 K+ .060 s+ .8724y3= .292 n+ .173/!+ .190 K- .005 s + .6248y4 = 11.78 n - 3.885 I- 22.039 K - .130 s + 16.529

Dengan Rs%- .129 dan F5%= 2-406, terlihat bahwa n, I, K dan s ada hubungan danberpengaruh terhadap kinerja kedua algoritma. Dari koefisien-koefisien garis-garisregresi di atas menunjukkan bahwa kontribusi terbesar adalah n, kecuali lama prosesalgoritma least square, kontribusi terbesar adalah K. Hal ini bisa terjadi karena iterasipada perhitungan integral metode Newton Cotes 8 pada MATLAB, yangmenunjukkan bahwa semakin keci! kelenkungan kurva (K) waktu proses akansemakin lama.

Untuk memperbaiki garis regresi sebagai ramalan kinerja kedua algoritma yangdipengaruhi oleh parameter-parameter yang ada, dibuat model garis regresi eksponen-sial Y=a&h"+ce+'iK+f\ persamaan berpangkat Y=a n ' ^ K ^ s 7 dan persamaankuadratik Y=a+b(nd<Ls) +c(n^Ks)2 , dengan a, b, c, d, f adalah konstanta-konstanta.Hasil koefisien korelasi (R) selengkapnya pada tabel 1. Pada tabel tersebut terlihatbahwa model eksponensial mempunyai koefisien korelasi (R) terbesar dibanding tigamodel yang Iain. Sehingga dapat disimpulkan bahwa model regresi eksponensialadalah model yang cukup baik untuk meramalkan kinerja kedua algoritma di atas.Hasil garis regresi eksponential untuk kesalahan algoritma exchange (yl), kesalahanalgoritma least square (y2), lama proses algoritma exchange (y3) dan lama prosesalgoritma least square (y4) berturut-turut adalah:

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (100)

vi = 1 3158e-5 e-3I886"+2-956I/+6-4632*+1317v

y 2 = 1 3409e-5 e-30S97»+2-6775/+5-7354^+135Sv

v3 = 1 1694 en24"+0577;+-0689A;--0016v

v4 = 0066 g-4532"--0634'

Tabel 1

Model

LinearExponensialPers. BerpangkatPers. Kuadratik

Akurasi Alg.Exchange

.3977

.8508

.8360

.2314

Akurasi Alg.Least Square

.4092

.8642

.8580

.2152

Lama ProsesAlg. Exchange

.6257

.7106

.6766

.2141

Lama ProsesAlg.Least Square

.4260

.8105

.7663

.7671

KESIMPULAN

Dari hasil numerik dan analisa statistik di atas menunjukkan bahwa terdapatperbedaan yang signifikan pada lama proses kedua algoritma, sebaliknya tidakterdapat perbedaan akurasi aproksimasin fungsi. Pada umumnya, parameter-parameter tersebut di atas berpengaruh terhadap kinerja kedua algoritma. Model garisregresi eksponensial adalah model yang terbaik untuk meramalkan kinerja keduaalgoritma di atas.

DAFTAR PUSTAKA

1. AHO, A. V., "Data Structures and Algorithms", Addison-Wesley Pu-blishingCompany, Sydney (1983)

2. ATKINSON, KENDALL E., "An Introduction To Numerical Analysis",John Wiley & Sons, Singapura (1989)

3. ATKINSON, KENDALL E., "Elementary Numerical Analysis", 2nd ed.: JohnWiley & Sons, Singapura (1994)

4. AUBIN, J.P., "Apllied Function Analysis", John Wiley & Sons,New York (1979)

89

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (101)

5. AYRES, FRANK JR., "Differentia! and Integral Calculus", McGraw-HillInc. (1972)*

6. CONTE, SAMUEL D., and CARL DE BOOR., "Elementary NumericalAnalysis", Third Edition. McGraw-Hill Inc. (1980)

7. HAD1, SUTRISNO., Analisis Regresi. Cetakan Kedua. Andi Offset,Yogyakarta (1987)

8. HADI, SUTRISNO., Statistik. Cetakan ke X. Andi Offset, Yogyakarta (1988)

9. HULTQUIST, PAUL F. "Numerical Methods", The Benyamin & CummingsPublishing Company, California (1988)

10. JOHNSON, LEE W., and RIESS, R. DEAN., "Numerical Analysis", Addison-Wesley Publishing Company Inc., Philippines (1982)

11. LIPSCHUTS, SEYMOUR., "Linear Algebra", McGraw-Hill Inc. (1972)

12. — . "PC-MATLAB User Guide", The Math Work Inc. (1989)

13. POWELL, M. J. D., "Approximation Theory and Methods", Combridgeuniversity Press (1981)

14. PURCELL, EDWIN J. and VARBERG, DALE., "Calculus with AnalyticGeometry", Prentice-Hall Inc. (1984)

15. RALSTON, ANTHONY and RABINOWITZ, PHILIP., "A First Course inNumerical Analysis", Mc-Graw-Hill Inc., New York

16. WALPOLE, RONALD E., "Introduction to Statistics",

17. WATSON, G. A., "Approximation Theory and Numerical Methods", John Wiley& Sons, Toronto (1980)

90

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (102)

DISKUSI

AGAH D GARNADI

1, Mengapa dalam algoritma exchange dipilih akar-akar dari polinom Chebychev?2. Bagaimana ekuivalensi aproksimasi yang digunakan?

SUSIK. ANDAINI

1. Karena akar-akar polinomial Chebychev menghasilkan deret monoton naik pada[a,b], sehingga akan dicapai konvergensi.

2. Aproksimasi minimax dan aproksimasi Least Square menghasilkan aproksimasiterbaik yang unik, dan keduanya tidak ekuivalen.

NEXT PAGE(S)left BLANK

91

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (103)

BACK PROPAGATION NEURAL NETWORKDENGAN FUNGSIMATEMATIKA NON-SIGMOIDAL

Agus Fanar Syukri*

11111ABSTRACT ID990000009

BACK PROPAGATION NEURAL NETWORK WITH NON-SIGMOIDAL FUNCTION .One of the most famous methods that is used in Neural Network (NN) system is the Back Propagation(BP) method, in which Sigmoid function is often used in the input output unit system. Theoritically,hovewer, BP method does not require the use of Sigmoid function. This paper discusses BPNN with non-Sigmoidal function, in which it is proved that Non-Sigmoidal BPNN obtains far better result than theSigmoidal one.

ABSTRAK

BACK PROPAGATION NEURAL NETWORK DENGAN FUNGSI MATEMATIKANON-SIGMOIDAL. Salah satu cara kerja "Neural Network" (NN) yang terkenal adalah metoda BackPropagation (BP), di mana sering dipakai fungsi matematika Sigmoid sebagai fungsi input-output unitpembentuk jaringannya. Tetapi, secara teori metoda BP tidak mengharuskan pemakaian fungsiSigmoidal. Makatah ini mengetengahkan tentang hasil penelitian BPNN dengan fungsi non-Sigmoidalsebagai fungsi dalam input-output unit-unit jaringannya, yang mana terbukti bahwa BPNN non-sigmoidal ini sangat lebih baik dari pada BPNN sigmoidal.

PENDAHULUAN

Sistem syaraf manusia terdiri dari syaraf sadar dan syaraf tidak sadar yangmembentuk satu kesatuan. Komputer generasi sekarang, bekerja seperti sistem syarafsadar manusia, menjalankan proses secara berurutan (serial). Sedangkan, sistem NNyang dibuat berdasarkan ide dari sistem syaraf tidak sadar manusia, berproses secaraparalel antara unit yang satu dengan unit yang lain. Sistem NN ini, dapat belajarmaupun diajar sebagaimana sistem syaraf pada otak manusia.

Cara belajar pada NN adalah dengan mengubah beban pemberat (weight) unitpembentuk jaringan. Salah satu metoda cara belajar NN yang terkenal dan seringdipakai adalah metoda Back Propagation (BP), yaitu algoritma pendekatan nilai hasiloutput NN kepada nilai pembanding (teacher pattern) yang diberikan dari luar sistem.Di dalam metode BP, sering dipakai fungsi matematika Sigmoid sebagai fungsi input-output unit pembentuk NN, karena fungsi ini mirip dengan fungsi matematika yang

Laboratorium Teknik Pengujian KIM-LIPI

93

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (104)

ada dalam neuron syaraf manusia. Tetapi, secara teori metoda BP ini tidakmengharuskan pemakaian fungsi Sigmoidal.

Atas dasar itulah, maka dalam makalah ini dibahas tentang BPNN denganfungsi matematika yang lain, selain Sigmoidal, yang disebut dengan fungsi Non-Sigmoidal, sebagai fungsi input-output unit NN. Dengan demikian, diharapkan bisameningkatkan kemampuan belajar maupun kerja NN.

NEURAL NETWORK (NN)

Sejarah Penelitian NN

Pada tahun 1936, Tuling menemukan mesin penghitung yang diberi namaTuling machine. Tuling machine ini terdiri dari 2 bagian, yaitu bagian penghitung{calculation) dan bagian penyimpan {storage). Dengan mesin ini, dapat ditemukanbukti bahwa ada masalah yang dapat diselesaikan dengan algoritma tertentu dandalam jangka waktu yang terbatas, dan ada pula masalah yang tidak dapatdiselesaikan oleh penghitungan mesin. Setelah itu, sekitar tahun 1940, Von Neumanmemperbaiki mesin hitung Tuling dengan menambahkan program yang bisadisimpan. Hal ini menjadi cikal bakal munculnya komputer, yang terus berkembangpesat hingga saat ini. Tetapi proses komputer secara serial (data diproses secaraberurutan satu-persatu) ini tidak dapat mengerjakan dengan baik masalah-masalahpengenalan pola {pattern recognition), pemikiran intuisi, ide, kreativitas manusia danIain-lain, yang memerlukan fleksibelitas tinggi dalam proses datanya.

Oleh latar belakang itu, kemudian timbul ide untuk meniru cara kerja sistemsyaraf otak yang merupakan sistem proses paralel dengan fleksibelitas sangat tinggi.Dalam otak manusia terdapat sekitar 14 milyar neuron, yang merupakan bagianterkecil dari susunan jaringan syaraf. Secara garis besar, neuron ini terdiri dari soma,dendrite, axon dan synapse, seperti ditunjukkan pada gambar 1.

Bagian soma memiliki beberapa cabang dendrite, yang berfungsi untukmenangkap sinyal dari neuron lain. Apabila ada sinyal masuk lewat dendrite, akandiproses di dalam soma, dan outputnya akan dibawa lewat axon ke neuron lain. Danuntuk bisa sampai ke neuron Iain, sinyal output dari axon ditransmisikan lewatsynapse, yang merupakan ujung-ujung ranting neuron yang terhubung ke dendriteneuron lainnya.

Dari fenomena tersebut, para peneliti berlomba untuk mencari cara dan modelbaru, yang dapat memproses data secara paralel. Penelitian tentang model syarafmanusia ini telah dimulai oleh W.S. McCulloch & W.H. Pits pada tahun 1943, denganmesin yang diberi nama Unit (gambar 2). Mesin ini dapat dipakai untuk perhitunganlogika (perhitungan matematika model digital, misalnya not, or, and, xor, dan

94

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (105)

sebagainya). Seperti ditunjukkan pada gambar 2, unit ini mempunyai sifat sepertineuron, mempunyai beberapa input dan 1 output.

Seperti halnya pada synapse neuron yang sesungguhnya, sinyal pada unitinipun hanya dipropagasikan (ditransmisikan) searah saja. Cara kerja unit ini adalahsebagai berikut. Sebelum di/npufkan ke unit, suatu sinyal Xj dibebani (dikalikan)dengan beban co;, sehingga menjadi a>; xh kemudian diambil jumlah semua sinyalyang telah dibebani tersebut (datam dunia matematika dilambangkan dengan Z(sigma), dan hasil penjumlahan dinyatakan dalam X). Dan sebagai output unit, Xdikalikan lagi dengan suatu fungsi / sebagai output akhirnya. Bila output itudinyatakan dengan y, maka dapat dituliskan dalam rumus sebagai berikut:

N

y=f(X) dan X=^a)ixi

Fungsi matematika/adalah penentu hasil output unit, atau disebut juga fungsiambang batas, di mana fungsi ini hanya mengeluarkan output atas nilai yangbesarnya melebihi nilai ambangnya. Apabila nilai output lebih kecil dari nilaiambang, unit tidak mengeluarkan output apapun, yang berarti unit itu pasif. Fungsiyang sering dipakai adalah fungsi sigmoid, karena fungsi ini sangat mirip denganfungsi matematika yang ada dalam neuron syaraf manusia. Rumus fungsi Sigmoiddan bentuk grafiknya adalah sebagai berikut:

M=.1+ expfex)

Tahun 1961 F. Rosenblatt membuat mesin yang diberi nama Perceptron. Mesinini mempunyai device pembeda, di mana nilai output akan ditentukan. Dan mesin inimampu 'belajar'. Tetapi unit yang dapat belajar hanyalah unit dalam lapisan outputsaja. (Untuk lebih jelasnya tentang lapisan unit, lihat tentang model network.) Tetapiunit dalam perceptron ini hanya mengenal 2 nilai saja, sehingga proses 'belajar'sering tidak dapat berlangsung dengan baik. Keterbatasan mesin perceptron inidibuktikan oleh M. Minsky & S. Papert.

Oleh karena keterbatasan bidang hardware yang tidak dapat menunjangsimulasi proses paralel, untuk beberapa waktu lamanya penelitian di bidang NN initidak banyak dilakukan. Hingga, pada tahung 1982 J.J. Hopfield membuat modelneural network yang dalam jaringan itu satu unit terhubung ke beberapa unit yang lainsecara timbal balik, yang disebut Hopfield Network. Dan tahun 1986, D.E. Rumelhart,G.E. Hinton & R.J. Williams membuat model jaringan, di mana output unit padalapisan yang satu menjadi input bagi lapisan unit lainnya, dan pemakaian fungsimatematika semi-linear pada input-output unit, sehingga seluruh unit pembentukjaringan dapat belajar. Metoda ini disebut metoda Back Propagation. Denganmunculnya kedua metoda tersebut, dan juga oleh perkembangan hardware yang

95

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (106)

demikian cepat di sekitar tahun 1985-an, yang antara lain telah mampu menyediakanfasilitas proses paralel, akhirnya pehelitian neural network marak kembali.

Model Network

Lazimnya, neuron dalam susunan syaraf otak manusia terhubung satu denganlainnya, tetapi bukan berarti semua neuron dalam tubuh manusia terhubung dalamsatu jaringan. Ada satu neuron yang terhubung dengan 10.000-an neuron lainnya, adapula neuron yang membentuk lapisan {layer) dari tingkat rendah ke tingkat tinggidalam penyampaian sinyal yang dibawanya. Berdasarkan susunan jaringan syarafotak seperti ini, dalam dunia neural network pun diwujudkan dalam 2 bentuk model,yaitu model jaringan dengan hubungan timbal balik (gam bar 4(a)) dan modeljaringan dengan hubungan bertingkat (gambar 4(b)).

Dalam model jaringan dengan hubungan timbal balik, output suatu unit dapatkembali lagi {feedback) ke unit itu sendiri (menjadi input) meialui jaringan unit yanglain. Dapat dibayangkan, bagaimana kompleksnya sistem jaringan ini.

Sedangkan dalam model jaringan dengan hubungan bertingkat, unit-unitdikelompokkan menjadi beberapa lapisan, biasanya dikelompokkan menjadi 3 bagian,yaitu lapisan input {input layer), lapisan tengah {hidden layer) dan lapisan output(output layer). Lapisan tengah dapat juga dibagi menjadi beberapa lapisan lagi. Inputsinyal yang dimasukkan ke lapisan input akan di-propagasi-kan lagi ke unit-unit padalapisan-lapisan berikutnya.

Metode Back Propagation

Metode BP adalah algoritma pembelajaran pada model jaringan denganhubungan bertingkat yang dirumuskan oleh D.E. Rumelhart dkk pada tahun 1986.Dengan metode ini, pengenalan huruf, pengenalan suara dan beberapa masalahpengenalan pola {pattern recognition) oleh komputer dapat diatasi. Atas penemuanmetode BP ini pula, bidang penelitian neural network semarak kembali.

Secara garis besar, metode.BP ini bekerja sebagai berikut. Pertama, inputpattern dan teacher pattern {pola yang diinginkan, atau disebut juga pola tujuan)dimasukkan ke lapisan input. Kemudian input pattern ini akan berubah bersamaandengan pen-transmisi-an {propagation) pattern tersebut ke lapisan-lapisan {layers)berikutnya, hingga akhirnya menghasilkan output pattern pada lapisan output. Hasilkeluaran NN ini, yaitu output pattern, akan dibandingkan dengan teacher pattern.Apabila dari perbandingan ini dihasilkan nilai yang sama, proses 'belajar' tidak akanterjadi. Tetapi bila hasilnya berlainan, maka agar nilai output pattern dari NN dapatlebih mendekati nilai teacher pattern, maka beban pemberat yang ada pada hubunganantar unit diubah. Proses pengubahan beban pemberat adalah dengan

96

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (107)

mempropagasikan kembali nilai output NN dari arah lapisan output ke arah lapisaninput {back propagation). Kemudian dari lapisan input, pattern akan diproses lagiuntuk mengubah nilai weight, hingga akhirnya menghasilkan output pattern baru.Demikian seterusnya proses back propagation ini diulang-ulang, hingga dicapai nilaiyang sama atau relatif sama dalam rasio perbandingan nilai antara ouput pattern NNdengan teacher pattern, atau dengan kata lain sampai terjadi rasio kesalahanperbandingan sekecil mungkin. Proses perubahan weight inilah yang disebut prosesbelajar'.

BACK PROPAGATION NEURAL NETWORK NON-SIGMONIAL (BPNNNON-SIGMOIDAL)

Fungsi yang Biasa Dipakai pada Back Propagation Neural Network (BPNN)

Dalam metode Back Propagation (BP), fungsi pada input-onput unit haruslahberbentuk fungsi yang dapat didifferensialkan, karena pada proses propagasi (baikforward propagation maupun back propagation) penghitungan nilai didasarkan atasfungsi yang dipakai. Pada forward propagation, fungsi yang dipakai adalah fungsiapa adanya, dan pada back propagation, fungsi yang dipakai adalah fungsidiferensialnya. Fungsi linear yang digunakan pada perceptron tidak dapat dipakaipada metode BP, karena berbentuk diskrit. Selain itu fungsi linear akan menjadikan

Japi.san tengah (hidden layer) pada BPNN menjadi kehilangan fungsi. Demikian puladengan fungsi-fungsi lain yang biasa dipakai dalam Neural Network, seperti fungsiStep dan fungsi Linear Bagian tidak dapat dipakai dalam metoda BP, karena tidakterdiferensialkan. Oleh sebab itu, pada BPNN sering dipakai fungsi sigmoid, yangmerupakan fungsi yang mendekati fungsi linear, dan tidak diskrit dan dapatdidiferensialkan. Fungsi sigmoid ini mirip sekali dengan fungsi yang ada pada sistemjaringan syaraf makhluk hidup.

Fungsi-fungsi yang sering dipakai dalam NN adalah sebagai berikut.• Fungsi Sigmoid (gambar 3)• Fungsi Step (gambar 5a)• Fungsi Linear (gambar 5 b)• Fungsi Linear Bagian (gambar5c)

Fungsi-fungsi yang Dipakai dalam BPNN Non-Sigmoidal dan Grafiknya

Fungsi-fungsi matematika non-Sigmoidal (fungsi Sigmoid dilambangkandengan S(x)) yang diuji dalam penelitian ini adalah :

97

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (108)

1. Integral pertama dari fungsi Sigmoid (jS(x), Gambar 6a)2. Turunan pertama dari fungsi Sigmoid (S'(x), Gambar 6b)3. Turunan kedua dari fungsi Sigmoid(.S"Y*A Gambar 6c)4. Turunan ketiga dari fungsi Sigmoid (S'"(x), Gambar 6d)5. Persamaanx (Gambar 6e)6. Persamaan x3 (Gambar 6J)7. Fungsi sinus (Gambar 6g), dan8. Fungsi cosinus (Gambar 6h).

Bentuk grafik masing-masing fungsi ditunjukkan dalam gambar 6a~6h. Dalampercobaan, fungsi matematika ini dipakai dalam lapisan unit tengah NN. Sebagaifungsi input-output dalam unit output NN dipakai fungsi matematika linear (f(x)-x).Dan bagan neural network yang dipakai dalam penelitian ditunjukkan pada gambar 7.NN ini memetakan dari 2 dimensi ke 1 dimensi, yang dalam rumus matematikanyadilambangkan sebagai f:R2 -*• R. Sedangkan untuk menghitung perubahan nilaibeban weight pada hubungan antar unit dipakai metode BP. Secara keseluruhan,sistem ini disebut Back Propsgstion Neural Network BPNNnon-Sigmoidal.

Percobaan dan Hasilnya

Untuk mengetahui perbedaan kemampuan masing-masing fungsi matematikadalam BPNN diadakan 3 percobaan. Sebagai tolok ukur kemampuan masing-masingfungsi non-Sigmoidal, semua hasil percobaan BPNN non-Sigmoidal dibandingkandengan hasil BPNN yang memakai fungsi matematika Sigmoidal. Program simuiasipercobaan ditulis dalam bahasa C, disimulasikan pada komputer Work Station Sunbersistem UNIX, dan grafik hasil percobaan dibuat dengan gnuplot.

Percobaan I (Kecepatan Belajar)

Percobaan I adalah tentang kecepatan menyelesaikan proses belajar atas obyekmasalah yang diberikan. Sebagai obyek masalah pada percobaan I ini adalah masalahXOR, dan pada masing-masing BPNN diiakukan 10 kali simuiasi dengan inisialisasibeban pemberat antarunit CO/ yang berbeda-beda. Jumlah unit tengah adalah 2 unit,dan proses belajarnya (penyesuaian beban co,) dibatasi maksimal 1000 kali, dan rasiokesalahan (perbedaan nilai output pattern NN dengan teacher pattern) adalah 0,001.Hasil percobaan I ditunjukkan pada gambar 8. Dari 10 kali inisialisasi weight masing-masing BPNN, jumlah keberhasilan belajar ditunjukkan pada gambar 9.

98

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (109)

Percobaan II (Kemampuan Ekspresi Nilai)

Percobaan II tentang kemampuan masing-masing BPNN dalammengekpresikan titik pola (pattern) yang belum diajarkan, setelah proses belajarterhadap titik-titik/>atfer« yang diberikan selesai.

Mula-mula titik-titik input pattern dan teachernya diinputkan ke masing-masing NN, dan dilakukan proses belajar. Setelah proses belajar masing-masing NNatas pattern selesai, masing-masing NN 'disuruh memberikan' (mengekspresikan)nilai titik-titik yang belum diajarkan, titik-titik itu berada antara titik yang pernahdiajarkan sebelumnya. Pola yang diajarkan adalah 15 titik (gambar 9), dan yangbelum diajarkan adalah 840-an titik. Hasil percobaan ditunjukkan pada gambar 10.

Percobaan III (Kemampuan Pendekatan Pola)

Percobaan III bertujuan untuk mengetahui seberapa jauh kemampuan masing-masingBPNN dengan fungsi matematika yang dipakainya, dalam hal pengekpresian kembalipattern yang diberikan. Obyek pattern adalah gambar grafik dari fungsi f(x,y) =exp{-3(x2 +y2)}sin(2x)cos(5y) (gambar 12). Dalam simulasi diambil fungsi sampel 840 titik,dan titik-titik tersebut diajarkan ke masing-masing NN. Setelah proses belajar selesai,masing-masing NN diminta mengekspresikan kembali pola yang telah diajarkan.Hasil simulasi percobaan III ditunjukkan pada gambar 13.

KESIMPULAN

Dari hasil percobaan terbukti bahwa:l.BPNN dengan fungsi-fungsi non-Sigmoidal mempunyai kemampuan kecepatan

belajar lebih baik dari pada BPNN dengan fungsi Sigmoidal.2.Dalam hal kemampuan peng-ekspresian-an pattern yang belum diajarkan, BPNN

dengan fungsi matematika turunan dari fungsi Sigmoid, mempunyai kemampuanyang lebih baik dari pada fungsi-fungsi matemetika yang lain.

3.Begitu pula dalam hal kemampuan mendekatan pola yang diberikan, BPNN denganfungsi matematika turunan dari fungsi Sigmoid mempunyai kemampuan yang jauhlebih baik dari pada BPNN dengan fungsi-fungsi matemetika lainnya.

Sebagai kesimpulan akhir, BPNN dengan fungsi matematika turunan darifungsi Sigmoid mempunyai kemampuan kerja & kemampuan belajar yang lebih baikdari pada BPNN yang memakai fungsi Sigmoidal.

99

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (110)

DAFTAR PUSTAKA

1. MC CULLOCH, W.S., PITTS, W.H., "A logical calculux of the ideas immanent innervous activity", Bulletin of Mathematical Biophysics, 5, pp 115-133, (1943)

2. ROSENBLAT, F., "The perceptron : a probabilistic model for information storageand organization in the brain", Psychological Review, 65, pp.386-408, (1958)

3. MINSKY, M., PAPERT, S., "Perceptron - An Essay in Computational Geometry:'MIT Press, (1971)

4. HOPFIELD, J.J., "Neural Networks and physical systems with emergent collectivecomputational abilites", Proceedings of the National Academy of Sciences USA79, pp.2254-2258, (1982)

5. RUMELHART, D., HINTON, G., and WILLIAM, R., "Learning internalrepresentation by error propagation" In D. Rumelhart & J. McClelland (Eds.):Parallel Distributed Processing, Cambridge, MIT Press, (1986)

6. KOBAYASHI, HARA, TORIOKA & YOSHIDA, "Image Capability with SinNeural Network", Shingakujitsuhou, NC92-87, pp.56-62, (1992). In Japanese

7. YASUI, NAGAOKA, TAKAHASHI, "Neural Programming", Shoukodou, (1993)In Japanese

8. FUJIYOSHI, R., "Learning with praise and sentence in Neural Network", Thesisgraduation in Information Science, Technic and Science faculty, Saga University,(1993)/« Japanese

9. SYUKRI, FANAR, AGUS., " Non-Sigmoidal Back Propagation Neural Network",Thesis graduation in Information Science, Technic and Science faculty, SagaUniversity, (1994) In Japanese

100

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (111)

dendritesynapBe

Gambar 1. Neuron

OUTPUT

Gambar 2. Unit

Gambar 3. Fungsi Sigmoid

(a) Network timbal balik (b) Network bentuk lapisanGambar 4. Bagan Network yang terkenal

101

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (112)

0 0Gambar 5a. Fungsi Step GambarSb. Fungsi Linear Gambar Sc. Fungsi Linear Bagian

A•i -i

Gb 6«. Integral Sigmoid Gb 6b Tunuun t Sigmoid Gt> 6c. Turuiun It Stgmoid Gb 6d Tunmtn tO Sigmoid

cJ -2K

Gb 6c. Fungsi J Gb 6f. Kungsi S

2* -2K \

Gb 6g. Fungs «nut Gb 6h. Fungsi cojmuj

INPUTPATTERN OUTPUT

PATTERN

Gambar 7. Bagan NN dalam percobaan

\ . 102

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (113)

Sigmoid Integral I Sigmoid Turunan I Sigmoid

0 iM i ? i J 2 ? 8 0 ° ' * * 0 200 400 «00 WO 1000 0 WO 400 «00 800 1000

Turunan II Sigmoid Turunan III Sigmoid

0 200 400 600 600 1000 00 S I01S2OK30

«•ration»

sin

Gambar 8. Hasil percobaan I

S{x) /S(x) S'(x) S"(x)S'"{x) x2 x3 sin(r) cos(r)

Gambar 9. Jumlah Keberhasilan Belajar

103

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (114)

Gambar 10. Poll Uik 4abm tea empat ytrtR dajaifcan

IXuuiuui n Sigmoid

Imegtal I Sipnoid

Turunan III Svgmoid

Gatnbat 11 Hasil peicobaan II

104

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (115)

Gambar 12. Pob yangdiajarlan: f(xy)-txp{-l(?*/))sin(2x)coi(5y)

Sigmoid

Tlirunan Q Sigmoid

Integral I Sigmoid Turunan I Sigmoid

Gambar 13. Hasil percobaan I I !

NEXT PAGE(S)left BLANK 105

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (116)

APLIKASI METODA DILUSI SIPNAPSIS PADA OPTIMASIPENGENALANPOLA JARINGAN NEURAL MODEL HOPFIELD

Dwi'Satya Wicaksana *

ABSTRACT ID990000010

APPLICATION OF SYNAPSES DILUTION METHOD FOR PATTERNRECOGNITION OPTIMATION USING HOPFIELD MODEL NEURAL NETWORK. Human'sneural network consist of thousands of neurons, each of which has only one input, and more than oneoutput. These neurons are linked together through junctions called synapses, which have differentstrength from one to another, to configure specific information pattern. Using their functions andcapabilities, we are able to improve the performance of Neuman-type computers in the future. This isbecause of the capabilities to paralelly process information, especially for voice and image patternrecognitions, instead of serial process as in Neuman-type computers. This paper explains how to simplifyHopfield model neural network by using synapse dilution without reducing the capability of its patternrecognition. The dilution is done by using two ways : sequence, and random. Both ways are followed byeither intact or distorted pattern recognitions.

ABSTRAK

APLIKASI METODA DILUSI SIPNAPSIS PADA OPTIMASI PENGENALAN POLAJARINGAN NEUTRAL MODEL HOPFIELD. Jaringan otak manusia merupakan rangkaian dariribuan neuron, sebuah neuron mempunyai hanya satu masukan tetapi mempunyai lebih dari satukeluaran. Neuron-neuron ini saling berhubungan satu dengan yang lainnya melalui junction yang disebutsinapsis dengan nilai kekuatan (strength) yang berbeda satu sama lainnya membentuk suatu polainformasi tersendiri. Dengan menerapkan fungsi dan kemampuan jaringan neuron, di masa mendatangkita dapat memperbaiki kelemahan komputer tipe Neumann yang bekerja secara serial dengan prosesinformasi yang dijalankan secara paralel seperti yang terjadi pada jaringan neuron. Terutama untukproses pengenalan pola (suara, gambar) dapat dilakukan lebih cepat karena proses yang dilakukan secaraparalel. Makalah ini mencoba membahas bagaimana menyederhanakan jaringan neural model Hopfielddengan mereduksi sebagian besar sinapsisnya (synapse dilution) tanpa mengurangi kemampuannyadalam pengenalan suatu pola. Reduksi dilakukan dengan dua cara yaitu acak dan teratur, kemudiansetelahnya dilakukan pengenalan pola utuh maupun pola terdistorsi.

PENDAHULUAN

Jaringan neural model Hopfield merupakan salah satu bentuk permodelan yangdikenal dalam jaringan neural (Neural Network) selain jaringan dengan model lapis(layer). Perbedaannya keduanya terletak pada lapisan masukan dan lapisan keluaranyang hanya dimiliki oleh jaringan model lapis. Sinapsis pada jaringan model lapistnenghubungkan neuron neuron dari lapisan yang berbeda dalam satu arah tetapi tidak

' Laboratorium Aero Gasdinamika - BPP Teknologi

107

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (117)

pada neuron yang terletak pada lapisan yang sama, sebaliknya neuron-neuron padajaringan mode] Hopfield terhubungkan satu sama lain oleh sinapsis dalam 2 arahbahkan ada sinapsis yang menghubungkan neuron dengan dirinya sendiri. Sehinggauntuk jaringan dengan jumlah neuron yang sama, pada model Hopfield akan terbentuksinapsis dengan jumlah yang lebih banyak daripada jaringan model lapis. Untukjaringan model Hopfield dengan jumlah neuron sebanyak 10 x 10 unit maka akanterbentuk sebanyak 100 sinapsis sehingga proses perhitungan akan lebih rumit.Namun jaringan model hopfield ini lebih mendekati sistem kerja jaringan otakmanusia dibandingkan dengan model lapis. Bentuk Jaringan model lapis dan modelHopfield dapat dilihat pada Gambar 1. Makalah ini menekankan pada pembahasantentang jaringan model Hopfield dan aspeknya.

PENGENALAN POLA

Pada jaringan model Hopfield, nilai masukan net yang berasal dari unit jsebesar Cj pada suatu unit / adalah

coy adalah sinapsis yang menghubungkan unity dan unit i (informasi bergerak dariunity ke unit i dan tidak sebaliknya), kemudian unit / akan menghasilkan keluaran Q(perubahan nilai setelah pertambahan waktu /) sebesar

/(O-eO (2)

sgn(jc) adalah fungsi Sign yang didefinisikan sebagai

f+1 if x = 0•sgn(x)= , ,, . (3)

[-1 otherwise

Untuk memudahkan perhitungan, batas minimal stimulus yang dapat diterima(threshold term) oleh setiap unit neuron 0/ pada persamaan sebelumnya di setsehingga 9/ = 0 sehingga persamaan (2) menjadi

(4)

108

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (118)

Melalui persamaan (3) dapat diketahui bahwa nilai unit i selalu +1 bila dalamkeadaan on dan -1 bila dalam keadaan off. Proses pengenalan pola oleh jaringansebetulnya merupakan proses pembaruan {Updating Proces) nilai setiap unit sejalandengan pertambahan waktu t sampai tahap dimana nilai tersebut berhenti berubah,dimana pada saat demikian disebut.bahwa jaringan telah selesai mengenali pola yangdiberikan. Proses pembaruan dapat dilakukan dalam dua macam proses, yang pertamasecara bersamaan {Synchronous updating) dimana seluruh unit melakukan pembaruannilai secara bersamaan pada setiap pertambahan waktu / dan yang kedua adalahproses pembaruan nilai unit dimana pada setiap pertambahan waktu / hanya satu unityang melakukan pembaruan nilai {Asynchronous updating). Sedangkan yang dibahasdalam makalah ini adalah proses Pembaruan nilai jenis kedua pada jaringan jenisHopfield.

Sebuah jaringan jenis Hopfield yang terbentuk dari N unit neuron ditanamkanpola yang berbeda sebanyak a macam, untuk setiap ragam pola nilai masing-masing

unit dinotasikan sebagai ^,M dimana / adalah nomor unit (/ =1,2, ,N) dan JJ.adalah nomor ragam pola (jo. =1,2, , a). Apabila ke dalam jaringan tersebut diberimasukan satu pola yang tertentu (tiap-tiap unit / diset menjadi memiliki nilai sesuaidengan pola masukan), Jarak Humming {Humming Distance) yang terjadi antara pola

masukan Cii dengan polatertanam \? adalah

semakin kecil jarak Humming, maka akan semakin stabil pola masukan tersebut(semakin kecil jarak Humming berarti pola masukan semakin mirip dengan salah satupola yang sudah tertanam dalam jaringan), proses ini disebut sebagai Associativememory. Bila pola yang ditanamkan dalam jaringan hanya satu pola, daripersamaan (4) dapat ditarik persamaan seperti dibawah,

= $; (6)

karena (^ )2 = maka xsij dapat didefinisikan sebagai,

Menambahkan konstanta 1/N (N = jumlah total unit dalam jaringan), daripersamaan (7) diperoleh,

VN$&j (8)

109

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (119)

Sedangkan untuk jaringan dengan pola tertanam lebih dari satu, tinggal melakukansumasi dari persamaan (8) sesuai dengan jumlah pola tertanam sehingga akandiperoleh,

_ fVj (9)

Persamaan (9) disebut sebagai Hebb rule.

Kapasitas Pola

Diketahui bahwa jaringan yang menggunakan persamaan (9), mempunyaikemampuan penanaman pola sebesar,

a<0,138iV (10)

Untuk melihat apakah pola yang dimasukan mempunyai kemiripan dengan pola yangtertanam dapat dihitung dengan metoda overlap yang didefinisikan sebagai,

do

Berbeda dengan Jarak Humming, semakin mirip pola yang tertanam dengan polamasukan maka nilai overlapnya akan mendekati 1. Dengan metoda overlap inijaringan akan menghitung pola masukan yang paling mendekati nilai overlap 1dengan salah satu pola tertanam.

Metoda Dilusi

Pada jaringan model Hopfleld, setiap unit dihubungkan dengan sinapsisdengan seluruh unit yang lain tanpa kecuali, sehingga sinapsis yang terbentuksebanyak pangkat dua dari jumlah total unit. Bayangkan sebuah jaringan sederhanayang terbentuk dari 10x10 unit neuron, akan mempunyai 100 atau 10.000 sinapsis.Proses pengenalan pola yang dibahas dalam makalah ini adalah proses asynchronous,dimana pada satu waktu hanya satu unit yang melakukan pembaruan nilaiberdasarkan masukan dari seluruh 99 unit yang lain plus 1 masukan dari dirinyasendiri. Setelah semua unit melakukan pembaruan nilai dikatakan 1 putaran atau biasadisebut dengan 1 epoch. Untuk mencapai keadaan stabil (tidak ada lagi unit yangmelakukan pembaruan nilai) atau sampai proses pengenalan polanya selesai,diperlukan beberap epoch tergantung dari tingkat distorsi pola masukan. Dengan

110

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (120)

jumlah sinapsis sebanyak ini bisa dibayangkan lambatnya proses pengenalan polayang berlangsung.

Dalam jaringan terdapat sinapsis yang bila direduksi tidak mempengaruhikemampuan proses pengenalan pola, dengan mereduksi sinapsis yang demikiansecara bertahap kita dapat membentuk suatu jaringan yang lebih sederhana dengankecepatan proses pengenalan yang lebih dapat diandalkan. Pengurangan jumlahsinapsis ini yang disebut dilusi sinapsis.

Simulasi

Simulasi mengunakan jaringan neural model Hopfield 7 x 7 (49 unit). Daripersamaan (10) diketahui jumlah pola yang dapat ditanam kedalam jaringan adalaha < 6,762 pola. Dipilih 4 pola yang akan ditanamkan kedalam jaringan hump alphabetyang overlapnya kecil (Gambar 3.). Overlap yang terjadi antara pola pola tersebutdapat dilihat dari tabel dibawah, (Tabel 1) Dari ke 4 pola diatas sinapsis yang terjadidalam jaringan menurut Hebb rule adalah,1. 0 (38,65%)2. 0,081632 (10,54%)3. -0,081632 (3,33%)4. 0,.040816 (28,07%)5. -0,040816 (19,41 %)

Pola yang dimasukan adalah salah satu dari ke 4 pola alphabet diatas berupapola utuh (mM = 1) dan pola tidak utuh (mM = 0,92 dan mM = 0,67) dari simulasi inidapat diketahui kemampuan jaringan dalam mengenali pola-pola yang terdistorsi.Reduksi sinapsis dilakukan secara teratur dan trial & error. Baik untuk pola mM = 1maupun pola mH = 0,92 dan mn = 0,67. Mereduksi secara bersamaan sinapsis0,081632 dan -0,040816 (total 29,95% dart keseluruhan sinapsis) mempengaruhikemampuan pengenalan pola karena terbukti untuk pola yang utuh apalagi pola yangterdistorsi tidak dapat segera dikenali walaupun dalam puluhan epoch. Tetapi Iainhasilnya pada saat dilusi dari sinapsis yang berkekuatan 0,081632, -0,081632,0,040816, maupun ± 0,081632 karena pola yang terdistorsi sekalipun dapat segeradikenali dalam beberapa epoch saja. Hasil lengkap proses dilusi dapat dilihat padaTabel 2. dibawah,

Keterangan,O : Pola masukan dapat dikenali utuh*O, DO: Pola masukan dapat dikenali walaupun sedikit terdistorsi

pada bagian tertentuD : Pola masukan agak kurang dapat dikenaliX : Pola masukan tidak dapat dikenali

111

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (121)

Tetapi ada juga kecenderungan penurunan kemampuan pengenalan pola yangspesifik saja (tidak semua po!a) misalnya bila reduksi dilakukan pada sinapsis dengankekuatan 0,081632 dan 0,040816 secara bersamaan yaitu penurunan kemampuanpengenalan pola A dan T tetapi jaringan tetap dapat mengenali pola H dan O.

KESIMPULAN

Dari simulasi ini jelas terlihat bahwa ada beberapa sinapsis yang dapatdireduksi tanpa mengganggu kemampuan pengenalan pola, memang dari simulasiyang dilakukan tidak terlihat perbedaan yang nyata antara waktu proses sebelum dansesudah dilusi tetapi dengan meningkatnya jumlah unit yang membentuk jaringan,metoda dilusi sinapsis ini dapat diharapkan membantu mempersingkat waktu prosespengenalan pola. (Misalnya untuk dapat menanamkan pola alphabet sebanyak26 huruf, diperlukan jaringan yang terbentuk atas lebih dari 14x14 unit, denganjumlah sinapsis lebih dari 38.416 buah).

Dari karakterisitik yang timbul, yaitu penurunan kemampuan pengenalan polayang spesifik dapat diaplikasikan kepada misalnya membuat jaringan hanya dapatmengenali pola-pola tertentu pada suatu waktu, dan hanya dapat mengenali pola-polayang lain pada saat yang berbeda sesuai dengan kebutuhan. Dari simulasi ini pu!adiketahui adanya sinapsis yang tidak boleh dilakukan dilusi walaupunprosentasenya kecil.

DAFTAR PUSTAKA

1 MULLER, B., and REINHAARDT, J., "Neueural Networks'", Springer-Verlag,1991

2 HERTZ., JOHN, KROG., ANDERS, RICHARD PALMER, G., RICHARD,"Introduction to Theory of Neural Computation", Addison-Wesley PublishingCompany, 1991

3 YOSHINORI: "HopfieldMachine", Suurikagaku No. 338, August 1991

4 WICAKSANA, D.S., "Synapse Dilution effect on Hopfield Model NeuralNetwork", Okayama University, 1992

5 INTERNATIONAL NEURAL NETWORK SOCIETY, "Neural Networks", Vol.4 Number 5, Pergamon Press, 1991

112

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (122)

Tabel 1. Kekuatan sinapsis yang terbentuk pada simulasi

PolaAHOT

A1.0000000.1428570.020408-0.102041

H0.1428571.0000000.061224-0.061224

O0.0204080.0612241.0000000.142857

T-0.102041-0.0612240.1428571.000000

Tabel 2. Hasil akhir setelah reduksi sinapsis

Dilusi

Tanpa0.081632-0.0816320.040816-0.040816

+/-0.081632+/-0.040816

0.0816320.040816-0.081632-0.0408160.081632-0.040816-0.0816320.040816

Pola masukanA

Overlap1.00

oooooooX

oX

o

0.92OO

oooooX

oX

o

0.67

oooo*0

ooX

*0

X

o

HOverlap

100

oooooooo

o

o

o

0.92

oooooo

• o• 0

o*0

o

0.67O0

oo

DOOOO

DO

X

o

oOverlap

1.00

oooooooo

oX

o

0.92

oooooo0

o

oX

o

0.6700OOOO

o*o*0

X

o

TOverlap

1.00

o0

oooooX

oD

O

0.92O

ooo

DOOOX

DO

D

O

0.67O

ooo

DOOXX

*0

D

O

113

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (123)

Sinapsis

Model lapis Model Hopfield

Gambar 1. Duajenisjaringan

+1

-2 "'""" -1 i O 1 2 X

•• - 1

Gambar 2. Fungsi Sign X

114

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (124)

LLJLJBLJLJLJGQBGBGGGBGGGHG

GG

IGGGGGI GGGGGGGGGG

IGGGCGIinnncni

1

innnnniIGDCGGI

GDIJGBGG;~>'—i H i i"~: n r

..j i I BE [ : i ; LJGBGG?JGBGG;

Hitam = unit aktif (+1), Kosong = unit tidak aktif (-1)

Gambar 3 Pola pada jaringan 7x7

115

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (125)

DISKUSI

M. SYAMSA A.

1. Bagaimana pengaruh hidden multilayer terhadap kecepatan belajar?2. Kriteria apa yang digunakan sebagai successful! criteria"?

AGUS FANAR SYUKRI

1. Semakin banyak jumlah unit pada hidden layer (atau semakin banyak layer padahidden layer), maka kecepatan belajar akan menurun.

2. Kriteria sukses proses belajar adalah apabila neural network dapat menghasilkankeluaran (output) yang sesuai atau sama dengan pattern tujuan.

M. ARIF RAHMAN

1. Jika neural network diberi pola X, kemudian diberi pola lain yang berbeda secaraberurutan, kemudian diberi pola X kembali, apakah masih dapat mengenali polatersebut?

2. Apakah nilai weight -nya berubah?

AGUS FANAR SYUKRI

1. Neural network tetap dapat mengenali pola yang pernah diajarkan.2. Selama tidak ada proses belajar, nilai weight tidak berubah.

116

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (126)

PENGHEVDARAN BENDA OLEH ROBOTDENGAN MENGGUNAKAN NEURAL NETWORK

Dwi Wiratno Prasetijo

ABSTRACT ID990000011

AVOIDING OBJECT BY ROBOT USING NEURAL NETWORK. A Self Controlling robotis necessary in the robot application in which operator control is difficult. Serial method such as processon the computer of Van Newman is difficult to be applied for self controlling robot. In this research,Neural Network system for robotic control system was developed by performance expanding at theSCARA. In this research, it was shown that SCARA with application at Neural Network system canavoid blocking objects without influence by number and density of the blocking objects, also departureand destination paint. Robot developed by this study also can control its moving by self.

ABSTRAK

PENGHINDARAN BENDA OLEH ROBOT DENGAN MENGGUNAKAN NEURALNETWORK. Robot yang mampu mengontrol geraknya sendiri, diperlukan untuk aplikasi robot di manakontrol manusia tidak tnemungkinkan. Cara kerja serial seperti umumnya komputer jenis Von Newman,sangat sulit untuk metoda kontrol ini. Dalam penelitian ini dikembangkan sistem Neural Network padasistem kontrol robot, dengan meningkatkan kemampuan robot jenis SCARA. Dari penelitian inidiketahui bahwa robot jenis SCARA dengan sistem Neural Networknya mampu menghindaripenghalang, tanpa dipengaruhi oleh jumlah dan kerapatan penghalang, serta titik awal dan titik tujuangerak robot. Dengan demikian robot tersebut mampu mengontrol geraknya sendiri

PENDAHULUAN

Untuk aplikasi robot pada ruang dengan tingkat radiasi tinggi, di mana kontolmanusia tidak memungkinkan, maka robot yang mampu mengontrol geraknya sedirimenjadi diperlukan. Pengontrolan gerak robot oleh robot itu sendiri, jika hanyamenggunakan cara kerja serial seperti umumnya komputer berproses (komputer jenisVon Neuman) ternyata mengalami kesulitan yakni terlambatnya proses transferdata[7]. Dalam penelitian ini dicoba digunakan sistem Neural Network (selanjutnyadisingkat dengan NN) pada sistem kontrol robot. Sistem NN ini adalah sistem yangmeniru cara kerja sistem saraf manusia, di mana sistem ini berproses secara paralelantara unit satu dengan unit lainnya, dan dapat belajar atau diajar sebagaimana saraf

Laboratorium Mekanik Presisi - KIM-LIPI Serpong

117

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (127)

manusia. Dan juga masalah pengenalan pola {pattern recognition) yang tidak dapatdiselesaikan dengan baik oleh komputer sistem seri dapat diselesaikan dengan baikoleh sistem NN ini[7].

Tujuan penelitian ini adalah mempelajari penggunaan NN untuk merancangrobot yang mampu mengontrol geraknya sendiri. Dalam makalah ini dibahaskemampuan robot jenis SCARA {Selective Compliance Assembly Robot Arm) dalammengontrol geraknya sediri untuk menghindari benda-benda penghalang dalamberbagai tipe bidang kerja.

TATA KERJA

Bagan sistemBagan sistem yang dipakai pada penelitian ini adalah seperti Gambar 1. Model

Network dari NN ini terdiri dari input layer, output layer dan beberapa lapisanpenghubung. Masing- masing unit arah hubungannya searah dari input layer ke outputlayer. Pada layer yang sama tidak ada hubungan[6]. Model network yang dipakaipada penelitian ini terdiri dari 3 layer yaitu input layer, sebuah lapisan penghubungdan output layer. Dalam proses pelatihannya digunakan metoda Back Propagation.Metoda Back Propagation adalah suatu metoda Algoritma untuk proses belajar padamodel jaringan dengan hubungan bertingkat. Pada metoda ini output pattern dari NNdan output dari pola yang diinginkan {teacherpattern) akan diperbandingkan[6].

Robot yang digunakan pada penelitian ini, adalah robot jenis SCARA{SelectiveCompliance Assembly Robot Arm) yang hanya bisa bergerak pada bidang datar saja.Pada ujung robot lengan ini dipasang CCD kamera dan pada bidang kerjanyadiletakkan beberapa benda penghalang yang sudah diketahui tempat kedudukan danbentuknya.

Untuk lebih jelasnya dibawah ini ditetapkan beberapa ketentuan sebagaiberikut.• Pada ujung robot lengan dipasang kamera, di mana dari kamera ini didapat

informasi gambar di dekat robot lengan tersebut.• Pada kedudukan arm robot tersebut didapat informasi tentang arah gerak robot

dan jarak gerak robot adalah sama.• Pada bidang kerja bentuk benda penghalang semuanya berbentuk cembung dan

tingginyapun sama.• Benda penghalang dalam keadaan tidak bergerak.• Titik awal dan titik tujuan diketahui.

118

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (128)

Setelah titik kedudukan awal robot dan arah awalnya ditentukan sebelumnya,sebagai input NN adalah informasi gambar dari kamera, titik tujuan robot, titikkedudukan dan arahnya yang diubah terlebih dahulu dalam bentuk potensial. Adapuncara pengubahan dari informasi gambar menjadi potensial adalah sebagai berikut.Dari kamera yang dipasang pada arm robot didapat informasi gambar seluas Ix x /Informasi image P(i,j) dari piksel (J,j) ini ditetapkan, jika terdapat benda 1, dan jikatidak terdapat benda 0.

Kemudian dari informasi gambar ini, jika titik tujuan dan titik kedudukan robotsaat itu dibuat garis lurus akan didapatkan titik arah robot (rx,ry).

Jika informasi jarak D{i,j),

maka Potensial (/,_/) dari titik arah adalah

( 1 :D(i,j

a/D(iJ) :D(iJ)>a

Dalam hal ini batasannya adalah [-1.0,1.0].

Jadi potensial adalah jika ada benda menjadi perbesaran kearah negatif danjika tidak ada benda menjadi perbesaran kearah positif, di mana kearah titik arahperbesarannya meninggi sebagai arah gerak robot seperti pada gambar berikut ini.

Kemudian untuk output NN adalah memberi arah gerak pada arm robot. Dalampenelitian ini digunakan beberapa output dan nilai yang digunakan tiap outputnyaadalah dalam bentuk analog. Dengan cara ini diharapkan pelatihan NN akan lebihoptimum dan nilai perbedaan pada Back Propagation akan dicapai nilai perbedaanyang terkecil. Kemudian Robot bergerak. Setelah Robot berhenti, kamera akanmengambil informasi baru untuk menentukan arah gerak berikutnya. Demikianseterusnya proses ini akan berlangsung hingga mencapai titik tujuan.

119

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (129)

Arah yang diajarkan pada robot

Untuk arah yang diajarkan pada robot, sebagai acuan benda penghalang adalahbenda berbentuk segitiga. Dibandingkan dengan benda penghalang yang berbentuklain ternyata dengan menggunakan benda penghalang berbentuk segitiga lebih mudahpengoperasiannya. Seperti pada gambar 4 arah yang diajarkan pada arah gerak inidiberi ketentuan-ketentuan sebagai berikut

1. Jika pada arah yang dituju oleh robot tidak terdapat benda penghalang, maka arahgerak yang diajarkan pada robot adalah arah ketujuan <p .

2. Jika pada arah yang dituju oleh robot terdapat benda penghalang, maka sepertipada gambar 4 jika sudut tabrak 9;, 0^ .• Seperti pada gambar 4 (a), sudut hindar adalah cp jika 9; + cp < <p atau

<p < 9^ -cp maka arah (ft adalah arah yang diajarkan.• Seperti pada gambar 4 (b), jika 92 -<p < (p <9/ + (p diantara sudut 9; + (p dan

sudut Q2 -cp, harga mutlak yang terkecil yang dijadikan arah yang diajarkan.

HASIL DAN PEMBAHASAN

Gambar 5 ~ gambar 8 adalah hasil-hasil percobaan dengan menggunakan robotjenis SCARA, penghindaran benda penghalang dengan menggunakan sistem NN.Bidang kerja tipe 1 adalah jumlah- benda-benda penghalang 5 buah dan jarak antarbenda penghalang ± 4 cm, dan bidang kerja tipe 2 adalah jumlah benda penghalang 12buah dan jarak antar benda penghalang 2 cm ~ 3 cm.

Pada gambar 5 dan gambar 6 robot bergerak pada titik awal yang sama danmenuju pada titik tujuan yang sama. Dari hasil tersebut dapat diketahui bahwa robotberhasil sampai di tujuan setelah melalui bidang kerja baik dengan jumlah bendapenghalang sedikit dan renggang maupun dengan jumlah benda penghalang banyakdan lebih rapat. Dengan demikian, robot yang dikembangkan pada penelitian inimampu menghindari penghalang tanpa dipengaruhi oleh jumlah dan kerapatanpenghalang.

Gambar 7 dan gambar 8 memperlihatkan lintasan robot pada 2 buah titik awaldan titik tujuan. Pada percobaan ini robot melintasi bidang kerja tipe 3 dengan jumlahpenghalang 8 buah dan jarak antar benda penghalang bervariasi rapat danrenggangnya. Dari gambar 7 dan gambar 8 diketahui bahwa robot berhasil sampai ditujuan dengan menghindari benda penghalang meskipun titik awal dan titik tujuannyadivariasikan. Dengan demikian, robot yang dikembangkan penilitian ini dapatmenghindari penghalang yang ada di hadapannya tanpa di pengaruhi oleh titik awaldan titik akhir.

120

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (130)

KESIMPULAN

Dari pembahasan di atas maka dapat disimpulkan bahwa:1.Robot jenis SCARA dengan menggunakan sistem NN memperlihatkan kemampuan

pengontrolan terhadap geraknya sendiri.2.Robot jenis SCARA mampu menghindari penghalang tanpa dipengaruhi oleh

jumlah dan kerapatan penghalang serta titik awal dan titik akhir gerak robot.

DAFTARPUSTAKA

1. WIRATNO P ,DWI. dan OOBANA, K. "Function Extensions of Collision-freeRobot System based on Neural Network, Tugas Akhir SI Jurusan Elektro KontrolFakultas Teknik Universitas Waseda, Tokyo Jepang, 1995

2. EJIRI, M. and KOZAKIEWICZ, C, "Neural Network Approach to Path Planningfor Two Dimensional Robot Motion", IEEE/RSJ International Workshop onIntelligent Robots and System IROS'91, 818, 1991

3. UDUPA, S., "Collision Detection and Avoidance in Computer ControlledManipulator", Proc, 5th IJCAI, 737, 1977

4. RUMELHART, HINTON, G.E. and WILLIAMS, R.J., "Learning InternalRepresentations by Error Propagation, in Parallel Distributed Processing :Explorations in the Microstructure of Cognition", D.E.Rumelhart andJ.L.McClelland(Eds.), vol. 1, the MIT press, Massachusset, 318, 1986

5. NAGATANIGAWA, K., "Shougaibutsu Kaihi", Jinkouchinou press, Tokyo,(1990)

6. KUMA, K., "Neural Computer", Kogyochosakai, Tokyo, 1990

7. HACHIME, K. and SUZUKI, G., "Neural Computer Processing", Kaibundo,Tokyo, 1992

121

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (131)

L^ LPotensial -;- %£Jy

i 1;Arah Gerak

H ROBOT

KAMERA

Gambar 1. Bagan Sistem Penghindaran Benda Penghalang

Gambar 2. Robot Jenis SCARA

122

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (132)

titik arah

Gambar 3. Potensial

arah yangdiajarkan

/

pusatkamera

titik tujuan

• • / •

/

titik tujuan

arah yang \diajarkan \

pusatkamera

7

(a ) (b)Gambar.4. Arah yang Diajarkan

123

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (133)

Gambar 5. Lintasan Robot Pada Bidang Kerja Tipe 1 Dengan 5 Penghalang

Gambar 6. Lintasan Robot Pada Bidang Kerja Tipe 2 Dengan 12 Penghalang

424

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (134)

Gambar 7. Lintasan Robot Pada Bidang Kerja Tipe 3 (a)

Gambar 8. Lintasan Robot Pada Bidang Kerja Tipe 3 (b)

125

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (135)

DISKUSI

M. SYAMSA A.

1. Berapa derajat kebebasan dari robot tipe SCARA?2. Bagaimana mengoptimalkan trajectory robot?

DWIWIRATNO PRASETIJO

1. Derajat kebebasan robot SCARA adalah 180.2. Hasil percobaan ini sudah optimal, tapi karena percobaan ini merupakan awal dari

penggunaan NN, maka banyak sekali kemungkinan yang dapat dikembangkan.

T. BASARUDIN

Bagaimana cara menentukan besar sudut hindaran vy ?

DWI WIRATNO PRASETIJO

Selain sebagai input NN, informasi gambar digunakan untuk teacher pattern. Sebagaiteacher pattern, sudut hindaran v|/ adalah konstan.

126

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (136)

KLASIFIKASI CITRA MULTISPEKTRAL MENGGUNAKANTEORI JARINGAN SYARAF

M. Syamsa Ardisasmita*, M. Iyos R Subki**

ABSTRACT ID990000012

MULTISPECTRAL IMAGE CLASSIFICATION USING THE THEORIES OF NEURALNETWORKS. Image classification is the one of the most important part of digital image analysis. Theobjective of image classification is to identify and regroup the features occurring in an image into one orseveral classes in terms of the object. Basic to the understanding of multispectral classification is theconcept of the spectral response of an object as a function of the electromagnetic radiation and thewavelength of the spectrum. New approaches to classification has been developed to improve the resultof analysis, these state-of-the-art classifiers are based upon the theories of neural networks. Neuralnetwork classifiers are algoritlims which mimic the computational abilities of the human brain.Artificial neurons are simple emulation's of biological neurons; they take in information from sensors orother artificial neurons, perform very simple operations on this data, and pass the result to otherartificial neurons. This neural network classification approacli use training stage to train the computer torecognize the spectral signature of each image pixel. Neural network image classification has beendivided into supervised and unsupervised training procedures. In the supervised approach, examples ofeach cover type can be located and the computer can compute spectral signatures to categorize all pixelsin a digital image into several land cover classes. In unsupervised classification, spectral signatures aregenerated by mathematically grouping and it does not require analyst-specified training data. Thus, inthe supervised approach we define useful information categories and then examine (heir spectralreparability; in the unsupervised approach the computer determines spectrally separable classes andthen we define their information value.

ABSTRAK

KLASIFIKASI CITRA MULTISPEKTRAL MENGGUNAKAN TEORI JARINGANSYARAF. Pengklasifikasian citra merupakan salah satu bagian terpenting pada analisis citra digital.Tujuan dari klasifikasi citra adalah untuk mengidentifikasi dan kenrudian mengelompokkan pola ciricitra dalam satu atau sejumlah kelas atau kategori obvek. Pengertian dasar dari klasifikasi multispektraladalah konsep tanggap spektral obyek sebagai Auigsi spektrum panjang gelombang dan radiasielektromagnetik. Telah dikembangkan pendekalan barn klasifikasi yaitu untuk menyempurnakan hasilanalisis, dimana litik tolak pengklasifikasian tersebut didasarkan pada teori jaringan syaraf.Pengklasifikasian jaringan syaraf adalah suatu algoritma yang meniru kemampuan komputasi dari otakmanusia. Neuron buatan adalah emulasi sederhana dari neuron biologi; dimana mereka mengambilinformasi dari sensor atau neuron buatan yang lain, melaksanakan operasi sederhana pada data tcrsebut,dan menemskan hasilnya ke neuron buatan yang lain. Pendekatan klasifikasi jaringan syaraf inimenggunakan tahap pelatihan yaitu untuk melatih komputer mengenal tanda spektral dari seliap piksel

Pusat Pengembangan Informatika BATAN' Deputi Batan Bidang PSTN

127

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (137)

citra. Klasifikasi citra dengan jaringan syaraf dibagi dalam prosedur pelatihan terselia dan lak terselia.Pada pendekatan terselia, contoh setiap jenis lutupan lahan diidentifikasi dan kompular kenindian dapatmenghitung tanda-tanda spektral untuk mengkategorikan seluruh pixel citra digital kedalani sejumlahkelas penutup lahan. Jadi pada pendekatan terselia kita menentukan kategori informasi yang bergunadan menguji tingkat daya pisah spektralnya, sedang pada pendekatan tak terselia komputer menentukankelas yang dapat dipisahkan secara spektral dan kemudian bam kita menentukan manfaat infonnasinya.Kita akan membahas dua bentxik jaringan syaraf: multilayer feedforward {backpropagation) danKohonen self-organizing network.

PENDAHULUAN

Penginderaan jauh adalah ilmu untuk memperoieh informasi tentang suatu obyek.daerah atau fenomena melalui analisis data yang diperoleh dengan suatu alat sensoryang dewasa ini diiakukan dari wahana udara maupun dari antariksa. Sensor ininiemperoleh data tentang kenampakan di muka bumi melalui energi elektromagnetikyang dipancarkan atau dipantulkan. Sensor dapat menilai jenis dan kondisi obyekmelalui tanggap dan pola spektral. Pola spektral dapat dibedakan tetapi tidak uniksehingga variabilitas dari pola spektral ini menimbulkan masalah serius dalam analisisuntuk mengidentifikasi berbagai kenampakan di bumi. Dengan teknik penyiamanmultispektral (MSS) yaitu menggunakan sistem kamera lebih dari satu saluran yangpenginderaannya diiakukan pada saat yang sama, akan dihasilkan citra obyek padabeberapa saluran spektrum.

5at

I i I I1.6 2,0 2. A1,2

Panjang gelombang (jam)

Gambar.l - Kurva pantulan spektral untuk tiga obyek pada 5 saluran spektrum.

Keunggulan penginderaan multispektral terletak pada kemampuannya untukmemberikan lebih banyak informasi pola tanggap spektral yang merupakan ciri obyek.Misalnya seperti pada gambar 1, obyek A dan B pada saluran 1,2,3 dan 5 mempunyainilai pantulan spektral yang tidak banyak berbeda, tetapi pada saluran 4 dan 6 nilainya

128

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (138)

terpisah cukup besar, Citra pemetaan tematik (thematie mapper) dari sate! it Landsat-Dmemiliki tujuh buah saluran spektral yang dirancang untuk mengoptimalkankemampuan analisis vegetasi untuk terapan bidang pertanian. Kemampuan sensordewasa ini beroperasi memperoleh data jauh lebih besar dari pada kemampuanmenangani data tersebut. Pengolahan data sensor hingga menjadi bentuk yang dapatdiinterpretasi merupakan suatu usaha yang memerlukan banyak pemikiran,instrumentasi, waktu, pengalaman dan rujukan. Data spektral yang besar umumnyadianalisis secara numerik dengan bantuan komputer. Penggunaan komputermemungkinkan pengolahan otomatis dan pengkajian data secara lebih lengkap yaitudengan metoda pengenalan pola spektral. Pola-pola spektral khusus untuk suatu jeniskenampakan, pola tersebut dapat dijadikan kunci dasar bagi prosedur pcngenalanspektral dan kemudian menginterpretasikannya secara otomatik.

Prosedur klasifikasi adalah usaha untuk untuk mengidentifikasi dan kemudianmengelompokkan seluruh elemen citra digital (pixel) dalam satu atau sejumlah klasatau kategori obyek. Klasifikasi citra secara otomatis umumnya dibagi atas klasifikasidengan pelatihan terselia (supervised) dan pelatihan tak terselia (unsupervised). Padaklasifikasi terselia harus diambil sejumlah pola data sebagai acuan atau target.Pemetaan dilakukan dengan proses pelatihan dengan sejumlah sampel pola tertentusebagai kunci pengenalan untuk menghasilkan sejumlah atribut kelas.

Pada klasifikasi tak terselia tidak menggunakan spektral kunci sebagai datalatihan. Prosedur klasifikasi tak terselia menggunakan algoritma yang mengkajisejumlah besar pixel yang tidak dikenal dan membaginya ke dalam sejiimlah kelasberdasarkan pengelompokan nilai citra yang ada. Anggapan dasarnya adalah bahwanilai di dalam suatu jenis tutupan sehamsnya saling berdekatan pada mangpengukuran, sedang data pada kelas yang berbeda harus dapat dipisahkan dengan baiksecara komparatif. Kelas yang dihasilkan pada klasifikasi ini adalah kelas spektral,karena didasarkan pada pengelompokan natural nilai spektral citra. Analisis harusmembandingkan data hasil klasifikasi terhadap beberapa bentuk data rujukan untukmenentukan identitas dan nilai informasi kelas spektral tersebut. Kelas yang dihasilkanoleh klasifikasi dengan pelatihan tak terselia adalah kelas spektral sedangkan padapelatihan terselia sudah ditentukan kategori informasi yang berguna dan kemudianmenguji tingkat daya pisah spektralnya.

TEORI JARINGAN SYARAF

Neural network atau jaringan syaraf buatan diilhami dari cara kerja syarafmanusia sebagaimana layaknya anatomi otak. Ciri dari jaringan syaraf adalahkemampuan untuk belajar (learning process) yaitu memodifikasi tingkah laku sesuaidengan umpan balik dari lingkungannya. Sebuah jaringan syaraf disini dilatih denganmemasukkan vektor masukan secara berurutan sehingga diperoleh serangkaian keluaran

129

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (139)

tertentu yang konsisten dengan mengatur penimbang jaringan sesuai dengan proseduryang telah ditetapkan. Misalnya kemampuan untuk membedakan informasi denganderau dan distorsi, atau merekonstruksi informasi yang tidak lengkap agar mampumenangkap pola yang sebenarnya, merupakan hal yang sangat penting dalampengenalan pola. Pada jaringan syaraf tinian pola spektral citra diklasifikasikanberdasarkan kemiripan atau keserupaan dimana dalam analisisnya, memperkirakanderajat keserupaan adalah merupakan prosedur numerik yang deterministik berbasiskomputer.

Jaringan syaraf tersusun dari unit-unit yang melakukan kegiatan seperti fungsineuron biologis yang paling elementer. Setiap unit neuron buatan dihubungkan denganserangkaian masukkan yang akan menghasilkan keluaran yang berhubungan dengantingkat aktivasi dari neuron tersebut. Tingkat aktivasi suatu neuron adalah hasilperkalian antara masukan dengan suatu faktor penimbang tertentu yang analog dengantegangan sinapsis pada neuron syaraf manusia, dan kemudian semua masukantertimbang itu dijumlahkan. Secara matematis masukan-masukan dengan nania Xi, x2,x3, ..., xn di dikalikan dengan suatu penimbang yang digambarkan dengan suatu vektorX :

X = + X2W2 + X3YV3 + ... + XnWn =

Masukan

Keluaran

= f(X)

Gambar. 2 - Satuan neuron tiruan.

Vektor masukkan ke satuan neuron merupakan hasil penjumlahan beberapamasukan dikalikan dengan faktor penimbang sedangkan sinyal keluarannya akandiproses lebih lanjut dengan suatu fungsi matematika : y = f(X). Fungsi f adalahpenentu hasil keluaran satuan neuron atau disebut juga fungsi ambang batas, dapatmerupakan fungsi linear atau fungsi-fungsi lain yang lebih kompleks. Fungsi yangumum dipakai adalah fungsi sigmoid (berbentuk huruf S), karena fungsi matcmatika iniini sangat mirip menggambarkan flingsi kerja neuron syaraf manusia, yang rumusumumnya digambarkan dengan fungsi Sigmoid.

Fungsi Sigmoid diatas hanya menghasilkan keluaran pada daerah ambangdengan koefisien tanggap lebih besar dari nol. Sekitar daerah transisi terjadipengingkatan tanggap fungsi terhadap masukan secara linear dan mencapai titik jenuhpada daerah batas akhirnya. Fungsi aktivasi lain yang umum digunakan adalah fungsitangen hiperbolik. Bentuk fungsi ini mirip dengan fungsi Sigmoid dan sering dipakaioleh para ahli biologi sebagai model matematika aktivasi sel syaraf. Bedanya denganfungsi Sigmoid, fungsi tangen hiperbolik memiliki dwikutub untuk keluarannya.

130

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (140)

f (X) =

Gambar. 3 - Fungsi Sigmoid

Suatu jaringan syaraf kemudian dilatih sehingga menghasilkan scrangkaiankeluaran tertentu dari sejumlah masukan menurut prosedur yang telah ditentukan.Selama pelatihan, nilai penimbang jaringan diubah-ubah sehingga diperolch vektormasukan yang menghasilkan vektor keluaran yang diinginkan. Pelatihan scperti inidisebut pelatihan obyektif {objective training). Selain itu dikenal pula pelatihan terselia{supervised training) dimana setiap vektor masukan dihitung dan dibandingkan denganvektor target tertentu. Selisihnya {error) diumpanbalikkan melalui jaringan danpenimbang diubah menurut suatu algoritma yang meminimalkan selisih tadi. Vektor-vektor pelatihan tersebut dibangkitkan secara berurutan, selisihnya dihitung danpenimbang diatur untuk setiap vektor, sampai kesalahan untuk seluruh rangkaianpelatihan mencapai tingkat yang dapat diterima.

Kohonen (1984) mengembangkan pelatihan tak terselia (unsupervisecf training).yang disebut self-organizing netM>orks. Pelatihan ini tidak membutuhkan vektor targetuntuk keluarannya, dan karena itu, tidak ada perbandingan yang dilakukan tcrhadaptanggap ideal yang ditetapkan sebelumnya. Rangkaian pelatihan hanya berisi vektormasukan. saja. Algoritma pelatihan memodifikasi penimbang jaringan untukmenghasilkan vektor keluaran yang konsisten. Artinya, penerapan salah satu vektorpelatihan atau suatu vektor yang serupa, akan menghasilkan pola keluaran yang sama.Hebb (1961) mengusulkan sebuah model pelatihan tak terselia yang penimbangnyadinaikkan jika jaringan sumber dan jaringan tujuan keduanya teraktivasi, yang secaramatematis dinyatakan dengan :

dengan : Wy(n) = nilai penimbang dari neuron i ke neuron j sebelum penyesuaian,Wy(n+1) = nilai penimbang dari neuron i ke neuron j setelah penyesuaian.a = koefisien kecepatan belajar,yi = keluaran neuron i dan masukan ke neuron jyj = keluaran neuron j .

131

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (141)

PENGENALAN POLA SPEKTRAL DENGAN PELATIHAN TERSELIA

Kita awali dengan serangkaian data citra digital yang direkam masing-masingpada saluran hijau, biru, merah, inframerah pantulan dan inframerah tennal. Lima buahkeluaran ini merupakan hasil pola tanggap spektral dari berbagai kenampakan medandisepanjang jalur siaman yang direpresentasikan dalam bentuk matriks nilai pixel yangdisebut raster. Setia pixel berisi serangkaian nilai yang terdiri atas lima nilai digital,masing-masing untuk tiap saluran spektral. Rangkaian data citra dapat dipandangsebagai suatu matriks berdimensi n dengan satu lapis nilai digital yang diukur atas tiappixel di dalam tiap saluran spektral.

- I Pelatihan & Klasiflkasi C i t r a Terklasifikasi

1

1

Salurai

=langka;an Data

2i

A

Citra

*

/

S'

.-•

Urban111 99 78 69

Sungai121119 22

Hutan66 60 25 IBS

J

SHSHHHH

HUHUH UH H

M

UU

s

s

Huuu

u

HH

H

H

•Pembanding-

Gambar. 4 - Proses pengenalan pola spektral.

Klasifikasi

Proses pengenalan pola spektral merupakan proses pelatihan terselia yang terdiriatas tiga tahap yaitu tahap pelatihan (training), tahap klasifikasi dan tahap presentasikeluaran. Pada tahap pelatihan dikumpulkan data numerik dari daerah pelatihan yangakan dianalisis kategori-kategorinya melalui pola tanggap spektral dari tutupan lahan.Disini bentuk khusus pola spektral yang berhubungan dengan suatu kenampakandikembangkan menjadi "kunci interpretasi" dalam menentukan kategori tutupan lahan.Hal ini biasanya dilakukan dengan memeriksa situs contoh jenis tutupan yang telahdiketahui dan yang mewakili, yang disebut daerah pelatihan. Tahap kedua adalah tahapklasifikasi dimana tiap pixel pada serangkaian data citra dibandingkan tcrhadap tiapkategori pada kunci interpretasi. Perbandingan dilakukan secara numcrik denganmenggunakan pengukuran derajat keserupaan yaitu menentukan nilai pixel yang tidakdikenal terhadap kategori yang : paling mendekati. Setelah seluruh data dapatdikelompokkan hasilnya disajikan pada tahap keluaran yang biasanya dalam bentukpeta.

Jaringan umpan-maju (Feedforward) seperti Backpropagation banyakdigunakan untuk klasifikasi pola dengan pelatihan terselia. Jaringan ini diperkenalkan

132

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (142)

oleh Rumelhart, Hinton dan Williams (1986) dimana terdiri dari sejumlah simpul dalamlapisan-lapisan (layer) yang bertingkat. Keluaran simpul dalam satu lapisan diteruskan*e simpul datam lapisan lain melalui penghubung yang memperbesar keluaran melaluifaktor penimbang. Pola masukan dan pola kunci di masukkan ke lapisan masukan. Polamasukan diumpankan ke simpul-simpul dimana setiap simpul melakukan pelatihandengan sejumlah nilai penimbang dan fungsi aktivasi, dimana keluaran dihitung secaraumpan-maju.

LapisanMasukan

LapisanTersembunyi

LapisanKeluaran

Pola masukan

Pola kunci

Pola keluaran

VM

Gambar. 5 - Jaringan umpan-maju Backpropagation.

'Keluaran dari jaringan lapisan tersembunyi (hidden layer) ke-j dinyatakandengan:

Keluaran dari simpul j adalah :

(l + e-(Xj+©j)/©0

dimana f merupakan fungsi aktivasi- sigmoid, 0O adalah parameter bentuk sigmoid, dan©j penggeser flingsi aktivasi. Fungsi aktivasi yang dipakai dalam jaringan adalah fungsiSigmoid, karena fungsi ini mendekati fungsi linear dan dapat dideferensialkan dalammencari fungsi turunan pertamanya untuk mencari harga minimal (gradient descent).

Pola keluaran pada lapisan keluaran yk kemudian dibandingkan dengan polakunci dk, dimana hasilnya memberikan penyimpangan (error):

133

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (143)

Jika keluaran yang dihasilkan masih menyimpang dari yang diharapkan (error) makanilai koefisien penimbang dalam semua penghubung simpul diatur kembali. Prosesperhitungan koefisien penimbang yang bam adalah dengan menjalarkan kembali polakeluaran padajaringan dari lapisan keluaran ke arah lapisan masukan. Proses iterasidapat dinyatakan dengan :

Wj(n+1) = Wj(n) + a (-gradw(e(W))

Proses pengaturan nilai penimbang ini yang disebut dengan pelatihan dan pehitungannilai penimbang baru dengan penjalaran balik disebut back propagation. Prosespenjalaran balik ini dilakukan berulang-ulang (iterasi) sampai diperoleh penyimpanganantara nilai pola keluaran dibandingkan dengan nilai pola kunci menjadi minimal.

KLASIFIKASI SPEKTRAL DENGAN PELATIHAN TIDAK TERSEL1A

Karena kita memandang pola sebagai titik-titik dalam ruang feature bcrdimensiN, maka kita dapat mengharapkan bahvva pola-pola itu serupa berdasarkankeanggotaan kelas. atau nilai atribut lainnya. Misalnya semua pola yang merupakananggota kelas k) dapat terhimpun lebih dekat ke satu pola dibandingkan dengan polalain yang menjadi anggota kelas k2. Teknik pengelompokkan ini disebut denganclustering. Dalam pelatihan tidak terselia, proses pengelompokan dapat dilakukandengan cara pengukuran jarak. Suatu pixel yang tidak dikenal identitasnya dapatdikelaskan dengan cara menghitung jarak antara nilai pixel tersebut terhadap vektorpenimbang.

Sebelum dilatih, nilai vektor penimbang diinisialisasi dengan nilai rang acak.Kemudian setiap vektor masukan dinormalisasi dalam ruang penimbang yaitu dengancara membagi setiap nilai penimbang acak dengan akar kuadrat penjumlahan kuadratkomponen-komponen vektor penimbang tersebut. Semua vektor masukan dalamrangkaian pelatihan diatur agar ternomalisasi dan neuron unit jaringan yang mempunyaivektor penimbang yang paling dekat terhadap vektor masukan sinyatakan sebagaianggota kelas.

Ada empat tahap dalam pelatihan tak terselia dengan pemetaan self-organizingKohonen yaitu :1. Inisialisasi nilai seluruh vektor penimbang wy dengan nilai acak.2. Perkenalkan vektor masukan X padajaringan.3. Hitung jarak vektor penimbang terhadap vektor masukan pada jaringan. Dalam

ruang Euklidian jarak ini dapat dihitung

134

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (144)

4. Menentukan nilai vektor penimbang yang paling dekat ke vektor masukan, yaitujarak Euklidian minimum.

5. Mengatur kembali nilai vektor penimbang dengan persamaan :

Wj(n+1) = Wj(n) + a exp(Dj2) D,

dengan : a adalah skala langkah dan e koefisien dengan nilai tetap.6. Lakukan langkah 2 sampai 5 untuk setiap vektor masukan secara siklis.

Nilai D berangsur-angsur akan berkurang selama pelatihan pada jaringan. NilaiD dimulai dari jarak terbesar antara vektor penimbang dan akan berakhir pada nilaiyang cukup kecil dengan hanya satu neuron yang dilatih.

HASIL DAN PEMBAHASAN

Algoritma klasifikasi dengan metoda jaringan syaraf tiruan, baik denganpelatihan terselia maupun pelatihan tidak terselia, diuji coba pada citra multispektral(MSS) penginderaan peta tematik {thematic mapper/TM) dari satelit Landsat D yangmemiliki 7 buah saluran spektral. Landsat-D TM menerapkan teknik pengenalan polaspektral untuk memaksiniumkan kcmampuan analisis penutup lahan tcrutamapenerapannya pada bidang pertanian. Empat dari tujuh saluran spektral yang digunakandalam uji coba ini adalah :1. Saluran satu (0,45 - 0,52 um/biru) dirancang untuk membuahkan peningkatan

penetrasi ke dalam tubuh air, dan juga untuk mendukung analisis sifat khaspenggunaan lahan, tanah dan vegetasi.

2. Saluran dua (0,52 - 0,60 u.m/hijau), terutama dirancang untuk penginderaanpuncak pantulan vegetasi pada spektrum hijau yang terletak diantara dua saluranspektral serapan klorofil.

3. Saluran tiga (0,63 - 0,69 um/merah), merupakan saluran terpcnting untukmemisahkan kontras antara penampakan vegetasi dan bukan vegetasi.

4. Saluran empat (0,76 - 0,90 urn/inframerah pantulan), terutama dirancang untukmemperkuat perbedaan kontras antara tanaman-tanah dan lahan air.

Pada pelatihan terselia, sebelum dilakukan klasifikasi pola tanggap spcktral bagitiap kategori tutupan lahan, dilakukan kategorisasi dengan menggunakan data citra itusendiri. Prosedur ini dilakukan dengan berpedoman pada data sumber rujukan sepertipeta topografi, foto udara dan pengamatan lapangan. Setelah diidentiflkasikan, daerahlatihan diletakkan pada rangkaian data citra yang disimpan di dalam arsip pada mediapenyimpan komputer sebagai bahan acuan. Setelah daerah latihan diberi batas,komputer merujuk daerah batas tersebut dan menghubungkannya dengan arsip data

135

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (145)

citra dan membaca nilai digital untuk pixel yang terdapat didalam tiap batas daerahlatihan. Nilai pixel tersebut digunakan untuk menetapkan pola tanggap spektralberbagai kategori penutup lahan. Pada contoh kita menggunakan 4 saluran untuk setiappixel yang diamati atau berarti tiap pixel mengandung informasi 32 bit.

Hasil sistem klasifikasi penggunaan lahan dan penutup lahan dengan klasifikasiterselia ditunjukkan pada gambar 6.e sedangkan hasil klasifikasi tak terseliaditunjukkan pada gambar 6.f. Klasifikasi terselia dilakukan dengan 5 kategori tingkatyaitu : lahan hutan, lahan pertanian, sungai atau air, lahan gundul dan daerah pcrkotaan(urban) atau lahan bangunan, sedangkan klasifikasi tak terselia mencrapkan 5kelompok untuk analis cluster. Hasil yang disajikan pada klasifikasi tak terselia adalahbeberapa klas spektral yang dapat diidentifikasikan terhadap setiap kategori informasiyang diinginkan oleh pengguna. Dalam praktek dapat diperoleh beberapa kelas spektralberkaitan dengan lebih dari satu jenis kategori informasi. Setiap kelas spektral dapatberhubungan secara khas dengan satu jenis kenampakan di permukaan bumi, ini hanyaakan terjadi bila kenampakan pada citra mempunyai sifat khas spektra! yang sangatberbeda.

KESIMPULAN

Pada makalah ini telah diperlihatkan aplikasi teori jaringan syaraf untukklasifikasi citra multispektral (MSS), baik klasifikasi dengan pelatihan tersclia maupunpelatihan tak terselia. Dalam pelatihan terselia, terdapat pemandu yang menghadirkanpola masukan pada jarin'gan serta membandingkan keluaran yang dihasilkan denganyang diinginkan, dan kemudian menyesuaikan penimbang jaringan agar selisih dapatdikurangi. Pada pelatihan tak terselia, tidak ada pemandu pola masukan. Jaringan akanmengatur dirinya sendiri dengan cara menyesuaikan dan mengatur pcnimbangnyamenurut algoritma yang telah ditetapkan. Jadi pada pelatihan terselia kita dapatmenentukan kategori informasi yang berguna dan menguji tingkat daya pisahspektralnya, sedangkan pada pendekatan tak terselia kita tentukan kelas yang dapatdipisahkan secara spektral dan kemudian baru menentukan manfaat informasinya.

Model sederhana neuron buatan ini mengabaikan banyak sekali karakteristikbiologis neuron sebenarnya. Misalnya model ini tidak memperhitungkan waktu tunda(delay time) yang mempengaruhi dinamika sistem, sebagai contoh suatu masukansegera menghasilkan keluaran. Lebih jauh lagi, mode! ini tidak melibatkan fungsimodulasi frekuensi yang oleh para peneliti dianggap penting. Meskipun jaringan syaraftiruan ini memiliki banyak keterbatasan, namun telah memberikan hasil yang cukupbaik dalam banyak hal.

136

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (146)

DAFTAR PUSTAKA

1. PAO, Y.H., ''Adaptive Pattern Recognition and Neural Networks", Addison -Wesley, Massachusetts, 1989

2. V.B. RAO, H.V. RAO, "C++ Neural Networks and Fuzzy Logic", MIS Press,New York, 1993

3. S.T. WELSTEAD, "Neural Network and Fuzzy Logic Application in C'C++ ",John Wiley & Sons, Inc., 1994

4. T. LILLESAND, R. KIEFER, "Remote Sensing and Image Interpretation", JohnWiley and Sons, Inc., 1987

137

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (147)

- • K*** ;.

• f -L

(e)

Gambar. 6 - Citra Landsat TM (a) saluran satu, (b) saluran dua, (c) saluran tiga,(d) saluran empat, (e) Klasifikasi terselia, (f) Klasifikasi tak tersclia.

138

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (148)

DISKUSI

AMIR RUSLI

Penggunaan fuzzy (kekaburan) paling baik untuk kondisi alamiah. Bagaimana kalauditerapkan dalam hal-hal yang memerlukan ketelitian sangat tinggi?

M. SYAMSA A.

Logika fuzzy justru meningkatkan ketelitian logika biner (0,1), yaitu denganmemperkenalkan bilangan pecahanpada interval 0 sampai 1, sebagai nilai dari fungsikeanggotaan.

AGUS FANAR SYUKRI

1. Dari 3 metode yang dipresentasikan yaitu metode statistik, jaringan syaraf, danlogikafuzzy, metode manakah yang paling baik untuk klasifikasi pola citra?

2. Apa kelebihan dan kekurangan masing-masing metode?

M. SYAMSA A.

1. Karena masing-masing mempunyai kelebihan dan kekurangan, maka yang terbaikadalah kombinasi dari ketiga metode tersebut.

2. Metode statistika baik untuk analisis global, sedang untuk analisis individu lebihbaik dengan logika fuzzy, yaitu antara antara probabilistik dengan posibilistik.

INO SURYANA

1. Apakah penginderaan jarak jauh sudah terbebas dari keadaan alam (misalnyakabut, awan dll)?

2. Bila sudah terbebas dari keadaan alam, digunakan di mana dan bila belum,konversi apa yang dilakukan?

139

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (149)

M. SYAMSA A.

1. Pada penggunaan wahana penginderaan jauh konvensional yaitu penggunaankamera cahaya tampak dan infra merah, kondisi atmosferik seperti kabut dan awansangat mengganggu. Tapi dengan teknologi radar (ERS/1) masalah tersebut dapatdiatasi, karena gelombang radar dapat menembus awan / kabut.

2. Penggunaannya adalah untuk memantau penutupan lahan (land covery) di bumi,misalnya laut, daerah urban, hutan, areal pertanian, dll.

140

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (150)

ESTIMASI RATA-RATA PADA UJI UMURMEMAKAI METODE STAIRCASE DENGAN SEDIKIT SAMPEL

Juhartono, B.Eng M.Eng*

mi mil! ii ii i,ABSTRAK ID990000013

ESTIMASI RATA-RATA PADA UJI UMUR MEMAKAI METODE STAIRCASEDENGAN SEDIKIT SAMPEL. Pengujian umur sebuah sanipel sering memakan waktu yang lama,karena untuk mendapatkan hasil yang akurat dibutuhkan sampel dengan jumlah banyak. Waktupengujian Metode Staircase lebih singkat dibandingkan dengan waktu pengujian Metode Weibull.Metode mi merupakan salah satu metode pengujian umur yang bersifat statistik dan cukup akurat untukmengestimasi umur rata-rata dari sampel yang akan diuji. Keuntungan metode ini, lama pengujiandapat dihitung.

Studi ini dilakukan untuk mencari jumlah sampel minimum yang diperlukan pada uji umurdengan metode Staircase untuk mengestimasi umur rata-rata dari sampel, tanpa mempengaruhikeakuratan data yang didapat. Sehingga dengan memakai jumlah sampel minimum, data yang didapatakurat dan mempersingkat waktu pengujian yang tentunya dapat membuat pengujian menjadi lebihekonomis.

ABSTRACT

ESTIMATION OF TESTING LIFEAGE AVERAGE USING STAIRCASE METHODFOR A SMALL SAMPLE. Testing lifeage of a sample often takes longer time because samples withlarge amount are needed to get accurate result. Staircase method can shorten testing time comparedwith Weibull method. This method is one of the lifeage testing method using statistics and accurateenough to estimate the average lifeage of tested samples. The advantage of this method is that the lengthof testing can be calculated.

This study is canducted to find the minimum amount of samples needed in life testing usingStaircase method to estimate the average lifeage of samples, whitout affecting the accuracy of the dataobtained. Thus, using minimum amount of samples, data obtained is accurate and the length of lifeagetesting can be shorten which makes testing more economical.

PENDAHULUAN

Dalam pengujian umur dikenal metode Weibull. Metode ini sering digunakanuntuk menghitung/mencari umur suatu bahan atau sampel, misalkan pada pengujianumur bearing. Dengan metode ini sejumlah sampel diuji pada beban tertentu sampaiterjadi kerusakan pada sampel tersebut. Waktu pengujian satu sampel dengan sampellainnya sangat bervariasi, dapat berlangsung dengan cepat ataupun membutuhkan

*PuslitbangKIM-LIPI

141

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (151)

waktu yang lama. Selain itu, untuk mendapatkan nilai gradien yang akurat dibutuhkanjumlah sampel yang cukup banyak, sehingga total waktu yang dibutuhkan untukpengujian menjadi lama dan tidak dapat diperkirakan.

Bila metode Staircase dapat diterapkan untuk menguji umur suatu sampel, makalama waktu pengujian dapat diperkirakan. Pada metode ini sampel diuji sampai bataswaktu tertentu yang digantikan dengan sampel berikutnya bila rusak sebelum waktuyang ditentukan ataupun tidak rusak sampai batas waktu yang ditentukan, sehinggadengan menghitung jumlah sampel yang akan diuji dapat diperkirakan total waktupengujian. Menurut Dixon and Mood pada makalahnya dengan jumlah sampel antara40 dan 50 buah, mungkin akan didapat hasil dengan ketelitian tinggi. SedangkanRamson dan Mehl memakai lebih dari 50 sampel untuk pengujian dengan metodeStaicase ini.

METODE STAIRCASE

Pada metode ini sampel pertama dites pada beban awal Yo. Bila sebelum waktuyang ditentukan sampel telah rusak, maka sampel berikutnya dites dengan beban Yo - d(d adalah interval beban). Akan tetapi bila sampai waktu yang ditentukan sampel tidakrusak, sampel berikutnya dites pada beban Yo + d. Sekarang misalkan sampel pertamatidak rusak dan sampel kedua tidak rusak maka sampel ketiga di tes pada bebanYo + 2d. Demikian seterusnya sampel berikutnya dites pada beban yang tergantungdari hasil pengujian sebelumnya, yaitu beban ditambah interval beban bila sampel tidakrusak, sebaliknya bila sampel rusak beban dikurangi interval beban.

yo-d

yo - 2d

Gambar 1. Prosedur pada metode Staircase

142

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (152)

Setelah pengujian semua sampel telah selesai dilakukan perhitungan estimasirata-rata umur sampel tersebut dengan menggunakan rumus berikut ini.

/y. : Estimasi rata-rata.Yo : Beban awal pengujian.d : Interval antara beban.i : Level bebannj : Jumlah sampel yang digunakan untuk perhitungan pada tiap level beban.+'/2 bila perhitungan didasarkan sampel yang tidak rusak.-'/2 bila perhitungan didasarkan oleh sampel yang rusak.

METODE PERHITUNGAN

Sampel yang akan diuji mengikuti distribusi normal seperti diperlihatkangambar 2. Sampel pertama diuji pada beban yang nilainya sama dengan rata-rata daridistribusi normal. Beban uji disimulasikan menjadi beberapa level beban antara u. - 3asampai u. + 3a tergantung dari besarnya nilai interval beban (u. adalah rata-ratasesungguhnya dan a adalah deviasi standarnya). Besar beban d adalah 0,5 ~ 2 a. Padatiap-tiap level beban dapat diketahui nilai kemungkinan tidak rusak /?, dan nilaikemungkinan rusak q yang dihitung dengan menggunakan rumus di bawah. Semuakemungkinan bentuk tes yang terjadi besar nilai rata-rata dihitung dengan menggunakanrumus pada bab sebelumnya, kemudian dihitung besar kemungkinan keluarnya nilaitersebut. Dari hasil perhitungan ini dicari besar nilai estimasi rata-rata dan variannya.

143

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (153)

Distribusi Normal Probabilitas

qo q. q2

qo qi PJ

qo Pi qo

Po q-i qo

qo Pi Po

Po q-i Po

Po P-i q.2

Po P-i P-J

Gambar 2. Prosedur pada metode Staircase

Gambar 2 di atas memperlihatkan sampel yang berbentuk distribusi normal dansemua kemungkinan bentuk hasil pengetesan menggunakan metode Staircase dengan 3buah sampel. Pada gambar 2, qoqiq2 adalah nilai kemungkinan dari sampel pertamatidak rusak, sampel kedua tidak rusak dan sampel ketiga tidak rusak. qoqiP2 adalah nilaikemungkinan dari sampel pertama tidak rusak, sampel kedua tidak rusak dan sampelketiga rusak. qopiqo adalah nilai kemungkinan dari sampel pertama tidak rusak, sampelkedua rusak dan sampel ketiga tidak rusak. Demikian seterusnya untuk nilaikemungkinan bentuk-bentuk hasil pengujian lainnya.

Dengan cara yang sama dilakukan pula bila jumlah sampel dinaikan menjadin = 8, n = 12, n = 16 dan n = 20.

HASIL DAN PEMBAHASAN

Dari perhitungan di atas dapat diketahui hubungan antara nilai estimasi rata-rata,beban awal, interval beban dan kenaikan jumlah sampel. Hasil perhitungan estimasirata-rata dan variannya dengan jumlah sampel yang dipakai n = 8, n = 12, n =16 dann = 20 diperlihatkan oleh gambar 3 sampai dengan gambar 10.Pada jumlah sampel 8 buah, dari gambar 3 dan gambar 4 terlihat bila interval beband = 0,5 a, maka nilai estimasi rata-rata dapat mencapai p. + 0,6 a pada beban awalYo > p. + 3 a. Sedangkan variannya di atas 0,3 a2 pada beban awal Yo > u. + a.

Untuk jumlah sampel n = 12 atau lebih seperti pada gambar 5 sampai dengangambar 10 nilai estimasi rata-rata di bawah p. + 0,3 a dan nilai variannya dibawah 0,3a2, kecuali pada n = 12 dengan interval beban d = 0,5 a dan beban awalYo > \i + 2,8 a. Dari gambar-gambar tersebut diketahui bahwa besar perubahan nilai

144

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (154)

estimasi rata-rata dan variannya semakin kecil bila jumlah sampel ditambah terus. Darigambar 10 diketahui pada jumlah sampel n = 20 perbedaan besar interval beban yangdiambil tidak mempengaruhi nilai varian dari estimasi rata-rata. Dengan kata laintingkat akurasi estimasi rata-rata dengan jumlah sampel 20 buah menggunakan metodeStaircase tidak dipengaruhi oleh besar interval beban yang dipilih antara 0,5 a sampaidengan 2 a. Dan bila interval beban d > cr, maka diperoleh estimasi rata-rata mendekatirata-rata sesunguhnya.

t*o -O.3 -Oio -t.a ^/^—--

-3.0 N>OV

. CI/CT - o . S

- Ola -1.5, ato -2.0

F . t . 5

1 . 2

0 . 0

— 0 . 3

d VA Inn o f ft w t i h

1 w i t h n « 8

4»rt v « I i t*1 o f ( / 7 - si > : w i t h n~\y

ma -o.s^ < • " . - 1 . 3

d<° -z.o

•3 •••

w O.3

- i-1.6

-a

F i l . 7 Kxp«ned vnluft of « m th n=l6 F i e . » Ri»RCted v^liie of w i t h n - \ t .

J ; O.B

<i o.e£

0.3s<f* -1.3,,<*« -l.O

1cr«-

«20 F I fL. 1 0

(T.-M)

Hi n*'/0

145

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (155)

Gambar 11 dan 12 berikut ini memperlihatkan hubungan antara hubungan antaravarian dari rata-rata, interval beban dan jumlah sampel bila beban awal Yo mengikutijuga distribusi normal.

Dari gambar 11 diketahui semakin banyak jumlah sampel yang digunakan dalampengetesan, nilai varian dari estimasi rata-rata semakin mengecil. Hal ini menunjukanbahwa estimasi rata-rata semakin terfokus mendekati nilai rata-rata sesungguhnya daridistribusi sampel. Pada gambar ini pula diketahui besar perubahan nilai varian dariestimasi rata-rata semakin mengecil dengan bertambahnya jumlah sampel.

Gambar 12 menunjukan pengaruh jumlah sampel terhadap nilai varian dariestimasi rata-rata. Dari gambar tersebut dapat diketahui bahwa bila jumlah sampeldinaikan menjadi lebih besar dari 20 buah, besar nilai varian dari estimasi tersebuthampir tidak mengalami perubahan. Atau dengan kata lain menaikan jumlah sampelmenjadi lebih dari 20 buah pada pengetesan dengan menggunakan metode Staircasehasilnya tidak mempengaruhi keakuratan data yang diperoleh.

1.2

0.8

0.6

0.4

0.2

n»20v

n = 1 2 / \

- — -—"—

\ \

_i s i -—"

-——— —

k —

0.6 1.5

Gambar 11. Distribusi ujika Yo terdistribusi N

146

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (156)

§

1

0.8

0.6

0.4

0.2

/ d/o = 2.0=1.5

= 1.0=0.5

4 8 12 16 20 24 28

Gambar 12. Akibat dari jumlah penelitian terhadap estimasi rata-rata

KESIMPULAN

Dari hasil diatas dapat disimpulkan:1. Pada sampel yang mengikuti distribusi normal, pengujian 20 buah sampel dengan

metode Staircase didapat nilai estimasi rata-rata yang cukup akurat.2. Pengaruh penambahan jumlah sampel hingga melebihi dari 20 buah terhadap

keakuratan estimasi rata-rata sangat kecil.3. Jumlah sampel 20 buah yang disarankan pada tulisan ini bila dibandingkan dengan

jumlah sampel menurut Dixon and Mood adalah separuhnya atau kurang dariseparuhnya.

DAFTAR PUSTAKA

1. I. YOShom*oTO : Staircaseho ni yoru tsukare shiken (in Japanese), Nihon KikaiGakkai Ronbunshu, vol 20, No.l67(1970) 918-924.

2. W.J.DIXON and A.M.MOOD : A Method for obtaining and analyzing sensitivitydata, Journal of The American Statistical Assocation 43(1948) 109-126.

3. N.J.DIXON : Statistical Design and Analysis of Engineering Experiments :270-275.

4. J.T.RANSOM and R.F.MEHL : Journal of The American Statistical Assocation43(1948) 109-126.

NEXT PAGE(S)left BLANK

147

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (157)

PERBANDINGAN ALGORITMA METODE MECD DAN METODERUNGE-KUTTA UNTUK MENYELESAIKAN PERSAMAAN DIFERENSIAL

BERDERAJAT DUA YANG BERSISTEM BESAR

Supriyono dan Tetsuhiko Miyoshi

ABSTRACT ID990000014

COMPOSITION BETWEEN MECD AND RUNGE-KUTTA ALGORITHM METHODEFOR LARGE SYSTEM OF SECOND ORDER DIFFERENTIAL EQUATIONS. MECD Methodand Runge-Kutta Method for Large System of Second Order Ordinary Differential Equations incomparing algorithm. The paper introduce'a extrapolation method used for solving the large system ofsecond Order Ordinary differential equation. We call this method the Modified Extrapolated CentralDifference (MECD) method. For the accuracy and efficiency MECD method, we compare the methodwith 4-th order Runge-Kutta method.

The comparison results show that, this method has almost the same accuracy as the 4-th orderRunge-Kutta method, but the computation time is about half of Runge-Kutta. The MECD was declaredby the author and Tetsuhiko Miyoshi of the Dept. Applied Science Yamaguchi University Japan.

ABSTRAK

PERBANDINGAN ALGORITMA METODE MECD DAN METODE RUNGE-KUTTAUNTUK MENYELESAIKAN PERSAMAAN DIFERENSIAL BERDERAJAT DUA YANGBERSISTEM BESAR. Metode MECD dan Metode Runge-Kutta untuk menyelesaikan persamaandiferensial berderajat dua yang bersistem besar dalam perbandingan algoritma. Dalam makalah ini kamiingin memperkenalkan suatu metode ekstrapolasi yang digunakan untuk menyelesaikan persamaandiferensial berderajat dua yang bersistem besar. Metode ini kami namakan Metode ModifiedExtrapolated Central Difference (MECD). Untuk menguji keakuratan dan efisiensi kami bandingkanmetode ini dengan metode Runge-Kutta yang berderajat empat.

Dari perbandingan tersebut dapat disimpulkan bahwa tingkat akurasi metode ini sama dengantingkat akurasi metode Runge-Kutta, tetapi waktu komputasinya dapat mendekati setengahnya. MetodeMECD ini adalah hasil penemuan penulis dengan Tetsuhiko Miyoshi (.Dept. Applied ScienceYamaguchi University Japan)

PENDAHULUAN

Persamaan deferensial berderajat dua yang bersistem besar

My" + Cy' + Ky = f(t) (1)

Pendidikan Ahli Teknik Nuklir (PATN) - BATAN YogyakartaDept. Applied Science Yamaguchi University Japan

149

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (158)

dengan M,C,K dan f (t) masing-masing adalah matriks massa, matriks peredam,matriks kekakuan dan vektor beban simpul merupakan suatu persamaan gerak yangdihasilkan oleh suatu struktur yang bergerak secara dinamis. Reaktor nuklir di dalampembuatan rancang bangunnya pasti memperhatikan analisa struktur dinamisnya.Oleh karena itu perlu dicari suatu metode yang akurat dan efisien guna menyelesaikanpersamaan gerak dinamis di atas.

Dalam perkembangannya banyak metode numerik yang sering digunakan olehpara praktisi maupun para peneliti. Metode ini misalnya Metode Newmark [4] ataumetode Runge-Kutta [5].

Guna menambah kontribusi metode penyelesaian persamaan deferensialberderajat dua yang bersistem besar di atas, kami ingin memperkenalkan suatumetode hasil penelitian kami yang kami namakan metode Modified ExtrapolatedCentral Difference (MECD) [7], [8].

Untuk menguji keakuratan dan efisiensi metode MECD ini, dalam makalah inikami membandingkannya dengan metode standar, yaitu metode Runge-Kuttaberderajat 4. Dalam hal ini kami akan membandingkan algoritma dan hasilperhitungan.

Metode MECD

Gagasan dari proses esktrapolasi, secara sederhana telah ditulis pada [1] dan [3]serta secara lengkap telah kami uraikan di [6]. Misalkan suatu metode satu langkahuntuk menyelesaikan masalah harga awal. Ambil At sebagai besaran ukuran langkah,maka pendekatan ekstrapolasinya dapat ditulis menjadi

2> (2)

Karena dalam makalah ini pada persamaan (1.1) unsur peredam kami abaikan, makapersamaan (1.1) menjadi

My" + Ky = f(t) (3)

Dengan mengasumsikan sisi kanan dari persamaan (3) adalah nol dan A = - M"1 K ,maka (3) dapat ditulis menjadi

y" = Ay (4)

150

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (159)

Berbekal persamaan (2) dan metode Newmark atau metode Central Difference (CD)berikut

fv.=

(5)

sebagai penyelesaian dari (4) dimana ZO = y'(0), maka hasilnya adalah metodeextrapolated Central Difference (ECD) berikut:

+ X AtAp2)

(6)

Jika A adalah suatu matriks dengan ukuran yang besar, maka pada (6) akan munculpersoalan perkalian matriks dan vektor pada Ay0) Ap0, Api dan Ap2. Oleh karena ituuntuk mendapatkan efisiensinya, kami memodifikasi algoritma (6) menjadi

151

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (160)

Po =

p, =yo+XAt2Ay0+KAtzo

q, =

P2 =P,+XAt2Ap,

q0 =zo+KAtAyo+KAtAy,

q2 = q, + X AtAp, + X AtAy,

(7)

Pada algoritma (7), perkalian matriks dan vektor hanya muncul pada Api dan Ayb

sebab Ayo masih tersimpan di memori komputer pada langkah sebelumnya.Sedangkan Ap0 dan Ap2 kami ganti dengan Ay|. Karena nilai dari p0 dan p2

mendekati nilai yi. Algoritma (7) di atas kami namakan Metode ModifiedExtrapolated Control Difference (MECD).

Proses CD menjadi ECD dan ECD menjadi MECD secara detail telah kamiuraikan pada [8]. Dalam [8] telah kami buktikan pula tingkat keakuratan dan stabilitasdari metode MECD. Stabilitas metode MECD merupakan pengembangan daristabilitas CD seperti pada [2]. Secara umum metode MECD dapat ditulis sebagai

+/mAt5Ai

Metode Runge-Kutta

Metode Runge-Kutta sebagai metode pembanding untuk menyelesaikan persamaan(4) mempunyai algoritma sebagai berikut :

152

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (161)

Ksj UtAy0J

+v V ysu (8)

Dari algoritma (8) nampak ada 4 buah perkalian matriks dan vektor, yaitu Ayi, Ar0,Arj dan Ar2.

GALAT PEMOTONGAN DARI METODE MECD dan METODERUNGE-KUTTA

Dalam makalah kami [8], telah kami buktikan teori galat pemotongan lokal (localtruncation error) dari metode MECD, yaitu :

y, = y(At)

z, =y ' (At)+O(At 5

Metode Runge-Kutta pun mempunyai galat pemotongan lokal seperti (9) di atas.

(9)

153

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (162)

CONTOH PERHITUNGAN

Untuk membentuk persamaan (3) menjadi suatu persamaan diferensial berderajat duayang bersistim besar, kami membuat suatu simulasi elemen hingga pada suatumaterial yang terbuat dari suatu bidang datar dengan konfigurasi dan idealisasielemen hingga seperti gambar 1.

Bidang datar ini kami tetapkan konstantamekanik sebagai berikut:- Modulus Young's [GPa] = 206- Rasio Poisson = 0,3- Density [kg/m3] = 7,85 x 103

///

/y1

y"

/

//

>y

/

/y/

//

>

////*/

/

/y1

/

//

/

/yy//

y

y1

/

/

/1

V

y/y'

y/

7*

y

\?

/y

//

ft

/

y

*

y

f//

/

/

y

*?

?y

7 77 77 77 y

Y 7

7 77 77 7

7 7

7 7

777 77 7/>?7 7777 77 7

Gambar 1. Idealisasi elemen hingga

K dan M pada persamaan (3) kami peroleh dengan menggunakan prosedur metodeelemen hingga pada material gambar 1. Sedangkan f(t) pada sisi kanan (3) yangmerupakan gaya eksternal adalah hasil pembalikan dari persamaan (3) dengan nilai y(y—>, yT) kami asumsikan sebagai berikut:

[y_ = 0,0005Y(l + xXsinO.lt + 0,1 sin t

[yt =0,0005Y(4-X)(sin0,lt + 0,lsint)

(X, Y) adalah koordinat dari masing-masing simpul material gambar 1. Sehinggakebalikan dari persamaan (3) adalah :

f (t) = M y" (y"~K y"t) + K y (y->, yt) (11)

Dengan mengeleminasi hasil perhitungan f(t) persamaan (11) ke dalam persamaan(3), maka dihasilkan nilai pendekatan y baik hasil perhitungan dengan metode MECDmaupun metode Runge-Kutta.

154

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (163)

Dari hasil perhitungan secara numeris nilai pendekatan y dan nilai asusmsi ypersamaan (10) maka dapat dihasilkan besarnya galat mutlak dengan rumus

error =max y pendekatan - yasumsi

max y asumsi

Dengan menentukan nilai error pada titik P—>, maka dapat ditampilkan nilai error darimetode MECD dan metode Runge-Kutta pada Tabel 1.

Tabel 1. Error pada titik P—>

MECDRunge-Kutta

Error4,59x10-44,60x10-4

Sebagai catatan, pada prosedur metode elemen hingga semua titik simpul materialgambar 1. pada posisi terbawah adalah tetap. Proses komputasi numerikmenggunakan komputer EWS Sun Sparc II dengan bahasa Fortran dobel presisi danbanyaknya langkah adalah 600 langkah. Menurut perhitungan besarnya waktukomputasi seperti Tabel 2.

Tabel 2. Waktu komputasi

MECDRunge-Kutta

Waktu Eksekusi139,20 detik271,89 detik

KESIMPULAN dan PENUTUP

1. Dengan melihat galat pemotongan lokal, maka wajar sekaii jika hasil perhitungannumeris seperti yang tertera pada Tabel 1. menunjukkan bahwa keakuratan metodeMECD sama dengan metode Runge-Kutta.

2. Dari proses komputasi ini, porsi yang terbesar dalam pemakaian waktu komputasiadalah proses perkalian matriks dan vektor, sehingga coco*k sekaii antara analisaalgoritma (7) dan analisa algorkma (8) dengan hasil perhitungan numeris sepertiTabel 2. Sebab pada (7) dalam 1 langkah terjadi 2 x proses perkalian matriks danvektor, yaitu Ap, dan Ay,, sedangkan pada (8) terjadi 4 x , yaitu Ay0, Ar,, Ar2 danAr3. Sehingga dapat disimpulkan bahwa metode MECD lebih efisien jikadibanding dengan metode standard Runge-Kutta

155

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (164)

Dalam teori analisa numeris, metode dianggap layak dipakai jika memenuhi 3 syarat,yaitu akurat, efisien dan algoritmanya mudah. Karena metode MECD sudahmemenuhi ketiga syarat di atas, maka metode MECD layak dipakai untukmenyelesaikan persoalan persamaan gerak pada suatu struktur yang dinamis. Dalampengembangannya contoh material pada gambar 1. dapat dikembangkan padaperencanaan reaktor nuklir.

DAFTAR PUSTAKA

1. R. BULISH, and J. STOER, "Numerical Treatment of ODE's by ExtrapolationMethods", Numerische Mathematik., 8 (1966a), pp. 1-13.

2. H. FUJII, "Finite Element Galerkin Method for Fixed Initial - Boundary ValueProblems in Elasticity Theory", Center for Numerical Analysis, The University ofTexas of Austin, 1971.

3. D.S. JOICE, "Survey of Extrapolation Processes in Numerical Analysis", SIAMReview, Vol. 13, No. 4 (1971), pp. 435 - 490.

4. J. LANGER, M. LASZTORM and SALEH EL-SAYED EL-BAGALATY,"Postintegration Methods for Numerical Integration on Non Linear DynamicEquation of Motion", International Journal for Numerical Methods in Engineering,Vol. 33, (1992), pp. 889 - 905.

5. R.P. MATTIONE, and I.N. KATZ, "A Patitioned Parallel Runge-Kutta Method forWeakly Copuled Ordinary Differential Equations", International Journal forNumerical Methods in Engineering, Vol. 12, (1978), pp. 267 - 278.

6. SUPRIYONO, "Metode Extrapolasi untuk Menyelesaikan secara NumerikPersamaan Gerak Dinamis yang mempunyai sistim yang Besar - Bagian I: TeoriDasar dan Algoritma", Proceeding Third Scientific Meeting Indonesian AtomicEnergy Student in Japan Atom 94, Tokyo Institute of Technology, 3 (1994). pp.247-254.

7. SUPRIYONO and T. MIYOSHI, "On a Modified, Extrapolated Central DifferenceScheme for Initial Value Problems of Second Order Ordinary DifferentialEquations", Lecture Notes in Numerical and Applied Analysis, Advances inNumerical Mathematics Proceedings of The Second Japan - China Seminar onNumerical Mathematics, Kinokuniya Tokyo, 1995, pp. 197 - 208.

156

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (165)

8. SUPRIYONO and T. MIYOSHI, "Modified, Extrapolated Central DifferenceSolutions to Large Systems of Ordinary Differential Equations", Japan Journal ofIndustrial and Applied Mathematics, Vol. 12, 3 October 1995, pp. 439-455.

157

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (166)

DISKUSI

ASEP JUARNA

1. Komparasi MECD dengan ERK orde-4 nampaknya tidak seimbang. Bagaimanakomparasi MECD dengan IRK dengan orde yang sama?

2. Sehubungan dengan stabilitas ERK yang lebih baik dari pada MECD, apakah adapembenaran matematisnya?

SUPRIYONO

1. Belum dilakukan komparasi antara MECD dengan IRK.2. Local truncation Error (LTE)dari MECD adalah: y, = y (to + At) + O (At5)

z, = y' (to + At) + O (At5)

memberikan hasil yang sama dengan LTE pada metode Runge-Kutta.

AMIR RUSLI

Disebutkan bahwa komputasi MECD sama dengan setengah dari Runge-Kutta.Bahasa apa yang digunakan dan apakah sudah bebas dari semua error?

SUPRIYONO

Bahasa yang digunakan adalah bahasa Fortran dengan Workstation SPARC II.

158

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (167)

PENANDAAN SIMULASI DERET WAKTU TAKBERATURAN DENGANMENGGUNAKAN STRUKTUR FRAKTAL

Djen Djen Djainal* mmm

ID990000015ABSTRACT

AN INTEGRAL TIME SERIES ON SIMULATED LABELING USING FRACTALSTRUCTURE. This research deals with the detection of time series of vertical two-phase flow, inattempt to developed an objective indicator of time series flow patterns. One of new method is Fractalanalysis which can complement conventional methods in the description of highly irregularfluctuations. In the present work, Fractal analysis applied to analyze simulated boiling coolant signal.This simulated signals built by'sum random elements in small subchannels of the coolant channel. Twomodes are defined and both modes are characterized by their void fractions. In the case of unimodal-PDF signals, the defference betwen these modes is relative small. On other hand, bimodal-PDF signalshave relative large range. In this research, Fractal dimension can indicate the characters of that signalssimulation.

ABSTRAK

PENANDAAN SIMULASI DERET WAKTU TAKBERATURAN DENGANMENGGUNAKAN STRUKTUR FRAKTAL. Penelitian ini membahas tentang penandaan deretwaktu dari aliran vertikal dua fase, dalam rangka mengembangankan suatu obyek penandaan pola aliranderet waktu. Suatu metode baru adalah analisis Fraktal yang mampu melengkapi metode konvensionaldalam menjelaskan fluktuasi ketakteraturan tingkat tinggi. Dalam penelitian disini, digunakan analisisFraktal dalam menganalisis simulasi sinyal dari pendingin mendidih. Simulasi sinyal ini dibangun daripenjumlahan uhsur-unsur random dalam subkanal suatu kanal pendingin. Dua mode ditentukan, dankedua mode ini mensifatkan fraksi uap. Pada kasus sinyal dengan FDT-unimodal, perbedaan keduamode ini relatif kecil. Dilain pihak untuk sinyal PDF-bimodal mempunyai jangkau yang relatif lebar.Dalam penelitian ini dimensi Fraktal mampu menandai sifat-sifat simulasi sinyal tersebut.

PENDAHULUAN

Untuk mengintepretasikan secara benar suatu hasil percobaan yang melibatkandata yang banyak, maka pilihan metode statistik yang tepat merupakan suatu hal yangpenting. Sampai saat ini power spectrum analisis merupakan metode konvensional yangbermanfaat dan efisien untuk menganalisis deret waktu tak beraturan. Terutama jika

power spectrum tersebut mengikuti hukum daya (power law), P(/) oc f , dimanapangkat a adalah indek yang menunjukan ketakteraturan dari pada deret waktu. Untukmendapatkan indek hukum daya yang tetap (stabil), biasanya deret waktu yang dihitungharus merupakan rata-rata ensembel (cuplik) dari suatu jangkau dimana fluktuasinya

Pusat Penelitian Teknologi Keselamatan Reaktor - BAT AN

159

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (168)

dapat diasumsikan stationer secara statistik. Dengan demikian untuk karakter statistikfluktuasi yang kerap berubah pada suatu jangkau waktu yang pendek, makapenggunaan power spectrum akan kurang tepat dalam mewakili seluruh interval deretwaktu.

Dengan demikian dalam penelitian yang melibatkan data dengan sifat kekacauan(chaos) tingkat tinggi, diharapkan ada metode yang mampu mengintepretasikankarakternya secara kuantitatif. Dewasa ini berbagai studi telah dilakukan, dan salahsatu obyek studi tersebut adalah teknik dimensi Fraktal. Dimensi Fraktal telah dapatmenunjukan teknik matematika yang coco*k untuk menerangkan proses dinamis non-linear. Awalnya diperkenalkan oleh Mandelbrot dalam mempelajari fluktuasi sepertiharga-harga komoditi dan derau transmisi pada kabel telepon. Selanjutnya hal tersebutmenjadi lebih penting sejak dia mampu menghitung data percobaan dengan jangkauyang sangat lebar.

Geometri Fraktal adalah suatu sarana perhitungan matematika yang telah dapatdipakai untuk pemecahan suatu sistem yang komplek, yang tidak mempunyai karakterskala panjang. Untuk contoh yang terkenal adalah bentuk lekukan garis pantai, apabilakita melihat bentuk garis pantai dalam skala yang berbeda, misalnya 1 cm, dengan 10km. Di alam, sistem-sistem komplek tersebut menunjukan adanya kesamaan terhadapdirinya sendiri (self-similar), maka akan sulit untuk membedakannya skala yang manayang mewakili gambar, keduanya kelihatan sama. Hal ini menunjukan bahwa garispantai memiliki skala yang invariant atau equivalent. Sebagai contoh lain adalahbentuk alami sungai, retakan, gunung, dan awan.

TEORI

Metode perhitungan dimensi Fraktal

Sebagai contoh misalkan ada sebuah himpunan terhingga dari suatu deret waktupada suatu jangkau tertentu sebagai berikut:

X(l), X(2),X(3),...,X(N) (1)

Dari deret waktu tersebut, kemudian di buat deret waktu baru, Xkm, dengan aturanberikut:

Xkm; X(m), X(m+k), X(m+2k),..., X(m+[ (N-m)/k]. k) (2)

dimana;

m = 1, 2,..., k

160

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (169)

[ ] menunjukan notasi Gauss, dan nilai k dan m adalah integer, m menunjukan waktuawal dan k menunjukan waktu interval. Untuk suatu interval waktu sama dengan k,maka diset lagi k baru untuk membentuk deret waktu yang baru.

Setelah diperoleh deret waktu yang baru lalu didefinisikan panjang kurvanya,Xkm, dengan rumus berikut;

[(N-m)/k] M

S |JJ (3)Termin N-l/[(N-m)/k].k adalah faktor normalisasi untuk panjang kurva dari sub-himpunan deret waktu. Disini nilai interval waktu, k, mengikuti aturan berikut ;k= 1, 2, 3, 4 dan; k =[2 0-W4], untuk k lebih besar dari 4, dimana j= 11, 12, 13, ..., dst.Panjang kurva untuk suatu interval waktu k, < L(k) > , adalah nilai rata-rata sepanjanghimpunan k dari Lm(k). Kemudian jika < L(k) > diplot terhadap nilai-nilai k dalamskala ganda logaritma, maka data akan merupakan suatu garis lurus yang mempunyai,kemiringan -D. Dalam kefraktalan, suatu kurva memiliki karakter kesamaan terhadapdiri sendiri, self-similar secara statistik, jika nilai dimensi D mengikuti rumus ;

< L(k) > oc k "D (4)

Analisis data

Simulasi sinyal 2 aiiran dua fasePengidentifikasian dan pertgkarakterisasi model aliran dua fase dengan

menganalisis sifat-sifat statistiknya dari sinyal berbagai pengukuran telah dipelajarioleh banyak peneliti, dalam literatur beberapa percobaan memperlihatkankeberhasilan seperti dengan menggunakan teknik transmisi sinar gama atau sinar Xada juga yang memakai sensor pengukuran tekanan, kemudian beberapa metodeanalisis telah baku dipakai untuk memperoleh informasi tentang rezim aliran dua fase,seperti dengan menggunakan PDF (Probability Density Function), Moments PDF danIain-lain.

Menurut teori dalam pustaka[4], pada aliran vertikal dua fase dapatdikelompokkan atas dasar rezim alirannya sebagai berikut; aliran bubbly, aliran slug,aliran churn dan aliran annular. Menurut Vince dan Lahey [4], secara visual adalahmudah membedakan antara rezim aliran bubbly dan slug. Umumnya dijumpai padarezim aliran bubbly dan annular mempunyai sifat unimodal, sedangkan rezim aliranslug disifatkan sebagai bimodal dimana PDF-nya memiliki dua puncak. Dalam studiini perancangan sinyal simulasi akan merupakan data analisis, diarahkan pada rezimaliran slug, churn dan bubbly.

161

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (170)

Desain dasar pembuatan model aliran dua fase ini dari penjumlahan parameterunsur random atas dasar suatu variabel Bernoulli. Dimisalkan nilai yang akandimunculkan a dan b, maka angka probabilitasnya P(a) = p dan P(b) = q = 1-p,dimana variasi nilai p dari 0 sampai dengan 1. Dengan menganggap N variabelindependent Bernoulli, maka kemungkinan nilai jumlah variabel N adalah0, a, 2a, ..., N. Untuk mentukan probabilitas, suatu nilai a, x kali sukses dipakairumusan

P ( x a ) = f A ' l p ' < q * - * ; k = 1 , 2 , . . . , N ( 5 )

dengan nilai mean^ B = N a P (6)

nilai standar deviasi

dalam subkolom dari suatu kolom pemisalan kanal pendingin reaktor. Dua modeparameter ditentukan untuk mensimulasikan kuantitas sifat fraksi uap, masing-masingdisebut alpha 1 dan alpha 2. Pada kasus sinyal PDF yang unimodal, jangkauperbedaan nilai alpha 1 dan alpha 2 adalah relatif kecil, sedangkan untuk rezim aliranslug atau churn yang mempunyai sinyal PDF bimodal perbedaan alpha ini memilikijangkau yang besar. Parameter penting yang lain adalah frekuensi fraksi uap,ditetapkan dengan faktor random dan jangkau skala.

HASIL DAN PEMBAHASAN

Simulasi sinyal yang merupakan deret waktu aliran dua fase telah dibangundengan memanfaatkan unsur random. Untuk menentukan pengelompokan rezimaliran bubbly, churn dan slug, yaitu dengan memanipulasi jangkau antara parameteralphal dan alpha 2, serta parameter frekuensi kehadirannya dalam alir unsur-unsurnilai random. Khusus untuk rezim aliran slug, maka ditentukan pula parameterkapasitas/volume slug. Parameter untuk pengelompokan rezim aliran tersebut dapatdilihat pada Tabel 1.

Untuk maksud visualisasi pada analisis Fraktal maka dalam makalah ini hanyaakan dibahas rezim aliran slug. Simulasi sinyal rezim alir slug, yang dibangun denganmenggunakan bahasa Matlab ditampilkan pada Gambar la, dan lb. Pada gambartersebut terlihat pengaruh nilai frekuensi uap yang 1:1, memunculkan derau uap yangtetap untuk waktu berjalan. Demikian pula kapasitasnya tidak berubah, sesuai dengannilai yang ditetapkan 5%. Sedang jangkau parameter alpha 1 dan alpha 2, ditunjukan

162

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (171)

dengan pemisahan puncak derau (uap) PDF, dimana jika jangkau parameter tersebutsemakin lebar, pemisahan puncak bimodal PDF-pun semakin jauh (Gambar 2adan 2b).

Analisis Fraktal dari sinyal simulasi yang merupakan aliran vertikal dua fasetelah dilakukan dengan memplot <L(k)> terhadap (k) dalam skala ganda logaritma,disamping pula dianalisis nilai slope -D nya. Analisis ini dapat menandai, bahwa duatipe skala cacah deret waktu dapat di bedakan dengan perbedaan dispersi dan nilaivariatif kemiringan

Fraktal dimensi, struktur Fraktal dimensi dalam penelitian ini ditampilkan padaGambar 3a, 3b dan 3c. Dispersi secara nyata dapat dibedakan, untuk jangkau alpha 1dan alpha 2 yang lebar, struktur fraktalnya berfluktuasi lebar dibandingkan dengandispersi struktur Fraktal dengan jangkau alpha 1 dan alpha 2 yang lebih kecil.

Untuk nilai slope -D, pada jangkau k yang tinggi relatif konstan, 2 di berbagaijenis sinyal simulasi. Dilain pihak, nilai dimensi Fraktal bervariasi untuk rezim alirslug, pada nilai k rendah, nilai Fraktal ini membesar untuk jangkau alphal dan alpha2 mengecil.

KESIMPULAN

1. Dispersi dari kurva fraktal pada berbagai skala waktu dapat dipakai untukmembedakan jenis rezim aliran, dispersi dimensi fraktal adalah besar untuk kasusaliran rezim dengan tingkat derau yang tinggi.

2. Dispersi kurva fraktal pada skala waktu yang besar merupakan indikator yangpeka dalam mendeteksi perubahan rezim aliran.

3. Numerik sinyal simulasi dapat membantu dalam mengintepretasikan data sinyaldari suatu percobaan dengan mengubah-ubah parameternya.

UCAPAN TERIMAKASIH

Ucapan terima kasih kepada saudari Dra. Nina Kusumah yang telah membantudalam pelaksanaan penulisan makalah ini.

DAFTAR PUSTAKA

1. BENDAT, J.S., ALLAN G. PIERSOL, "Random Data Analysis and MeasurementProcedures", John Willey & Sons. New York (1986)

163

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (172)

2. DJAINAL, D.D, M. SAKUMA, R. KOZMA, M. KITAMUARA,"Characterization of Two Phase Flow Patterns Using Fraktal Techniques'", Paperof Second International Conference on Multiphase Flow 95 Kyoto Japan

3. HIGUCHI, T., "Approach to An Irregular Time Series on The Basis of The FraktalTheory", Phisica D13, p. 277, Elsevier Sci. Publ., Amsterdam (1988)

4. VINCE, M. A and R. T. LAHEY, Jr., "On The Development of An Objective FlowRegime Indicator", Int. J. Multiphase Flow. vol. 8, No. 2, p. 93 (1982)

5. CHASE, W & BOWN, F., "General Statistics (second Edition)", John Willey &Sons. New York (1992)

164

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (173)

Tabel 1 : Parameter rezim alir simulasi sinyal

Parameteralpha 1alpha2

frekuensi uapkapasitas uap

bubbly0.440.52

random-

churn0.320.52

randomrandom

slug kecil0.300.521:15%

slug sedang0.200.521:15%

slug besar0.100.521:15%

Tabel 2. Perbandingan nilai dimensi Fraktal -D dari simulasi sinyal rezim alir

Perhitunganjangkau k

3-173-16

20-37

simulasi sinyalbubbly

2.00 ± 0.011.99 ± 0.012.00+ 0.01

churn2.00 ± 0.012.00 ± 0.012.00 ± 0.01

slug1.92± 0.181.86 ± 0.032.09 ± 0.16

Tabel 3. Perbandingan nilai dimensi Fraktal -D dari simulasi sinyal rezim alir slug

Perhitungan jangkau k3-17

slug kecil1.91 ± 0.17

slug sedang1.87 ± 0.21

slug besar1.79 ± 0.31

165

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (174)

500 1000 1500 2000 2500 3000 3500 4000 4500

Data

Gambar la. Simulasi Sinyal Rezim Alir Slug Sedang

1000 1500 2000 2500 3000 3500 4000 4500500

Gambar lb. Simulasi Sinyal Rezim Alir Slug Besar

600

400

200 JkJ400

200

. (

-

L JTflfT-f lk

10 20 30 40Jarak

10 20

Jarak30 40

Gambar 2. PDF Dari Rezim Alir Slug Sedang (kiri) dan Dari Rezim Alir Slug (kanan)

166

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (175)

« 10° t

10°

Gambar 3a. Struktur Fraktal Dari Simulasi Rezim Alir Slug Kecil

bo

10'

104

10

;. i-

10'

103

d io3

BOO

10' w

102 10' 10log») log*)

Gambar 3b. Struktur Fraktal Dari Simulasi Rezim Alir Slug Sedag

log»)10'

logOO

bO

10'

10°

101

: . :

10' 10* 10J 10*logOO

Gambar 3c. Struktur Fraktal Dari Simulasi Rezim Alir Slug Besar

NEXT PAGE(S)left BLANK

167

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (176)

PENIPISAN BATAS SUATU OBYEK PADA CITRA DIGITALMENGGUNAKAN ALGORITMA PIPELINED

Satrio Dewanto*, Barokah Aliyanta*

• nmmiiiiiiID990000016

ABSTRACT

THINNING AN OBJECT BOUNDARY ON DIGITAL IMAGE USING PIPELINEDALGORITHM In digital image processing, the thinning process to an object boundary is required toanalyze the image structure with a measurement of parameter such as area, circumference of the imageobject. The process needs a sufficient large memory and time consuming if all the image pixels stored inthe memory and the following process is done after all the pixels has ben transformed. Pipelinedalgorithm can reduce the time used in the process. This algorithm uses buffer memory where its size canbe adjusted. The next thinning process doesn't need to wait all the transformation of pixels. This paperdescribed pipelined algorithm with some result on the use of the algoritm to digital image.

ABSTRAK

PENIPISAN BATAS SUATU OBYEK PADA CITRA DIGITAL MENGGUNAKANALGORITMA PIPELINED. Dalam pengolahan citra digital, proses penipisan batas suatu obyek sangatdiperlukan untuk menganalis struktur citra melalui pengukuran parameter seperti luas, keliling dari citraobyek. Penipisan batas ini memerlukan memori dan waktu yang cukup besar bila seluruh citradimasukkan dalam memori dan proses penipisan berikutnya dilakukan setelah seluruh pixel mengalamitransformasi. Algoritma pipelined dapat mengurangi pemakaian memori dan waktu yang digunakandalam proses, algoritma ini menggunakan buffer memori yang besarnya bisa diatur. Proses penipisanberikutnya tidak perlu menunggu sampai seluruh pixel mengalami transformasi. Pada makalah ini akandijelaskan mengenai pipelined algoritma dan hasi! yang diperoleh dari penggunaan algoritma ini padasuatu citra digital.

PENDAHULUAN

Penipisan adalah suatu proses untuk membuat batas suatu obyek ( objectboundary ) mempunyai tebal sebesar satu pixel sehingga dapat diperoieh rangka atauskeleton dari obyek tersebut. Proses penipisan sangat diperlukan dalam menganalisastruktur citra digital agar parameter metrik dari obyek seperti luas, keliling, panjangdan Iain-lain dari obyek dapat diukur. Pada proses penipisan ini citra digitalmengalami transformasi dimana setiap pixel mengalami suatu operasi tertentu yang

Pusat Aplikasi Isotop dan Radiasi - BATAN

169

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (177)

menyebabkan batas obyek dengan tebal beberapa pixel menjadi satu pixel. Prosesuntuk mendapatkan batas suatu obyek dengan tebal 1 pixel ini memerlukan lebih darisatu kali transformasi pada seluruh pixel karena itu proses perlu diulang beberapa kaliuntuk mendapatkan rangka dari obyek dengan ketebalan 1 pixel. Hal inimenyebabkan memori dan waktu yang diperlukan cukup besar bila citra seluruhnyadimasukkan dalam memori dan proses penipisan berikutnya berlangsung setelahtransformasi pada seluruh pixel telah dilaksanakan. Untuk mengurangi pemakaianmemori dilakukan dengan cara menggunakan raster buffer yang besarnya dapat diaturdan citra yang akan diproses disimpan dalam file yang akan dipanggil baris demibaris untuk diproses dalam buffer. Proses penipisan dalam buffer menggunakanalgoritma pipelined dimana proses transformasi pada pixel segera dilakukan bila hasiltransformasi pada pixel sebelumnya sudah diperoleh , jadi tidak perlu menunggu citrapada file seluruhnya selesai diproses.

PROSES PENIPISAN

Penipisan (thinning) adalah suatu proses untuk mengubah obyek biner denganketebalan lebih dari 1 pixel menjadi hanya 1 pixel tanpa mengubah konektivitasnyaartinya bila sebuah pixel dihilangkan, hal ini tidak membuat obyek menjadi terpisah,timbul lubang atau lubang menjadi hilang.Sebuah pixel pada suatu citra obyek dapat dihilangkan bila bilangan konektivitasnyaNc mempunyai harga sebesar 1 dimana bilangan konektivitas Nc untuk pixel Xodengan nilai biner 1 dapat dihitung menurut rumus berikut ini.

Nc = ]T (Xk - (1 - Xk)(l -Xk

* eS

- Xk + 2))

Dengan S = {l,3>5,7}danX9 = XI.Rumus diatas digunakan untuk koneksi 8 dannilai dari NC dapat berharga dari 0 sampai 4 serta Xo sampai X9 dapat digambarkansebagai berikut:

X4X5X6

X3XOX7

X2XIX8

170

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (178)

ALGORITMA PIPELINED

Algoritma pipelined dapat diuraikan menurut gambar 1 dimana citra melaluibeberapa proses sebelum mencapai keluaran, hanya dalam penipisan ini proses 3, 2,

, n merupakan proses transformasi yang sama. Dari segi waktu dapat diketahuilebih singkat karena proses kedua berjalan tanpa menunggu proses pertama selesaidahulu demikian pula untuk proses selanjutnya.

Untuk menggunakan algoritma pipelined ini diperlukan memori untukmenyimpan sebagian citra 2 dimensi yang berukuran ( K+2 ) x ( L + 2 ) dimana Ladalah panjang citra dalam arah sumbu X yang merupakan banyaknya pixel dalamsatu baris, sedangkan K adalah jumlah baris dalam raster buffer yang besarnya dapatditetapkan dengan bebas. Citra digital yang akan diproses disimpan dalam file danakan dipanggil baris demi baris dan dimasukkan dalam buffer pada baris bl( gambar 2 ) .

HASIL APLIKASI PADA CITRA DIGITAL

Algoritma pipelined ini telah dibuat programnya dengan menggunakan bahasapemrograman C ( Turbo C ) dan citra input yang digunakan sudah berupa citra binerdimana citra dengan tingkat keabuan sebanyak 256 mengalami penapisan ( filtering )memakai Sobel filter dan dilanjutkan dengan binarisasi sebelum proses penipisandilakukan. Citra asal berasal dari pasfoto yang diambil dengan HP Scan dan bitmapfile yang diperoleh diubah menjadi file yang berisi intensitas dari setiap pixel dalamcitra. Hasil yang diperoleh dari penapisan, binarisasi, dan penipisan serta citra asalbisa dilihat pada gambar 3.

KESIMPULAN

Proses penipisan merupakan proses yang berulang dan waktu yang diperlukantergantung pada algoritma yang digunakan serta keadaan citra yang diproses.Algoritma pipelined dapat mempersingkat waktu pemrosesan dan akan mendapatkanhasil yang lebih baik bila digunakan pipelined processor sehingga output dapatdiperoleh secara real time. Dalam analisa struktur citra seperti pengukuran luas,keliling ataupun pengenalan pola pemakaian pipelined processor ini sangatdisarankan.

171

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (179)

DAFTAR PUSTAKA

1. E.S. DEUTSCH, Thinning algorithms on rectangular, hexagonal and triangulararrays, Communication of the ACM, vol 15, No.9, pp.827-837, Sept 1972.

2. TANAKA, Tehnik pengolahan citra, Kogyo Chosakai, 1990.

3. H. TAMURA, Pengantar pengolahan citra dengan komputer, Soken Shuppan,1985.

4. A. ROSENFELD and A.C. KAK, Digital picture processing, Academic Press,1976.

172

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (180)

CITRA

INPUTPROSES 1 PROSES 2 PROSES N

CITRA

OUTPUT

proses 1

proses 2

proses N> Waktu proses

Gambar 1. Bagan dari algoritma pipelined dan waktu prosesnya.

O U T P U T F I L E

p 3

—>

P 2

-* s c a n

P I

b4

b3

b2

bl

bo

K

I N P U T F I L E

Gambar 2. Proses transformasi dalam buffer memori.

173

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (181)

Gambar 3a. Citra asal. Gambar 3b. Sobel filter pada citra asal.

Gambar 3c. Binarisasi gambar 3b. Gambar 3d. Penipisan gambar 3c.

174

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (182)

DISKUSI

M. BUNJAMIN

Metode pipelined yang Anda presentasikan analog dengan metode iterasi dalampenyelesaian sistem persamaan linier dengan Gauss-Seidel, dengan maksud untukmempercepat konvergensi, bukan untuk menghemat memori. Penghematan memorihanyalah byproduct.

SATRIO DEWANTO

Komentar Anda benar. Metode algoritma pipelined tidak dapat menghemat memorijika buffer yang dipergunakan sebanyak / sebesar ukuran file citra. Tapi kalau jumlahbaris pada buffer diperkecil, misalnya di bawah 10 baris, hal ini merupakanpenghematan memori yang cukup besar. Ada benarnya juga kalau dikatakan byproduct karena algiritma pipelined merupakan salah satu cara mempercepat prosesselain dengan pengolahan paralel.

M. SYAMSA A.

1. Bagaimana penerapan algoritma pipelined dalam lingkungan prosesor tunggal?2. Dalam penipisan objek harus dipertahankan similaritas dan konektivitas objek

tersebut. Bagaimana cara mengatasi terputusnya garis penghubung objek akibatpenipisan tersebut?

SATRIO DEWANTO

1. Seperti diuraikan dalam makalah, untuk prosesor tunggal algoritma pipelineddilakukan dengan membagi-bagi waktu untuk setiap proses.

2. Terputusnya garis penghubung objek akibat penipisan dapat diatasi dengan HoughTransform, tapi tentunya memerlukan waktu untuk proses.

175

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (183)

RAKHMAT SALEH

1. Mengapa pada proses filterisasi masih terjadi penebalan garis? ,2. Apakah metode pipelined merupakan satu-satunya metode yang paling efektif

untuk proses penipisan?

SATRIO DEWANTO

1. Karena dalam pengambilan gambar yang dilakukan dengan sampling secaradigital, pada batas antara terang dan geiap terjadi perubahan intensitas yang bukanmerupakan fungsi step tapi berupa fungsi ramp. Diferensiasi fungsi ramp denganoperator Sobel menghasilkan fs konstan yang lebarnya berhubungan dengan tebalgaris.

2. Tidak. Ada beberapa metode yang dapat digunakan untuk penipisan objek, sedanguntuk mempercepat proses penipisan dapat dilakukan dengan parallel processingselain metode pipelined.

176

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (184)

CLUSTERING ANALYSIS

Romli*

ID990000017

ABSTRACT

CLUSTERING ANALYSIS. Cluster analysis is the name of a group of multivariate techniqueswhose principal purpose is to distinguish similar entities from the characteristics they process. To studythis analysis, there are several algorithms that can be used. Therefore, this topic focuses to discuss thealgorithms, such as, similarity measures, and hierarchical clustering which includes single linkage,complete linkage, and average linkage methods. Also, non-hierarchical clustering method, which ispopular name "K-mean method", will be discussed. Finally, this paper will be described the advantagesand disadvantages of every methods.

ABSTRAK

Analisa pengelompokan adalah salah satu bagian dari teknik multivariat, yang tujuan utamanyaadalah menentukan variabel-variabel yang mempunyai sifat-sifat similar untuk pemrosesan. Untukmempelajarinya, ada beberapa algoritma yang digunakan. Untuk itu, tulisan ini memfokuskan padaalgoritma yang digunakan, seperti pengukuran similar, dan pengelompokan yang hirarki yang meliputihubungan tunggal, hubungan komplet, dan hubungan rata-rata. Pengelompokan yang tidak hirarkidengan nama yang popular metoda "K-mean" juga diuraikan di tulisan ini. Akhirnya, didiskusikanbeberapa kelebihan dan kekurangan pada setiap metoda untuk penggunaannya.

INTRODUCTION

The name of a group of multivariate techniques whose principal objective is toidentify similar entities from the characteristics they process, called cluster analysis.They identify and classify objects or variables so that each object is very similar tothe others in the cluster which features some resolved acceptance criterion(Aldenderfer and Blashfield, 1984; Everitt, 1980; Hartigan, 1975; Johnson andWichern, 1992; Manly, 1986).

This is a helpful tool for data analysis in many dissimilar situations (Johnsonand Wichern, 1992). For example, a researcher who has composed data by means of aquestionnaire may be faced with a large number of observations that areincomprehensible unless classified into manageable groups. Cluster analysis can be

' UPT-LAGG, BPP Teknologi

177

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (185)

used to achieve this data reduction objectively by reducing information from theentire population or set of information about specific smaller subgroups (Arabie,Carroll and DeSarbo, 1987).

Cluster analysis is also useful when a researcher wishes to develop hypothesesconcerning the nature of the data or to examine previously stated hypotheses(Anzai, 1992). For example, a researcher may believe that attitudes toward theconsumption of diet versus regular coca cola could be used to separate coca colaconsumers into logical segments or groups. Cluster analysis can be used to classifycoca cola consumers by their attitudes about diet versus regular coca cola, and theresulting clusters, if any, can be profiled for demographic similarities or differences(Sinsich, 1993; Weimer, 1993). •

Cluster analysis as defined by several authors is the generic name for a widevariety of procedures that can be used to create a classification.

In addition to this, many proposed definitions contain statements such as acluster is a set of entities that are alike, and entities from different clusters are notalike (Kodratoff, 1988). Others suggest that entities within a cluster are more similarto each other than the entities from other clusters.

Also, the terms of cluster, type, group, class, etc., have been used in an intuitivesense without attempting any formal definition. However, several attempts have beenmade to define these terms: for instance in their Dictionary of Statistical Terms,Kendell and Buckland define the term cluster as follows :

Cluster - a group of contiguous elements of a statistical population; forexample, a group of people living in a single house, a consecutive runof observations in an ordered series, or a set of adjacent plots in one partof a field.

A description of cluster that most closely agrees with our intuitiveunderstanding of the term is given by considering entities as points in a p-dimensionalspace, with each of the p variables being represented by one of the axis of this space.For variable values for each entity now define a p-dimensional coordinate in thisspace. Clusters may now be descrihed as continuous regions of this space containing arelatively low density of points. Clusters described in this way are sometimes referredto as natural clusters. This description matches the way we detect clusters visually intwo or three dimensions (Arabie, Carroll and DeSarbo, 1987; Jain, 1991).

To study this topic, four principal goals need addressing as follows: (1)development of a typology or classification, (2) investigation of useful conceptualschemes for grouping entities that are used for this topic, (3) hypothesis generationthrough data exploration, and (4) hypothesis testing, or the attempt to determine iftypes defined through other procedure are infect present in a data set (Lauriere, 1990;Manly, 1986).

178

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (186)

ALGORITHMS THAT CAN BE USED

The technique of clustering produces the classification from unclassified data.It is difficult to analyse if the data are multi variable and multi purpose. So, when thedata is classified, it is easy to measure or to analyse.

Similarity Measures

The following equations are used in this methods:The similarity distance between points x and y denoted by d(x, y) is defined as

d (x ,y ) = (a + b) /N (1)

where : a is the number of matches in term of 1-1b is the number of matches in term of 0-0N is the number of entities.

The Euclidean distance can be used which has a specific rule in regards tobinary variable:

(2)(Xjj - xk j ) = 0, if Xy = xkj = 1 or Xy = xkj = 0

= 1, elsewhere;

where : xy is the score (0 or 1) of the j ' binary variable on the i' item,x is the score (0 or 1) of the j t h binary variable on the j l item.

j = 1,2,3,... p.

The algorithm of this method is as follows :1. Compute the distance for every variable of the data set with using

Euclidean equation (equation 1).2. Find the maximum distance.3. Compute the similarity distance ( equation 2).4. Alternate steps 1 to 3 until no data points.

Example :ind-1ind-2ind-3ind-4ind-5

1001-

01101

01011

10100

11110

10000

179

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (187)

1. Find the similarity distances using equation 1.:

ind-1ind-2

01

01

01

10

11

10

d(ind-l , ind-2) = (l+0)/6 = 1/6Similarly, we calculate the others.

ind-1ind-2ind-3ind-4ind-5

ind-10

1/64/63/60

ind-2

03/64/6

(5/6)

ind-3

03/62/6

ind-4

03/6

ind-5

2. Find maximum distanced(ind-5 , ind-2) is the maximum distance.

3. Find similarity value using equation 2. :

ind-2ind-5

ind-2-5

110

11

110

000

101

000

4. In a similar way, we conclude: .

ind-1ind-3ind-4

ind-2-5

ind-10

4/63/64/6

ind-3

03/64/6

ind-4

0(5/6)

ind-2-5

ind-1ind-3

ind-2-5-4

• ind-10

(4/6)2/6

ind-3

02/6

ind-2-5-4

ind-1-3ind-2-5-4

ind-1-30

(3/6)

ind-2-5-4

180

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (188)

5. Result:

The most similar measureThe most similar measureThe most similar measureThe most similar measure

0.833330.833330.666670.50000

(ind-2, ind-5)(ind-2, ind-5) ind-4

(ind-1 , ind-3)(ind-1, ind-3) (ind-2, ind-5, ind-4)

Hierarchical Clustering Methods

To study this technique, there are three methods that can be used :1. Single Linkage or The Nearest Neighbour Method2. Complete Linkage or The Furthest Neighbour Method3. Average Linkage Method.

Single Linkage Method

The equation used in this method is the distance between the two groups d u w

and dvw denoted by d(uV)W is defined as :

d(uv)w = min{duw, dvw }

where : d is the distance between two points u and w.uw r

d is the distance between two points v and w.

The algorithm of this method is as follows :1. Find the minimum distance.2. Compute the distance (equation 3).3. Alternate steps 1 to 2 until no data points.

Example:

(3)

12345

1093611

2

07510

3

09

(2)

4

08

5

181

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (189)

1. Find minimum distance.

d(3 , 5) is the minimum distance.

2. Calculate the distance using equation 3:

d(35)l =min{d(31),d(51)}= 3

3. In a similar way, we can calculate the others.

12435

24

351

24351

1096

(3)

2

057

4

08

35

20

(5)7

4

' 06

240

(6)

351

351

4. ResultMinimum distanceMinimum distanceMinimum distanceMinimum distance

2356

(3 5)(3 5) 1

(2 4)(2 4) (3 5 1)

Complete Linkage Method

The equation used in this method is the distance between the two groups d u w

and d v w denoted by d(UV)W is defined as:

d(UV)w = max{duw, d vw } (4)

where: duw is the distance between two points u and w.dvw is the distance between two points v and w.

182

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (190)

The algorithm of this method is as follows:

1. Find the minimum distance2. Compute the distance ( equation 4)3. Alternate steps 1 to 2 until no data points

Example:

12345

1093611

2

07.510

3

09(2)

4

08

5

1. Find minimum distance.

d(3 , 5) is the minimum distance.

2. Calculate the distance using equation 4:

d(35)l =max{d(31),d(51)}= 11

3. In a similar way, we can calculate the others.

12435

109611

2

0(5)10

4

09

35

12435

10(9)11

• 24

010

35

24135

2410

(11)

35

183

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (191)

4. ResultMaximum distanceMaximum distanceMaximum distanceMaximum distance

25911

(3 5)(2 4)

(2 4)1(2 4 1) (3 5)

Average Linkage Method

The equation used in this method is the distance between the two groups d

and dvw denoted by d(uv)W is defined as:

{m)w N NJ V («v) i v w

(5)

where: d is the distance between object i in the cluster (UV) and k in the

cluster W.N is the number of items in the cluster (UV).

N is the number of items in the cluster W.

The algorithm of this method is:1. Find the minimum distance.2. Compute the distance ( equation 5).3. Alternate steps 1 to 2 until no data points.

Example:

12345

1093611

2

07510

3

09

(2)

4

08

5

1. Find minimum distance.d(3 , 5) is the minimum distance.

2. Calculate the distance using equation 5d(35)l =

= 7

184

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (192)

3. In a similar way, we can calculate the others.

4. Result

12435

10967

2

0(5)8.5

4

08.5

35

12435

10

7.5

(7)

24

08.5

35

24351

240

(8.16667)

351

Averagedistance

Averagedistance

Averagedistance

Averagedistance

2.00000

5.00000

7.00000

8.16667

(3 5)

(2 4)

(3 5)1

(2 4) (35 1)

Non-Hierarchical Clustering Methods

The most popular method, which is proposed by Mac Queen, is also called"K-means methods". The procedure or algorithm of this method is as follows:

1. Begin with an initial partition of the data set into some specifiednumber of clusters.

2. Compute the distance for every variable of the data set using Euclideanequation.

3. Find the minimum distance.4. Compute the centroids of clusters.5. Allocate each data point to the cluster that has the nearest centroid.

185

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (193)

6. Compute the new centroids of the clusters; clusters are not updateduntil there has been a complete pass through the data.

7. Alternate steps 3 to 6 until no data points.

Example:Program

ABCDE

CPU time23145

Disk I/O45632

1. Find distance using Euclidean formula :

d(x,y) = 'V(x]-y1)2 +(x2 - y / +.

where : x is the value nth variable for the x entityn J

y is the value nth variable for the y entity

.-Kxn-yn)2

d(A , B) = i (2 - 3)2 + (4 - 5 f

In a similar way, we can calculate the others.

ABCDE

A0

(V2)

V13

B

0V5V5Vl3

C

0A/18

V32

D

0(V2)

E

2. Find the minimum distanced(A , B) and d(D , E) are the minimum distances

3. Calculate centroid in regard of minimum distanceCentroid AB = ((2 + 3) : 2 , (4 + 5) : 2 )

= (2.5 , 4.5)Centroid DE = ((4 + 5): 2 , (3 + 2) : 2 )

= (4.5 , 2.5)

186

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (194)

4. In a similar way, we conclude :

ABC

DE

ABCDE

AB0

V8 .

C

0V24.5

DE

ABC0

0/12.5)

DE

5. ResultMinimumMinimumMinimumMinimum

distancedistancedistancedistance

V2V2V4.5A/12.5

= 1.414214= 1.414214= 2.121320= 3.535534 (A

(AB)(DE)

(AB)CBC)(D E)

DISCUSSION

Hierarchical clustering techniques were more popular. Hierarchical proceduresdo have the advantage of being fast and therefore taking less computer time. But theycan be misleading because undesirable early combinations may persist throughout theanalysis and lead to artifial results. Of specific concern is the substantial impact ofoutliers on hierarchical methods, especially with the complete linkage method.To reduce this possibility, the analyst may wish to cluster - analyse the data severaltimes, each time deleting problem observations or outliers.

Non-hierarchical methods have gained increased acceptability and are found inan increasing number of applications. Their use, however, is dependent on the abilityof the researcher to select the seed points based on some practical, objective, andtheoretical basis. In these instances, non-hierarchical methods have severaladvantages over hierarchical techniques. The results are less susceptible to outliers inthe data, the distance measure used, and the inclusion of irrelevant or inappropriatevariables. These benefits are only realised, however, with the use of non-random(e.g. specified) seed points, and the use of non-hierarchical technique with randomseed points is markedly inferior to the hierarchical techniques.

Another approach is to use both methods to gain the benefits of each. First, ahierarchical technique can be used to establish the number of cluster, profile thecluster centers, and identify any obvious outliers. After autliers are eliminated, theremaining observations are then clustered with a non-hierarchical method, using the

187

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (195)

cluster centers from the hierarchical results as the initial seed points. In this way, theadvantages of the hierarchical methods are complemented by the ability of the non-hierarchical methods to "fine-tune" the results by allowing the switching of clustermembership.

CONCLUSION

Cluster analysis can be a very useful data reduction technique. But since itsapplication is more an art than a science, it can be easily be used (misapplied) by theanalyst. Different interject measures and different algorithms can and do affect theresults. The analyst needs to consider these problems and, if possible, replicate theanalysis under varying conditions. If the analyst is cautious, cluster analysis can bevery helpful in identifying latent patterns suggesting useful groupings (clusters)of objects.

REFERENCES

1. ALDENDERFER, MARK S. and BLASHFIELD, R.K.. "Cluster Analysis" inQuantitative Applications in the Social Sciences 44. Newbury Park: Sagepublications Inc., (1984)

2. ANZAI, YUCHIRO. Pattern Recognition and Machine Learning. San Diego:Academic Press, Inc., 1992.

3. ARABIE, P., CARROLL J.D. and DESARBO, W.S.. "Three-way Scaling andClustering" in Quantitative Applications in the Social Sciences 65. NewburyPark: Sage Publications Inc., (1987)

4. EVERITT, BRIAN. "Cluster Analysis", New York: John Wiley & Sons,Inc., (1980)

5. HARTIGAN, JOHN A.. "Clustering Algorithms", New York: John Wiley & SonsInc., (1975)

6. JAIN, RAY. "The Art of Computer Systems Performance Analysis", New York:John Wiley & Sons Inc., (1991)

7. JONSON, R.A., and WICHERN D.W. "Applied Multivariate StatisticalAnalysis", Englewood Cliffs: Prentice Hall Inc., (1992)

8. KODRATOFF, YVES. "Introduction to Machine Learning" London: PitmanPublishing, (1988)

188

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (196)

9. LAURIERE, JEAN-LOUIS. "Problem-Solving and Artificial Intelligence",New York: Prentice Hall, (1990)

10. MANLY, B.FJ. "Multivariate Statistical Methods a Primer", London: Chapmanand Hall, (1986)

11. SINSICH, T. "Statistics by Example", New York: Macmillan PublishingCompany, (1993)

12. WEIMER, R.C. "Statistics", Belmont: Wim C. Browm Publishers, (1993)

189

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (197)

DISKUSI

M. SYAMSA A.

1. Aplikasi apa yang dapat dilakukan pada clustering analysis denganpengelompokan hirarki ini?

2. Mengapa tidak dijelaskan peranan metode K-mean dalam pengelompokan non-hirarki?

ROMLI

1. Aplikasi yang sudah dan sedang dilakukan adalah Command di UNIX dan optimasiNovell Netware. Aplikasi yang lain dapat dilakukan apabila sudah diketahuivariabel-variabelnya.

2. Pada prinsipnya pengelompokan non-hirarki sama dengan metode K-mean. Padawaktu yang akan datang akan dicoba metode tersebut, dibandingkan denganmetode pada expert system, kemudian baru akan dibahas peranannya.

KARSONO

Apakah metode ini dapat diaplikasikan pada data tidak bulat (bukan binary system)?

ROMLI

Metode hirarki dapat diaplikasikan pada data tidak bulat asal diketahui jaraknya, danmetode non-hirarki merupakan alternatif yang baik. Walaupun dalam makalah inidiberikan contoh bilangan bulat, tapi dapat diterapkan untuk bilangan riil. Sudahdilakukan untuk command pada Unix System. Metode ini tidak dapat diterapkan untuksimilary measures, dan untuk keperluan ini disarankan untuk menggunakan Fuzzylogic.

190

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (198)

KOMBINASI BAND 431-LANDSAT TM DALAM PROSES ANALISISCLUSTERING UNTUK PENGENALAN POLA TATA GUNA TANAH

DENGAN MENGGUNAKAN PERANGKAT LUNAKIDRISI 4.2

Wiweka*, Hanizah Arief, Izzawati", Arum Tjahyaningsih*

ABSTRACT ID990000018

LANDSAT TM BAND 431 COMBINE ON CLUSTERING ANALYSIS FOR PATTERNRECOGNITION LANDUSE USING IDRISI 4.2 SOFTWARE The recognition of earth objectspattern which is recorded on remote sensing digital image can do by classification process based on thegroup of spectral pixel value. The spectral assestment on a spasial which represent the objectcharacteristic can be helped through supervised or unsupervised. On certain case, there no media, suchas maps, airborne, photo, the capability of field observation and the knowledge of object's location.Classification process can be done by clustering. The group of pixel based on the wide of the wholevalue interval of spectral image, then the class group based on the desired accuracy. The clusteringmethod in Idris 4.2 software equipments are sequential method, statistic, isodata, and RGB. Theclustering existance can help pre-process pattern recognition.

ABSTRAK

KOMBINASI BAND 431-LANDSAT TM DALAM PROSES ANALISIS CLUSTERINGUNTUK PENGENALAN POLA TATA GUNA TANAH DENGAN MENGGUNAKANPERANGKAT LUNAK IDRISI 4.2. Pengenalan pola objek bumi yang terekam di citra digitalpenginderaan jauh dapat dilakukan melalui proses klasifikasi, berdasarkan pengelompokan nilaispektral pixel. Kajian spektral atas suatu spasial yang mewakili karakteristik objek dapat dibantumelalui mode terawasi atau tidak terawasi. Pada kasus tertentu, tidak tersedianya alat bantu sepertipeta, foto udara, kemampuan peninjauan lapangan dan pengetahuan lokasi objek, proses klasifikasidapat dilaksanakan melalui clustering. Pengelompokan pixel didasarkan lebar selang nilai keseluruhancitra, kemudian pembagian kelas didasarkan ketelitian yang diinginkan. Metoda clustering yang tersediadi dalam perangkat lunak Idrisi 4.2, yaitu metoda sequential, statistik, isodata, dan RGB. keberadaanclustering dapat membantu pra-proses pengenalan pola yang lebih dalam.

PENDAHULUAN

Bumi beserta seluruh isinya yaitu matra darat, matra lingkungan dan matra lautmerupakan objek pemetaan. Metoda yang dapat digunakan adalah penginderaan jauh,komponen-komponen meliputi satelit, sensor, atmosfir, sumber gelombang

' Lembaga Penelitian Antariksa Nasional - Jakarta

191

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (199)

elektromagnetik, dan pusat pengolahan citra digital. Karakteristik yang dapatdimunculkan atas komponen penginderaan jauh itu berupa multimisi, multi waktu,multispektral, dan multispasial.

Hasil pengolahan data penginderaan jauh dapat disajikan dalam bentuk data•':4_ analog (citra satelit) dan data digital (database), nilai tambah terhadap data muncul bila

proses lanjutan dikerjakan yaitu interprestasi digital dan analog. Kegiatan interprestasibertujuan agar dapat mengenal objek atau pola dan masuk kelompok yang sesuaidengan tematik/simbolisasi objek.

Umumnya, pengelompokan pola dapat menggunakan konsep klasifikasi teraWasidan tidak terawasi. Perbedaan prinsip klasifikasi tersebut terletak pada penggunaanreferensi/acuan dalam melaksanakan pengelompokan kelas. Ketersediaan data referensiuntuk semua lokasi umum tidak merata, bila data referensi tidak tersedia yang terpilihadalah proses klasifikasi tidak terawasi.

Kombinasi n-spektrum bermanfaat untuk memunculkan objek yang tersembunyi.Yang menjadi pokok kajian makalah ini adalah bagaimana dapat memberi korelasikombinasi spektrum 431 dalam mengidentifikasi tata guna tanah dengan menggunakanproses klasifikasi tidak terawasi-clustering.

Gelombang Elektromagnetik Landsat TM

Spektrum elektromagnetik terletak pada selang gelombang gamma hinggagelombang radio, lihat tabel 1. Komponen gelombang elektromagnetik panjanggelombang X, frekuensi f, dan kecepatan cahaya. Hubungan ketiga komponen tersebutbila dirumuskan menjadi energi (Ei), lihat rumus 1.

Tabel 1. Klasifikasi Spektru Gelombang Elektromagnetik

KeiasUltraviolet

Sinar TampakInfra Merah

Gelombang Radio

Panjang Gelombang100A~0,4 urn0,4-0,7 urn0,7-1 mm

0,1-100 Km

Frekuensi750-3000 THz430-750 THz430-22 THz0,3-30 KHz

E, = h f (1)

dimana : h = konstanta Plank'sSpektrum gelombang elektromagnetik yang digunakan pada penginderaan jauh

terletak pada selang 0,4um ~ lm. Interaksi antara objek-objek bumi dengan radiasielektromagnetik, hasilnya berupa energi (E2), lihat rumus 2.

E2 = h c/X (2)

192

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (200)

Perbedaan antara E2 dengan Ei adalah nilai energi yang terserap oleh benda,sebagian lagi energi dipantulkan kembali. Energi pantulan/radiasi ini akan ditangkapoleh sensor yang ditempatkan di satelit.

Satelit Landsat dengan sensor Tematik Mapper (TM), memiliki karakteristiksensor dengan jumlah 7 (tujuh) buah. Istilah sensor memiliki arti sama dengan istilahband, sensor adalah alat yang peka menangkap gelombang elektromagnetik, sedangband adalah himpunan nilai data untuk suatu selang spektrum elektromagnetik yangspesifik. Untuk jelasnya lihat tabel 2.

Tabel 2. Spektrum Elektromagnetik dan Band Landsat TM

Sensor

TM

Selang SpektrumElektromagnetik

0,45-0,520,52-0,600,63-0,690,76-0,901,55-1,75

10,40-12,502,08-2,35

Warna

BiruHijauMerah

Infra Merah DekatInfra Merah Intermediate

Infra Merah PanasInfra Merah Mid

Band

1234567

Fungsionalisasi dari setiap band dalam proses interaksinya dapat dinyatakan sebagaiberikut:Band 1, dapat digunakan untuk melaksanakan pemetaan pantai, dan dapat

membedakan tanah, vegetasi dan hutan.Band 2, dapat mendeteksi derajat kesehatan tumbuhan.Band 3, mendeskriminasi batas tanah dan geologi.Band 4, selalu dihubungkan menuju responsif biomassa vegetasi, mengidentifikasi dan

menekankan kontras, air dan pertanian.Band 5, sensitif terhadap plant air, mendeteksi awan, kesehatan tanaman.Band 6, berguna untuk mendeteksi tanaman pertanian, intensitas panas, pemanfaatan

insektisida, polusi udara dan mengamati lokasi geothermal.Band 7, penting untuk mendiskriminasi formasi geologi dan batas tanah serta isi

kelembaban tanah.

Landasan Teori Klasifikasi Tidak Terawasi-CIustering

Clustering adalah pengelompokan data dengan karakter sejenis, metodaclustering dapat dibagi menjadi berjenjang (hirarki) dan clustering tidak berjenjang(non-hirarki).

193

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (201)

Clustering berjenjang, mengelompokkan dengan sejenis evaluasi didasarkan atasjarak yang terukur. Jarak minimum antara cluster akan digabungkan menjadi suatucluster setelah prosedur diulangi beberapa kali dari awal suatu piksel hingga jumlahcluster optimum.

0 Metoda evaluasi kesamaan dapat digunakan sejumlah rumusan jarak yaitu:0 Metoda tetangga terdekat (nearest neighbour)0 Metoda tetangga jauh (futhest neighbour)0 Metoda terpusat (centroid)0 Metoda rata-rata grup0 Metoda wardDiagram alir prosedur clustering berjenjang, lihat gambar 1.

Memilih Jarak

§4enentukan Jumlah Cluster

Menghitung Jar akAntar Cluster

Menemukan Pasarigan ClusterYang Memiliki Jarak Minimum

Menggabungkan Pasangan

B

Menghitung Jarak BaruBerdasar Ciu$ter Gabungan

Jumlah Ouster Optimum

Berhenti

Gambar 1. Giagram Alir Clustering Berjenjang

194

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (202)

Clustering bukan berjenjang pada tahap awal ditentukan secara bebas jumlahcluster. Anggota pola untuk setiap cluster diteliti untuk dihitung parameter atau jarakdan direlokasi masuk sesuai dengan cluster dengan pemisahan yang sangat tinggi.Umumnya metoda yang digunakan Isodata dan K-rata-rata.Diagram alir proses clustering bukan berjenjang, lihat gambar 2.

Memilih, Parameter

MenghitUHgPusatCluster Awal

Menghitung JarakAntar Cluster

Merelokasi Anggota Piksel

Koreksi Pusat DariSetiap Cluster

D

Memindahkan KembaliCluster Minimum danMengisolasi Anggota

Clustering Sempurna Menghitung StatistikCluster

Gabungan Pembagian Stop

Gambar 2. Diagram Alir Clustering Bukan Berjenjang

195

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (203)

Hasil Pengolahan Data

Realisasi pengolahan data pada penelitian ini menggunakan clustering bukanberjenjang, langkah yang dilakukan:a. Mengakusisi data landsat TM 3 (tiga) band yaitu band 4, band 3, dan band 1, Jokasi

penelitian kotamadya semarang. Nama file KSMG-4, KSMG-3, dan KSMG-1.

b. Melakukan proses komposit (lihat lampiran 1 modul operasional Idrisi 4.2-pengolahan Citra Digital), yaitu menggabungkan ketiga band tersebut menjadi citratunggal, nama file KOMSMG-1, lihat gambar 3.

c. Melaksanakan proses clustering, yaitu pada iterasi pertama menentukan jumlahcluster sebanyak 15 buah, hasil hitungan berupa rata-rata cluster dan histogram,nama file KOMSMG-2, lihat tabel 3 dan gambar 4.

d. Melaksanakan proses clustering, yaitu pada iterasi kedua menentukan jumlah clustersebanyak 9 buah, hasil hitungan berupa rata-rata cluster dan histogram, nama fileKOMSMG-3, lihat tabel 4 dan gambar 5.

e. Melaksanakan proses clustering, yaitu pada iterasi ketiga menentukan jumlah clustersebanyak 9 buah, hasil hitungan berupa rata-rata cluster, histogram, dan matrikskonfuse, nama file KOMSMG-4, lihat tabel 5, gambar 6 dan tabel 6.

Tabel 6. Matriks Konfuse Iterasi Ketiga

123456

Total

16256200000

62562

20

603950000

60395

300

28677000

28677

400

2033400

20334

50000

182120

18212

600000

1462014620

Total625626039528677203341821214620204800

196

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (204)

Gambar 3. Citra Komposit Kotamadya Semarang

CLUSTER12345678910JI12131415

KOMSACM25,529,352,327,556,753,858,274,544,723,551,432,450,157,263,1

label 3. Rata-rata Cluster Pada Iterasi Peratama

197

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (205)

50 -

40 _

30 -

20 -

10 -

1 2 3 4 5 6-7 8 9 10 11 12 13 14 15

Nilai Intensitas

Gambar 4. Histogram Distribusi Frekuensi Spektral Iterasi Pertama

PENGELOMPOKAN CITRA SEMARANG PADA ITERASI PERTAMACluster

Cluster 1

Cluster 2

Cluster 3

Cluster 4

Cluster S

Cluster B

Cluster 7

Cluster 8

Cluster 9

Cluster 10

Cluster 11

Cluster 12

Cluster 13

Cluster 14

Cluster IS

c

L.

Lj

m,mm

Gambar 5. Citra Kotamadya Semarang Hasil Clustering Iterasi Pertama

198

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (206)

CLUSTER

123456789

KOMSMG-1

29,335,648,258,248,652,125,432,964,6

Tabel 4. Rata-rata Cluster Iterasi kedua

50 -

40 _

30 -

20 -

10 -

1 2 3 4 5 6 7 8 9Nilai Intensitas

Gambar 6. Histogram Distribusi Frekuensi Spektral Iterasi kedua

199

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (207)

JKTERASI KE D CLUSTER

Ctottrl

Clutter 2

Cluster 6

Cluster?

Cluster 8

CIuiter9

Gambar 7. Citra Kotamadya Semarang Hasil Clustering-Iterasi Kedua

CLUSTER'" -123456

29,832,549,657,448,646,6

Tabel 5. Rata-Rata Cluster Pada Iterasi Ketiga

200

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (208)

50 -

40 _

30 -

20 -

10 -

-

<

—% • ' •

• *

*

"v* « •

7s

•s

-

< •

-i

< - "

**

V

1 2 3 4 5 0 7 8 9Nilai [ntensitaj

Gambar 8. Histogram Distribusi Frekuensi Spektra! Iterasi Ketiga

ITERASI KE TIOA CUUSTTER

Gambar 9. Citra Kotamadya Semarang Hasil Clustering-Iterasi Ketiga

201

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (209)

f. Hasil asosiasi clustering untuk kategori objek, dilakukan uji statistik-hipotesis, lihattabel 7, dilaksanakan melalui proses yaitu pernyataan hipotesis, pernyataan taraf iniyang dipilih, pengkajian perhitungan, penyataan ditolak/diterima dan kesimpulan.

Tabel 7. Uji Hipotesis

CLUSTER123456

HASIL UJI HIPOTESIS1,890,301,392,450,70,11

KETERANGANDITERIMADITERIMADITERIMADITOLAKDITERIMADITERIMA

g. Memberi makna simbolisasi atau semantik terhadap setiap cluster berdasar nilaispektral dan karakteristik bentuk objek. Dari 6 (enam) cluster yang terbentuk makaterdapat 6 (enam) kelas yaitu : vegetasi, pemukiman tidak diketahui, pertanian, danlahan terbuka.

KESIMPULAN

Pendayagunaan clustering ini bermanfaat bila tidak adanya data penunjang yangcukup, diperlukan kemampuan menginterpretasikan serta menggabungkan membacagrafik reflektansi.

Kemampuan menentukan jumlah cluster pertama adalah tahap awal yangbersyarat agar proses clustering ini dapat diselesaikan secara cepat dan menujuorganisasi data yang baik, yaitu menuju mean cluster sampai tidak berubah lagi.

Uji hipotesis perlu dilakukan untuk menindaklanjuti apakah data tersebut dapatdiklasifikasikan atau tidak, seperti pada kelas 4 tidak dikenal objeknya. Juga dapatdikatakan kombinasi 431 akan dapat memberikan informasi tata guna lahan yangcukup.

DAFTAR PUSTAKA

1. JEFREY, STAR, "Erdas Field Of Guide", National Centre for GeographyInformation Analysis, USA, 1987

2. MURNI, ARIATI, ; SURYANA, SETIAWAN, "Pengantar Pengolahan Citra".Gramedia, Jakarta, 1993

3. SUTANTO, Penginderaan Jauh Jilid 1 dan II", Universitas Gajah Mada Press,Yogjakarta Indonesia, 1986

202

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (210)

MONTE CARLO METHODS IN PHYSICS

Budi Santoso*

ID990000019

ABSTRACT

MONTE CARLO METHODS IN PHYSICS. Method of Monte Carlo integration is reviewedbriefly and some of its applications in physics are explained. A numerical experiment on randomgenerators used in the Monte Carlo technique is carried out to show the behavior of the randomness ofvarious methods in generating them. To account for the weight function involved in the Monte Carlo,the metropolis method is used. From the results of the experiment, one can see that there is no regularpatterns of the numbers generated, showing that the program generators are reasonably good, while theexperimental results, shows a statistical distribution obeying statistical distribution law. Further someapplications of The Monte Carlo Method in physics are given. The choice of physical problems are suchthat the models have available solutions either in exact or approximated values, in which comparisonscan be made with the calculations using the Monte Carlo method. Comparisons show that for the modelsto be considered, good agreement have been obtained.

ABSTRAK

METODA MONTE CARLO DI BIDANG FISIKA. Metoda Monte Carlo disajikan denganpenjelasan aplikasinya di bidang fisika. Suatu eksperimen dengan generator acak yang digunakan dalamMetoda Monte Carlo dilakukan untuk menunjukkan kelakuan keacakan berbagai metoda dalammembangkitkan mereka. Untuk dapat ikut memperhitungkan fungsi bobot yang terlibat dalam metodaMonte Carlo, metoda metropolis digunakan. Dari hasil eksperimen terlihat bahwa tidak adanya polareguler dari angka-angka terbangkitkan, menunjukkan bahwa program generator cukup baik. Hasil-hasileksperimen menunjukkan adanya distribusi statistik yang mengikuti aturan distribusi statistik.Selanjutnya beberapa aplikasi dari Monte Carlo dalam fisika diberikan. Pemilihan problema fisikaadalah sedemikian, model-model yang diselesaikan mempunyai solusi eksak atau solusi pendekatan,dengan demikian perbandingan hasil kalkulasi dapat dilakukan dengan metoda Monte Carlo.Perbandingan hasil menunjukkan bahwa untuk model-model yang disajikan, hasil-hasil perhitungansangat berdekatan.

INTRODUCTION

Monte Carlo is a place in Monaco where people come to gamble for money.Gambling is always associated with random numbers.Randomness in this paper islimited to numbers that are generated by deterministic arithmatical process. Monte

' Pusat Pengkajian Teknologi Nuklir - BAT AN

203

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (211)

Carlo melhod solves a certain type of problems through the use of random numbers.There are various methods of generating these numbers eg 'random numbers'(chapter 7, numerical recipes, the art of scientific computing, by William H,Press et.al). Simple example of generating random numbers typically given by

xn+l = rxn mod(N) (1)where an arbitrary number xn is multiplied by a large constant number r, each productbeing reduced by modulo N. The sequence xQ,xx ,x2 is distributed fairly evenly over(0,N), if N is large enough. Figure 1 demonstrates the value of random (xn) as functionofn.

a. b.

Figure 1. Values of random (xn) asfunction ofn, using variousprogrammes of random generators:a) RAND, b) ran, c) rani, d) ran2, ande) ran3. The programmes in fortranlanguage are available from the author.

204

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (212)

From the numerical experimental results (figure 2) we can see the behavior of randomvalues generated by different programs. Although they behave differently, the averageof their probability in occupying a certain interval are similar in their pattern. Thisprobability should become the same as the number of experiment in increased.

2a. 2b.

Figure 2. Distribution of Pn : the probability of n times of ran3(xn) falls betweenun and un+1. un is 0, 0.1, ..., 0.9. Fig 2a is for N=100 generated numbers and fig2b is for N= 1000

Monte Carlo method solves the following integration

f(x)dx.= f{x,) (2)

by making an average over N of f (x ; ) where x s are selected at random in (a,b). Forsimple integration such as in single integration, Monte Carlo method is inferior to thetrapezoidal and other standard integration procedure. However as the dimensions ofintegration become larger, the standard procedure becomes more and more impracticalif not impossible. Errors introduced in the standard procedure are dependent on thenumber of numerical operations. The error propagation is becoming bigger as thenumber of operation is increased. On the other hand, accuracy of the procedure isincreased with the increasing number of step length within the same interval,optimization is necessary to get the best result. Monte Carlo method on the other handintroduces errors that follow statistical behavior in nature.

205

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (213)

METROPOLIS METHOD

Integration such as in (2) should account for the weight function involved. On avery general way, to produce random variables with a given probability distribution ofarbitrary form is known as the Metropolis, Rosenbulth, Teller and Teller algorithm.

The method of Metropolis et al can be implemented in a variety of ways. Onesimple realization is as follows. Suppose that we want to generate a set of points inspace of variables x distributed with probability density w (x). The Metropolisalgorithm generates a sequence of points xo,x1}x2 such that the next point isconnected to previous point approximating closely the desired distribution. If thewalker - is presently at xn then x w l is generated by random number generator. xn+l isaccepted or rejected according to the ratio

If r is larger than one, then xn+1 is accepted while if r is less than one, the step isaccepted with probability r. This is accomplished by comparing r with a randomnumber r] uniformly distributed in the interval (0,1). If r\ < r then x„+] is alsoaccepted. If x^, is rejected then xn+1 is put equal to xn. Any arbitrary point x0 can beused as a the starting point for random walk.

APPLICATION IN PHYSICS

Simple models

In order to be able to verify the validity of the method, it is necessary to apply theMonte Carlo method to simple models where 'exact solutions' are available. This isrequired for a comparative purposes. Such models that can be chosen are the harmonicoscillator, helium atom and hydrogen molecular energy bounds calculations.

In these system the required energy bounds can be calculated from

b - ^ j ^ ( 4 )

where *F satisfies the Hamiltonion eigen function

e . *„ (5)

206

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (214)

H = -2m dx2 2

for harmonic oscillator.

~~2m

i2.V 2_^l_il_^l_fl2m ' .41 ' B2

e e— + —

12 rAl

(6)

(7)

for hidrogen molecules.All notations are chosen in a standard way commonly used in Schrodinger equation(e.g. see Davidov, Quantum Mechanics). In the case

rA\ ~ rB\ > rA2 - rB2• AB

system becomes an Helium atom.

Except for harmonic oscillator the exact solution for^" are not known. Approximatesolutions can be made using a trial wave functions, where unknown parameter (s) canbe introduced. Varying the parameter (s) so as to get the lowest energy bounds, oneobtain the solution of 4-* in the variational scheme. As trial function we have chosenx¥(x,a)= exp(-ax212) for the harmonic oscillator

where

a =

r{) = exp(-rAl I a) +exp(-rBi I a)

= exp(r/ (a(l + Pr)})

h2

meexp(-l/a))

(8)

(9)

(10)

(11)

For helium atom (rAB = 0 ) , it is found that the energy bound computed by the Monte

Carlo is - 78,38 eV as compared to' - 78,88 eV obtained from experimental value.Other comparative values can be seen in table I.

Table 1. Comparison with the Monte Carlo Method (MCM)

Harmonic oscillator

perturbed harmonic osc

H2+ molecular (rAB = 1.06A1)

H 2 molecule (rAB =0 .74A' )

exp ./exact

4.369

3.119

-16.4

-31.95

MCM

4.341

3.143

-17.0

-31.4

From this comparison it was found that the error in the computation was less than 5%.

207

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (215)

More sophisticated problems

In a more sophisticated problem Monte Carlo method can simulate a real systemsuch as fluid system with water like molecules, models of binary spin system, isingmodel calculations etc.

Fluid System with Wateriike MoleculesIn the equilibrium state the pressure can be calculated from the virial function

defined as1 —^

U . F U > (12)

This can be done since in all configurations all Vk] and FkJ are known (the interactionforce F = —V.E2 for pairwise interaction, where E2 is the Lennard Jones modelgiven by

E2 =46((^-) I 2-A6) (13)r r

rk] is the internuclear distance of two particles k and 1, 8 is the diameter of the particlesand € is the absolute value of energy in the minimum of the potential curve. Thepressure is related to the virial function with the equation:

lNkT 3NkT

An the excess free energy can be calculated from the equation

;- fNkT p

J=o

ypkT ' p

Where p - NIV and A1 is the excess free energy, that is the difference between thefree energy of the system and of the ideal gas with the same temperature andthe same p.

Table 2 shows the results of the calculation by W. Bol (1979) of configurationspace in a fluid of hard sphere with density 0.6. For N= 2 the result is obtainedanalytically and for N = 1 is trivial solution.

208

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (216)

Table 2. Values of as function of N

N

123

204491172

Total number ofMonte Carlo steps

--

0.18 xlO6

1.63 x 106

2.9 x 106

1.77xlO6

1.67 x 106

A1

NkT1.1491,4951.6511.9812.0142.0292.035

The ising model in two dimensionsThe ising models simplifies models in which the degrees of freedom reside on a

lattice and interact locally. These arise in several areas of condensed matter physics andfield theory.

A model of solid magnetization using the ising model consists of a set of spindegrees of freedom interacting with each other and with external magnetic field. We canconsider the magnetic moments of atom in a solid, in wich in two spatial dimensionsspin are located on sites of an Nx x N square lattice. The spins should be labelled

(Sa ) where / and j are the indices for two spatial direction while a is a generic site

label (Sa = +1 is "up" and Sa = — 1 is down). The Hamiltonion for the system is

conventionally written as

H^-jYiSJ,-BjjSa (16)<<xp> a

where the notation (a{3> is understood as the sum over nearest neighbour pair of spin,

J i s the coupling strength constant, B is the external magnetic field.Interest of the system is on the thermodynamic properties such as the

magnetization.

S

the susceptibility

the energy

w(S)H(S)

(18)

(19)

209

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (217)

and the specific heat at constant field

2 E 2 (20)

and where:e-H(S)

Z is the partition function:

~ ~"{S) (22)

The ising model is soluable in the limit of N x >T

For B= 0 in this limit, the energy is given by

E = -Ns J(coth 27)(1 + - K ' J C , (K)) (23)7t

the specific heat is :

C B =iV 5 - ( Jco th2J) 2 (2 / : i (K)-2 J E; i (K)- ( l -K) | - + K " K , ( K ) (24)% \_2

While the magnetization is given:

M = ±NS± (} 72Vn — (25)

for J>J c and vanishes for J < J c .In these expressions

< l , K ' = 2 t a n h 2 2 J - l andz^e"2-7 . (26)K 2cosh 2 J

Figure 3 ilustrates the results of the Monte Carlo calculations good behaviors has beenshown from the result of these calculations Monte Carlo methods have also beenextensively used in neutronic calculations.

210

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (218)

a. b.

-0.4

I -0.8

-1.2

-1.4

-1.6

0.1 0.2 0.3 0.4 0.6 0.6 0.7 0.8 0.0 (

g M 11 0.5

Etf emal magnetic field B On artttrary units)

0.' Oi 0.3 0.4 0.5 0.6 0.7 0.0 0.9 1

EMemal matpvttc flek) B (In arbitrary intts)

0.7 T

0.6

, 0.5

0.1 0.2 0.3 0.4 0.5 0.6 0.7 OS 0.0 1EttemaJ magnetic field B (In artttrwy unfts)

0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9£>Sems! magnetic Held B tfn «tfttsy wtfts)

Figure 3. Total energy, Magnetization, Susceptibility and Specific heat asfunction of B.

CONCLUSIONS

In conclusions we have demonstrated the potensial method of the Monte Carlotechnique to physical system that otherwise could not be possible to compute usingconventional procedure.

REFERENCE

1. DAVIDOV, A.S., "Quantum Mechanics ", Pergamon Press, London 1965

2. HOOGENBOOM, J.E.. "Adpoint Monte Carlo Methods in Neutron TransportCalculations", Delft University Press, Delft 1977

211

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (219)

3. BOL, W. "Monte Carlo Simulations of Fluid Systems with WaterlikeMolecules", doctoral thesis, Technische Hogeschool, Eindoven 1979

4. KONIN, STEVEN "Computational Physics", Addison - Wesley Publ. Comp.Inc, N.Y. 1986

5. KRANENDONK, W. "Computer Simulations of Models for Colloidal Systems ",doctoral thesis, University of Utrecht, 1990

6. SANTOSO, BUDI "Monte Carlo Methods in Quantum Energy BoundsVariational Calculations", Proceedings, Institut Teknologi Bandung, vol. 25, no1, 1993

7. HUANG, H. "Statistical Mechanics " John Wiley and Sons, New York, 1963

8. FLANNERG, BRIAN P. ; TEUKOLSKY, SAUL A.; VETTERLING,WILLIAM T., "Numerical Redipes, The Art of Scientific Computing, WilliamH. Press" Press Syndicate of the University of Cambridge, 1986

212

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (220)

ANALISIS EKONOMI DENGAN MENGGUNAKAN SIMULASI MONTECARLO PADA RESERVOIR-X LAPANGAN

BADAK KALIMANTAN TIMUR

Siti Nuraeni S. MT, Sugiatmo MT, Onny Prasetyawan J.*

IllABSTRACT ID990000020

ECONOMIC ANALYSIS USING MONTE CARLO SIMULATION ON Xs RESERVOIRBADAK FIELD EAST KALIMANTAN.- Badak field, located in the delta of Mahakam river, in EastKalimantan, is a gas producer.The field was found in 1972 by VJCO. Badak field is the main gas supplierto Bontang LNG and gas is exported to Japan, South Korea and Taiwan, as well as utilized for the mainfeed to the East Kalimantan Fertilizer Plant. To provide the gas demand, field development as well asexploration wells are continued.On these exploration wells, gas in place determination, gas productionrate as well as economic evaluation play on important role. The effect of altering gas production rate toNet Present Value and also the effect of altering discounted factor to the Rate of Return curve usingMonte Carlo simulation is presented on this paper. Based on the simulation results it is obtained that theupper limit of the initial gas in place is 1.82 BSCF, the lower limit is 0.27 BSCF and the most likelyvalue is 0.52 BSCF. Net Present Value as obtained from the probability curve ranges from - 0.72 to 1.5million US $ with a Rate of Return ranges from - 30 to 33.5 percent.

ABSTRAK

ANALISIS EKONOMI DENGAN MENGGUNAKAN SIMULASI MONTE CARLO PADARESERVOIR-X LAPANGAN BADAK KALIMANTAN TIMUR. Analisis ekonomi menggunakansimulasi Monte Carlo pada reservoir -X iapangan badak Kalimantan Timur. Lapangaan Badak adalahsebuah delta di sungai Mahakam Kalimantan Timur yang menghasilkan gas dan ditemukan oleh VICOpada tahun 1972. Lapangan Badak ini adalah penghasil utama gas bagi Bontang LNG dan merupakansumber utama fertilizer plant di Kal-Tim gas tersebut diekspor ke Jepang , Korea Selatan danTaiwan.Untuk memenuhi permintaan gas, pengembangan lapangan dan eksplorasi sumur, faktor yangmempunyai peranan penting yaitu penentuan gas ditempat (gas in place), laju produksi gas, dan analisisekonominya. Pada makalah ini dibahas akibat perubahan laju produksi gas terhadap Net Present Valuedan akibat perubahan diskon faktor terhadap Rate of Return dengan menggunakan simulasi Monte CarloBerdasarkan hasil simulasi diperoleh bahwa harga batas atas gas awai ditempat (gas in place) adalah1,82 BSCF , batas bawahnya 0,27 BSCF dan harga kemungkinan terbesar 0,52 BSCF. Net Present Valueyang diperoleh dari kurva kemungkinan berkisar antara -0,72 sampai 1,5 juta US $ dengan Rate ofReturn berkisar antara -30 hingga 33,5 %.

* Tekni Perminyakan, Fakultas Teknologi Mineral - Universitas Trisakti

213

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (221)

PENDAHULUAN

VICO merupakan salah satu kontraktor bagi hasil dengan PERTAMINA danmengoperasikan dua lapangan gas utama, yaitu lapangan Badak dan Nilam. Lapangangas Badak menghasilkan suplai gas rata-rata per hari lebih dari 0.6 BSCF LPG plandan fertilizer plan di Bontang Kalimantan Timur.

Dalam keadaan lingkungan yang dinamis, rencana pengembangan lapanganhams mempertimbangkan kemampuan produksi yang diambil untuk meyakinkansuplai gas yang tersedia dan efisiensi penggunaan cadangan gas yang maksimum.

Reservoir gas lapangan Badak ditemukan pada lingkungan delta. Ada lebih dari300 reservoir gas yang kedalamannya bervariasi antara 4000 ft sampai 15000 ft,memiliki sifat fisik reservoir dan komposisi fluida yang baik. Sejak diketemukannyalapangan ini, pendekatan biaya pengembangan dari produksi reservoir-reservoirtersebut cukup rendah, dikarenakan reservoir-reservoirnya yang alamiah dandilakukan pemboran cukup dangkal.

Perhitungan distribusi kemungkinan merupakan cara terbaik untuk mengurangiketidak pastian dan cara yang paling banyak digunakan adalah melalui raetodaSimulasi Monte Carlo, dimana bila semakin banyak perhitungan teoritis dilakukanakan semakin mendekati distribusi kemungkinan sebenarnya. Simulasi Monte Carloadalah suatu teknik memecahkan persoalan matematika numerik denganmenggunakan artificial sampling experiment [10], dengan melibatkan beberapavariabel yang masing-masing memiliki harga kemungkinan atau distribusikemungkinan.

TINJAUAN UMUM LAPANGAN BADAK

Lapangan Badak terletak di pantai Timur Kalimantan pada jarak + 40 kmbagian Selatan Katulistiwa dan + 120 km dari arah Timurlaut kota Balikpapan.Lapangan Badak ini ditemukan pada bulan Januari 1972, dengan pemboran sumurBadak 1. Dari hasil data test pada sumur Badak 1 ini ditemukan cadangan gas padakedalaman 11021 feet, dan dengan dilakukannya pengembangan lapangan gas secaraintensif maka ditemukan lebih dari 60 reservoir pada kedalaman antara 3700 feethingga 11000 ft.

TEORI DASAR

Cadangan atau reserve merupakan fungsi dari area (A), ketebalan (h), porositasbatuan (((>), saturasi air (Sw), faktor volume formasi gas (Bg) dan recovery factor.

214

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (222)

Untuk memperkirakan besarnya jumlah gas mula-mula di tempat atau OriginalGas in Place disini digunakan metoda penentuan cadangan secara volumetris yangpersamaan adalah sebagai berikut:.

CCIp_43560xVbx<Px(l-Sw)

Bgdimana:OGIP = original gas in place, SCFVb = volume bulk reservoir, Acre-feet

Indikator Ekonomi

Penilaian secara teknik harus menghasilkan jawaban paling tidak beberapapernyataan. Apakah laju pengambilan modal sepadan dengan kebutuhan investor danresiko yang melingkupinya serta berapa besar modal yang dibutuhkan pada saatinvestasi dan juga apakah investasi tersebut nantinya menghasilkan keuntungan.Rate of Return

Dalam ekonomi teknik ROR (Rate of Return) dapat didefinisikan sebagaiinterest rate yang digunakan dimana jumlah cash in flow dan cash out flow samabesar. Bila cash in flow tersebut di "discount" atau "compount" dengan satu faktortertentu pada waktu yang sama. ROR dapat dicari dengan minus sebagai berikut:

dimana :ROR = rate of return (Iaju pengambalian modal), persenNPV = net present value (keuntungan bersih), US$Co = investasi awal, US$n = tahun ke-n

Net Presen Value

Kriteria keuntungan dari NPV {Net Present Value) sama dengan satu hargakhusus ROR, yang sebelumnya specific discount rate digunakan pada seluruhanalisa ekonomi.

Adapun rumus yang digunakan untuk mencari harga NPV disini dipengaruhioleh penurunan produksi gas, yang mana dipergunakan "eksponensial decline rate"adalah:

215

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (223)

iqi-qa)ND = V* H } (3)

adimana:ND = total produksi yang menurun secara eksponensial decline, SCFa = decline rate per, tahunqi = laju produksi gas awal, SCF/hariqa = laju produksi gas abandonment, SCF/hari

Bila dianggap cadangan didalam reservoir seluruhnya dapat diproduksikansemua, maka :

(qi-qa)GIP = - — (4)

asehingga dari eksponen decline rate pertahun dapat dihitung menjadi :

(qi - qa)

Dengan diperolehnya harga decline rate per tahun, maka dapat diperkirakan lamanyawaktu atau jumlah tahun dari awal hingga akhir penurunan produksi.

(6)a

Kemudian pada tahap akhir kita dapat menghitung besarnya NPV sebagai berikut:

NPV = qixtxGP\^^—I (7)

sedangkan,x = k . t dan k = a + j

dimana:GP = harga gas, US$e = eksponensialj = discount factor

Simulasi Monte Carlo

Kenyataannya sangat sulit memperoleh data lapangan yang cukup baik untukmembentuk kurva distribusi, sehingga diperlukan keputusan dalam menentukan data.Akan tetapi berdasarkan pengalaman[10] dapat diperkirakan bentuk distribusi untuk

216

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (224)

parameter-parameter tertentu. Area dan tebal formasi misalnya cenderung mengikutidistribusi segi empat, dan porositas cenderung mengikuti distribusi segi tiga.Recovery factor, permeabilitas dan saturasi umumnya bervariasi untuk setiapreservoir. Untuk ketiga parameter terakhir tersebut, sebaiknya distribusi ditentukanberdasarkan data atau korelasi yang ada walaupun sedikit.

Seperti diketahui besarnya Original Gas in Place merupakan fungsi dariparameter <(>, S w dan Vj,, sedangkan Net Present Value merupakan fungsi dariparameter qg, Gas in Place dan biaya pemboran dan untuk Rate of Return merupakanfungsi dari parameter Net Present Value.

Dalam proses simulasi Monte Carlo ini ada dua jenis distribusi frekuensi yangsering digunakan diantara distribusi-distribusi yang lain, yaitu distribusi segi tiga dandistribusi segi empat. Seperti juga halnya dengan distribusi normal, maka luas areadibawah kurva distribusi frekuensi adalah sama dengan satu, sehingga harga frekuensiuntuk salah satu harga parameter x dapat ditentukan. Simulasi Monte Carlo adalahmetode statistik yang mengikut sertakan sejumlah bilangan random kedalam prosessimulasi. Jika beberapa parameter telah diketahui distribusinya maka parameter yanglain dapat ditentukan dengan cara menggunakan bilangan random (random number).Hasil yang teliti akan diperoleh dengan menggunakan perhitungan yang berulang-ulang dengan mengambil bilangan random yang cukup banyak. Problem umumbiasanya menyangkut sejumlah variabel input yang diketahui perkiraan distribusiprobabilitasnya dan satu hubungan timbal balik antara variabelnya. Dan kemudianakan dilanjutkan dengan derajat ketidak pastian dari output-nya. Jika pemecahanmenghasilkan lebih dari satu parameter output, maka ketidak pastian harus ditentukanuntuk masing-masing variabel/ parameter output tersebut.

PERHITUNGAN VOLUME GAS DI TEMP AT DAN EKONOMI DENGANSIMULASI MONTE CARLO

Dalam penentuan Original Gas In Place, NPV dan ROR pada reservoir-Xpenyelesaiannya dilakukan dengan komputer dengan menggunakan metoda simulasiMonte Carlo. Pada Tabel 1 adalah harga-harga batas atas, batas bawah dan the mostlikely value sebagai data masukan untuk perhitungan original gas in place.Data lain adalah faktor volume formasi gas sebesar 0.00323 cuft/SCF. Dari dataTabel 1 di atas setelah dilakukan perhitungan dengan menggunakan komputer dengan5000 kali running bilangan random diperoleh hasil seperti Tabel 2 berikut.

Dan dari Tabel 2, dibuat grafik Frekuensi versus OGIP, sehingga dapatditentukan batas atas, batas bawah dan the most likely value dari OGIP, yaitu :- Batas atas OGIP = 1.78 BSCF- Batas bawah OGIP = 0.29 BSCF- The Most Likely Value OGIP = 0.62 BSCF

217

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (225)

Perhitungan NPV Dan ROR

Perhitungan yang dilakukan disini adalah perhitungan yang disesuaikan dengandata lapangan dan dengan kasus asumsi laju alir gas untuk perhitungan NPV danasumsi harga discount factor untuk perhitungan ROR.

Kasus Lapangan

Pada Perhitungan NPV dan ROR untuk kasus lapangan agar lebih mudahnyakita sebut sebagai kasus 1A dan IB.

Dari harga batas atas, batas bawah dan the most likelu value OGIP yangdiperoleh diatas, akan digabungkan dengan harga-harga parameter lainnya seperti lajualir gas per hari, biaya pemboran, harga gas dan Iain-lain yang kemudianditabulasikan pada Tabel 3 sebagai parameter NPV dan ROR. Sedangkan Discountfactor untuk kasus lapangan adalah 20 %, dan Iaju alir gas abandonment adalah300 MSCF per hari, sehingga akan diperoleh decline rate rata-rata per tahun adalah0.33 per-tahun. Kemudian setelah decline rate rata-rata per-tahun diperoleh, kita dapatmenghitung lamanya rata-rata umur sumur tersebut berproduksi sampai laju alir gasabandonment adalah 7.8 atau sekitar 8 tahun. Drai data Tabel 3 dan hasil yangdiperoleh decline rat per tahun dan umur sumur, dilakukan perhitungan yangprosedurnya sama dengan perhitungan OGIP dengan simulasi Momte Carlo,diperoleh hasil seperti pada Tabel .4 kolom 1 untuk distribusi probabilitas NPV danTabel 4 kolom 3 untuk distribusi probabilitas ROR, dan dari Tabel tersebut dibuatgrafik distribusi probabilitasnya (Gambar 3 dan 4).

Perubahan Laju Alir Gas Pada Kurva NPV

Selain dari Gambar 3 dan 4 dapat dilihat bentuk kurva bila diasumsikan suatuharga perubahan laju alir gas, sedang data-data lainya sama seperti datalapangan diatas.- Batas atas laju alir gas = 5 MMSCF/hari- Batas bawah laju alir gas = 0 MMSCF/hari- The most likely value laju alir gas = 1 MMSCF/hari

Hasil perhitungan komputer ditabulasikan pada Tabel 4 kolom 2, sedangkan kurvanyadapat dilihat pada Gambar 5, harga decline rate 82 % dan lama umur sumur 5 tahun.

Perubahan Discount Factor Pada Kurva ROR

Discount Factor = 10 %. Hasil perhitungan komputer ditabulasikan padaTabel 4 kolom 4, kurva terlihat pada Gambar 6.

218

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (226)

PEMBAHASAN

Untuk memodelkan suatu reservoir dengan simulasi ekonomi dalammengevaluasi atau menilai faktor ketidak pastian dari pemboran suatu sumur padazona-zona yang lebih dalam, suatu prosedur simulasi sangat mudah dapat diterapkandengan metode simulasi Monte Carlo. Harga batas bawah (minimum) dan batas atas(maksimum) untuk cadangan gas dan most likely value laju produksi gas dan biayapemboran sebagai data masukan, sedangkan variabel-variabel lain seperti harga gas,biaya operasi dan Iain-lain dianggap konstan dan discount factor yang digunakansebesar 20 %. Proses simulasi dilakukan dengan penyelesaian secara acak (random)sebanyak 5000 kali untuk menghitungNPV dan ROR.

Kasus Lapangan

Berdasarkan data masukkan (input data) yang digunakan pada Tabel 5,kemudian dilakukan proses perhitungan dengan komputer dan hasilnya diperlihatkanpada Gambar 6 dan 7, yang merupakan kurva distribusi keuntungan dari kasus 1Adan IB.

Gambar 6 memperlihatkan distribusi probabilitas dari NPV pada discountfactor 20 % dan Gambar 7 menunjukkan distribusi probabilitas dari ROR perusahaan.

Kedua grafik tersebut memperlihatkan bahwa pada range -0.72 sampai1.49 juta US$ dari NPV dengan discount rate 20%, dan besarnya ROR yang diperolehberkisar antara -19.98% sampai 36.51%.

Pengamatan lebih lanjut pada grafik distribusi kumulatif probabilitas akandapat dilihat terdapat 88.18% kemungkinan berhasil mendapatkan keuntungan.

Analisa Pengaruh Perubahan Laju Alir Gas Pada Kurva Distribusi NPV

Gambar 8 dapat dilihat untuk kasus 2A yaitu harga batas atas laju alirgas 5 MMSCF/ hari, most likely value laju alir gas 1 MMSCF/ hari dan batas bawahlaju alir gas 0 MMSCF/ hari, diperoleh decline rate sebesar 82 %, umur sumur 5tahun, NPV dari -0.62 juta US$ sampai 1.23 juta US$, kemungkinan berhasilmendapatkan keuntungan sebesar 89.14%. Pada kondisi di lapangan Badakreservoir-X yang mempunyai kedalaman sekitar 11500 feet, asumsi maksimumproduksi gasnya adalah 2 MMSCFD, dan rata-rata laju produksi gas per-harisekitar 1 MMSCFD, sedangkan harga laju produksi minimum 0 MMSCFD adalahbila diasumsikan sumur tersebut tidak flowing.

219

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (227)

Analisa Pengaruh Perubahan Discount Factor Pada Kurva Distribusi ROR

Perubahan kurva ROR dapat terlihat pada asumsi perubahan discount factor.Gambar 9 untuk kasus 2B yaitu discount factor 10%, besarnya ROR berkisar dari -30.34% sampai 33.5%. Dari kurva terlihat semakin besar harga discount factor, makaakan semakin besar harga ROR-nya, dimana bila semakin besar ROR, maka semakincepat diperoleh break event point-nya. Pada kondisi sebenarnya discount factor yangditetapkan adalah 20%.

KESIMPULAN

Berdasarkan hasil perhitungan GIP, NPV dan ROR yang telah diperolehdengan menggunakan Simulasi Monte Carlo pada Reservoir-X ,Lapangan Gas Badak,maka dapat diambil kesimpulan sebagai berikut:1. Simulasi Monte Carlo dapat diaplikasikan pada struktur-struktur eksplorasi atau

struktur-struktur pengembangan tahap awal.2. Perhitungan distribusi kemungkinan merupakan cara yang terbaik untuk

mengurangi ketidakpastian dan cara yang paling banyak digunakan adalah denganmetoda simulasi Monte Carlo, dimana hasilnya berupa distribusi probabilitassuatu parameter dari variabel-variabel yang diketahui ketidakpastiannya.

3. Pada kasus 1A (kasus lapangan) maksimum probabilitas NPV adalah 88.18 %,kasus 2A maksimum probabilitas NPV-nya adalah 88.19 %, maka dapat dilihatbahwa semakin besar laju produksi gas, kemungkinan untuk memperolehkeuntungan akan semakin besar.

4. Pada kasus IB (kasus lapangan) maksimum probabilitas ROR-nya adalah 99.4 %kasus 2B maksimum probabilitas ROR-nya adalah 99 %, maka dapat dilihatbahwa semakin besar discount factornya, akan semakin cepat kemungkinan lajupengembalian modalnya.

DAFTAR PUSTAKA

1. COLE, F.W., "Reservoir Engineering Manual", Gulf Pub-lishing Co., HoustonTexas(1961)

2. Data Lapangan Gas Badak, Reservoir H001, VICO (1991)

3. Estimated Reserves, East Kalimantan Contract Area, Vico, Indonesia, as ofJanuary, 1,(1990)

220

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (228)

4. HAYU SUSILO. P and ENTANG. H, "Risk Analysis And Economic EvaluationIn Capital Investment Using Simulation Techniques", Proceedings IndonesianPetroleum Association 19tn Annual Convention, VICO. October (1990)

5. IKOKU, CHI.,."Natural Gas Production Engineering", John Willey & Sons.New York (1985)

6. IKOKU, CHI.,."Natural Gas Reservoir Engineering", John Willey & Sons.New York (1985)

7. MAROENO. S., SITI NURAENI S., BAYU. S., Dasar Pengelolaan Lapangan,Universitas Trisakti (1991)

8. Me GRAY, A. W., "Petroleum Evaluation and Economic Decision", PrenticeHall, Inc, Engelwood Clift, New Jersey (1975)

9. NEWENDORP, PAUL. D., "Decision Analysis For Petroleum Ex-ploration",The Petroleum Publishing Company, Tulsa Oklahoma (1975)

10. WALLSON, J.E., "Evaliation Uncertainty in Engineering Calculation",J.P.T. 19 (12) (1967) 1595

221

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (229)

Tabel 1. Harga Batas Atas, Batas Bawah Dan The Most Likely Value Parameter-Parameter GIP.

PARAMETERPorositas (((>),%

Saturasi Air (Sw),%Volume Bulk (Vb),Acre-ft

BATAS ATAS19.456.8

1422.4

THE MOSTLIKELY VALUE

12.37344.46

-

BATAS BAWAH7.3

29.2315.4

Tabel 2. Distribusi Frekuensi OGIP Reservoir-X Lapangan Badak.

Tengah Kelas(BSCF)

0.2858201

0.4526647

0.61955093

0.7863539

0.9531984

1.120043

1.286888

1.453732

1.620577

1.787421

Frekuensi

381

784

849

798

762

587

443

286

106

22

Tabel 3. Harga Batas Atas, Batas Bawah Dan The Most Likeky Value Parameter-Parameter NPV Dan ROR [3].

PARAMETER

GIP (BSCF)Laju Produksi Gas (MMSCFD)

Biaya Bor (Juta US$)Condensate Yield (STB/MMSCF)

Gas Price (USS/MSCF)Condensate Price (USS/STB)

Operating Cost Gas (USS/MSCF)Operating Cost

Condensate(US$/STB)

BATASATAS

1.782.007.00

THE MOSTLIKELYVALUE

0.621.005.30

BATASBAWAH

0.290.004.00

102.2518.070.051.23

222

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (230)

Tabe! 4. Distribusi Probabiiitas NPV Dan ROR.

1A

qmax = 2MMSCFD(**)qavr = 1 MMSCFD

qmin = 0 MMSCFD

NPV (US$)

-720807

-644466

-568125

-491784

-415443

-339103

-262762

-186421

-110080

-33739

42602

118942

195283

271624

347965

424306

500646

576987

653328

729668

806010

882350

958691

1035032

1111373

1187714

1264055

1340395

1416736

1493077

Kum Prob

1

0.9966

0.993

0.986

0.9768

0.9666

0.9534

0.9358

0.9172

0.8954

0.8736

0.8462

0.8224

0.7928

0.7606

0.729

0.6918

0.6516

0.6136

0.57

0.5242

0.475

0.4252

0.3724

0.3178

0.2618

0.2062

0.139

0.0744

0.0152

KA

2A

qmax = 5 MMSCFD

qavr = 1 MMSCFD

qmin = 0 MMSCFD

NPV (US$)

-623415

-559521

-495645

-431751

-367875

-303990

-240105

-176220

-112335

-48450

15436

79320

143206

207091

270976334861

398746

462631

526516

590401

654286

718171

782056

845941

909826

973711

1037596

1101481

1165366

1229251

KumProb

1

0.999

0.9964

0.9904

0.9824

0.9726

0.9574

0.9418

0.9256

0.9058

0.8868

0.8616

0.826

0.8082

0.7768

0.7376

0.705

0.6618

0.6186

0.5778

0.5256

0.4752

0.4218

0.3674

0.3176

0.262

0.203

0.1424

0.073

0.0128

susIB

DF = 20%(**)

ROR (%)

-19.98

-18.03

-16.09

-14.14

-12.19

-10.24

-8.29

-6.35

-4.4

-2.45

-0.5

1.44

3.39

5.34

7.29

9.24

11.18

13.13

15.08

17.03

18.98

20.92

22.87

24.82

26.77

28.71

30.66

32.61

34.56

36.51

KumProb

1

0.9989

0.9988

0.9986

0.9984

0.9984

0.9984

0.997

0.9958

0.995

0.9948

0.9918

0.9892

0.986

0.9814

0.9734

0.963

0.9482

0.9344

0.9158

0.8898

0.8572

0.8178

0.7712

0.7086

0.631

0.5348

0.3974

0.2388

0.0548

2B

DF = 10 %

ROR (%)

-30.34

-28.14

-25.94

-23.74

-21.54

-19.33

-17.13

-14.93

-12.73

-10.53

-8.33

-6.13

-3.93

-1.72

0.48

2.68

4.88

7.08

9.28

11.48

13.69

15.89

18.09

20.29

22.49

24.69

26.89

29.1

31.3

33.5

KumProb

1

0.9999

0.9999

0.9999

0.9999

0.9997

0.9995

0.9992

0.9992

0.9984

0.9978

0.9966

0.9952

0.9923

0.9894

0.9865

0.981

0.9735

0.9618

0.9474

0.9281

0.9009

0.8634

0.8164

0.758

0.6828

0.5814

0.443

0.2673

0.0543

223

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (231)

DATA

Harga GasBiaya Operasi GasHarga KondensatBiaya Operasi Kondensat^abandonment

Discount Factor

SIMULASIMONTECARLO

LAGIP

SIMULASIMONTECARLO

Gambar 1. Skema Analisa Ekonomi Dengan Metoda Simulasi Monte Carlo.

224

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (232)

Gas In Place (BSCF)

Gambar 2. Distribusi Frekuensi OGIP Reservoir - X Lapangan Badak.

J

0.8 •

0.7

0.6

0.5

0.4

0.3

0.2

0.1

1 tt-

\

Xx\xx\-100(1000 -500000 0 500000 100000(1 1500000

NPV, US$

Gambar 3. Distribusi Probabilitas NPV Pada qmax = 2, qavr =1, qmin = 0 MMSCFD.

225

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (233)

CO

I3

-40 -30 -20 -10 0 10

ROR, %20 30 40

Gambar 4. Distribusi Probabiiitas ROR Pada DF = 20%.

3o

s;0.8 •

0.7 •

0.6

0.5

0.4

0.3

0 . 2 •

0.1 •

1 Q_

\

\ xx\\x1 1 —

-1000000 -500000 0 500000

NPV, US$

1000000 1500000

Gambar 5 . Distribusi Probabiiitas NPV Pada qmax = 5, qavr=l, qmin = 0 MMSCFD.

226

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (234)

8

"Iat3

0.9

0.8-0.7

0.6

0.5

0.4

0.3

0.2-

0.1.

1 1 1 ft-

\

r \r \

\

\\

1i 1 1

- 4 0 - 3 0 - 2 0 - 1 0 0 10

ROR, %

20 30 40

Gambar 6. Distribusi Probabilitas ROR Pada DF = 10%.

227

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (235)

DISKUSI

SAHALA LUMBANRAJA

Dilihat dari net present value sebesar US$ -0,72 juta sampai US$ 15 juta dan RORsebesar -30% sampai 33,5%, bagaimana Anda dapat menyimpulkan dan menyarankankepada penanam modal bahwa proyek ini layak?

SITINURAINI

Proyek ini layak dikembangkan karena Minimum Attractive ROR adalah 20 %.Distribusi NPV antara US$ -0,72 juta sampai US$ 15 juta karena laju alir minimum(Qmin) diambil sama dengan nol. Pada umumnya sumur akan ditutup setelah mencapailaju alir ekonomik (produksi gas sudah tidak ekonomis)

M. BUNJAMIN

Anda sebutkan bahwa data / parameter untuk reservoir sedikit. Apakah data yangsedikit ini cukup untuk mendukung simulasi sehingga hasil simulasi dapat dipercaya?

SITI NURAINI

Data yang sedikit ini cukup representatif untuk simulasi Monte Carlo yaitu satusampai lima sumur, karena masih dalam tahap eksplorasi. Untuk tahappengembangan, harus dilakukan "pemboran beberapa sumur lagi agar data yangdiperoleh lebih banyak sehinga hasil simulasi lebih baik.

AMIR RUSLI

1. Range hasil simulasi yang Anda peroleh cukup besar. Bagaimana kenyataan dilapangan?

2. Apakah cara ini dapat digunakan untuk ladang gas alam Natuna?

SITI NURAINI

1. Telah dilakukan produksi berdasarkan data /hasil simulasi tahun 1991 denganmengambil nilai rata-rata (mean value) 150%. Sampai saat ini diperkirakancadangan reservoir X sebesar 300 MSCF.

2. Dapat, tetapi resiko lebih besar.

228

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (236)

PRODUKSI HIDROGEN DARI AIRDENGAN METODA TERMOKIMIA (UT-3): EVALUASIMASALAH

REAKSI SAMPINGAN DENGAN PROSES SIMULASI

Amir Rusli

•11ID990000021

ABSTRACT

HYDROGEN PRODUCTION FROM WATER BY THERMO-CHEMICAL METHOD(UT-3): EVALUATION OF SIDE REACTIONS BY SIMULATION PROCESS. Hydrogen fuel withits advantages will be able to replace all the positions of fossil fuels post "oil and gas or migas". Amongthe advantages of hydrogen fuel are pollution free, abundant of raw material in the form of watermolecule, flexible in application, able to storage and transport as well as fossil energy sources (oil andgas). Hydrogen could be produced from water by means of thermochemical, thermolysis, photolysis andelectrolysis. Nuclear heat (HTGR), solar heat or waste heat from steel industry can be used as energysource for these processes. In case of thermochemical method, some problems related to productionprocess should be studied and evaluated. Simulation is considered can be applied to study the effects ofside reactions and also to resolve its problems in hydrogen production process. In this paper is reportedthe evaluation results of hydrogen production process by thermochemical (UT-3) through both of theexperimental and computer simulation. It has been proposed a new flow chart of hydrogen production toachieve the hydrogen production continuously. A simulator has been developed based on experimentaldata and related mathematical equations. This simulator can be used to scale-up the UT-3thermochemical cycle for hydrogen production process.

ABSTRAK

PRODUKSI HIDROGEN DARI AIR DENGAN METODA TERMOKIMIA (UT-3):EVALUASI MASALAH REAKSI SAMPINGAN DENGAN PROSES SIMULASI. Bahan bakarhidrogen dengan segala kelebihan yang dimilikinya diharapkan akan dapat menggantikan posisi bahanbakar fosil pasca "migas". Di antara kelebihan tersebut adalah bebas polusi, bahan baku yang melimpahdalam bentuk moleku! air, fleksibel dalam penggunaan, dapat disimpan dan ditransportasi sepertilayaknya sumber energi fosi! (minyak, gas alam). Hidrogen dapat diproduksi dari air dengan berbagaicara antara lain melalui proses termokimia,-termolisa, fotolisa dan proses elektrolisa. Dan sebagai sumberenergi panasnya dapat diperoleh dari reaktor nukiir (HTGRs), kolektor sinar matahari atau panas buangandari pabrik baja. Dalam proses produksi hidrogen dengan cara termokimia, banyak masalah proses yangharus dipelajari dan dievaluasi. Metoda simulasi dapat digunakan untuk mempelajari pengaruh reaksisampingan dan cara mengatasinya dalam proses produksi. Dalam makalah ini dilaporkan hasil evaluasimasalah produksi hidrogen dari air dengan metoda termokimia (UT-3) baik secara percobaan maupunsimulasi komputer. Diusulkan perubahan diagram alir proses produksi hidrogen dari sistem proses UT-3,sebagai upaya untuk mendapatkan kesinambungan produksi hidrogen. Telah berhasil dikembangkansuatu simulator berdasarkan data percobaan di Iaboratorium dan persamaan matematik terkait. Simulatorini diharapkan dapat dijadikan acuan dalam menaikan dari skala kecil ke skala besar dari proses produksihidrogen dalam siklus termokimia "UT-3".

Pusat Pengkajian Teknologi Nukiir - BATAN

229

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (237)

PENDAHULUAN

Perlunya Energi Alternatif yang Berwawasan Lingkungan

Pada saat ini lebih dari delapan puluh persen kebutuhan energi dunia dipenuhidari sumber energi fosil (minyak bumi, gas alam dan batubara). Adanya revolusiindustri telah memicu pemakaian sumber energi fosil terutama minyak bumi ketingkat yang sukar dikontrol, sebagai gambaran tingkat pemakaian dunia dalam tahun1995 ini saja mencapai 24 juta barrel per hari guna menghasilkan energi untukberbagai keperluan (industri, transportasi dan keperluan lainnya). sem*ntaracadangan baru dengan biaya murah sulit ditemukan, terlebih untuk Indonesia,menurut perkiraan sem*ntara dengan kenaikan produksi 6 persen per tahun bahwaIndonesia akan menjadi "net importer oil" pada permulaan tahun 2000-an [1].Disadari pula bahwa pemakaian sumber energi fosil telah menimbulkan efeksampingan yang mematikan akibat gas buangan yang dilepaskan ke udara (SOX, NOX,CO, CO2). Gas-gas ini selain dapat mengganggu kesehatan manusia, juga dapatmembumi hanguskan hutan dan penghuninya dengan hujan asamnya, serta menaikkantemperatur global permukaan bumi akibat efek rumah kaca dari CO2yang selanjutnyaakan merendam dua per tiga permukaan bumi akibat mencairnya es di kutub utara danselatan [1,5,10].

Oleh karena itu perlu dilakukan program konservasi dan diversifikasi energi,serta pengembangan energi alternatif yang murah, bersih dan berwawasanlingkungan. Subsidi berbagai sumber energi alternatif terhadap pemakaian sumberenergi fosil diharapkan akan dapat memperpanjang umur sumber daya energi fosil itusendiri, di samping turut mengurangi emisi gas-gas rumah kaca ke atmosfir. Hidrogendapat dipertimbangkan sebagai salah satu calon energi alternatif pasca "migas",karena di samping hidrogen mempunyai bahan baku yang melimpah juga dalamproses pembakarannya hanya mengeluarkan uap air yang dapat berfungsi kembalisebagai bahan baku.

Termokimia UT-3 dan Permasalahannya

Pada tahun 1978 Kameyama dkk. memperkenalkan siklus termokimia generasike tiga dari Universitas Tokyo, kemudian lebih dikenal dengan nama UT-3 yangterdiri dari empat langkah reaksi seperti berikut:

CaBr2 + H2O = CaO + 2HBrCaO + Br2 = CaBr2 + 1/2 O2

Fe3O4 + 8HBr = 3FeBr2 + 4H2O3FeBr2 + 4H 2 O= Fe3O4 + 6HBr

230

Br2

H2

973K823K493K833K

(1)(2)(3)(4)

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (238)

Semua reaksi-reaksi dalam siklus UT-3 adalah reaksi antara zat padat dan gas.Dengan demikian pengoperasiannya sangat mudah, hanya dengan membuka danmenutup kran (valve) ke-empat persamaan reaksi akan dapat berlangsung secaraberkesinambungan. Dan suatu keunikan lagi dari siklus UT-3 adalah bahwa kitatidak perlu memindah-mindahkan reaktan padat tersebut dari suatu reaktor ke reaktorlain [2,6].

Untuk maksud-maksud komersialisasi dari proses UT-3, kesinambunganproduksi hidrogen adalah sangat penting. Kesinambungan produksi ini dapat dicapaibila ke-empat persamaan reaksi berlangsung serentak dengan kecepatan yang sama.Untuk itu semua parameter yang berpengaruh dalam reaksi seperti kesetimbanganmassa, kesetimbangan panas dan waktu reaksi perlu direkam dan dievaluasi. Namundalam prakteknya sangat sulit sekali membuat sistem peralatan simulator percobaanguna dapat melakukan perekaman data-data yang diinginkan, terlebih-lebih dalammengendalikan proses yang sedang berlangsung. Kesulitan ini dapat diatasi denganmelakukan simulasi komputer untuk mempelajari dan mengevaluasi semua parameteryang berpengaruh dalam proses. Di samping simulasi sendiri dapat diharapkan akanmenghemat biaya dan waktu untuk maksud komersialisasi suatu sistem [2,3].

Dalam hal mengembangkan suatu simulator dengan reaktor "fixed bed", adamasalah yang perlu penanganan dalam proses siklus termokimia UT-3 antara Iainadanya reaksi sampingan yang mehganggu kesinambungan produksi hidrogen yakni,sebagian dari brom yang terbentuk pada persamaan reaksi (3) pada permulaan reaksi(ujung awal reaktor) bereaksi kembali dengan reaktan Fe3O4 disepanjang reaktor(ujung akhir reaktor), dan Fe2C>3 yang terbentuk dari reaksi ini bereaksi denganreaktan Hbr. Kedua reaksi berturut-turut dinyatakan oleh persamaan reaksi (5) dan (6)sebagai berikut:

3 Fe3O4 + Br2 = 4Fe2O3 + FeBr2 493 K (5)Fe2O3 + 6HBr = 2FeBr2 + 3H2O + Br2 493 K (6)

Karena reaksi (5) menyerap brom produk reaksi (3) mengakibatkan jumlah bromyang terbentuk pada luaran reaktor berkurang, sehingga menyulitkan dalampengaturan kesetimbangan reaksi dengan ke-tiga persamaan reaksi lainnya. Padapenelitian sebelumnya telah berhasil ditentukan kecepatan persamaan reaksi dalamsiklus UT-3 termasuk reaksi sampingan (5) dan (6) berdasarkan model reaksihom*ogen seperti terlihat pada Tabel 2[2,8]. Dalam proses pembuatan reaktan padatsenyawa besi (pelet) semua partikel Fe3O4 berubah menjadi partikel Fe2O3 selamaproses kalsinasi [2,6]. Untuk mengembalikan ke partikel Fe3O4 diperlukan reaksipengolahan awal, reaksi brominasi (6) dan reaksi hidrolisa (4).

Dalam makalah ini dilaporkan hasil pengembangan simulator reaktor tipe"fixed-bed" dan hasil evaluasi pengaruh serta cara mengatasi reaksi sampingan padaproses produksi hidrogen dalam termokimia (UT-3).

231

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (239)

TATA KERJA PERCOBAAN DAN SIMULASI

Percobaan

Pelet reaktan padat dibuat dari campuran serbuk Fe3O4 dengan zat aditif (silika,zirkonia-yteria, grafit dan selulose). Kemudian campuran diguli dan ditekan untukmendapatkan pelet silindris, lalu dengan peralatan khusus "rounder" dibentuk bolapelet dengan diameter 4-5 mm. Bola pefet ini dikeringkan pada temperatur ruanganselama 24 jam, lalu dikalsinasi sampai 1473K. Dalam proses kalsinasi ini peletmenjadi lebih kecil berdiameter 3-4 mm dan di samping terjadi perubahan partikeldari Fe3O4 menjadi Fe2O3 dan perubahan ini harus dikembalikan ke bentuk senyawasemula (Fe3O4) melalui reaksi-reaksi pengolahan awal (brominasi dan hidrolisa). Duatipe reaktor digunakan dalam percobaan, reaktor tipe "thermobalance" digunakanuntuk penentuan kinetika reaksi. Dan reaktor tipe "fixed-bed" seperti terlihat padaGambar 1 digunakan untuk mempelajari produksi hidrogen dan simulasi. Reaktor initerbuat dari glas kwarsa berbentuk pipa tube berukuran panjang 500 mm danberdiameter 25 mm. Pelet reaktan senyawa besi ditempatkan dalam reaktor sepanjang50 mm. Setiap siklus terdiri dari reaksi brominasi dan hidrolisa.

Model Simulasi

Untuk menyederhanakan perhitungan beberapa asumsi telah dibuat sebagaimodel simulasi sebagai berikut:

(1) Gas mengalir secara "plug-flow"(2) Distribusi temperatur radial dalam reaktor diabaikan(3) Perpindahan panas "turbulent" yang dominan adalah antara gas dan reaktan padat(4) Pertukaran panas berlangsung melalui dinding reaktor(5) Panas dipindahkan secara "axial" dehgan konveksi gas dalam reaktor

Selanjutnya persamaan kesetimbangan massa dan panas untuk gas dan reaktan padatdengan batas-batas kondisi (Tabel 1) dan persamaan kinetika reaksi (Tabel 2)digunakan dalam proses simulasi. Dengan memodifikasi persamaan (1-4) padaTable 1 tersebut ke dalam persamaan diferensial, akan diperoleh solusi numerikdengan bantuan komputer.

Proses Simulasi dan Diagram AHr

Pengembangan proses simulasi dilakukan seperti terlihat pada Gambar 2,terdiri dari subrutin untuk setiap unit fungsi seperti reaktor, mesin penukar panas,

232

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (240)

kompresor dan separator. Dua model perhitungan digunakan, simulasi dinamis untuksetiap reaktor dan simulasi statis untuk seluruh proses. Proses produksi hidrogendalam termokimia UT-3 berdasarkan tipe proses "one-pass-flow" seperti terlihat padaGambar 3. Pada proses tipe ini, setiap persamaan reaksi menempati satu blok reaktormerupakan proses yang sangat sederhana. Akan tetapi pada kenyataan dalam prosesoperasi proses tipe yang sederhana" ini belum dapat menghasilkan produksi hidrogensecara berkesinambungan, hal ini disebabkan karena adanya reaksi sampingan yangmengganggu, seperti telah diterangkan di atas.

HASIL DAN PEMBAHASAN

Pengembangan Simulator

Gambar 4 memperlihatkan rentangan waktu produksi brom dari persamaanreaksi (3) senyawa besi. Terlihat disini perbandingan kedua hasil baik percobaanmaupun simulasi mendekati titik temu. Dari pengujian menunjukkan bahwa simulatoryang dikembangkan telah sesuai dengan percobaan dan dapat digunakan untukperhitungan guna mengevaluasi parameter lain yang berpengaruh dalam proses.Dengan keberhasilan pengembangan simulator ini, maka dapat dilakukanperhitungan-perhitungan parameter proses skala "pilot plant" dalam rangkakomersialisassi siklus termokimia UT-3.

Pengembangan Proses Diagram Alir

Basis tipe proses UT-3 adalah tipe "one-pass-flow", senyawa kalsium dan besimengalami empat langkah reaksi. Namun pada kenyataannya pada reaksi brominasisenyawa besi terdiri dari tiga persamaan reaksi yakni persamaan (3), (5) dan (6).Sehingga secara keseluruhan siklus termokimia UT-3 menjadi 5 persamaan reaksi,yakni (1), (2), (4), (5) dan (6) dengan persamaan (5) dan (6) mewakili persamaanreaksi (3). Untuk menjaga kesinambungan produksi hidrogen diusulkan perubahanterhadap tipe proses ("one-pass-flow") menjadi tipe proses alir seperti padaGambar 5. Diumpamakan ada 5 buah reaktor tipe "fixed-bed", Reaktor I dan II adalahreaktor untuk senyawa kalsium pada persamaan (1) dan (2), sedangkan reaktor III, IVdan V adalah reaktor untuk senyawa besi dari persamaan (5), (6) dan (4). Pertama-tama uap air (steam) dikirim ke reaktor I, produk gas dari reaksi persamaan (1)langsung dikirim ke reaktor V. Gas produk ini dikirim ke separator untuk dipisahkanhidrogennya dan sisanya dikirim ke reaktor IV. Dan 25% dari produk gas dari reaktorIV dikirim ke reaktor III. Selanjutnya produk dari reaktor III bersama sisa gas (75%)di reaktor IV dikirim bersama-sama ke reaktor II. Dengan proses ini memungkinkan

233

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (241)

kesetimbangan reaksi dan kesinambungan produksi hidrogen dapat berjalan danmasalah reaksi sampingan dalam siklus termokimia UT-3 dapat diatasi.

Simulasi Siklus UT-3 Berdasarkan Diagram Proses yang Dikembangkan

Berdasarkan tipe diagram proses yang dikembangkan pada Gambar 5,dilakukan perhitungan simulasi proses produksi hidrogen. Gambar 6 dan 7 adalahcontoh hasi! simulasi masing-masing reaksi brominasi dan hidrolisa untuk senyawakalsium dan besi. Dari gambar di atas teriihat perbandingan zone-reaksi distribusimasing-masing konsentrasi produk dan reaktan. Teriihat jelas bahwa hampir padasetiap siklus reaksi pola dan kecepatan reaksi nya sama. Dari persamaan reaksi (1)sampai dengan (6), proses reaksi pada siklus UT-3 dapat terjadi pada temperaturrelatif tinggi yaitu antara 493K dan 973K. Rentangan temperatur kerja ini sangatmungkin dipasok dari HTGRs, kolektor sinar matahari atau memanfaatkan panasbuangan pabrik baja.

KESIMPULAN DAN SARAN

1. Telah diketemukan cara mengatasi masalah reaksi sampingan dalam prosesproduksi hidrogen dalam termokimia UT-3, yakni dengan memodifikasi diagramalir proses produksinya

2. Telah berhasil dikembangkan simulator untuk reaktor "fixed bed" yang dapatmenghitung sampai skala "pilot plant" dalam rangka komersialisasi siklustermokimia UT-3

3. Dengan sedikit modifikasi barangkali simulator ini dapat digunakan untukpersamaan reaksi reaksi lainnya yang berhubungan dengan produksi

DAFTAR PUSTAKA

1. AMIR RUSLI dkk., "Prospek Energi Hidrogen Pasca Migas", diserahkan kemajalah ELEKTRO untuk dipubiikasi, Jakarta, 1995

2. AMIR RUSLI, "Studies on The Design of Solid Reactants and Process Operationfor The UT-3 Thermochemical Hydrogen Production", PhD thesis, TUAT,Tokyo, 1993

234

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (242)

3 AMIR RUSLI, "Simulasi Proses Siklus Termokimia "UT-3" Untuk ProduksiHidrogen dari Air", proseeding Lokakarya komputasi Dalam Sains dan TeknologiNuklirV, 1995

4. AMIR RUSLI, "Sistem Energi yang Bersih untuk Masa Depan: Produksi GasHidrogen dari Air", Prosiding hasil studi program doktor BATAN, Jakarta, 1993

5. AMIR RUSLI, "Perkembangan Produksi Hidrogen dan Peranan RTT", ProsidingSeminar HTR dan aplikasi I, Jakarta, 1994

6. AMIR RUSLI dkk, "Produksi Hidrogen Secara Termokimia", Prosiding seminarHTR dan aplikasi II, Jakarta 1995

7. 10th World Hydrogen Energy Conference, Proceeding, Florida, 1994

8. O. LEVENSPIEL, "Chemical Reaction Engineering", 2nd edition, John Wiley &Son, New York, 1972

9. J. BOCKRIS O'M et al., "Solar Hydrogen Energy", Me Donald Optima,London,1991

235

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (243)

Tabel 1. Persamaan Kesetimbangan Massa dan Panas

Gas:Kesetimbangan massa

Kesetimbangan panas

dC, = dGj 6(1- €)

dQ ~ dz Dl r'

Pelet: model reaksi hom*ogen kesetimbangan massa

Kesetimbangan panas

U . .

~* 8

cP p D g DD Dp

Batas-batas kondisits= 1,forz = 0and9 = 0tg= 1,C ;=1,G;= I,for2 = 0(9 = 0)ts=],Ci = 0, G, = 0, for 9 = 0 (z = 0)

(1)

(2)

(3)

(4)

(5)(6)(7)

Tabel 2. Persamaan Kecepatan Reaksi [2]

No.Reaksi

(1)

(2)

(3)

(4)

(5)

(6)

TemperaturIK]

973

823

493-

843

493

493

Persamaan kecepatan reaksiberdasarkan konsentrasi reaktan

padat [mol."5.s" ]

6,10xlO-5CCaBr2CH2o

4,47x10"2CCaoCBr2

4,82xl0-5CFe3o4CHBr

3 ,12xl0- 4 (CF e B r /7 5CH 2o

e^xio-'cc^o/^Br,

l,46xlO-7(CFeA)2CHBr

236

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (244)

10 12 13 14

7

1. Larutan2. H2O3. Evaporator4. Reaktor kwarsa5. Pemanas listrik6. Condensor7. Absorber

8. KolomCaCl29. Kolom DeoksigenlO.KranStop11. Regulator tekan12. Gauge tekan13. Pengukur meter alir14. Kran alir massa

Gambar 1. Peralatan Percobaan Reaktor Fixed-bed

237

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (245)

Kesetimbangan panas/massa

Unit operasi

Reaktor Kompresor

Simulasidinamis

Efisiensi panas

Penukar panas Separator

Sifat-sifat fisika

Luaran

Gambar 2. Struktur Simulator yang sedang Dikembangkan

Separasiofcsigen

fvi Q panas M Q panas

---Q--,--JI_-t

CaBr2 2

•CaO + 2 HBt

700 °C

4 H2

580°C

Reaktor - Ca . J Reaktof - Fe

,1

HBr

2

Saparasihidrogen

• CaBr2 + 1/2 O2

560°C TI I | | lidU O

Fo3O4 + 8 HBr

220° C

Gambar 3. Konsep Dasar Proses Diagram Alir Siklus Termokimia UT-3

238

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (246)

15.0

10.0

5.0

TSVLDp

• * H B r

kP =

Kunci

o•A

= 493(K)= 535(1h"1)= 0.005(m)= 3.68x10"3(m)= 0.074

150x10-3(m3mols"1)8.50x10"6(m4mols-1)

Jumlah /Pengamatan /

10 /20

30 o/1

iHasil kalkulasi / •

» Ae

A10 » 30 « 50 80

Waktu (min)

Gambar 4. Rentangan Waktu Produksi Br2

H20

1/2 0 2

separatoroksigen

4H2O+

1/202

Reaktorl973KCaBrj + H2O ->CaO + 2HBr (1)

Realtor II823K

CaO + Br2 ->•CaBr2 +1/202 (2)

2HBr

4H2O

4/3Br2

Br2

4H2O;

3H2O

4H2O H2O

ReaktorV843K3FeBr2+4H2O->

(4)

ReaktorlV493K4/3Fe2O3+8HBrHK8/3FeBr2+4H2O+4/3Br2 (6)

1/3Br2+H2O

Reaktorlll493K

4/3Fe2O3+1/3FeBr2 (5)

8HBr

H2

separatorhydrogen

8HBr

Gambar 5. Skema Susunan Proses UT-3 yang Diusulkan

239

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (247)

Brominasi Hidrolisa

Siklus 2 . . . . S e b e ] u m r e a k s i

— Sesudah reaksi,O

H,O

Gambar 6. Hasil Perhitungan Simulasi untuk Reaktor Kalsium(Gas Dialirkan dari Arah yang Berlawanan)L = 3 m, F = 2.25 x 10"5 m3/s, t = 2 jam

Interval = 30 minSiklus 2

0 5

—1 ' ~T~

Interval = 30 min

' - - ' •• i *

Siklus 5

H2

L[cm] L[cm|

Gambar 7. Hasil Perhitungan Simulasi untuk Reaktor Besi.(4)(Gas Dialirkan dari Arah yang Berlawanan)

,-5 3 ,T = 843 K, L = 0.4 m, F = 2.25 x 10° m7s, t = 2.5 jam

240

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (248)

DISKUSI

M. SUDJATMIKO

1. Berapa kecepatan alir air agar produktivitas Hidrogen maksimal?2. Bagaimana sistem kontrol tekanan reaktor agar tetap aman?3. Dengan memperhatikan biaya produksi dan biaya penjualan di pasar, bagaimana

nilai ekonomisnya bila Hidrogen digunakan untuk menggantikan bahan bakar saatini?

AMIR RUSLI

1. Kecepatan alir air dalam percobaan adalah 1-2 ml/menit.2. Proses ini tidak menggunakan tekanan tinggi, yaitu hanya 1,1 atmosfir sehingga

cukup aman. Walaupun demikian tetap dipasang alat pengukur tekanan.3. Hidrogen sangat kompetitif dengan bahan bakar sintetis dari batu bara pascamigas.

Tapi saat ini Hidrogen yang diproduksi dari air kalah bersaing dengan migaskarena migas masih murah. Biaya produksi Ut-3 sedikit lebih mahal dari biayaproduksi Hidrogen dari gas alam {steam reforming). Permintaan hidrogen di pasarsangat tinggi, antara lain untuk industri petrokimia, pupuk, dll.

INO SURYANA

1. Apakah air sebagai bahan baku gas Hidrogen (sampingan oksigen) harus bebasdari bahan lain, misalnya besi, kalium,dll?

2. Seberapa jauh limbah yang terbentuk dari instalator berbahaya bagi lingkungan?

AMIR RUSLI

1. Ya, sedapat mungkin air bebas dari Iogam pengganggu. Hal ini dapat dilakukandengan melakukan pengolahan awal terhadap air sebelum dijadikan steam (uapair). Steamisasi (penguapan) ini dimaksudkan untuk mempermudah pemisahanlogam.

2. Dalam operasi normal tidak ada limbah ke lingkungan, karena merupakan siklustertutup.

241

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (249)

SAHALA LUMBANRAJA

1. Pada dasamya Hidrogen merupakan energi yang cukup bersih, tapi apakah prosesproduksi tidak menimbulkan bahan pencemar ke lingkungan? Bila ya, berapabesar pencemaran yang ditimbulkan dari proses produksi ini?

2. Bila dibandingkan dengan energi lain, apakah Hidrogen cukup ekonomis?

AMIR RUSLI

1. Dalam operasi normal proses-prouksi UT-3 tidak menimbulkan pencemarankarena merupakan proses tertutup, dengan catatan semua peralatan bekerja denganbaik, terutama separator H2 dan O2.

2. Kalau dalam perhitungan nilai ekonumis dimasukkan biaya sosial dan lingkungan(kerusakan), Hidrogen kompetitif dengan bahan bakar sintetis dari batu bara.

AMIR EFFENDI

Anda katakan bahwa alat simulator yang dipergunakan mempunyai panjang 40cm dandapat digunakan untuk skala pilot plant. Mohon penjelasan lebih lanjut karenabiasanya skala pilot plant berukuran besar.

AMIR RUSLI

Untuk produksi komersial (20.000Nm /jam), panjang reaktor hanya 2 meter (hasilfeasibility study Toyo Engineering, 1980). Secara umum panjang 40 cm - 100 cmdapat dianggap sebagai skala pilot plant. Perlu diketahui bahwa perhitungan masihdapat diteruskan dengan panjang lebih besar dari 40 cm, yaitu dengan mengubahinput data panjang dan diameter reaktor.

242

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (250)

PENENTUAN PELUANG GAGAL SISI LAS-LASAN BEJANA TEKANAP-600 DALAM KECELAKAAN TRANSIEN

1D990000022

ABSTRACT

DETERMINATION OF THE FAILURE PROBABILITY IN THE WELD REGION OFAP-600 VESSEL FOR TRANSIENT CONDITION. Failure probability in the weld region of AP-600vessel was determined for transient condition scenario. The type of transient is increase of the heatremoval from primary cooling system due to sudden opening of safety valves or steam relief valves onthe secondary cooling system or the steam generator. Temperature and pressure in the vessel wasconsidered as the base of deterministic calculation of the stress intensity factor. Calculation of filmcoefficient of the convective heat transfers is a function of the transient time and water parameter.Pressure, material temperature, flaw depth and transient time are variables for the stress intensityfactor. Failure probability consideration was done by using the above information in regard with theflaw and probability distributions of Octavia II and Marshall. Calculation of the failure probability byprobability fracture mechanic simulation is applicated on the weld region. Failure of the vessel isassumed as a failure of the weld material with one crack wich stress intensity factor applicated is higherthan the critical stress intensity factor. VISA II code (Vessel Integrity Simulation Analysis II) was usedfor deterministic calculation and simulation. Failure probability of the material is l.E-5 for Octavia IIdistribution and 4E-6 for Marshall distribution for each transient event postulated. The failure occuredat the 1.7"1 menit of the initial transient under 12.53 ksi of the pressure.

ABSTRAK

PENENTUN PELUANG GAGAL SISI LAS-LASAN BEJANA TEKAN AP-600 DALAMKECELAKAAN TRANSIEN : Dilakukan penentuan peluang gaga! sisi model las-lasan bejana tekanAP-600 dalam skenario kecelakaan transien peningkatan angkutan panas dari sistem pendingin primerakibat katup relif atau katup keselamatan di pembangkit uap atau sistem pendingin sekunder terbukasecara tiba-tiba. Tekanan dan suhu pendingin di dalam bejana tekan dipertimbangkan sebagai dasarperhitungan deterministik dalam penentuan faktor intensitas tegangan sebagai fungsi tekanan, suhubahan, ukuran kedalaman cacat/retak dan waktu transien. Pertukaran panas konveksi di sisi 'dowtcomet'sebagai fungsi waktu transien dan parameter air pada saat itu sebagai pertimbangan perhitungankocfisien film pendingin dipermukaan sebelah dalam bejana.Pertimbangan peluang gagal dilakukandengan informasi tersebut dengan agihan cacat/retak maupun peluang dari Octavia II dan Marshallsebagai dasar perhitungan peluang gagal dengan simulasi mekanika perpatahan peluang pada las-lasan.Satu retakan dengan faktor intensitas tegangan terpakai lebih besar dari faktor intensitas tegangan kritissebagai satu kegagalan bahan las-lasan dalam satu bejana. Perhitungan deterministik dan simulasidilakukan dengan paket program VISAH (Vessel Intergrity Simulation Analysis II). Peluang gagal bahandengan agihan cacat dan peluang dari Octavia II adalah 1 .E-5 per kejadian transient yang postulasikandan dengan agihan cacat dan peluang dari Marshall adalah 4.E-6 per kejadian transien yangdipostulasikan. Kegagalan ini terjadi pada menit ke 1.7 dari awal transien dan tekanan 12.53 ksi.

Pusar Penelitian Teknologi Keselamatan Reaktdr - BAT AN

243

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (251)

PENDAHULUAN

Bejana tekan reaktor AP-600 merupakan bagian dari sistem pembatas tekanansistem pendingin primer. Keandalan pengoperasian bejana tekan secara umum dapatdiintepretasikan sebagai usaha untuk mencegah kegagalan sebagaimana fungsi disain.Mode kegagalan yang mungkin adalah deformasi bentuk dan perpatahan ataukebocoran. Deformasi dapat mengakibatkan perubahan bentuk karena beban tegangansedangkan kegagalan karena perpatahan disebabkan karena peningkatan kerusakan olehtegangan dan merupakan hasil deformasi yang komplek dan ketangguhan bahandiwakili oleh faktor intensitas tegangan.

Bejana tekan reaktor AP-600 misal pada bagian 'belt-line'' atau pada sisi'downcomer' dibuat secara forging[l]. Bagian las-lasan merupakan bagian yangsensitif terhadap pengaruh irradiasi. Bahan tersebut dalam kecelakaan transien akanmengalami kejutan termal dan tekanan yang menimbulkan beban tegangan yaknitegangan termal, tegangan tekan dan tegangan sisa atau 'residual'.

Karakteristik faktor intensitas tegangan pada ukuran kedalaman cacat atauretakan dalam arah longitudinal dan melingkar ditentukan secara deterministik.Ketidaktentuan beberapa parameter seperti ukuran kedalaman retak, kandungan bahan, fluencedipertimbangkan untuk perhitungan peluang gagal bahan dengan mensimulasikansebagian parameter tersebut.Kegagalan bahan dipertimbangkan terjadi jika faktortegangan yang diterima bahan lebih besar dari faktor intensitas tegangan kritisnya dandapat terjadi pada rentang tekanan transien yang dipostulasikan.

Model perhitungan deterministik dimulai dengan penentuan koefisienperpindahan panas konveksi untuk penentuan suhu pada bahan bejana pada kedalamanretak tertentu, kemudian menentukan faktor intensitas tegangan. Hasil perhitungandeterministik dipergunakan untuk bahan pertimbangan simulasi peluang gagal bejana.Pertimbangan peluang gagal meliputi simulasi atas kandungan bahan serta dan ukurankedalaman retak dengan agihan peluang Octavia II dan Marshall serta simulasi fluenceyang diterima bahan.

TEORI DAN GAMBARAN UMUM

Analisis tegangan bejana tekan di bidang mekanika perpatahan seringmenggunakan teknologi elastik-linier (LEFM) yang didasari oleh analisis teganganelastik di sekitar kerusakan. Parameter ketangguhan bahan diwakili oleh faktorintensitas tegangan retak (K). Ketangguhan retak diukur dengan dimensi geometrikerusakan pada komposisi bahan dan tegangan terpakai. Faktor intensitas teganganuntuk pembukaan retak I secara umum diberikan sebagai;

Ki =

244

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (252)

f adalah faktor yang berpengaruh dan merupakan fungsi geometri komponen danbentuk serta letak retak.a adalah tegangan terpakai dan a adalah ukuran kedalamanretak. Gambar 1, 2, 3 dan 4 menunjukan komponen-komponen bejana tekan. Bejanatekan AP-600 mempunyai sisi 'belt-line' dengan pembuatan secara forging' dan dilasdengan 'upper shelf dan 'lower head.

Bahan struktur dari bejana tekan reaktor, seperti bahan pada daerah 'belt-line'khususnya sisi las-lasan serta pelapisnya, dapat mengalami pendinginan yangmendadak begitu pula tekanan mengalami perubahan tertentu atau disebut kondisitransien.Pada kondisi transien seperti ini, bahan bejana tekan merupakan subyekkejutan termal -tekanan.

Sesuai mekanika perpatahan ketangguhan bahan diwakili oleh faktor intensitastegangan dengan pembukaan retak I yang dimiliki bahan. Peretakan akan tumbuh daripengawalan retak ke retakan berikutnya jika faktor intensitas tegangan yang diterima(Kj) sama dengan faktor intensitas tegangan kritis (Kjc) yang diizinkan. Kegagalanbahan bejana tekan terjadi jika (KJ)/(KIC) > 1 .Faktor intensitas tegangan yang diterimamerupakan gabungan dari faktor intensitas tegangan karena tegangan termal (Kj-p),tekan (Kjp) maupun sisa (KJR).

K r K I T + K I P + K I R

Evaluasi pada kejutan termal dan tekanan untuk bejana tekan reaktor menggunakanfaktor intensitas tegangan maksimal/kritis. Faktor intensitas tegangan kritis merupakan'upper shelf yakni transisi proses pengawalan retak dari rapuh ke ulet pada kenaikansuhu bahan. Pertimbangan terhadap peluang gagal meliputi;1. Ukuran kedalaman retak,a, dan panjang retak,c, serta agihan peluangnya.2. Tekanan sistem pendingin dan suhu pendingin di 'downcomer' serta koefisien

perpindahan panas fluida-film pada permukaan dalam bejana.3. Kandungan unsur Ni dan Cu, volume logam dalam las-lasan serta parameter termal

dan mekanik bahan. Faktor intensitas tegangan kritis maksimum adalah 200 ksWinseperti yang dipergunakan oleh staf NRC dalam mengevaluasi kejutan tekan-termalbejana tekan[3] [ksi=10^ psia].

4. Mekanika perpatahan peluang dengan informasi yang tersebut item 1,2 dan 3.

MODEL PERHITUNGAN

Pada daerah 'belt-line' merupakan daerah yang mempunyai akibat terbesar daripengaruh irradiasi yang lebih kuat (dekat teras). Khususnya pada sisi las-lasandipertimbangkan gagal bahan terjadi dan untuk dihitung peluang gagalnya. Pada daerah'belt-line' dari bejana tekan yang berjari-jari permukaan silinder sebelah dalam adalah78.5 in. Tipe bahan pelapis adalah SS 308L dan logam dasar serta las-lasan adalah SS508 kelas 3. Model las-lasan untuk perhitungan dapat dilihat seperti pada Gambar 5.

245

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (253)

BM adalah logam dasar bejana, HAZ daerah yang dipengaruhi oleh panas pada saatpengelasan.

Rentang waktu dalam skenario transien[2] untuk suhu pendingin di sisi'downcomer' dan tekanan adalah 16.7 menit. Transien disebabkan oleh pembukaankatup keselamatan atau katup relief pada pembangkit uap atau sistem sekunder.Pembukaan katup secara tiba-tiba memberikan kenaikan awal aliran uap dan akanberkurang selama selang waktu transien karena penurunan tekanan pada sistemsekunder. Selama penurunan tekanan sistem pendingin sekunder, pemindahan energiatau angkutan panas dari sistem pendingin primer meningkat. Peningkatan tersebutmenurunkan suhu dan tekanan sistem pendingin reaktor di sisi primer.

Gambar 6 menunjukan suhu pendingin dan tekanan skenario transien dalambejana tekan. Lima nilai suhu dan tekanan transien diambil dari hasil perhitunganLOFTRAN pada referensi 2 untuk'waktu 0,1/4,1/2,3/4 dan 1 kali dari rentang waktutransien. Kelima nilai tersebut digunakan untuk mendapatkan nilai-nilai suhu dantekanan yang lain dalam rentang waktu transien dengan metode polinomialderajat empat.

Model Perhitungan Deterministik

Perhitungan deterministik dilakukan pertama kali dengan mencari nilai koefisienperpindahan panas di permukaan sebelah dalam bejana. Perhitungan nilai koefisienperpindahan panas dilakukan dengan program persiapan. Perubahan nilai parameter airpendingin pada suhu dan tekanan serta waktu transien tersebut dipertimbangkan.Koefisien perpindahan panas film (hf) diperoleh dengan menggunakan parameterperpindahan panas seperti bilangan Nusselt untuk silinder sesumbu[4] sebagai berikut:

N u = ^ t = O.O23(Re)os(Pr)O3(i)°53

kf vd2

Dfo adalah diameter hidrolika, kf konduktivitas air pendingin. Re adalah bilanganRejTiold dan Pr bilangan Prandle. Laju aliran masa pendingin, viskositas, kapasitaspanas, konduktivitas termal dari pendingin disesuaikan untuk suhu dan tekanan padasaat transien. di adalah diameter sebelah dalam bejana dan d2 diameter penumpu teras('core barrel).

Perhitungan selanjutnya dengan menggunakan paket program VISA II.Keberadaan bahan pelapis dengan ketebalan tertentu (c^) dan konduktivitas termal(kp) yang berbeda dengan konduktivitas termal (kjjm) logam dasar atau las-lasanmempengaruhi keefektifan pertukaran panas. Koefisien pertukaran panas konvektifyang efektif [3] sebagai:

246

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (254)

dengan demikian faktor transmisi panas sepanjang tebal logam dasar atau las-lasanX b m adalah O(h e f f .X b m /k b m ) .

Perhitungan suhu bahan bejana pada kedalaman retak tertentu ditentukan denganfaktor tersebut sesuai lima pembagian kedalaman retak ( j) dalam ketebalan bahantermasuk pelapis.Empat titik suhu (i) sebagai fungsi C, fj(C), merupakan gradien suhuyang dipengaruhi oleh faktor transmisi C dalam bahan retak dan digunakan untukmenentukan suhu logam tiap kedalaman retak ke j dan interval waktu transien w,sebagai;

Tq(aj,w)=Tair(w)-Zfi(C)

dengan Tq(aj,w) sejumlah j digunakan secara polinomial derajat (j-1) untukmenentukan suhu logam tiap kedalaman retak dari pembagian kedalaman retakmaksimum (32 bagian) dalam interval waktu w.

Tegangan termal pada kedalaman retak ke j dengan Ea/(l-v) konstan terhadapsuhu adalah :

CTj=[Eo/(l-v)].Tq(aj,w)

dengan E modulus elastisitas bahan, a koefisien ekspansi termal bahan dan v adalahkoefisien rasio Poisson .a; dari sejumlah j digunakan secara polinomial derajat j untukmenentukan tegangan termal pada tiap kedalaman retak dari pembagian kedalamanretak maksimum dalam interval waktu w. Faktor intensitas tegangan karena tegangantermal pada kedalaman retak ke j sebagai:

dengan Fb; adalah faktor yang berpengaruh sebagai fungsi rasio ukuran kedalamanretak ke j dengan ketebalan bahan serta sebagai fungsi faktor ukuran geometri bejana.

Tegangan termal pada pelapis merupakan hasil dari adanya perbedaan relatifkemampuan ekspansi termal dari bahan pelapis dan las-lasan. Tegangan ini merupakantegangan sisa akibat perbedaan suhu bebas tegangan bahan pelapis dengan suhu pelapispada saat itu (TQ) maupun suhu pada antarmuka pelapis dan las-lasan (Tj). T]merupakan setengah dari jumlah suhu pelapis dan suhu las-lasan pada sisi antarmuka

247

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (255)

tersebut. Tegangan sisa pada permukaan sebelah dalam bejana atau pelapis, CTCJ dantegangan sisa pada antar muka pelapis dan las-lasan adalah, acj , dengan ;

"

dan intensitas tegangan sisa adalah:

K!R = V 7 r - F b , - q a .Fb,

Fb i dan Fb2 sebagai faktor yang berpengaruh, q faktor relatif tegangan sisa terhadapperbandingan ketebalan pelapis dan las-lasan yakni:

X bm

Jika 'tip' peretakan terdapat pada las-lasan maka faktor intensitas tegangan termal sisadipengaruhi oleh adanya gradien tegangan yang memintas las-lasan pada bagian dalambejana,R, dan adanya nilai kemiringan agihan tegangan dalam las-lasan,P. Faktorintensitas tegangan termal sisa tersebut adalah:

g.O.-g.)C •jj u t a

R.P)Jl- ^ - q

dengan gj (i= 1,2,3,4) adalah konstanta.Tegangan tekan berasal dari tekanan pada saat w, P(w) dan intensitas tegangan

karena beban tekanan pada kedalaman retak ke j adalah:

Fb.

248

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (256)

Ketiga faktor intensitas tersebut di atas merupakan faktor intensitas yang diterimabahan berupa beban tegangan hasil kejutan termal-tekanan.

Hasil-hasil perhitungan deterministik digunakan untuk perhitungan dengan modelpeluang.

Model Peluang

Dasar peluang mekanika perpatahan adalah prinsip mekanika perpatahandeterministik dan prosedur dengan mempertimbangkan satu atau lebih variablemasukan yang teragihkan acak. Variabel yang dapat mempunyai agihan acak adalah:ukuran awal retak dan atau lokasi, kemampuan pengawasan dengan pendeteksian danmengukur retak, amplitude» tegangan serta konsentrasi/kandungan campuran tertentu,sifat-sifat bahan seperti ketangguhan perpatahan atau faktor intensitas tegangan. Tidaksemua parameter ini dipertimbangkan acak karena hanya parameter yang dapatmenghasilkan pengaruh terbesar pada kemampuan operasi atau keandalan yangdipertimbangkan acak. Pembangkit numerik untuk analisis peluang dipakai simulasiMonte Carlo yang dapat menentukan agihan variabel tak gayut. Sedangkan prosedurpemilihan nilai dari setiap variabel masukan secara acak berdasarkan agihan Poisson.Peluang gagal didefinisikan sebagai jumlah simulasi yang menghasilkan kegagalandibagi dengan jumlah total simulasi.

Model perhitungan peluang dilakukan dengan menggunakan hasil perhitungandeterministik. Sejumlah simulasi bejana tekan ditentukan dengan satu cacat per bejana.Model cacat atau retakan pada las-lasan mempunyai ukuran kedalaman cacat danpeluang sesuai agihan Octavia II dan Marshall. Agihan Octavia adalah agihan peluangdari ukuran kedalaman cacat berdasarkan informasi operasional dan hasil diskusidengan personil metalurgi[8]. Sedangkan agihan Octavia II merupakan modifikasidengan interpolasi dari beberapa interval ukuran kedalaman cacat pada agihanOctavia[3]. Agihan Marshall merupakana gihan peluang cacat untuk interval ukurankedalaman cacat berdasarkan agihan ukuran retak sebelum inspeksi dan densitaspeluang retak yang tidak terdeteksi.'

Lokasi cacat terdapat di permukaan sebelah dalam bejana. Panjang padapengawalan maupun setelah retak untuk agihan Octavia II dan agihan Marshall adalahmaksimal. Nilai ambang ukuran cacat ditentukan yaitu 0.25". Ukuran ambang inimerupakan ukuran kedalaman cacat yang tidak akan menyebabkan gagal. Untukefisiensi perhitungan ukuran kedalaman cacat yang lebih kecil dari nilai ambangtersebut tidak disimulasikan.

Masukan yang lain adalah pengenalan cacat melalui simulasi inspeksi dari 'in-service inspection' dilakukan terhadap cacat dekat permukaan sebelah dalam pelapis.Peluang pengenalan cacat maksimum untuk inspeksi cacat permukaan adalah 95%.Ukuran ambang kedalaman cacat yang tidak dapat dikenali adalah 1.25". Ketebalanbahan bejana atau sisi las-lasan dengan tipe las-lasan melingkar dengan volume logam

249

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (257)

dalam las-lasan serta kandungan Cu dan Ni, ketangguhan bahan, RT^-p awal yangmerupakan bahan masukan dari sejumlah simulasi dengan nilai acak dari estimasi nilairerata dan deviasi bakunya.

Prosedur simulasi adalah pertama kali dengan memberikan skala kembali agihankedalaman retak atau cacat,F(a) dari Octavia II atau Marshall. Dengan nilai ambangukuran kedalaman cacat AQ, maka penskalaan agihan kedalaman cacat adalah:

P W - F ( a )

JF(a)da

Perhitungan agihan peluang yang dipertimbangkan sebagai agihan Poisson untuk satucacat tiap bejana dilakukan dengan urutan simulasi 1 sampai ke 500000.

Pengambilan nilai acak (0-1) yang lebih kecil atau sama dengan nilai agihanPoisson di pakai sebagai syarat pencacahan simulasi jumlah cacat. Simulasi ukurancacat terhadap tipe pengelasan melingkar dilakukan terhadap sejumlah cacat tersebut.Jarak untuk tipe 'cacat dalam' dari permukaan sebelah dalam bejana diperoleh dengannilai acak dari tebal dinding bejana. Kemudian simulasi kesanggupan pengenalan cacatdilakukan. Jika terdeteksi adanya cacat maka simulasi untuk ukuran cacat berikutnyadan atau urutan simulasi bejana berikutnya dilakukan. Jika tidak terdeteksi makasimulasi kandungan Cu sebagai C^u dan kandungan Ni sebagai C^j dimulai denganmempertimbangkan bilangan deviasi acak normal dari nilai rerata dan deviasikandungannya. Selanjutnya diikuti dengan simulasi fluence.Flu, dan ARTNDj (akibatpengaruh irradiasi) serta simulasi koreksi terhadap kesalahan dalam nilai awalRT NUT- Simulasi dilakukan untuk daerah las-lasan. Sesuai petunjuk RG-1.99penentuan R T ^ j tambahan sebagai;

360 CCu

dan R T J ^ J adalah;

'Cu

cCu

Flu 1

L1.E19J

(0.28-I0log(Flu/l.E19))

°= RT°NDT + ARTNDT + koreksi

Faktor intensitas tegangan kritis disimulasikan sebagai

KIC=S1+S2 exp[s3(Ta-RTNDT)]

dengan T a suhu pada 'tip1 retakan dengan ukuran kedalaman a dan Sj, S2, S3,merupakan konstanta.

250

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (258)

TATA KERJA DAN METODE

Pelaksanaan perhitungan dan simulasi dilakukan dengan program persiapanuntuk menyediakan data koefisien pertukaran panas konveksi sesuai tekanan dan suhupendingin sistem primer dalam rentang waktu skenario transien. Kemudianmemasukkan data-data termal, mekanik dan kandungan Cu maupun Ni dan bahan las-lasan, logam dasar dan pelapis termasuk koefisien pertukaran panas tersebut, danmenghitung deterministik maupun simulasi peluang gagal dengan paket programVISA II. Data-data masukan dapat dilihat dalam lampiran 1 dan 2. Diagram aliranalisis mekanika perpatahan deterministik dan probabilistik dari VISA II dapat dilihatpada lampiran 3.

HASIL DAN PEMBAHASAN

Salah satu hasil dari perhitungan deterministik adalah karakteristik faktorintensitas tegangan pada beberapa ukuran kedalaman cacat. Dua tipe arah cacat yangmungkin adalah arah longitudinal dan melingkar. Gambar 7 menunjukan faktorintensitas tegangan sesuai ukuran kedalaman cacat dan waktu transien atau tekanan dansuhu yang diterima bahan las-lasan. Total faktor intensitas tegangan ini dikontribusikandari tekanan, gradien suhu dan ekspansi termal pelapis. Faktor intensitas teganganmenurun dengan menurunnya suhu maupun tekanan dan meningkat pada kenaikanukuran kedalaman cacat.

Hasil perhitungan deterministik sesuai Gambar 7, menunjukkan bahwakegagalan bahan bejana dimungkinkan terjadi pada menit-menit awal kejadian yaknipada kondisi tekanan dan suhu relatif masih tinggi dan faktor intensitas teganganpunmenunjukkan demikian. Faktor intensitas yang melebihi 200 (ksiVin) menunjukkanbahwa kegagalan bahan dimungkinkan terjadi.

Pada perhitungan dan simulasi peluang diperoleh harga-harga yang merupakanhasil simulasi pada bagian las-lasan yang sensitif terhadap kerusakan karena pengaruhirradiasi. Estimasi peluang gagal diperoieh setelah beberapa parameter yangmengkontribusikan ketidak-tentuan atau peluang gagal disimulasikan seperti sifat bahanyakni ketangguhan perpatahan, RT°]sj£)T> kandungan Ni dan Cu, pengenalan cacatdengan simulasi deteksi cacat serta fluence. Simulasi dilakukan sebanyak 500000 kali.Hasil simulasi dapat dilihat dalam tabel 1 untuk agihan Octavia II dan tabel 2 untukagihan Marshall.

Sepersepuluh waktu transien penurunan suhu dan tekanan di dalam bejanareaktor telah mempengaruhi keadaan ketangguhan bahan khususnya pada bagian las-lasan dari bejana. Nilai rerata faktor intensitas tegangan kritis yang disimulasikanmasing-masing untuk agihan Octavia II dan Marshall adalah 179.5 dan 175.4 ksiVin,sedangkan nilai rerata simulasi faktor intensitas tegangan yang diterima bahan adalah

251

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (259)

186.5 dan 179.7 ksi/in. Ketidak tentuan parameter yang dapat menyebabkan kegagalanbejana memberikan hasil penentuan nilai peluang gagal bahan. Rata-rata kegagalanterjadi pada menit ke 1.7 dengan nilai peluang gagal untuk agihan Octavia II adalahl.E-5 per transien dan untuk agihan Marshall sebesar 4.E-6 per transien.

Perbedaan yang lumayan besar dari hasil perkiraan peluang gagal bejana tekandalam skenario kecelakaan transien tersebut antara agihan Octavia II dan Marshallmemberikan arti bahwa agihan ukuran cacat atau retakan merupakan faktor yang sulitdiketahui dalam ketidak tentuan ukuran cacat sebenarnya. Hal ini disebabkan beberapaketerbatasan dalam memperoleh data sesungguhnya dalam ukuran maupun agihan cacatatau retakan dalam bejana tekan reaktor dari hasil sejarah pengoperasian. Perbaikanterhadap agihan ukuran cacat atau retakan diperlukan dengan mendapatkan informasidari operasional dan inspeksi cacat yang ada pada bahan bejana tekan reaktor.

KESIMPULAN

Kecelakaan transien dari pembukaan tiba-tiba katup keselamatan pada sistempembangkit uap memberikan tegangan kejutan termal-tekan pada bahan bejana AP-600khususnya pada bagian las-lasan sisi 'belt line' dan 'upper shell' maupun 'lower shell'.Kegagalan karena peretakan dengan faktor intensitas tegangan lebih besar dari faktorintensitas tegangan kritis bahan, seperti yang ditentukan lebih besar dari 200 ksi/in,terjadi pada awal waktu penurunan suhu. Penentuan peluang gagal dengan perhitunganawal secara deterministik memberikan nilai sesuai dengan agihan cacat yangdipergunakan. Berdasarkan sensitifitas agihan tersebut, peluang gagal dengan agihanOctavia II adalah 1E-5 dan agihan Marshall adalah 4E-6 per kejadian transien.

DAFTAR PUSTAKA

1. AP600 SSAR Vol.4,Ch.5.3.1A, Westinghouse Electric Corporation

2. AP600 SSAR Vol.8,Ch. 15.1.4., Westinghouse Electric Corporation

3. F.A. SIMONEN et al, "VISA Il-Computer Code for Predicting the Probability ofReactor Pressure Vessel Vailure", NUREG/CR-4486, 1986

4. JOEL WEISMAN, "Elements of Nuclear Reactor Design", Robert E.KreigerPublishing Company,Inc, 1983

252

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (260)

5. K.KUSSMAUL et al, "Fracture Mechanics Assessment of Cracks in the HDRReactor Pressure Vessel due to Pressurized Thermal Shock Loading", SMiRT 11Transaction Vol.G(August 1991) Tokyo, Japan, 1991

6. N.SONEDA, "Sensitivity Analysis of PTS Event by Probabilistic FractureMechanics", SMiRT 11 Transaction Vol.G(August 1991) Tokyo, Japan, 1991

7. R.A.AINSWORTH, "Reactor Pressure Vessels-Is UpperShelf OperationNecessary?', SMiRT 11 Transaction Vol.G(August 1991) Tokyo, Japan, 1991

8. W.E. VESELY et al, "OCTAVIA: A Computer Code To Calculate The ProbabilityOf Pressure Vessel Failure From Pressure-Transient Occurences", ReliabilityProblems of Reactor Pressure Components Proceedings of a Symposium, Vienna,1977

253

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (261)

ventilasi * headpengarah batang kendali

pengarah i. nstrumen tasx

penumpu paket terpadubaud pengencang

1 flange'

Gambar 1. 'Clossure Head Bejana Tekan

nosle luaran

Gambar 2. '} Upper She IP Bejana Tekan

teras reaktor

I

dinding bejan

pelapis

Gambar 3.'Lower ShelF Bejana Tekan Atau Daerah xBelt-Line*

ISA

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (262)

-penumpu r a d i a l

jelapis

-bejana bagian bawah

Gambar 4. 'Lower Head Bejana Tekan

sisi dalam P e l aP l s sisi luar

Gambar 5. Model Las-lasan Sisi 'Belt-Line'

255

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (263)

Skanarlo Takanan-Suhu Pajndingin di Bejone T«kan AP6DODalam Kondisi Transient

eoo

6 0 O

40O -

3 0 0

2 0 0 " 1 <~

- 12

-10 <=-

B _§

Waktu Transient (detik)

Gambar 6. Tekanan dan Suhu Pendingin Skenario Transien Dalam Bejana Tekan

Fiktor Intttntltt* Tigingan Padt Ukurtn K«dkltm«n RattkUmufc C*OB1 LonsltudlnBl

f itiianaEiM Tsptngsn Ptda K«dalam«n RattkUnluk Cactt Malbokar

B Uanlt k« 1.S7a Mtnlt ka 10* MaNt k« 18.87

' I ' I T I ' I ' I ' I ' 1

1 2 3 4 ( 1 7

Kadalaman R«tak {Inl

Gambar 7. Faktor Intensitas Tegangan Pada Kedalaman Retak Untuk CacatMelingkar dan Longitudinal

256

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (264)

Tabel 1. Hasil perhitungan peluang gagal bejana sisi las-lasan dengan simulasi pada ukuran kedalaman retak, fluence, faktor intensitas,dan kandungan Cu dan Ni

1 VESSEL FAILURE SUMMARY: VISA Keoelakaan Transien Peningkatan Angkutan Panas dari Sistem Primer AP600

VESL WELD TIME PRES TEMP FLAWNO NO (MIN) (KSI) (F) DEPTH

56982. 1. 1.7 12.530 539.1 1.722220808. 1. 1.7 12.530 535.3 1.232239931. 1. 1.7 12.530 538.2 1.577290907. 2. 1.7 12.530 538.3 1.587309265. 2. 1.7 12.530 539.9 1.889420340. 1. 1.7 12.530 539.1 1.716AVERAGE VALUES256372. 1. 1.7 12.530 538.3 1.620

DIMENSIONS (IN)LNGTH ID LIG

9999.9 .00 .1059999.9 .00 .0999999.9 .00 .0869999.9 .00 .0929999.9 .00 .0969999.9 .00 .082

9999.9 .00 .093

SIM%CU

.800

.800

.800

.800

.800

.800

.8001 VISA Kecelakaan Transien Peningkatan Angkutan Panas dari Sistem Primer AP6OC

SUMMARY STATISTICSNUMBER OF ARRESTSNUMBER OF ARRESTED NONFAILURESNUMBER OF FAILURESNUMBER OF INITIATIONSNUMBER OF VESSELS SIMULATEDNUMBER OF FLAWS SIMULATEDNUMBER OF DETECTED FLAWSPROBABILITY OF FAILURE95% CONFIDENCE LIMITPROBABILITY OF INITIATION95% CONFIDENCE LIMIT

HISTOGRAM OF FLAW FAILURESFLAW NUMBER OFDEPTH OBSERVATIONS.000 0.219 0.221 0.345 0.470 0.720 0.970 0

1.220 01.470 2 "1.720 2 "1.970 1 *

= 1= 1

5= 6= 500000= 61027= 57970= 1.00000E-05= 8.76534E-06= 1.20000E-05= 9.60194E-06

SIM%NI

2.66.83

2.262.882.102.39

2.19

FLUENCE (10E19)ID

1.76.62

1.551.971.341.58

1.47

CRK TIP

-28.229.864.751.165.6

-.3

30.5

RTNDT (F)INIT

159.8114.4130.3146.0138.0124.3

135.5

SHIFT

193.7158.5183.3184.0205.9193.3

186.5

K(KSI*IN*Kl

192.3152.3166.8183.8193.0188.7

179.5

*5)KIC

1.971.481.831.842.141.97

1.87

FINAL INIT FAILDEPTH NO. NO

123456

112345

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (265)

00Tabel 2. Hasil pcrhitungan peluang gagal bejana sisi las-lasan dengan simulasi pada ukuran kedalaman retak, fluence, faktor intensitas,

dan kandungan Cu dan Ni

1 VESSEL FAILURE SUMMARY: VISA Kecelakaan Transien Peningkatan Angkulan Panas dari Sistem Primer AP600

VESLNO

WELD TIMENO (MIN)

178703. 1.260490. 1.373607. 1.

1.71.71.7

PRES(KSI)

12.53012.5302.530

TEMP(F)

534.6539.2538.9

FLAWDEPTH

1.1621.7411.680

DIMENSIONS (IN)LNGTH ID LIG

9999.99999.99999.9

.00

.00

.00

.099

.087

.092

SIM%CU

.800

.800

.800

SIM FLUENCE (10E19)CRKTIP

.831.682.39

AVERAGE VALUES270933. 1. 1.7 12.530 537.5 1.528 9999.9 .00 .093 .800 1.63

1 VISA Kecelakaan Transien Peningkatan Angkutan Patias dari Sistem Primer AP600

SUMMARY STATISTICS

NUMBER OF ARRESTS = . 1NUMBER OF ARRESTED NONFAILURES = 1NUMBER OF FAILURES = 2NUMBER OF INITIATIONS = 3NUMBER OF VESSELS SIMULATED = 500000NUMBER OF FLAWS SIMULATED =112647NUMBER OF DETECTED FLAWS = 107007PROBABILITY OF FAILURE = 4.00000E-0695% CONFIDENCE LIMIT = 5.54371 E-06PROBABILITY OF INITIATION = 6.00000E-0695% CONFIDENCE LIMIT = 6.78962E-06

HISTOGRAM OF FLAW FAILURES

FLAWDEPTH.000.219.221.345.470.720.9701.2201.4701.720

NUMBER OFOBSERVATIONS

0000000002 "*

ID

.631.111.60

1.11

RTNDT (F)INIT SHIFT

K(KSHN".5)

29.840.6-22.8

15.9

115.0120.7139.0

153.4195.1190.7

Kl

152.3191.3182.6

KIC

1.411.991.93

FINAL INIT FAILDEPTH NO. NO

124.9 179.7 175.4 1.78

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (266)

Lampiran 1.

to

~ INPUT DATA ~TITLE: VISA Kecelakaan Trarwien Pertingkatan Angttutan Panas danSistem Primer AP600

THE SIMULATION ANALYSIS HAS BEEN PERFORMED

POLYNOMIAL MODELING OF WATER TEMPERATURE HAS BEEN USED

A CONSTANT THERMAL DIFFUSMTY OF 9.4BCE-01 IN~2/MINHAS BEEN USED

A CONSTANT FLUID/VESSEL-WALL FILM COEFFICIENT OF 1.0326*03BTU/HR-FT-2-F HAS BEEN USED

A DECAY CONSTANT FOR FLUENCE ATTENUATION OF .240 IN-1HAS SEEN USED

UPPER SHELF MAXIMUM STRESS INTENSITY OF 200.00 KSI'SQRT(IN)HAS BEEN USED (FOR DETERMINISTIC ANALYSIS ONLY)

A CONSTANT VALUE OF 3 050E-01 HAS BEEN USED FOR (E*ALPHA/1-NU)

THE RTNDT SHIFT EQUATION USED IN THE DETERMINISTIC ANALYSISIS THE RG-1.96, REV 2 SHIFT EQUATION FOR WELDS

THE RTNDT SHIFT EQUATION USED IN THE PROBABILISTIC ANALYSISIS THE RG-1.99, REV 2 SHIFT EQUATIONS FOR WELDS AND PLATES

WARM PRESTRESSING HAS NOT BEEN INCLUDED

INSERVICE INSPECTION IS PERFORMED

FLAWS ARE ID SURFACE FLAWS

THE FLAW LENGTH BEFORE INITIATION IS EOUAL TO INFINITY

THE FLAW LENGTH AFTER INITIATION IS EQUAL TO INFINITY

TEMPO) = 542.00 (F)TEMP(2) =431.00 (F)TEMP(3) = 348.00 (F)TEMP(4) =313.50 (F)TEMP(S) =281.00 (F)

FIRST FOUR ROOTS OF ALPHATAN(ALPHA) = C WHEN C = 14. ARE:

1.4818 4.4404 7.4028 10.3855

THE INFLUENCE FUNCTIONS USED ARE: Z(X.Y) =

1.1220.6825.5255.4414.3863

1.1220.6830.5280.4450.3880

.9513

.3704

.2011

.1337

.0989

.3989

.1150

.1911

.0783.1150

-.6240-.0832

.03130386.0437

1.6778.7556

-.1000.0556

-.1333

833062.82511.4260

.8806

.59516049

.1667

.5802

.3148

.3519

STATISTICAL DATA FOR WELD MATERIALS

WELD DESCRIPTORS COPPER NICKEL INIT. RTNDT STANDARD DEVIATIONS FLOW UPR-SHELF WELDNO. NAME TYPE ORIENT. MEAN SIGMA MEAN SIGMA MEAN SIGMA KIC KIA DRTNDT FLUENCE STRESS KIC VOL. LENGTH

200.0 22000.00 493.00200.0 22000.00 493.00

1 CIR1 0 12 CIR2 Cl 1

WELD TYPES:

WELD ORIENTATION:

01

01

050 .025.050 .025

= WELO METAL= BASE METAL

.800

.800

= LONGITUDINAL= CIRCUMFERENTIAL

.000

.00010.010.0

24.024.0

.100

.100.100.100

.000

.000.300.300

78.078.0

VESSEL DATAVESSEL RADWALL THICKNESSCOPPER CONTENTINITIAL RTNDTUPPER SHELF KICID FLUENCE

= 7.85O0E*01 IN= 8.0000E*OO IN= 8.0000E-02= 1.0000E+01= 2.0000E-02= 2.1OOOE»19 NUET/CM-2

A CONSTANT FLUENCE OF 2.16*19 (NEUT1CM-2) HAS BEEN USED THROUGHOUT THE VESSEL1 NUMBER OF SIMULATIONS REQUESTED = 500000

FLAW DISTRIBUTION USED

CLAD DATACLAD THICKNESSCOEFF OF THERM EXPTHERMAL CONDUCTIVITYMODULUS. EPOISSONS RATIOBASE METAL EXP COEFF GIVENASTHERATIOOFABASE/ACLAD = 8.00O0E-01STRESS FREE TEMP = 5.9OO0E*02 DEG.F

* 2.2000E-01 IN= 9.8000E-08 IWN-DEG.F= 1.0100EMJ1 BTLWHR-FT-DEG.F= 2.7000E*04 KSI= 3.0000E-01

DEPTH.1250.2500.5000

1.00001.50002.00002.50003.00003.5O00

MARSHALLLENGTH

.7501.5003.0006.0009.000

12.00015.00018.00021.000

PROBABILITY.72614880.19853600.06946752.00562507.00021033.00001118.00000096.00000011.00000000

CORRELATION COEFFICIENT FOR Kia.Kic = 0.rjOO0OE»O0

TIME PERIOD ANALYZEDINITIAL TEMP.

= 1.66706*01 MIN= 542.00 (F)

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (267)

ON

oLampiran 2.

1 •** INPUT DATA " •TITLE: VISA Kecdakaan Transien Peningkatan togkutan Panas dariSistem Pritwer AP800

THE SIMULATION ANALYSIS HAS BEEN PERFORMED

POLYNOMIAL MOOELING OF WATER TEMPERATURE HAS BEEN USED

A CONSTANT THERMAL DIFFUSIVITY OF 9.480E-01 IN"2/MINHAS BEEN USED

A CONSTANT FLUID/VESSEL-WALL FILM COEFFICIENT OF 1 .032E»03BTU/HR-FT"2-F HAS BEEN USED

A DECAY CONSTANT FOR FLUSNCE ATTENUATION OF .240 IN-1HAS BEEN USED

UPPER SHELF MAXIMUM STRESS INTENSITY OF 200.00 KSI"SQRT(IN)HAS BEEN USED (FOR DETERMINISTIC ANALYSIS ONLY)

A CONSTANT VALUE OF 3.050E-01 HAS BEEN USED FOR (E*ALPHA/1-NU>

TOE RTNDT SHIFT EQUATION USED IN THE DETERMINISTIC ANALYSISIS TOE RG-1.99. REV 2 SHIFT EQUATION FOR WELDS

THE RTNDT SHIFT EQUATION USED IN THE PROBABILISTIC ANALYSISIS TOE RG-1.99, REV 2 SHIFT EQUATIONS FOR WELDS ANO PLATES

WARM PRESTRESSING HAS NOT BEEN INCLUDED

INSERVICE INSPECTION IS PERFORMED

FLAWS ARE ID SURFACE FLAWS

TOE FLAW LENGTH BEFORE INITIATION IS EQUAL TO INFINITY

TOE FLAW LENGTH AFTER INITIATION IS EQUAL TO INFINITY

VESSEL DATAVESSEL RADWALL THICKNESSCOPPER CONTENTINITIAL RTNDTUPPER SHELF KICID FLUENCE

= 7.8500E*01 IN= 8.0000E+00 IN= 8.0O00E-02= 1.0000E<01= 2.0OO0E*O2= 2.1000E*19 NUET/CM-2

CLAD DATACLAD THICKNESSCOEFF OF THERM EXPTHERMAL CONDUCTIVITYMODULUS, EPOISSONS RATIOBASE METAL EXP COEFF GIVENAS TOE RATIO OF ABASE/ACLADSTRESS FREE TEMP

= 2.2000E-01 IN= 9.6000E-06 IN/IN-DEG.F= 1.0100E+01 8TU/HR-FT-DEG.F= 2.7000E*04 KSI= 3 0000E-01

= 8.0000E-01= 5.9OO0E+02 DEG.F

TIME PERIOD ANALYZEDINITIAL TEMP.

= 1 6670E*01 MIN= 542.00 (F)

TEMPO) =642.00 (F)TEMP(2) = 431.00 (F)TEMP(3) = 346.00 (F)TEMP(4) =313.50 (F)TEMP(5) = 281.00 (F)

FIRST FOUR ROOTS OF ALPHA-TAN(ALPHA) = C WHEN C = 14. ARE:

1.4816 4.4404 7.4026 10.3855

THE INFLUENCE FUNCTIONS USED ARE: Z(X.Y) =

1.1220.6825.5255.4414.3863

1.1220.6830.5260.4450.3880

.9513

.3704

.2011

.1337

.0989

.3989

.1150

.1911

.0783

.1150

-.6240-.0832

.0313

.0386

.04371.5778

.7556-.1000

.0556-.1333

8.33062.82511.4250

.8806

.5951

.6049.1667.5802.3148.3519

STATISTICAL DATA FOR WELD MATERIALS

WELD DESCRIPTORS COPPER NICKEL INIT. RTNDT STANDARD DEVIATIONS FLOW UPR-SHELF WELDNO. NAME TYPE ORIENT. MEAN SIGMA MEAN SIGMA MEAN SIGMA KIC KIA DRTNDT FLUENCE STRESS KIC VOL. LENGTH

CIR1CIR2

.050

.050.025.025

.800 .000

.800 .00010.010.0

24.024.0

.100 .100 .000 .300

.100 .100 .000 .30076.076.0

200.0 22000.00 493.00200.0 22000.00 493.00

WELD ORIENTATION:

0 = WELD METAL1 = BASE METAL

0 = LONGITUDINAL1 = CIRCUMFERENTIAL

A CONSTANT FLUENCE OF 2.1E*19 (NEUT/CM"2) HAS BEEN USED THROUGHOUT THE VESSEL1 NUMBER OF SIMULATIONS REQUESTED = 500000

FLAW DISTRIBUTION USED

DEPTH.0000.1250.2500.5000

1.00001.50002.OO0O2.50003.00003.5000

OCTAVIA IILENGTH999.990999.990999.990999.990999.990999.990999.990999.990999.990999.990

PROBABILITY.59722500.25000000.12500000.02500000.00220000.00042500.00010000.00003000.00001500.00000500

CORRELATION COEFFICIENT FOR Kia. Kic = O.OOOOOE*00

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (268)

Lampiran 3.Program Persiapan untuk

Perhitungan Koefisien perpindahanPanas hf

Peranqkat lunak VISA IIAnalisis Deterministik

}

Data Masukan

IHitung Suhu, Tq(a,w)

Hitung Tegangan Termal, a(a,w)

IHitung kontribusi

tegangan termal (K|j), tekan (K|p)

dan tegangan sisa

Hitung faktor intensitas tegangankombinasi Kj

Hitung "fluence" teratenuasi padakedalaman retak a

Hitung ARTN D T

Hitung KfC = 200 ksiVin

Hasil Analisis Deterministik

Diagram Alir Program Persiapan Perhitungan hf dan Paket Program VISA II

261

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (269)

toto Perangkat lunak VISA II : Analisis Peluang

Masukan:1. Luaran analisis delerrninistik2. Jumlah simulasi bejana tekan, NS3. Jumlah rerata cacat dalam bejana4. Model cacat: ukutan, lokasi, pertumbuhan, ukuran ambang, A

5. Model "in-service inspection"6. Model bejana: tebal, volume las-lasan melingkar, kandungan

bahan, fluence, ketangguhan, RTfjrj-j- awal

Setup:1. Penskalaan kembali agihan kedalaman cacat/retak2. Hitungan agihan peluang untuk jumlah cacat per bejana

Set cacah bejana gagal, NF = 0

Simulasi Jumlah Cacat dalam bejana, K

= 0?

tKlak

Simulasi:ukuran cacat, tipe las-lasan, jarak "cacat dalam" dari dindingsebetah dalam

Pendeteksian cacat dengan'/n-serwbe inspection" ?

tidakya

Cacah cacat terakhir dalam bejana ?

ya

tidak

ya

Simulasi: Kandungan Nike), Ni, dan Tembaga, Cu

Simulasi FkienceHifung A RTJ^QJ, tentukan R T ^ Q T tambahan

Hitung suhu Ta -

Hitung faktor intensitas tegangan kritis

Apakah pengawalan retak ?

tidak

ya

Kedalaman retak berikutnya,Kedalaman retak maksimal ?

tidak

NF = NF+1

Catat data kegagalan

^ ^ tidak0— Bejana yang terakhir ?

ya

Hitung laju kegagalan FR = NF/NS serta informasi lain

Stop

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (270)

ya

Hitung suhu Ta -

Simulasi

Tegangan "arrest' ?

ya

Gagal karena ketidakstabilan palstik ?

tidak

Waktu berikutnya

yaWaktu maksimal ?

tidaka»

Diagram Alir Program Perhitungan hf dan Paket Program VISA II

263

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (271)

DISKUSI

RENO ALAMSYAH

1. Mohon penjelasan mengenai metode komputasi yang digunakan (VISAll).2. Apakah penentuan probabilitas mi menggunakan metode Bayesian?

PURADWI I.W.

1. Metode yang dipergunakan adalah penentuan cara deterministik yang diikutidengan penentuan peluang.

2. Tidak. Penentuan probabilitas dilakukan denngan prababilistik murni yaitui jumlahbejana gagal dibagi dengan jumlah bejana total yang disimulasi.

264

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (272)

KOMPUTASIUNTUK PENSTABIL SISTEM DAYA TIPE AP DENGANFUZZY LOGIC

Marzan A. Iskandar, Irwan R. Husdi, Riza,Ewin Mardhana, Agus Triputranto

ABSTRACT ID990000023

COMPUTATION ON AP TYPE POWER SYSTEM STABILIZER USING FUZZYLOGIC. Power system stabilizers (PSS) are widely applied in power generators to damp poweroscillation caused by certain disturbances in order to increase the power supply capacity. PSS design isoften suffered from the difficulty on setting periodically its parameters, which are gain and compensators,in Order to have an optimal damping characteristic. This paper proposes a methode to determineparameters of AP type PSS by implementing fuzzy logic rules in a computer program, to obtain theappropriate characteristics of synchronous torque and damping torque. PSS with the calculatedparameters is investigated on a simulation using a non-linear electric power system of a thermal generatorconnected to infinite bus system model. Simulation results show that great improvement in dampingcharacteristic and enhancement of stability margin of electric power system are obtained by using theproposed PSS.

ABSTRAK

KOMPUTASI UNTUK PENSTABIL SISTEM DAYA TIPE AP DENGAN FUZZY LOGIC.Penstabil sistem daya {Power System Stabilizer. PSS) banyak digunakan pada pembangkit listrik untukmeredam osilasi daya listrik yang timbul akibat berbagai gangguan sehingga kemampuan suplai dayameningkat. Masalah yang sering timbul dalam mendesain PSS adalah dalam menala secara berkalaparameter-parameter PSS, yaitu gain dan kompensator-kompensatornya, agar redaman yang dihasilkanoptimal. Dalam makalah ini diusulkan suatu metoda penentuan nilai-nilai parameter PSS tipe AP denganmenggunakan aturan-aturan fuzzy logic dalam suatu perangkat Iunak agar diperoleh karakteristik torsisinkron dan torsi redaman yang diharapkan. PSS deftggn nila'i parameter yang didapat, diuji dengansimulasi menggunakan model sistem tenaga listrik tak linear yang terdiri atas satu pembangkit thermalyang dihubungkan dengan bus tenaga listrik yang sangat besar. Hasil simulasi menunjukkan bahwakarakteristik redaman sistem tenaga listrik jauh lebih baik dan margin stabilitasnya bertambah denganmenggunakan PSS yang diusulkan.

PENDAHULUAN

Sistem tenaga listrik di Indonesia terdiri dari sejumlah pembangkit yangdihubungkan dengan beban (konsumen) melalui jaringan transmisi daya. Sistem yangbesar dan meliputi daerah geografi yang luas ini sangat mudah terganggu, baik oleh

Direktorat Pengkajian Ilmu Teknik - BPP Teknologi

265

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (273)

hubungan singkat {korsleting) seketika, switching maupun perubahan-perubahanbeban listrik. Gangguan-gangguan ini menyebabkan timbulnya osilasi daya listrikyang apabila tidak segera diredam akan menyebabkan peralatan-peralatan pengamanbekerja untuk memutuskan hubungan antara suplai dan beban listrik di sekitar lokasiosilasi daya tersebut. Akibatnya terjadi ketidakseimbangan antara jumlah suplai danbeban total yang berakibat pada pemadaman sebagian beban dan dapat berdampaklebih parah lagi yaitu terjadinya padam total {blackout).

Untuk meredam osilasi daya listrik yang timbul akibat berbagai gangguan, telahdiusulkan penggunaan penstabil sistem daya {power system stabilizer: PSS) (1~6),karena implementasinya dapat dilakukan dengan mudah dan murah. PSS yangdigunakan di Indonesia pada umumnya adalah tipe AP, yaitu PSS yang menggunakandeviasi daya aktif sebagai masukannya. Peralatan ini dipasang untuk menghasilkansinyal kontrol tambahan yang dimasukkan dalam Automatic Voltage Regulator(AVR) pada rangkaian medan generator. Sinyal iniiah yang berfungsi untuk meredamosilasi yang timbul akibat adanya gangguan-gangguan terhadap sistem tenaga listrik.

Masaiah yang sering timbul dalam mendesain PSS adalah cara menentukanparameter-parameter PSS, yaitu gain dan kompensator-kompensatornya, agarredaman yang dihasilkan optimal. Lebih-lebih karena nilai parameter optimalnyaberubah dengan berubahnya kondisi sistem tenaga listrik, seperti panjang jaringantransmisi, besarnya beban dan jumlah pembangkit yang terhubung ke sistem tersebut,maka parameter PSS hams ditala kembali secara berkaia. Untuk sebuah PSS yanglazim digunakan saat ini, paling tidak ada 5 parameter yang dapat ditala secara teoritisdengan bebas.

Dalam makalah ini diusulkan suatu algoritma berdasarkan fuzzy logic untukmenentukan parameter-parameter PSS tipe AP dengan mengevaluasi karakteristiktorsi sinkron dan torsi redaman sistem yang timbu! akibat penambahan alat tersebut.Dengan metoda ini karateristik yang diharapkan, dapat diperoleh dengan cepat danmudah. Hal ini memudahkan para praktisi tenaga listrik dalam penalaan PSS untukmendapatkan unjuk kerja yang optimal. Desain yang didapat diuji denganmenggunakan model sistem tenaga listrik tak linear yang terdiri atas satu pembangkitthermal yang dihubungkan dengan bus tenaga listrik yang sangat besar. Hasil simulasimenunjukkan bahwa karakteristik redaman sistem tenaga listrik jauh lebih baik danmargin stabilitasnya bertambah dengan menggunakan PSS tipe AP yang diusulkan.

MODEL SISTEM TENAGA LISTRIK

Untuk menganalisis unjuk kerja PSS, model sistem tenaga listrik yang rumitdisederhanakan seperti diilustrasikan pada Gambar 1. Satu pembangkit terhubungdengan sistem luar yang sangat besar melalui saluran transmisi dengan reaktansi

266

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (274)

eksternal tertentu, yang dikenal dengan sebutan model sistem satu mesin terhubungdengan bus tak terhingga.

Besaran-besaran yang menunjukkan kondisi operasi mesin, seperti : teganganterminal generator, daya keluaran aktif, daya keluaran reaktif, dan sebagainyaditentukan dari perhitungan kondisi awal tanpa gangguan. Model sistem padaGambar 1, dinyatakan dengan sejumlah persamaan diferensial, baik untukmerepresentasikan karakteristik generator listrik, maupun karakteristik sistemgovernor (GOV) dan automatic voltage regulator (AVR) . Model ini selanjutnyadidekati dengan model linear yang mengabaikan pengaruh GOV seperti digambarkanpada Gambar 2. Konstanta-konstanta K/~K6 ada Gambar 2 besarnya tergantung padakarakteristik generator, kondisi operasi mesin dan kondisi sistemnya(1>3).

Parameter PSS pada Gambar 2 ditala dengan menyelidiki karakteristikkoefisien torsi sinkron Ks dan koefisien torsi redaman KD_ Ks dan KD masing-masingbesarnya dipengaruhi oleh konstanta sistem yaitu /C/dan D, pengaruh AVR yaitu K/s

dan Dd dan pengaruh PSS yaitu Klss dan Ddd l3).

Ks = K,+KJu>) + K,Jv>) (1)KD= D + Dd(u>) +Ddd(wJ (2)

K/ dan D adalah konstanta yang tidak tergantung pada frekuensi, sedangkan Kls(a>),Dd((£>), Kls/(o) dan Ddd(a>) adalah besaran yang merupakan fungsi co.

PSS TIPE AP

PSS yang digunakan di Indonesia pada umumnya adalah tipe AP, yaitu PSSyang menggunakan deviasi daya aktif sebagai masukan seperti ditunjukkan padaGambar 3. Blok I adalah rangkaian reset yang diperlukan agar tidak terjadi teganganoff set permanen pada sistem tenaga listrik akibat penggunaan PSS. Blok 2 dan 3adalah rangkaian kompensasi fasa depan (phase lead compensator) atau kompensasifasa belakang (phase lag compensator) sedangkan Kp adalah gain (penguat) dan Um

adalah pembatas besar sinyal keluaran PSS. Konstanta waktu reset TQ biasanyatertentu yaitu antara 4 detik sampai 20 detik, sedangkan Kp, Tj~T4 adalah parameter-parameter PSS yang harus ditentukan agar hasil kompensasi PSS optimal. Dalammakalah ini, harga Kp, Tj-Tj ditentukan dengan mengevaluasi karakteristik torsisinkron dan torsi redaman menggunakan/wzzy logic.

PENENTUAN PARAMETER PSS DENGAN FUZZY LOGIC

Parameter-parameter PSS yaitu Tt , T2 , T3 , T4 dan Kp dioptimalkan nilainyadengan menirukan cara operator ahli dengan menggunakan fuzzy logic. Setiap

267

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (275)

parameter tersebut ditala nilainya bertahap dan dilakukan secara sekuensial denganurutan masing-masing T, , T2, T3, T4 , Kp lalu kembali ke T, dan seterusnya sampaidicapai kondisi yang memuaskan, yaitu nilai koefisien torsi redaman dan koefisientorsi sinkron mencapai nilai yang diinginkan pada frekuensi natural co„ masing-masing KDh dan Ksh.

Misalkan didalam mengevaluasi perubahan T, terhadap koefisien torsiredaman, perubahan nilai T, dalam satu kali evaluasi adalah :

AT,, = FP, x ATlm (3)

dengan ATn adalah perubahan nilai T, hasil evaluasi terhadap koefisien torsiredaman, FP/ adalah faktor pengubah dalam domain [-1,1] yang ditentukan denganfuzzy logic dan AT,m adalah perubahan maksimal nilai T, pada setiap tahap evaluasi.

Nilai FP, ditentukan dengan menyelidiki kecenderungan deviasi dan perubahandeviasi terhadap penambahan nilai T, sebesar ATlm sebagai berikut:

Ae,, — e,, - 6Q

denganT,i : nilai T, sebelum evaluasi e0

KDo : nilai KD untuk T, = TIL e,,KD, : nilai KD untuk Tt = T,, Aejt

deviasi KD0 dari nilai.deviasi Kps dari nilai 1perubahan deviasi

Berdasarkan e0 dan Ae,, , ditentukan besarnya penambahan atau penguranganyang harus dilakukan terhadap nilai parameter mula-mula T,L. Denganmemperhatikan bahwa perubahan nilai T, memberikan dampak perubahan nilai KD

yang relatif proporsional, maka besar perubahan dipilih berbanding lurus dengan

Ae,,Nilai T, diubah dengan cara penambahan, pengurangan atau tetap jika tidak

diperlukan perubahan. Untuk itu dibuat aturan berikut:

Jika e0 positif dan Ae1t positif, maka nilai T-, dikurangiJika e0 positif dan Ae1t negatif, maka nilai T-, ditambahJika e0 negatif dan Ae1t positif, maka nilai 7, ditambahJika e0 negatif dan Ae1t negatif, maka nilai T-, dikurangiJika e0 nol dan Ae1t positif, maka nilai 7, tetapJika e0 nol dan Ae1( negatif, maka nilai T1 tetap

Aturan-aturan tersebut dirangkum dalam Tabel 1. Untuk menentukan nilaiFPj , digunakan nilai-nilai grade penambahan ]XP , pengurangan [iN dan tetap

268

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (276)

fungsi keanggotaan —— yang digambarkan pada Gambar 4. FPS ditentukan denganAen

persamaan berikut in i:

\l,, + HN + Ho

karena \iP + yiN + \\.o = 1, maka

FP, = \iP - \iN (6)

Prosedur serupa dilakukan untuk menentukan nilai faktor pengubah FP2 agarkoefisien torsi sinkron mendekati nilai Ksh.

Untuk mendapatkan karakteristik redaman yang optimal dalam daerahfrekuensi yang agak lebar, maka diperlukan persyaratan tambahan untuk nilai KD danKs yang diinginkan pada frekuensi oo„., lebih kecil dari co„ , dan co„+ , lebih besar dari(£>„. Dengan demikian ada 6 persyaratan nilai yang ingin dipenuhi. Dengan kata lainapabila parameter Tt ditambali sebesar AT/m , maka akan kita dapatkan FPt , FP2 ,FP3 , FP4 , FP5 dan FP6 yang itiasing-masing merupakan faktor pengubah yangdiperlukan untuk mendapatkan nilai KD dan Ks yang diinginkan pada frekuensi co„ ,co„., ©„+ •

Untuk menentukan faktor pengubah FP , yang akan diberikan agar keenampersyaratan nilai dapat dipenuhi, maka faktor pengubah yaitu FP} , FP2 , FP3 , FP4,FP5 dan FP6 diberi bobot prioritas masing-masing u.y , \x2 , \x.s > M-/ . V>s dan \x6.Akhirnya, FP dihitung dengan cara berikut:

FP = ~ (7)

Bobot prioritas u., dalam persamaan (7) dipilih berbanding lurus dengan | Ae/,, jdan nilainya dibatasi dari nol sampai satu. Sehingga akan kita dapatkan fungsi \x,- yangdigambarkan dibawah ini.

Nilai parameter 77 yang dievaluasi menjadi:

TIB = T,L + FP x ATtm (8)

dengan TiB adalah nilai T, hasil evaluasi.Perubahan nilai T2 , T3 , T4 dan Kp dilakukan dengan cara yang sama dengan

contoh perhitungan evaluasi nilai Tl diatas.

269

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (277)

HASIL KOMPUTASI

PSS yang konfigurasinya diperlihatkan pada Gam bar 3, ditala terhadap sistempada Garabar 1 dengan konstanta dan kondisi operasi yang diberikan pada Tabel 2,dengan menentukan harga Kp, T/~T4 sedemikian rupa sehingga didapat nilai torsiredaman KD dan Ks yang terbaik.

Parameter PSS, Kp, T/~T4 yang diberikan pada Gambar 3, ditentukan denganmengevaluasi pengaruh karakteristik Kiss (&) dan Ddd((£>) masirig-masing terhadap Ks

dan KD, yaitu yang menghasilkan nilai K!ss(($) sekecil mungkin dan Ddd((Si) yangcukup besar. Pertimbangan dalam menentukan parameter ini adalah sebagai berikut:KD dipilih sedemikian rupa sehingga pada <£>„ = 7,0858 (rad/s), co„ = 8,0858 (rad/s)dan CDn+= 9,0858 (rad/s), KDI, adalah sekitar 30 (pu)( \ Pada nilai KDh tersebut, harusdiusahakan nilai Ks « K, = 1,25 atau pengaruh torsi sinkron PSS dan AVR harusdisekitar nol. Konfigurasi parameter Kp, Tj~T4 yang dipilih adalah yang memenuhikondisi ini.

Penentuan nilai parameter PSS dengan menggunakan fuzzy logic yangdiusulkan memberikan hasil yang tidak unik. Terdapat beberapa kombinasi nilaiTj~T4 dan Kp yang memenuhi syarat redaman yang tergantung dari nilai awal Tj~T4.Parameter tersebut dapat dilihat pada Tabel 3. Pengubahan nilai awal memberikannilai Tj~T4 dan Kp yang berbeda dan tidak menunjukkan adanya satu pola tertentu,kecuali bahwa nilai tersebut memenuhi kriteria KD dan Ks yang diinginkan.

Simulasi menggunakan model non linier satu mesin terhubung bus tak hinggayang diilustrasikan pada Gambar 1, dilakukan dengan menggunakan parameter inimemberikan hasil yang memuaskan untuk semua kombinasi nilai. Pada karakteristikdeviasi putaran mesin, sinyal penstabil ataupun deviasi tegangan terminal tidakterlihat adanya perbedaan yang signifikan. Tetapi dengan pengkajian yang mendetail,PSS dengan parameter T, = 0,85, T2 = 0,65, T3 = 0,85, T4 = 0,67 dan Kp = 0,50 (lihatTabel 2) memberikan hasil redaman yang paling baik.

Gambar 6 menunjukkan respons sistem dalam fungsi waktu terhadap gangguankecil, yaitu penurunan tiba-tiba daya keluaran pembangkit sebanyak 0,05 (pu). Padagambar tersebut terlihat deviasi putaran mesin (Aco), deviasi daya listrik (APg) dandeviasi tegangan terminal generator (AVf) terhadap nilai mula-mulanya untuk kasustanpa PSS dan menggunakan PSS yang ditala dengan metoda yang diusulkan. Untukkasus tanpa PSS, respons sistem berosrlasi, yang walaupun stabil, memerlukan waktuyang cukup lama untuk mencapai keadaan tunak. Respons ini dapat diperbaikikarakteristiknya dengan inenggunakan PSS seperti terlihat pada gambar, dimana Acomencapai keadaan tunak dalam waktu hanya sekitar 3 detik, pada saat yangbersamaan APe mencapai harga keseimbangan yang baru. sem*ntara itu teganganterminal tidak mengalami off set dan kembali ke harga semula pada waktu sekitar3 detik.

Gambar 7 mengilustrasikan respons sistem terhadap gangguan besar, yaituhubungan singkat 3 fasa ke tanah pada salah satu saluran transmisi dan saluran

270

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (278)

tersebut diisolasi (dibuka) dalam waktu 0,1 detik kemudian. Respons sistem tanpaPSS setelah gangguan terjadi tidak stabil. Kondisi ini sangat berbahaya bagi sistem,karena menyebabkan pemutusan hubungan generator dengan jaringan sistem untukmencegah kerusakan pembangkit dan osilasi yang berkelanjutan. Denganmenggunakan PSS yang diusulkan, kondisi tersebut dapat dicegah karena osilasidapat segera diredam seperti diberikan pada gambar. Terlihat bahwa PSS dapatmeningkatkan batas kestabilan sistem tenaga listrik, yang berarti meningkatkankemampuan penyaluran daya pembangkit.

Dengan mempertimbangkan faktor jaminan kelangsungan penyaluran dayalistrik walaupun terjadi gangguan besar, maka penggunaan PSS sangat bermanfaatuntuk meningkatkan kemampuan penyaluran daya. Batas penyaluran tersebut tanpaPSS adalah 0,9 (pu) sedangkan dengan PSS yang diusulkan, batasnya dapatditingkatkan menjadi 1,01 (pu). Penambahan kapasitas penyaluran cukup berarti,yaitu 0,11 (pu) atau setara dengan 110 (MW) pada daya dasar 1000 MW. Jadi jelaslahbahwa PSS ini sangat bermanfaat dalam memperbaiki batas kestabilan sistem dayalistrik.

KESIMPULAN

Suatu program komputasi untuk menala parameter-parameter secara optimalpenstabil sistem daya tipe AP dengan mengevaluasi karakteristik torsi sinkron dantorsi redaman sistem tenaga listrik menggunakan fuzzy logic telah disajikan dalammakalah ini. Dengan metoda yang diusulkan, nilai parameter dapat ditentukan denganperhitungan yang singkat menggunakan komputer dan tanpa inemerlukan operatorahli. Pengujian dengan menggunakan model tak linear dari sistem tenaga listrikmenunjukkan unjuk kerja yang baik dari penstabil hasil desain. Hal ini terbuktidengan adanya perbaikan karakteristik redaman dan kenaikan batas stabilitas yangbesar dari sistem dengan menggunakan penstabi! tipe AP ini. Program komputasi inisangat bermanfaat dalam penalaan penstabil sistem daya di lapangan yang harusdilakukan secara berkala.

DAFTAR PUSTAKA

1. F.P. DE MELLO, C. CONCORDIA, "Concepts of Synchronous Machine Stabilityas Affected by Excitation Control", IEEE Trans. PAS, vol. PAS-88, No. 4, p. 316-329, 1969

2. Y. KOBAYASHI, O. FUNAYAMA, T. YUASA, T. HIRAYAMA, S. NOHARA,"A Simple Design Method for Power System Stabilizer and Their Test FieldResults", T. IEE of Japan, vol. B-51 no. 5, p. 271-278, 1971

271

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (279)

3. M.A. ISKANDAR, I.R. HUSDI, A. TRIPUTRANTO, D.A. SUBAGYO,"Program Komputasi untuk Desain Penstabil Sistem Daya Tipe Analog padaPembangkit Listrik", Lokakarya Komputasi dalam Sains dan Teknologi Nuklir V,BATAN, 1995

4. M.A. ISKANDAR, D.A. SUBAGYO, A. TRIPUTRANTO, I.R. HUSDI,"Peningkatan Penstabil Sistem Daya dengan Menggunakan Logika Fuzzy",Seminar and Workshop on Power System Dynamics and Control 1995, ITB, 1995

5. M.A. ISKANDAR, A. SUZUKI, M. ISHIZEKI, Y. MIZUTAMI, "StabilizingControl of Power System Using Fuzzy Control", T. IEE of Japan, vol. 112-13, No.12, p. 1111-1120, 1992

6. M.A. ISKANDAR, M.SATOH, A. SUZUKI, M. ISHIZEKI, Y. MIZUTAMI,"Hybrid Type Stability Control", T. IEE of Japan, vol. 113-13, No. 8, p. 914-923,1993

272

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (280)

P E M B A N G K I T

G O V

._.JAV R j ~J

X j

TRAFO

« P S !

SUl/B/l»TRAN S M IS 1

-VWV

Garnbar 1. Mode! satu mesin terhubung dengan bus tak terhingga

1 K1 I -

-Hn AS •

!.o i

A +UPSS\A +

'tref

MZ)

GAV

Tdo

eiref

Deviasi daya mekanikKonstanta Inersia generatorKoefisien redaman generatorFungsi transfer AVRKonstanta waktu rangkaianterbuka dari generatorDeviasi tegangan terminalreferensi generator

PSS :Ae, :

A?e / , APe2

A5 :Aco :

co0 :

PSS tipe APDeviasi tegangan terminalgenerator: Deviasi daya listrikDeviasi sudut torsiDeviasi putaran generatorPutaran sinkron

Gambar 2. Blok diagram model sistem untuk desain PSS tipeAP

273

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (281)

A P—•»

1

1

TQS

+ TQS

1

1 -

2

s

S

1

1 •

3

+ T3

>T4

s

s

4

Kp

Urn

/ UP9/

//

-U m

Gambar3. PSS tipe AP

N

Gam bar 4. Fungsi keanggotaanAe,

Aen

He

1

0 m,

«?,: parameter fuzzy yang bisa dituning

Gambar 5. Fungsi bobot prioritas [j., terhadap |Ae/,,|

274

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (282)

Tabel 1. Aturan fuzzy

POSNOLNEG

POSN0P

Aelt

NEGP0N

P : penambahan N : pengurangan 0 : tetap

Tabel 2. Konstanta Sistem

Generator:

AVR:

GOV:

Saluran Transmisi:

Alat ukur, rangkaian

/>,„„,= 1,05 (Pu) r,

D = 0,00531 (pu.s) xu

x,/=l,6(pu) V

co0 = 377 (rad/s) P

KA = 200,0 T,

K,=0,07 ' E,

a = 0,05 7;

jc, = 0,14(pu) x,

xe =x,+ x/2+Xj

reset: Tpm = 0,01 (s)

/«'=5,6 (s)

= l,62(pu)

n = h0 (pu)

,-0,9(pu)

(= 0,05 (s)

to = 7,3(Pu)

- = 0,2 (s)

= 0,52(pu)

A/=7,2(s)

V = 0,25 (pu)

^=1 ,0 (pu)

&, = 0,26 (pu)

7>=l,25(s)

Um =0,1 (pu)

r, = 2,0 (s)

x/=0,05(pu)

4,0 (s)

275

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (283)

Tabel 3. Hasil perhitungan nilai parameter PSS

Nilaiawal

(T)0.010.100.250.500.750.901.001.101.251.40

Nilai akhir

T,

0.090.092.002.000.851.001.101.201.351.52

T,

0.050.120.610.530.650.800.901.001.151.30

T3

0.000.230.222.000.851.001.101.201.351.50

T-i

0.020.150.250.890.670.800.901.001.151.30

0.710.660.280.100.500.520.540.560.590.60

Kn-

-0.1720.1640.446-0.081 .0.6090.4170.4460.4660.4850.470

Kx- Kxh_

-0.061-0.066-0.068-0.155-0.064-0.052-0.046-0.042-0.037-0.034

K„- KDh

-0.288-0.258-0.266-0.218-0.001-0.258-0.260-0.261-0.262-0.289

II

Ks-

K/,-0.050-0.050-0.050-0.140-0.047-0.036-0.029-0.025-0.019-0.016

m , . +

KDh*0.6560.2620.0390.5100.3920.0880.0640.0490.033-0.001

Kx- Kxh+

-0.034-0.031-0.031-0.124-0.029-0.017-0.011-0.006-0.0010.002

catatan : - Nilai awal 7";~7"_, = 7', /^,=0.1.

276

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (284)

ABSTRACT

DESAININSPEKSI PEMBANGKIT DAYAMELALUI SISTEM PAKAR

Landjono Josowidagdo*

111ID990000024

THE EXPERT SYSTEM APPLICATION FOR INSPECTION OF THE POWERPLANTS. This paper describes the application of Expert Systems to evaluate and consider theeconomical value of the inspection of the Power plant's electrical system and its accesories. Theproblem encountered in this field are complex and time consuming. As an example several factorsaffecting system voltage selections are load magnitude, distance from the main power supply, safety,standards, cost of utilization and service system equipment, and future load growth. The inspection dealwith interactions between alternatives, uncertainties, and important non financial parameter. Severalcomplex problems are multiple objective functions, multiple constraints, complex system interactions,the need for accuracy, the need for trade off, optimization, and coordination of the decision makingprocess. ASDEP is one of the expert system for electric power plant design that describe the applicationof the Artificial Intelligence to design of a power plant's electrical auxialiary system. In this circumtancethis paper will ellaborate another aspect for using the Expert system in the inspection .

ABSTRAK

DESAIN INSPEKSI PEMBANGKIT DAYA MELALUI SISTEM PAKAR Makalah inimencoba membahas pemanfaatan Sistem Pakar untuk desain inspeksi Pembangkit Daya. Dimana hal inisebenarnya tidaklah mudah dalam ruang lingkup konsep yang sangat komplek. Beberapa faktor komplekterkait seperti besar beban, jarak antara pencatu daya ke penerima daya, faktor keamanan, standar yangdipakai, ongkos dan sistem jasa, dan pengembangan masa depan. Dalam inspeksi pembangkit dayabiasanya dihadapkan masalah masalah ganda seperti; fungsi obyektif ganda, kendala ganda, interaksikomplek, ketepatan, optimasi melalui model trade off, dan koordinasi diantara para pengambilkeputusan. Hal tersebut saat ini adalah suatu bahasan yang sangat sulit dalam mencari solusi optimaldari pengambil keputusan yang mempunyai ke-pakaran dibidang berbeda. Sehingga pemikiran kearalipenggunaan Intelejensia buatan dalam mencoba meneliti suatu desain dilakukan untuk mencobamengurangi interaksi aktif dengan para pakar dan menurunkan tingkat subyektifitasnya. Reaktor atomsebagai pembangkit daya perlu sistem inspeksi dalam operasi yang sangat memperhatikan keselamatanjangka panjangnya. Sehingga masalah inspeksi Pembangkit Daya dengan tenaga Nuklir menjadi isuyang harus didekati lebih profesional. Untuk itu cara cara penyelesaian sistem pakar hendak dicobasebagai salah satu model yang baik untuk. ditelaah lebih lanjut. ASDEP adalah jenis penggunaan sistempakar dalam mencoba menjawab feasibility study dalam bidang desain peralatan untuk pembangkitlistrik yang masih dikembangkan oleh Southern Company Services di USA. Tulisan ini mengajak agarpengembangan Sistem Pakar tersebut juga dapat dilakukan dalam bidang inspeksi pembangkit dayayang ada dengan bentuk yang lain.

BPP - Teknologi

277

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (285)

PENDAHULUAN

Bila perusahaan pembangkit daya ingin meningkatkan kedudukan dan perannyadalam industri perlistrikan, maka perlu dilakukan efisiensi dalam segala bidang.Efisiensi perlu dilihat dari berbagai segi antara lain: kelembagaan, manajemen, sumberdaya manusia, investasi, dan operasi serta pemeliharaannya. Dalam kaitan itu, kriteriastrategisnya perlu didefinisikan dan dilaksanakan sehingga dapat ditaksir tingkatefisiensi di masa datang. Adapun kriteria strategis yang dapat dipertimbangkan antaralain sebagai berikut:

1. Pengeluaran sebenarnya dari operasional dan pemeliharaan peralatan baik dipusat-pembangkit maupun di kantor administrasinya.

2. Mutu produksi (listrik) yang berkaitan dengan gangguan, tegangan, dantingkat/variasi frekuensi.

3. Biaya produk untuk pembangkit,transmisi, distribusi, dan inspeksi selamaoperasi.

Untuk mencapai tujuan di atas perlu dilakukan pembenahan yang berkaitandengan investasi, yang meliputi manfaat ekonomis dari masa ekonomis suatu peralatanpembangkit. Dan pembenahan yang tak kalah pentingnya adalah pembenahan desaininspeksi pembangkit.

Kian meluasnya pemakaian sistem inteligensia buatan dewasa ini akanmemungkinkan untuk pengkajian dan penerapan sistem pakar dalarn desain inspeksisuatu pembangkit tenaga listrik, baik dari jenis bahan bakar minyak, maupun nukiir.Sebagai alternatif yang sudah banyak difikirkan untuk memenuhi teknologi bersihlingkungan. Maka pembenahan desain inspeksi pembangkit daya merupakan usaharekayasa produktivitas di masa depan, meskipun hal ini masih perlu dilakukan suatustudi yang sangat dalam.

PENDEKATAN METODA SISTEM PAKAR

Sulit dikatakan kapan sebenarnya sistem pakar ini mulai berkembang denganpesat. Akan tetapi sistem pakar ini sebenarnya merupakan bagian daripada kecerdasanbuatan (Artificial Intelligence). Sistem pakar adalah semacam program yang berisikanberbagai macam informasi dari berbagai macam bidang, dan pemakai dapatmenanyakan melalui program tersebut jawaban bijak apa yang dapat diberikan olehprogram tersebut.

MYCIN adalah salah satu sistem pakar yang dibuat dan dikembangkan diStanford University untuk membantu para spesialis dalam mendiagnosa danmenganalisis beberapa penyakit yang diderita melalui serangkaian tanya jawab yangmenyelesaikan solusi diagnosa dari penyakit.

278

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (286)

Program sistem pakar sangat baik untuk dapat dikembangkan pada berbagaibidang, dimana keputusan diambil dari pendapat pakar secara sistematis dan kbnsisten.Komputer akan lebih konsisten bila dibandingkan dengan manusia karena padaakhirnya manusia bagaimanapun pakarnya lebih tidak konsisten. Manusia mudah lelah,membutuhkan ketenangan, dan hal hal lain yang tidak perlu ada untuk komputer.Sehingga sistem pakar banyak dipakai karena tidak pernah emosi, seperti halnyamanusia. Dan sistem pakar kemampuannya tidak akan berkurang dan selalu memberijawaban seobyektif mungkin, yang terpenting jawaban dapat selalu disempurnakantingkat kecermatannya.

Sekitar tahun 1980-an mulai banyak diperkenalkan sistem pakar untuk dipakaipada konsultasi keuangan, pajak, asuransi, pariwisata, dan pembukuan skedulperjalanan. Itulah sebabnya akan dicoba sistem pakar untuk suatu disain inspeksi daripembangkit tenaga listrik, dimana masalah inspeksi pada kenyataannya juga merupakanhal yang perlu ditangani secara pakar.

Sebagai contoh adalah dikembangkannya oleh Southern Company Service diUSA sistem pakar untuk desain pembangkit tenaga diesel yang disebut ASDEP sebesar990 MVA.

FORMULASI DISAIN INSPEKSI PEMBANGKIT

Inspeksi pembangkit daya sangat penting dilakukan terutama dalam kaitannyadengan umur pakai ekonomis suatu pembangkit daya. Tujuan dari inspeksi pembangkitdaya adalah mengetahui secara integratif ketepatan dari waktu operasi dan juga umuroperasi, agar diperoleh suatu biaya operasi yang cukup rendah. Ruang lingkup suatuinspeksi pembangkit daya meliputi :

a. Inspeksi keharusan yang ditentukan oleh aturan sesuai kondisi operasi yangdiperbolehkan.

b. Inspeksi ketepatan dari komponen kritis dalam perioda waktu operasi.

Masalah penting dalam inspeksi pembangkit dewasa ini adalah kianberkembangnya teknologi pembangkit daya dimana sangat memerlukan kecepatankeputusan dan persyaratan inspeksi yang kian maju. Demikian juga banyak pembangkitdaya yang kian besar kapasitasnya sehingga penataan administrasi inspeksi menjadisangat besar dan memerlukan manajemen yang kian cepat dalam volume permasalahankomplek. Disamping itu dengan krisis bahan bakar minyak saat ini timbul berbagaiusaha pembangkit daya yang tidak hanya akan tergantung oleh sumber daya minyak.Timbul dewasa ini pembangkit daya jenis lain seperti pembangkit tenaga air, surya, dannuklir.

279

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (287)

Hal penting lain yang perlu dalam inspeksi pembangkit daya adalah aspekekonomis, dan sistem informasi manajemen untuk memecahkan masalah koordinasi,pengawasan, dan inspeksi. Sehingga dengan kelangkaan Sumber daya Manusiaterampil maka dirasakan perlu adanya sistem yang dapat menyelesaikan solusi inspeksisecara profesional sebagai layaknya solusi yang diberikan oleh tim pakar dibidanginspeksi pembangkit daya.

Hal lain yang perlu dikembangkan dalam desain dari inspeksi pembangkit dayaadalah jaminan mutu yang mengacu pada faktor faktor mutu yang saat ini bisadikaitkan dengan ISO 9000, sehingga aktivitas inspeksi merupakan dasar bagi standaroperasi. Filosofi untuk melakukan inspeksi agar selalu mendapatkan produk daya yangtepat sesuai kapasitas standar, serta inspeksi menjamin produk tetap benar. Prinsipnyaadalah mencegah bukan hanya sekedar mendeteksi kelemahan yang ada. Dengandemikian diperlukan kelompok fasilitas yang menangani perawatan peralatan danpengetesan melalui sistem manajemen inspeksi mutu.Dalam Total quality Management keterlibatan seluruh departemen tidak hanyaterhadap proses inspeksi tetapi juga pendukung operasional total seperti tertuang dalamISO.

Saran yang perlu dalam desain inspeksi agar memperoleh tujuan mutu produkdaya pembangkit yang baik adalah membuat program berupa modul-modul komputer.Atau sistem kbmputer, dimana keterlibatan komputer dalam inspeksi akan meliputiaktivitas sebagai berikut ini;

1. Pesanan/permintaan bahan bakar, pelumas,dll.2. Pencatatan produksi tiap pembangkit yang ada secara terpisah.3. Penilaian input-output terhadap masing masing pembangkit. '4. Titik pengawasan dan hasilnya.5. Dokumentasi status dan skedul pengawasan perawatan untuk rrtasing masing

komponen.6. Hal lain yang berkaitan dengan pembukuan untuk budgeting, depresiasi, jam

kerja perawatan, masa idle, dll.

Pengembangan desain inspeksi pembangkit daya dapat diturunkan dari kegiatan"inspeksi keharusan" dan inspeksi terhadap kegagalan operasi karena deviasi yangterjadi saat itu. Sehingga pada dasarnya dalam melakukan desain suatu inspeksipembangkit daya perlu lebih memperhatikan keadaan lapangan dari masing-masingpembangkit daya, dan semuanya dibakukan dalam suatu standar operasi yang sudahmelalui verifikasi.

Unsur standar yang perlu dimasukkan dalam merancang desain inspeksi adalah;kebijakan dan sasaran, sistem, sumber daya, dan dokumentasi. Dengan sistem pakarmaka formulasi inspeksi akan dilakukan sebagai proses yang berurutan sebagaiformulasi sistem pakar pengambilan keputusan denah dibawah ini.

280

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (288)

Suatu sistem pakar akan didisain untuk mencari teknik inspeksi apa yang perludilakukan untuk suatu kombinasi pengaturan dalam melakukan perawatan suatu sistempembangkit daya. Secara sederhana maka Knowledge base yang dibuat dapat disusunseperti pada susunan berikut ini.

Langkah dasar dalam desain inspeksi pembangkit daya akan terdiri dari halberikut ini;

1. Memilih obyek dan operator.2. Mendefinisikan alat ukur.3. Membedakan desain metoda efisien alat ukur.4. Menseleksi metoda inspeksi terbaik.

Sebagai desain awal dari suatu inspeksi dapat dikembangkan melalui SistemPakar dibawah ini, denganVP-EXPERT.

Bentuk blok "ACTIONS"

RUNTIME;ACTIONS

WOPEN 1, 2, 6, 10, 60, 7MOUSEOFFACTIVE 1DISPLAY "DESAIN INSPEKSI PEMBANGKIT DAYA"DISPLAY " "DISPLAY "Sistem pakar ini memberi arahan tentang perencanaaninspeksi perawatan pembangkit daya sesuai tipe dan isperalatannya.Tekan sembarang key untuk konsultasi.~"

CLSFIND SolutionWOPEN 2, 13, 13, 7, 48, 7WOPEN 3, 14, 14, 5, 46, 7ACTIVE 3LOCATE 2, 2DISPLAY "Perencanaan perawatan hendaknya melalui {#Solution}.(tekan sembarang key untuk mengakhiri konsultasi.-".;

Bentuk "RULES"

RULE 1IF Program = Pembangkit_daya OR Program = Distributor OR

Program = Kompartemen_lain ANDPenanggung_jawab = Inspektor ORPenanggung_jawab = Auditor ANDUji_fungsi = No

THENSolution = Laporan_NDTBECAUSE "Dengan NDT artinya memilih inspeksi yang aman, yang

281

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (289)

coco*k untuk uji sambungan pipa,pompa dari kebocoran, dll.dilihatperalatan masih belum cacat visual, dan terawat dengan seksamapada daerah perlu di-uji dan hasil ujinya.

RULE 1AIF Program = Pembangkit_daya OR

Program = Distribusi ORProgram = Transmisi ANDPenanggung_jawab = Auditor ANDUji_fungsi = No

THENSolution = Data_kapasitas_VisualBECAUSE "Melalui uji radiographi solusi untuk keadaan sambunganyang menyebabkan bocor, ini perlu untuk mengetahui fungsisambungan aman dari bocor, dimana didatangkan auditor spesialis,dan uji fungsi dilakukan ." ;

RULE 2IF Program = Pembangkit_daya OR

Program = Transmisi ORProgram = Kompartemen_lain ANDPenanggung_jawab = Inspektor ORPenanggung_jawab = Auditor ANDUji_fungsi = Yes

THENSolution = Eddy_currentBECAUSE "Keamanan operasi tetap terjamin selama inspeksi untukperalatan khusus, ini perlu diamati agar peralatan terpasangdengan benar, dan faktor pengujian nampaknya perlu dikonsntrirpada daerah sambungan pipa, dan bila perlu pengujian tidakmemerlukan uji fungsi. '* ;

RULE 2AIF Program = Pembangkit_daya OR

Program = Distributor ORProgram = Kompartemen_lain ANDPenanggung_jawab = Inspektor ANDUji_fungsi = Yes

THENSolution = Laporan_NDTBECAUSE "Keamanan operasi agar diutamakan untuk peralatankhusus, ini perlu mengetahui umur pakai dan kapasitas perawatanpelumasnya, dimana penanggung jawab perawatan agar disertakan,dan jika perlu tanpa melakukan uji fungsi untuk tidak menggangguoperasi." ;

RULE 3IF Program_utama = Transmisi AND

Program_utama = Distributor ANDPenanggung_jawab = Inspektor ORPenanggung_jawab = Pemb_inspektor ANDUji_fungsi = No

THENSolution = UltrasonicBECAUSE "Memilih secara aman peralatan inspeksi untuk

282

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (290)

peralatan tertentu, ini perlu agar peralatan diuji fungsinyadimana diperlukan, dan tidak mengganggu operasi komponen lain."

RULE 3AIF Program = Kompartemen_lain AND

Program = Pembangkit_daya ORProgram = Distributor ANDPenanggung_jawab = Auditor ANDUji_fungsi = No

THENSolution = Laporan_X_rayBECAUSE "memilih uji yang paling aman dan efektif untukperalatan yang dipantau kebocorannya, ini perlu agar peralatantidak bertambah parah, uji fungsi nampaknya perlu untukmengetahui agar peralatan bersih dari kebocoran atauuji dilakukan selama beroperasi." ;

RULE 4IF Program = Kompartemen_lain AND

Program = Distributor ORProgram = Transmisi ANDPenanggung_jawab = Inspektor ORPenanggung_jawab = Pemb_inspektor ANDUji_fungsi = Yes

THENSolution = Rutin_VisualBECAUSE "Memilih visual tes yang tepat agar tidak menggangguoperasional, untuk peralatan khusus lainnya perlu diketahui akanuji fungsi apa yang telah dilakukan di bagian dimana terjadideviasi." ;

RULE 4AIF Program = Kompartemen_lain AND

Program = Pembangkit_daya ORProgram = Transmisi ANDPenanggung_jawab = Auditor ANDUji_fungsi = Yes

THENSolution = rutin_X_RayBECAUSE "Inspeksi rutin adalah inspeksi yang dilakukanberdasarkan kebutuhan dari perawatan reguler, untuk itu perludipikirkan adanya uji fungsi yang mendukung kapasitas produksimeliputi catu daya yang optimal saat itu." ;

RULE 5IF Program = Kompartemen_lain AND

Program <> Pembangkit_daya ANDProgram <> Distributor ANDPenangggung_jawab = Inspektor ORPenanggung_jawab = Pemb_inspektor ANDUji_fungsi = No

THENSolution = Informasi kerusakan

283

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (291)

BECAUSE "Informasi teknis diteliti agar memperoleh tindakanrepresif yang benar dalam mengatasi penurunan kapasitas selamaitu sediakan inspeksi berdasar uji fungsi." ;

RULE 5AIF Program = Kompartemen_lain AND

Program <> Pembangkit_daya ANDProgram <> Distributor ANDPenanggung_jawab = Auditor ANDUji_fungsi = No

THENSolution = Informasi_lengkapBECAUSE "Pelajari informasi lengkap dari seluruh deviasi agardiperoleh keputusan inspeksi secara terperinci dan benar untukitu agar dilakukan uji fungsi secara terpisah darimasing masing peralatan." ;

RULE 6IF Program = Koinpartemen_lain AND

Program <> Pembangkit_daya ANDProgram_utama <> Distributor ANDPenanggung_jawab = Inspektor ORPenanggung_jawab = Pemb_inspektor ANDUji_fungsi - Yes

THENSolution = Kontrol_rutinBECAUSE "Organisir inspeksi total dalam artian bahwa seluruhperalatan dilakukan uji fungsi secara seksama, agar peralatanmencapai format kapasitas yang bisa diketahui sebelumnya." ;

RULE 6AIF Program = Kompartemen_lain AND

Program <> Pembangkit_daya ANDProgram <> Distributor ANDPenanggung_jawab = Auditor ANDUji_fungsi = Yes

THENSolution = NDT_totalBECAUSE "Uji NDT dipergunakan secara selektif terhadap seluruhperalatan yang diperkirakan mengalami deviasimelalui laporan dari hasil uji fungsi." ;

Bentuk "OTHER STATEMENTS"

ASK Program : " Tentukan daerah inspeksi yang diinginkan ?";

CHOICES Program : Pembangkit_daya, Distributor, Transmisi,Kompartemen_lain;

284

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (292)

ASK Uji_fungsi : "Apakah dilakukan uji fungsi dari peralatan dansistemnya dalam sistem penuh?";

CHOICES Uji_fungsi : Yes, No;

PLURAL : Program, Penanggung_jawab;

ASK Penanggung_jawab : "Siapakah yang mengerjakan diperlukan dalamperawatan saat ini ,pilih salah satunya?";CHOICES Penanggung_jawab : Inspektor, Pemb_inspektor, Auditor;

HASrL VALIDASI

Bentuk dasar dari Sistem pakar di atas secara mudah dapat dikembangkanmenjadi lebih terperinci mengingat keterbatasan dalam makalah ini. Dari bentuk awaltersebut hanyalah dapat digambarkan suatu langkah dasar awal yang sangat sederhana.

KESIMPULAN

Dari bahasan di atas dapat disimpulkan bahwa pendekatan sistem pakarsebenarnya sangatlah memungkinkan untuk menjadi dasar desain inspeksi perawatanPembangkit daya, terutama untuk inspeksi pembangkit tenaga nuklir, dimana sangatkomplek.

Makalah mengundang pendapat agar dapat dikembangkan menjadi lebih kompleksesuai dengan tuntutan inspeksi perawatan pembangkit daya.

DAFTAR PUSTAKA

1. J.J. JANSEN, HANS B. PUTTGEN, "ASDEP an Expert system for electric powerplant design", Applied Artificial Intelligence, A sourcebook, McGraw-Hill,Inc,1992

2. THOMAS DEAN, JAMES ALLEN, "Artificial Intelligence Theory andPractice",The Benjamin/Cummings Publishing Company,Inc.,NY, 1995

3. IGOR ALEKSANDER and HELEN MORTON, "Neural Computing",Chapman & Hall, 1990

4. SYLVIA FREIDERICH, "Expert Systems Design and Development", John Wileyand Sons.Inc, 1989

NEXT PAGE(S)left BLANK

285

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (293)

APLIKASI SISTEM PAKAR DALAM PERAWATAN INSTRUMENTASIALAT UKUR PADA SISTEM AKUISISI DATA

Widrianto Sih Pinastiko*

IIIIIILABTRACT ID990000025

APPLICATION OF EXPERT SYSTEM IN MEASUREMENT INSTRUMENTATION'SMAINTENANCE ON A ACQUISITION SYSTEM. Expert System is a part of the ArtificialIntelligence, a solution software for complicated problems, which solving the problems need experiencesand knowledge. This paper discussed about the research's result, that is a design of Expert System to helpinstrumentation's maintenance on a data acquisition system. By using application of Expert System, thesystem can do health monitoring, automatic trouble tracing ang gives advise toward the trouble. Thisinstrumentation's maintenance system is a tool which has an analytic and inference ability toward thetrouble. This smart system is a very useful tool to get a good data acquisition system quality. The modelsystem also can be developed to be a specific application as a remote instrumentation's managementsystem.

Keywords : Expert System. Acquisition, Data Processing

ABSTRAK

APLIKASI SISTEM PAKAR DALAM PERAWATAN INSTRUMENTASI ALAT UKURPADA SISTEM AKUISISI DATA. Sistem Pakar (Expert System) adalah bagian dari ilmu kecerdasanbuatan (Artificial Intelligence) yaitu suatu perangkat lunak komputer yang dapat membantumenyelesaikan masalah rumit; dan untuk pemecahannya merlukan dasar pengalaman dan pengetahuan.Pada makalah ini dibahas suatu hasil penelitian berupa penyusunan sistem pakar yang berguna untukmembantu dalam hal perawatan instrumentasi alat ukur dalam suatu sistem akuisisi data. Pada sistemakuisisi data membutuhkan adanya elemen alat ukur yang kemampuannya dapat diandalkan. Dengandemikian diperlukan adanya pengelolaan dan perawatan elemen alat ukur tersebut. Dengan menggunakanaplikasi Sistem Pakar, dirancang suatu alat bantu yang berupa perangkat lunak untuk perawataninstrumentasi alat ukur yang dapat melakukan pemantauan, melacak dan diagnosa kerusakaninstrumentasi serta dapat memberikan saran atas kerusakan atau kesalahan alat ukur tersebut. Sistem inimerupakan alat bantu otomatis yang mempunyai kemampuan analis dan daya nalar terhadap suatumasalah. Program sistem perawatan instrumentasi alat ukur yang pintar ini akan sangat membantu bagiproses pengelolaan sistem dan pada akhirnya akan menunjang kualitas dari sistem akuisisi data. Modeldari sistem ini dapat dikembangkan untuk aplikasi lainnya, misalkan suatu sistem pengelolaaninstrumentasi jarak jauh (remote system).

Kata kunci: Sistem pakar. Akuisisi Data, Pengolahan Data

' Laboratorium Aero Gasdinamika - BPP Teknologi

287

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (294)

PENDAHULUAN

Dewasa ini ilmu komputer berkembang secara dinamis, ilmu kecerdasan buatanmerupakan salah satu diantaranya. Kecerdasan buatan (Artificial Intelligence) adalahilmu pengetahuan tentang bagaimana membuat suatu peralatan (mesin) sedemikianrupa sehingga menyerupai kepandaian manusia.dimana bekerja berdasarkan simbol-simboldan metoda non algoritmik guna memecahkan suatu persoalan Sistem Pakar(Expert System) adalah bagian dari ilmu kecerdasan buatan dimana berupa perangkatlunak komputer yang mempunyai keahliah tertentu. Keahlian yang dimilikinyabersumber pada ilmu pengetahuan (knowledge) dan ditambah dengan pengalamanpraktis yang dimiliki oleh seorang pakar (Expert). Dengan kemampuan demikian,Sistem Pakar akan sangat berguna sebagai alat bantu (tool) dalam menyelesaikanmasalah yang rumit. Pada makalah ini dibahas tentang aplikasi dari Sistem Pakaruntuk membantu suatu pengelolaan instrumentasi alat ukur dari suatu sistem akuisisidata. Sistem akuisisi data adalah suatu sistem perolehan data dari suatu pengukuran,data yang diperoleh disimpan dalam komputer untuk pengolahan lebih lanjut. Sistemakuisisi data terdiri dari pengkuran, pengumpulan dan pengolahan data. Elemen dasarpada sistem ini yaitu sensor, alat ukur elektronik (instrumentasi), antarmuka(interface) dan perangkat komputer.

Untuk mendapatkan hasil yang baik dari sistem ini diperlukan pula kualitas dantingkat kondisi yang "sehat" (baik) dari setiap elemen. Dengan demikian diperlukanadanya pengelolaan dan perawatan elemen sistem dengan benar dan baik.Pengelolaan ini akan menjadi rumit seiring dengan jumlah dan macam dari elemen.Sistem yang dirancang ini adalah suatu alat bantu yaitu berupa perangkat lunak yangdijalankan di komputer sistem akuisisi tersebut. Latar belakang penelitian ini yaitubahwa dalam proses perawatan instrumentasi mempunyai kendala diantaranyaketergantungan pada keahlian tenaga dan waktu teknisi yang terbatas, waktu yangsempit untuk proses perbaikan. Dengan kendala tersebut periu adanya alat bantu yangdapat menaggulanginya. Sistem pengelolaan ini terdiri dari tiga (3) bagian, yaitubagian pemantauan keadaan alat ukur, bagian pelacak kerusakan alat ukur dan bagiandiagnosa kerusakan serta saran. Dua aspek penting yang menunjang program sistemperawatan instrumentasi ini, yaitu aspek perangkat keras dan aspek perangkat lunak.Pada aspek pertama, komputer dan instrumen alat ukur harus sudah terhubung dandapat saling berkomunikasi. Aspek kedua, komputer dapat mengontrol alat ukurtersebut serta dapat mengambil dan mengumpulkan data status/kondisi dari setiap alatukur dengan lengkap. Data yang lengkap ini menjadi suatu fakta yang kemudiandiproses dengan algoritma Sistem Pakar.

Dengan menggunakan teknik aplikasi Sistem Pakar, dihasilkan suatu programsistem perawatan instrumentasi alat ukur yang dapat melakukan pemantauan, melacakdan diagnosa kerusakan instrumentasi serta dapat memberikan saran atas kerusakanatau kesalahan alat ukur tersebut. Sistem ini merupakan alat bantu otomatis yangmempunyai kemampuan analis dan daya nalar terhadap suatu masalah. Uji coba

288

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (295)

sistem dilakukan untuk menguji dari kinerja rancangan perangkat lunak yang telahdisusun pada suatu sistem akuisisi yang telah berjalan.

Program sistem perawatan instrumentasi alat ukur yang pintar ini akan sangatmembantu bagi proses pengelolaan sistem dan pada akhirnya akan menunjangkualitas dari sistem data akuisisi. Model sistem pengelolaan instrumentasi alat ukurini dapat dikembangkan untuk aplikasi khusus lainnya, misalkan suatu sistempengelolaan suatu instrumentasi jarakjauh {remote system).

SISTEM PAKAR

Pada hakekatnya Kecerdasan Buatan dan Sistem PaTcar bersumber pada cabangilmu komputer. Kata lain dari Sistem Pakar yang kita kenal yaitu Sistem Ahli atauSistem Pintar.Kecerdasan buatan erat kaitannya dengan disiplin ilmu lain, diantaranya yaitupsikologi, ilmu kognitif, bahasa komputasi, pengolahan data, decision support system,manajemen dan lainnya. Sistem Pakar adalah bagian dari Kecerdasan buatan yangberupa suatu perangkat lunak (program) komputer yang mempunyai kemampuanuntuk memecahkan masalah yang sangat rumit, untuk pemecahannya memerlukandasar pengetahuan dan pengalaman. Sistem Pakar menyediakan sarana untukmenyimpan pengetahuan, kepakaran (keahlian) dan pengalaman praktis manusia kedalam sistem komputer. Dengan kemampuan tersebut, Sistem Pakar dalampenggunaanya atau dalam aplikasinya dapat berlaku atau berperan sebagai suatusistem seperti berikut;

a. Sebagai Ahli (Pakar) yang dapat bekerja secara otomatis.Secara otomatis akan melakukan proses, mulai dari analisa masalahsampai dengan membuat keputusan dan memberikan saran atau perintah.

b. Sebagai Konsultan Ahli.Sistem Pakar dapat memberikan masukan, saran, pertimbangan untukprosespengambilan keputusan.

c. Sebagai MitraSistem Pakar akan memberikan saran, tempat bertanya danberdiskusi.

d. Sebagai Asisten yang pandai.Sistem Pakar akan membantu dalam proses pengambilan keputusan.

e. Sebagai Guru.Sistem Pakar dapat sebagai sarana untuk belajar.

289

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (296)

Dari sejumlah peran tersebut dapat diambil manfaat Sistem Pakar, yaitu :a. Mempercepat proses analisisb. Memperoleh dan menyimpan pengetahuan.c. Memenuhi kepakaran seseorang yang sulit dan mahal untuk didapat.d. Menggatikan tugas seorang ahli/pakar jika berhalangan.e. Meningkatkan kemampuan personil yang kurang terampil dan pengalaman.f. Menghemat kebutuhan akan pelatihan personil.

Penggunaan Sisitem Pakar dalam penelitian ini dibatasi dalam bidang :a. Sistem Diagnosa.b. Sistem Pemantauan {monitoring)c. Interpretasi sinyal.

Secara global, Sistem Pakar terbentuk dari komponen-komponen sbb;a. Basis Pengetahuan {Knowledge Base)b. Basis Data {Data Base)c. Mesin Penalaran {Inference Engine)d. Subsistem Antarmuka Pemakai {User Interface Subsystem)e. Subsistem Akuisisi Pengetahuan {Knowledge Acquisition Subsystem)f. Subsistem Penjelasan {Explanation Susbsystem).

Pada gambar 1, dapat menjelaskan hubungan masing-masing komponen yangterangkai dalam Arsitektur Sistem Pakar. Basis Pengetahuan memuat obyekpengetahuan dan hubungan antar obyek yang terdapat dalam masalah tertentu. BasisPengetahuan digunakan sebagai suinber kecerdasan sistem yang kemudian diolah olehmesin penalaran dalam mengamb.il keputusan. Karena basis pengetahuan dipisahdengan mesin penalaran dan kontrol, maka pengetahuan yang tersimpan dapatdirubah, dimodifikasi atau dikembangkan. Dalam Basis pengetahuan terdapat FAKTA(berupa informasi atau situasi tentang obyek) dan KAIDAH {rule - berupa informasicara membentuk fakta baru berdasarkan fakta yang sudah diketahui). Basis data ataumemori kerja adalah bagian yang mencatat semua fakta, baik berupa input faktamaupun kesimpulan sem*ntara yang diambil selama proses berlangsung. Fakta danKaidah yang tercatat diproses oleh subsistem penjelasan untuk menerangkanbagaimana suatu kesimpulan dibentuk. Mesin penalaran menganalisa suatu masalahdan membuat kesimpulan terbaik berdasarkan kaidah. Subsistem akuisisi pengetahuanakan menterjemahkan fakta-fakta dan kaidah dari bentuk bahasa kaidah ke bahasatingkat tinggi pembangun sistem pakar.Pada makalah ini dibahas suatu penelitian mengenai pembangunan suatu sistem pakaruntuk diaplikasikan dalam perawatan sistem instrumentasi pada suatu sistem akuisisidi laboratorium UPT.LAGG.

290

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (297)

PERANCANGAN SISTEM

Sistem Akuisisi Data

Akuisisi Data (Data Acquisition) adalah suatu sistem perolehan ataupengumpulan data di komputer dengan tujuan tertentu. Aliran data dimulai dariproses di sensor-sensor, peralatan instrumentasi alat ukur, kemudian melaluiantarmuka dikumpulkan di komputer. Gambar 2, terlihat aliran data pada SistemAkuisisi Data sebagai berikut.

Pengendalin alat ukur dan pengambilan data

Pada gambar 3 terlihat bahwa sensor-sensor (transduser) akan merubah besaranfisik (Temperatur, Pressure, Force) menjadi besaran listrik (Voltage, Resistance).Sensor diberi catu daya oleh alat ukur, sinyal output dari sensor (sinyal analog) di-inputkan ke instrument alat ukur. Pada alat ukur ini sinyal tersebut dikondisikansedemikian rupa sehingga siap untuk diteruskan ke komputer melalui DAS Interface.Bekerjanya alat ukur ini dikeiidalikan oleh komputer melalui Das Interface. Komputermemberikan perintah dan menerirna data dari DAS Interface melalui I/O ParalelMultiplexer 16 bit yang terpasang di salah satu slot komputer. Perintah dari komputerditeruskan oleh DAS Interface sesuai dengan alamat untuk mengendalikan alat ukur,dan sebaliknya DAS Interface membaca data dari alat ukur melalui binary ata busuntuk alat ukur CU dan BCD data bus untuk alat ukur HIL dan LLI. Pada periodetertentu dilakukan kalibrasi terhadap CGN (Calibration Generator). CGN menerimaperintah kalibrasi serta memberikan data kalibrasi ke DAS Intrerface untuk diteruskan*e komputer dan dibandingkan dengan data keluaran dari alat ukur. Dari proseskalibrasi alat ukur terhadap CGN secara otomatis oleh komputer diperoleh hasilberupa Iayak tidaknya kondisi alat ukur CU, HIL maupun LLI untuk prossespengukuran. Proses kalibrasi (Calibration Check) alat ukur ini dilakukan berulang-ulang setiap kali pengukuran akan dilakukan. Jumlah alat ukur CU = 40 unit, HIL = 7unit dan LLI = 7 unit.

Struktur perangkat keras Instrument alat ukur CU

Salah satu alat ukur disebut dengan Conditioning Unit (CU) merupakan salahsatu instrumen ukur yang digunakan untuk membaca sinyal DC (Volt) dari transducerdalam bentuk sinyal analog dan di-konversikan ke dalam bentuk sinyal digital. Sinyalini di-kondisikan sedemikian rupa sehingga siap untuk dikirim dan diolah olehkomputer. CU ini mempunyai mempunyai ketelitian hingga 1 mikro Volt pada skalaterkecil. Secara fisik CU terdiri dari sebuah mother board dan 11 buah modul board

291

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (298)

(card) yang dengan mudah dibongkar-pasang. Secara fisik bentuk CU berupa balok(box) dengan ukuran panjang x lebar x tinggi adalah 40x10,5x20,5 cm. Modul boardberfungsi mengendalikan sinyal masukan agar tidak terjadi kerugian tegangan,konversi ke sinyal digital dan lain sebagainya.Modul board yang ada pada CU adalah sebagai berikut:

.1. Operate and Display function 7. Dual slope ADC board (AD)2. Instrumentation Amplifier (IA) 8. Binary to BCD board (BD)3. Balance board (BA) 9. Digital Interface Board (DI)4. Exitation board (EX) 10 & 11. Power Supplay board (P1 & P2)5. Overload detection and output buffer.6. Filter board (FL)

Setiap modul dalam alat ukur dapat diperiksa satu persatu dengan mengunakanperangkat lunak yang telah ada. Pemeriksaan ini dilakukan secara otomatis dan rinci,sehingga dapat diperiksa kesehatannya setiap instrumen dengan teliti. Program yangdigunakan adalah sebagai berikut:

a. contest : memeriksa alat ukur CUb. hiltest : memeriksa alat ukur HILc. llitest : : memeriksa alat ukur LLI.

Dalam pengoperasian alat ukur tersebut dituntut selalu dalam kondisi yangprima, sem*ntara penggunaannya terus menerus dan dalam jangka waktu yang relatiflama (3 bulan tiap phase). Yang diharapkan jika terjadi gangguan pada alat ukur :cepat diperbaiki, cepat diketahui masalahnya. Untuk menanggulangi ini diperlukanteknisi yang pandai dan alat bantu yang lengkap. Jika alat bantu kurang lengkap danteknisi berhalangan nadir maka dapat dibayangkan tingkat kesulitan dalam menanganimasalah ini. Dengan teknik sistem pakar diharapkan kendala ini akan dapat diatasi.

Algoritma Sistem

Sistem ini dirancang untuk diberi kepandaian tentang teori instrumentasi danpengalaman praktis dari teknisi, sehingga diharapkan dapat membantu dalammenangani masalah alat ukur. Untuk mendapatkan data (fakta) tentang keberadaanatau kondisi dari alat ukur dimanfaatkan modul program contest, hiltest dan llitestyang telah ada. Sistem ini tersusun dalam satu program yang ditulis dengan bahasafortran 77. Algoritma sistem program ini terlihat pada gambar 4 berikut.

292

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (299)

Sistem ini dirancang untuk diberi kepandaian tentang teori instrumentasi danpengalaman praktis dari teknisi, sehingga diharapkan dapat membantu dalammenangani masalah alat ukur. Untuk mendapatkan data (fakta) tentang keberadaanatau kondisi dari alat ukur dimanfaatkan modul program contest, hiltest dan llitestyang telah ada. Sistem ini tersusun dalam satu program yang ditulis dengan bahasafortran 77. Algoritma sistem program ini terlihat pada gambar 4 berikut.

CALIBRATION CHECK / HEALTH CHECK

Pada langkah ini, program memanggil subroutine CCU, CHIL dan CLLI yangmempunyai tugas sebagai berikut:a. Pelaksanaan Kalibrasi CU, HIL dan LLI terhadap CGN

Untuk menetukan hasil kalibrasi ini diberlakukan adanya batas toleransi yangdiijinkan CU untuk operasional.

b. Hasil pemeriksaan, berupa pesan :I. LOCAL : berarti alat ukur di-set lokal (switch off) atau not remote atau power

offdtoa tidak terhubung ke sistem (gangguan pengkabelan).ii. no remark (blank): alat ukur dalam keadaan baikiii. remark"??" : ada masalah ketidak akuratan/kerusakan.

Fakta-fakta diperoleh sebagai hasil dari eksekuso subroutine CCU, CHIL dan CLLI.Hasil dari langkah ini berupa informasi tentang kesehatan setiap alat ukur. Untukpenelusuran lebih lengkap dilakukan pada langkah berikutnya.

INTELLIGENCE TROUBLE TRACING

Langkah ini merupakan lanjutan dari langkah sebelumnya yang menghasilkaninformasi kesehatan alat ukur telah diperoleh. Untuk alat ukur yang mempunyaikondisi tidak baik diperiksa secara detail kesehatannya untuk penelusuran kerusakan.Dalam langkah ini di panggil Subroutine CONTEST, HILTEST dan LLITEST.

DIAGNOSE, SUGGESTION

Pada langkah ini secara penulisan program sebenarnya tidak terpisahkandengan langkah sebelumnya. Secara fungsional dalam langkah ini berfungsi untukmengolah data langkah sebelumnya dengan menggunakan kaidah-kaidah sehinggadidapat suatu keluaran di monitor atau printer berupa saran dan anjuran yang harusdilakukan untuk pelaksanaan perawatan. Keluaran yang didapat dari langkah ini :a. Penentuan kesalahan alatb. Saran dan anjuran

293

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (300)

REPAIRING

Langkah ini merupakan pelaksanaan dari hasil kesimpulan langkah sebelumnyayang berupa saran dan anjuran yang harus dilakukan oleh operator atau teknisi. Padalangkah ini ada beberapa jenis pekerjaan yang dilakukan, yaitu :a. Penggantian modul, kemudian dilakukan pemeriksaan alat ukur kembali.b. Penggantian komponen yang rusak dari modul dilakukan di bengkel

elektronik, kemudian dilakukan pemeriksaan kembali.c. Adjustmen dari beberapa modul (peyesuaian dengan CGN).

KESIMPULAN

Perlu adanya perawatan yang teratur dan benar pada setiap alat ukur untukmendapatkan hasil pengukuran yang akurat dan benar. Sistem perawatan danoperasional dari suatu alat memerlukan suatu pengetahuan dan keahlian. Hasiiperancangan sistem dan simulai diperoleh bahwa :

- Sistem berupa program tool yang berguna untuk membantu perawatan- Secara teknis, diagnosa dan solusi yang diberikan sistem sangat membantu

proses perawatan dan operasional.- Penggunaannya dapat menghemat waktu dalam proses pengambilan keputusan

dan sistem ini dapat menggantikan operator jika berhalangan.- Sistem masih harus dikembangkan supaya ke-pakar-an sistem semakin tinggi

sehigga akan lebih akurat dalam memberikan solusi.Prosedur, pengetahuan dan keahlian dalam perawatan dapat dituangkan pada

satu sistem yang pintar, sehingga pada akhirnya akan mendapatkan alat ukur yangakurat dan data yang benar. Hal ini akan sangat menunjang proses produktifitas.

DAFTAR PUSTAKA

1. CON UNIT,NLR, 19872. CGN, NLR, 19873. DISDAS,NLR, 19874. HLI,NLR, 19875. LLI, NLR, 19876. ILST-DARS SYSTEM DEFINITION DOCUMENT VERSION 1, NLR, 1987.7. ROBERT J. SCHALKOFF,"Artificial Intelligence: An Engineering Aproach",

McGraw-Hill Computer Science Series, 1990.

294

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (301)

Basis Pengetahuan

Kaidah Fakta

Mesin Penalaran

Inferensi Kontrol

SubsistemAkuisisi Pengetahuan

SubsistemPenjelasan

AntarmukaPemakai

PakarAkuisisi Pengetahuan

Gambar 1. Arsitektur Sistem Pakar

Pemakai

p.

Sensor/Transduser

Instrumentasialat ukur

Antarmuka Komputer

Gambar 2 . Sistem Akuisisi Data

295

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (302)

sensor T/dVP/dR, F/dR

Sensor P/V

CU

HIL

Sensor F/dR LLI

CGN

KomputerHP - 1000

DASinterface

CU : Conditioning UnitHIL : //*£/! Level InterfaceLLI : Low Level InterfaceCGN: Calibration GenerationDAS : Data Acquisition System

Gambar 3 . Sistem Akuisisi Data di LAGG

CALIBRATION CHECK (HEALTH CHECK)MONITORING

INTELLIGENCE TROUBLE TRACING

DIAGNOSESUGGESTION

REPAIRING

Gambar 4 . Algoritma Sistem

296

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (303)

DISKUSI

AMIR RUSLI

1. Bagaimana tingkat kepercayaan dan kapan masa berlakunya?2. Bagaimana cara mengatasi kelelahan bila unit informasi yang digunakan pada

input data adalah digital, misal 1-10?3. Apakah setiap sistem pakar hanya untuk satu alat (instrumenn)?4. Apakah istilah electronic gost (kekacauan dalam sistem elektronik pernah

dialami?

WIDRIANTO S.P.

1. Dengan pembaharuan terus-menerus didapatkan sistem yang semakin pintar dandapat dipercaya dan masa berlakunya tidak terbatas.

2. Penelusuran/pengecekan dilakukan satu persatu secara detail.3. Sistem ini hanya dapat digunakan pada sistem di LAGG-BPPT.4. Berdasarkan pada pengalaman, sistem ini belum pernah terpengaruh oleh hal-hal

non teknis.

IYAN TURYANA

1. Bagaimana sistem pakar bekerja pada suatu sistem (akuisisi data) yang berubah-ubah?

2. Selain mencari kesalahan, apakah software yang digunakan dapat mencaripenyebab terjadinya kesalahan itu?

WIDRIANTO S.P.

1. Sistem ini tidak bergantung pada sensor dan jumlah alat ukur yang dipakai.2. Sebagai sistem yang selalu berkembang, dengan memasukkan unsur ilmu

pengetahuan dan pengalaman praktis akan membuat sistem menjadi sempurna.

297

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (304)

AGUS FANAR SYUKRI

1. Bagaimanakah rutinitas pengecekan pada sistem pakar?2. Berapa lama waktu yang diperlukan untuk pengecekan satu unit instrumen?

WIDRIANTO S.P.

1. Setiap akan dilakukan pengukuran.2. Untuk mengecek kesehatan satu instrumen diperlukan waktu ± 0,5 menit, sedang

untuk penelusuran kerusakan bergantung pada jenis dan tingkat kesulitankerusakan.

M. SUDJATMIKO

1. Kenapa tidak dibuat sistem fault tolerance pada sistem alat ukur yang ada, yaitubila salah satu alat ukur rusak, maka langsung mengaktifkan alat ukur back upsecara otomatis, sehingga tidak ada data yang hilang?

2. Bagaimana bila sensor tidak bekerja dengan baik?

WIDRIANTO S.P.

1. Pada sistem akuisisi data di LAGG tersedia cadangan alat ukur untukmenggantikan yang rusak.

2. Sistem ini tidak bergantung pada sensor.

SARWO D. DANUPOYO

Tingkat kepakaran yang bagaimana yang dimanfaatkan dalam pembuatan programbila dilihat dari pengetahuan, pengalaman, dan jumlah?

WIDRIANTO S.P.

Tingkat kepakaran yang dimanfaatkan adalah: ahli komputer, ahli akuisisi data,teknisi, dan operator.

298

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (305)

CHAOTIC SCATTERING

M. Bunjamin*

ID990000026

ABSTRACT

CHAOTIC SCATTERING. It is now widely known among the scientists that chaos and fractalare two natural phenomena which are occurring in many branches of science. In this paper the author ispresenting chaos and fractal in relation to the classical scattering, known as chaotic scattering. The studywas done through the use of computer simulation for a highly simplified problem of a two-dimensionalscattering of rays coming from the x = - oo direction on a system consisting of three or more circular harddisks. The scattering turned out to be chaotic and with an indication of a fractal structure.

ABSTRAK

HAMBURAN KHAOTIK. Pada waktu ini sudah diketahui secara luas oleh para ilmuwan bahwakhaos dan fraktal adalah dua gejala alam yang ditemukan di banyak cabang ilmu pengetahuan.Di makalah ini penulis menyajikan khaos dan fraktal dalam kaitannya dengan hamburan klasik. yangdisebut sebagai hamburan khaotik. Studi ini dilakukan lewat simulasi komputer untuk masalah yangsangat disederhanakan berupa hamburan di bidang datar pada sinar yang datang dari arali x = - <x> padasuatu sistem yang terdiri dari tiga atau lebih cakram lingkaran keras. Hamburan yang terjadi ternyatabersifat khaotik dan menunjukkan struktur fraktal.

INTRODUCTION

Scattering is a widely used method of experimental research by physicists andchemists, such as in material science, where the system under investigation may be acertain kind of crystals. In this method the system under investigation — which startedout as a black-box for the researchers — is subjected to a bombardment of rays,usually X-rays or neutrons, of different initial states. After interacting with — andscattered by — the system, the characteristics of the scattered rays are recorded. Theoutput variable characterizing the rays after scattering, usually the scattering angle, isplotted against an input variable characterizing the rays before scattering, which maybe energy or some other impact parameter. The cause => effect relationship betweeninput and output variables is called the scattering function. By studying this functionfor different inputs, systems, and outputs, the researchers tried to extract as much

* Pusat Pendidikan dan Latihan - BATAN

299

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (306)

information as possible regarding the characteristics of the system underinvestigation, thereby making the black-box into a gray-box. This kind of scientificproblem solving is what is known as solving an inverse problem [4]. Through acomputer simulation on a simplified planar scattering system to be described below, itwill be shown that usually this scattering function has many discontinuities orsingularities. Near these singularities, small changes in the input may cause largechanges in the output, so that it seems justified to suspect that in this case chaos wereinvolved [1, 2, 3, 5]. If this were true, then we would have encountered what may becalled chaotic scattering. By studying the scattering microscopically throughcomputer simulations, it is hoped that further understanding will be gained and thatthe gray-box will be approaching further to a transparent-box. If the experimentalmethod of scattering was an inverse problem, then the computer simulation method isa forward or direct problem. If the difference in results between experiments andsimulations are relatively small and within acceptable tolerance, then the researcherscan rest assured that they have approached scientific truth.

TWO-DIMENSIONAL SCATTERING WITH THREE DISKS

To simulate chaotic scattering, consider a system model (known as Gaspard-Rice scat-tering system) discussed by several authors [1, 3], as shown in Fig. 1. It isassumed that each disk has radius = 1 and their centers are located at the corners of an

equilateral triangle whose sides are d - 2.5 and corners at (-c?v3/6, d/1), (JV3/3, 0),

and (-fifv3/6, -d/1), respectively. Because the disks are hard, each incoming ray orparticle on a particular disk is totally reflected, with each angle of reflection equal tothe angle of incidence. For simplicity, it is assumed that the particles were comingfrom the x = - oo direction and parallel to the *-axis with an impact parameter b, whichis the vertical distance between the horizontal particle trajectory and the x-axis. Afterundergoing one or more reflections by the disk(s), the particle will eventually leavethe system for infinity. This number of reflections N depends on the impact parameterb, therefore N = N(b) and is called delay-time function. It is somewhere between1 and about 20, but in theory it can go to oo. The scattering angle G with which theparticle is leaving the system also depends on b, there-fore 0 = Q(b) and is calledscattering function. It is somewhere between 0 and In radians.

In the following table, three sets of three nearly equal values of b were chosen,namely nos 1, 2, & 3, then 4, 5, & 6 and finally 7, 8, & 9, and in the next columns thecorrespon-ding values of N and 9 are displayed.

300

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (307)

123456789

b =0.356400.356450.356500.356850.356900.356950.357050.357100.35715

N =666511871110

0 =1.5176041.6552911.7833810.49776210.12468133.3083274.9825865.4627044.784309

In the case of nos 1, 2, & 3 (Fig. 2), it can be seen that a small change of 0.00005 inthe impact parameter b result in small changes in the number of reflections //(in thiscase no change at all, because N is an integer) and in the scattering angle 9. Thisindicates that the scattering function near these values of b are smooth.

On the other hand, cases 4, 5, & 6 (Fig. 3) and 7, 8, & 9 (Fig. 4) show exampleswhere the same small change in b result in large and unpredictable changes in N aswell as in 0. In these cases, therefore, a much more complicated behavior of thescattering function occurred. This sensitive dependence of the output on the input isa clear indicator of the presence of chaos. Hence the name chaotic scattering. Thesevalues of b that correspond to the sensitive dependence of output on input parametersare only two of many other values of b with similar behavior. This fact may be seenfrom Figures 5 and 6, where the output parameters TV and G are plotted against theinput parameter b that varies from 0 to 0.5 with steps of 0.0025. The figures show thatthe plots contain both smooth and wildly fluctuating parts. It is interesting to note thatthese smooth and oscillating dynamics repeats it self on a smaller scale, which maybe seen from Figs. 7 and 8. The repetition of certain dynamical features at differentscales, also called self-similarity, is typical of fractal sets.

To further quantify the chaotic nature of the scattering, it is convenient tocompute the fractal dimension of the set of singularities in the scattering functions.To compute the fractal dimension, also called the uncertainty dimension, thefollowing procedure is used [3]. At an arbitrary location on the left of the scatteringregion, an impact parameter b is randomly chosen. Suppose a small perturbation isgiven to b to obtain a nearby initial condition b + e. The scattering trajectories ofparticles originating from these two initial conditions are computed. If the number ofreflections N experienced by the two particles is the same, then the first initialcondition is called certain against small perturbations. This behavior occurs if theinitial condition is chosen to be in the range where the scattering and delay timefunctions are smooth (Fig. 2). Due to the presence of singularities in these functions,however, it may happen that the two nearby initial conditions will lead to trajectories

301

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (308)

that behave very differently. Such initial conditions are called uncertain against smallperturbations (Figs. 3, 4). For a given perturbation e, it is possible to compute thefraction of uncertain initial conditions ftz) for many randomly chosen initialconditions. In this numerical experiment, Xe) is obtained by accumulating 200uncertain initial conditions among M total initial conditions, that is, fts) = 200/MAs e decreases,Xe) ' s expected to decrease as well. In most physical situations,^)scales with E asj{z) ~ E°\ where a is the uncertainty exponent. The dimension of thefractal set is given by D = 1 - a.

Fig. 9 shows the uncertainty fraction J{e) as a function of the perturbation s on alogarithmic scale. Using linear regression, it was found that a a 0.3 so that the fractaldimension is D - 1 - a « 0.7.

The dynamical mechanism for the occurrence of chaotic scattering is theexistence of an invariant set containing an infinite number of unstable periodic orbitsin the scattering region. Periodic orbits are particle trajectories that repeat themselvesafter a certain number of bounces in between the hard disks. Therefore, thesetrajectories are trapped in the scattering region forever. Fig. 10 shows some examplesof such periodic orbits, with three period-two orbits (orbits that repeat themselvesafter two bounces) and one period-three orbit (an orbit that repeats itself after threebounces). These periodic orbits are unstable, that is, perturbations to the orbits, nomatter how small, will result in deviation away from the periodic orbit and theparticle will eventually leave the scattering region. For the three-disk system, periodicorbits can be represented by abstract symbols. Suppose that a particle trajectory islabeled a\ a2 a^... an.\ an an+i ..., where an - i if the trajectory bounces off disk / at the/7-th bounce. Because a typical scattering trajectory eventually leaves the scatteringregion, the corresponding symbol representation has only a finite number of symbols.

Periodic orbits are represented by a string of infinite symbols consisting of afinite number of the repetition of a certain finite number of symbols. For example, thethree period-two orbits in Fig. 10 can be represented by 121212 ..., 232323 ..., and131313 ..., respectively, and the period-3 orbit can be represented by 123123123 ...,(or 231231231 ... or 312312312 ...); As the period/» of the orbit increases, the numberof orbits increases exponentially, because the number of ways of representing a stringa\ tf2 #3 ••• Op.\ ap of iength p increases exponentially as a function of p. Thereforethere must be an infinite number of periodic orbits for the Gaspard-Rice scatteringsystem, which are unstable.

Besides these periodic orbits, there are also trajectories that wander in thescattering region forever but never repeat themselves, as can be seen again from thesymbol representation a\ a2 a^ ... a„.\ an a„+] .... There are also an infinite number ofaperiodic trajectories (also called chaotic trajectories), which, together with theunstable periodic orbits, make up a chaotic invariant set in the scattering region. Thisset is invariant in the sense that trajectories in the set stay there forever. The mostimportant feature about this chaotic set is that it is nonattracting, meaning thattrajectories starting from random initial point may wander near the chaotic set for a

302

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (309)

finite amount of time before exiting. This invariant set renders the scatteringdynamics chaotic. A typical trajectory will wander in the vicinity of the chaotic setfor a while before exiting. Due to the chaotic nature of the invariant set, anothertrajectory starting from a slightly different initial point may wander in the vicinity ofthe chaotic set for a drastically different length of time before exiting. This behaviorgives rise to the sensitive dependence on initial conditions and, consequently, to theset of an infinite number of singularities in the scattering and delay-time functions.

The existence of the nonattracting chaotic invariant set in the scattering regioncan be detected by monitoring how particles decay from the scattering region. Manyparticles with different impact parameters can enter the scattering region and we canfind out how many of them are left in the region as time progresses. If there is anonattracting chaotic set, the number of particles N(t) remaining in the scatteringregion at time / decays exponentially, N(t) ~ exp(-y/), where y is the decay constant.The decay is exponential because of the unstable nature of the periodic and aperiodicorbits in the chaotic set. Fig. 11 shows the decay on a semilogarithmic plot for about500 particles with impact parameters uniformly distributed between 0 - 0.5. Due tolimited computer facilities which is available at the author's disposal, the number ofparticles in this simulation were also limited, so that the simulation results may not beaccurate. Nevertheless, it gave at least a rough picture about the behavior of thesimulated system. A particle is considered as having left the scattering region if it islocated outside the big circle centered at the origin (Fig. 1) with radius 10 encirclingthe entire scattering region.

TWO-DIMENSIONAL SCATTERING WITH MORE THAN THREE DISKS

Trying to get the approximate picture in the case of more than three disks,attempts have been made to do some chaotic scattering simulation experiments usingfour, five, and even more than twenty-five hard disks. The preliminary results areshown in Figures 12, 13, and 14. From what may be seen here, it seemed that theoverall behavior of the three-disk model is approximately repeated in the cases ofmore-than-three-disk models.

The traditional assumption which are probably adopted by the physicists was,that scattering function involve random and unpredictable behavior, which explainswhy Monte Carlo method was used in scattering simulations. Chaotic scatteringsimulations show that scattering is probably more chaotic than stochastic, and bothare unpredictable.

303

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (310)

CONCLUSIONS

Since this is just a preliminary study, not much can be said regarding conclusions thatmay be drawn, except the following:1. Planar scatterings on three hard disks have shown that it has a chaotic character.2. The fractal nature of this chaotic scattering is also evident.3. Planar scatterings on more than three hard disks have shown a similar character.4. Scattering is probably more chaotic than stochastic, and both are unpredictable.

ACKNOWLEDGMENTS

The author wishes to thank the staff members of the Informatics Center of theNational Atomic Energy Agency and the Physics Department of the University ofIndonesia, Jakarta, for providing with the needed reading materials.

REFERENCES

1. H. J. Korsch and A. Wagner, Fractal Mirror Images and Chaotic Scattering,Comp. in Physics, Sept./Oct. 1991, p. 497.

2. M. Bunjamin, The Discovery of Chaos and Some of its Impacts, presented atBatan's Workshop in Computation, Jakarta, January 1995.

3. T. Yalcinkaya and Ying-Cheng Lai, Chaotic Scattering, Comp. in Physics,Sept./Oct. 1995, p. 511.

4. E. Hensel, Inverse Theory and Applications for Engineers, Prentice Hall, N. J.,1992

5. S. Eubank and D. Farmer, An Introduction to Chaos and Prediction, in 1989Lectures in Complex. Systems, Santa Fe Institute, Addison Wesley Publ. Co.,1990.

304

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (311)

CONCLUSIONS

Since this is just a preliminary study, not much can be said regarding conclusions thatmay be drawn, except the following:1. Planar scatterings on three hard disks have shown that it has a chaotic character.2. The fractal nature of this chaotic scattering is also evident.3. Planar scatterings on more than three hard disks have shown a similar character.4. Scattering is probably more chaotic than stochastic, and both are unpredictable.

ACKNOW LEDG M ENTS

'1'he author wishes to thank the staff members of the Informatics Center of theNational Atomic Energy Agency and the Physics Department of the University ofIndonesia, Jakarta, for providing with the needed reading materials.

REFERENCES

1. H. J. KORSCII and A. WAGNER, Fractal Mirror Images and Chaotic Scattering,Comp. in Physics, Sept./Oct. 1991, p. 497.

2. M. BUN.IAMIN, The Discovery of Chaos and Some of its Impacts, presented atBatan's Workshop in Computation, Jakarta, January 1995.

3. T. YALCINKAYA and YING-CHENG LAI, Chaotic Scattering, Comp. inPhysics, Sept./Oct. 1995, p. 511.

4. E. HENSEL, Inverse Theory and Applications for Engineers, Prentice Hall, N. J.,1992

5. S. EUBANK and D. FARMER, An Introduction to Chaos and Prediction, in 1989Lectures in Complex Systems, Santa Fe Institute, Addison Wesley Publ. Co.,1990.

305

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (312)

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (313)

it REFLECTIONS

F i g . 6

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (314)

308

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (315)

309

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (316)

! Fig. 18

PERIOD-Z ORBIT'13131313...'.

PERIOD-3 ORBIT'1Z31Z31Z3

PERIOD-Z ORBIT'Z3Z3Z3Z3...' .

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (317)

311

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (318)

S

"CO" " 0 0 "

: W//I ii i

•i-i

I UH I

1 t

1 1

1 1

r *- - -8

V

V

^ § & J • " : " • '

i i i

• • •

i i >

i • i

i > *

312

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (319)

t 1 1X

1 1 1

1 1 1

1 1 1

t 1 1

• i • • Y \ > " ~

• \ \ / *

I H i '• )

J >

1

1

1

J - -

t

1

-J _ - >

CO

vl

313

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (320)

314

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (321)

DISKUSI

ASEP JUARNA

Chaos dapat diprediksi dengan tinjauan secara mikro. Apakah kehadiran geometrifraktal pada pola chaos juga dapat diprediksi?

M. BUNJAMIN

Fraktal memang selalu melekat pada peristiwa chaos. Jadi yang dapat diprediksihanya ada/tidak ada chaos dan ada/tidak ada fraktal.

ANNIS D. RAKSANAGARA

Apakah ada kasus khusus sehingga penyebaran (sinar) yang terjadi menjadi "terpusat"atau "kacau teratur", misalnya dengan pengaturan sinar datang, besar/bentuk/jenispartikel penghalang, atau jarak antar partikel penghalang?

M. BUNJAMIN

Dari segi geometrik, sinar yang dihamburkan tidak akan teratur/terpusat. Tetapiperistiwa chaos mempunyai sifat keteraturan, misalnya kurva khaotik yang tidakpernah keluar dari suatu kurva tertutup tertentu.

KARSONO

Pada sistem persamaan linier dikenal kondisi ill-condition. Derajat ill-conditioningdapat ditaksir dengan menghitung rumus tertentu. Apakah ada tolok ukur untukmenentukan derajat kekacauan pada suatu chaotic system"?

315

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (322)

M. BUNJAMEN

Salah satu cara untuk mengukur derajat kekacauan dari chaotic system adalah dimensifraktal yang merupakan suatu bilangan tidak bulat.

AMIR

Bagaimana hubungan antara fenomena chaos dengan energi, waktu, dankesetimbangan?

M. BUNJAMIN

Hubungan eksplisit antara chaos dengan energi, waktu, dan kesetimbangan belumkami ketahui. Yang ada adalah hubungan antara chaos dengan stabilitas, karenasistem chaotic adalah sistem yang sangat tidak stabil. Chaos juga terkait dengansistem kompleks dengan model matematik non-linier.

316

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (323)

OPTIMASI SISTEM PENGENDALI REAKTOR DAYA

Sarwo D. Danupoyo*

IllllllID990000027

ABSTRACT

THE OPTIMIZATION OF POWER REACTOR CONTROL SYSTEM. A power reactor isan important part in nuclear powered electrical plant systems. Success in controlling the power reactorwill establish safety of the whole power plant systems. Until now, the power reactor has been controlledby a classical control system that was designed based on output feedback method. To meet the safetyrequirements that are now more restricted, the recently used power reactor control system should bemodified. This paper describes a power reactor control system that is designed based on a state feedbackmethod optimied with LQG (linear-quadrature-gaussian) method and equipped with a state estimator. Apressurized-water type reactor has been used as the model, by using a point kinetics method with onegroup delayed neutrons. The result of simulation testing shows that the optimized control system cancontrol the power reactor more effective and efficient than the classical control system.

ABSTRAK

OPTIMASI SISTEM PENGENDALI REAKTOR DAYA. Reaktor daya merupakan bagianterpenting dalam sistem pembangkit listrik bertenaga nuklir. Keberhasilan dalam mengendalikan reaktordaya akan menentukan keselamatan sistem pembangkit listrik secara keseluruhan. Sampai saat ini reaktordaya masih dikendalikan dengan sistem pengendali klasik yang dirancang berdasarkan metoda outputfeedback. Untuk memenuhi persyaratan keselamatan yang semakin ketat, sistem pengendali reaktor dayayang ada perlu ditingkatkan kemampuannya, sehingga dapat diperoleh unjuk kerja yang lebih baik.Makalah ini membahas sistem pengendali reaktor daya yang dirancang berdasarkan metoda statefeedback yang dioptimasi dengan metoda LQG {linear-quadrature-gaussian) yang dilengkapi denganstate estimator. Sebagai model reaktor- daya digunakan jenis reaktor air tekan. Model dibuatmenggunakan teori kinetika titik dengan satu kelompok neutron kasip. Hasil pengujian secara simulasimenunjukkan sistem pengendali yang telah dioptimasi dapat mengendalikan reaktor daya secara lebihefektif dan efisien dibandingkan dengan sistem pengendali klasik.

PENDAHULUAN

Pusat Listrik Tenaga Nuklir (PLTN) merupakan sebuah sistem pembangkitlistrik yang terdiri atas beberapa subsistem seperti sistem pendingin primer, sistem airpengisian dan sistem turbin. Masing-masing subsistem memiliki sebuah atau lebihsistem pengendali (Gambar 1). Setiap sistem pengendali memiliki karakteristik kerjasendiri-sendiri. Meskipun demikian sistem-sistem pengendali tersebut harus bekerjasecara sinkron, karena keluaran dari sebuah sistem pengendali subsistem tidak hanya

* Pusat Pengkajian Teknologi Nuklir - BATAN

317

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (324)

berpengaruh pada subsistem yang dlkendalikannya tetapi juga subsistem lain yangterkait. Kondisi ini menimbulkan kompleksitas dalam perancangan sistem pengendaliPLTN dan menyebabkan usaha penggantian sistem pengendali PLTN dari sistempengendali klasik yang memiliki kemampuan tanggap yang lambat ke sistempengendali digital yang memiliki kemampuan tanggap yang cepat belum dapatterlaksana. Sebagai akibatnya, keselamatan dan kesuksesan operasi PLTN tetapbergantung sepenuhnya pada kemampuan operator.

Reaktor daya merupakan bagian terpenting dan terumit dalam PLTN. Hal inidisebabkan reaktor daya merupakan sebuah sistem tak linear yang memiliki beberapabesaran pengubah yang saling mempengaruhi seperti tekanan, suhu dan level air.Dengan demikian perancangan sistem pengendali reaktor daya juga merupakanbagian tersulit dalam merancang sistem pengendali PLTN, khususnya dalampenerapan metoda pengendalian digital pada PLTN [1][2].

Makalah ini akan membahas rancangan sistem pengendali reaktor daya yangtelah dioptimasi. Sistem pengendali dirancang berdasarkan metoda umpan balikkeadaan {state feedback), sedangkan optimasi dilakukan dengan metoda linear-quadrature-gaussian (LQG). Agar rancangan yang baru dapat dibandingkan dengansistem pengendali klasik, maka sistem pengendali klasik yang menggunakan umpanbalik keluaran {output feedback) tetap digunakan sebagai basis perancangan. Reaktordaya yang akan dikendalikan dimodelkan dengan metoda kinetika titik {point kineticsmethod) dengan satu kelompok neutron kasip {one group delayed neutron).

METODA PENGENDALIAN OPTIMAL[3]

Blok diagram sistem pengendali klasik yang saat ini umum digunakan dalampengendalian PLTN untuk satu masukan satu keluaran {single-input-single-output)ditunjukkan pada Gambar 2. Nilai keluaran yang diinginkan Pv ditetapkan olehoperator. Selanjutnya sistem pengendali akan mengatur nilai masukan u berdasarkanbesarnya error antara Pv dan y, sedemikian sehingga nilai keluaran y sesuai dengannilai Pv . Unjuk kerja sistem pengendali ditentukan oleh gain Gc yang nilainyaditetapkan oleh perancang dengan cara trial-and-error.

Dalam perancangan dan analisa sistem pengendalian posisi gain Gc sering jugaditempatkan pada alur umpan balik seperti terlihat pada Gambar 3. Agar tidak terjadiperubahan nilai pengendalian pada masukan u, maka pada sisi Pv juga dimasukkannilai sebesar Gc.

Sistem pengendali umpan balik keadaan dirancang menggunakan struktur yangmirip dengan sistem pengendali klasik pada Gambar 3. Bedanya sinyal umpan baliktidak diambil dari sinyal keluaran tetapi dari besaran operasional yang menentukankeadaan reaktor (selanjutnya disebut sinyal keadaan x). Blok diagram sistempengendali umpan balik keadaan ditunjukkan pada Gambar 4.

318

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (325)

Untuk mengetahui besamya nilai x digunakan persamaan ruang-keadaan (state-spaceequation) seperti berikut :

x = Ax + Bu

A, B, C dan D masing-masing merupakan matriks yang menunjukkan hubunganantara masukan u, keluaran y, keadaan x dan perubahan keadaan terhadap waktu xdot. Blok diagram yang menunjukkan hubungan antara masukan u, keadaan x dankeluaran y ditunjukkan pada kotak tebal di bagian atas Gambar 4. Seringkali nilaibesaran-besaran operasional yang menentukan keadaan reaktor tidak dapat diukur.Bila hal seperti ini terjadi, maka penentuan nilai Gc menjadi tidak mungkin. Untuk itudigunakan rangkaian tambahan yahg disebut state estimator yang digunakan untukmemprakirakan nilai keadaan x. Estimator menggunakan sinyal masukan u dankeluaran y sebagai masukan dan keluarannya adalah sinyal x prakiraan. Blok diagramsistem pengendali dengan estimator ditunjukkan pada Gambar 5.

Pada Gambar 5 nilai gain Gc yang merupakan besaran skalar digantikan olehnilai lain yang ditentukan oleh vektor F. Bila penentuan besarnya nilai F dilakukandengan metoda optimasi, maka sistem pengendalinya disebut sistem pengendalioptimal. Dalam metoda pengendalian optimal besarnya nilai masukan u ditentukanoleh kuadratik performance index J(«)

J{u) = \x(ts)-rd(tf)\H2 + f|x(O-rrf(O||e

2 +IKOL2}' (2)

dengan t0 = waktu mulai

tf = waktu berakhirx,u = vektor keadaan dan pengendali sebagai fungsi waktur j = vektor keadaan referensi yang diinginkan sebagai fungsi waktu

H, Q dan R masing-masing merupakan weighting matrix untuk keadaan pada akhirpengendalian, masa pengendalian dan awal pengendalian. Vektor rd diperoleh denganmencari nilai minimum dari kuadratik performance index J di atas. Untuk sistem yanglinear dan memiliki komponen noise dalam proses, maka metoda yang dipakai untukmendapatkan nilai minimum disebut metoda linear quadratic gaussian. Sesudahvektor rd diperoleh, selanjutnya dilakukan perhitungan gain umpan balik F melaluipenyelesaian persamaan Ricatti seperti berikut

r Q = O (3)

319

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (326)

PEMODELAN REAKTOR DAYA

Reaktor daya yang digunakan untuk menguji rancangan sistem pengendaliumpan balik keadaan yang telah dioptimasi yang dibahas di atas adalah jenis reaktorair tekan (pressurized water reactor). Karena tidak mungkin menggunakan reaktoryang sebenarnya, pengujian dilakukan menggunakan model yang dibuat berdasarkanmetoda kinetika titik dengan satu kelompok neutron kasip [4]. Secara matematismodel tersebut dapat dituliskan sebagai berikut:

dn 6p - B= n + Xc (4)dt A

dan

dengann s rapat neutron (n/cm^)c s rapat precursor neutron (atom/cm^)X s tetapan peluruhan radioaktif precursor efektif (s' 1)A s waktu hidup neutron prompt efekti f (s)P s fraksi neutron kasip

5p s = reaktivitask

Untuk mendapatkan kondisi yang lebih mendekati keadaan reaktor yangsebenarnya dimasukkan juga perhitungan dampak umpan balik suhu baik suhuelemen bakar mau pun suhu pendingin. Perhitungan dilakukan menggunakan duamekanisme umpan balik suhu untuk PWR {pressurized water reactor) yang dapatdituliskan dalam bentuk seperti berikut:

Pc(t) = Q(Tf~Tc) (6)

danPe(t)=M(T,~Tc) (7)

denganPc = daya yang dipindahkan dari elemen bakar ke pendingin (MW)Pe s daya yang dilepas dari pendingin (MW)Q s koefisien perpindahan panas antara elemen bakar dengan pendingin (MW/°C)M = laju aliran masa dikalikan kapasitas panas air (MW/°C)Tf= suhu rata-rata elemen bakar (°C)T/ s suhu air yang keluar reaktor (°C)Te s suhu air yang masuk reaktor (°C)Tc s suhu rata-rata pendingin reaktor (T/ + Te) / 2

320

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (327)

Rumusan persamaan diferensial untuk suhu elemen bakar dan pendingin yangmenyatu selanjutnya dapat dituliskan sebagai

/ / ^(O = n / ^r / +/» c (o (8)dan

( 1 - / / W 0 + Pe(t) = ne^T, + P.(t) (9)

denganfs= fraksi daya reaktor yang tersimpan dalam elemen bakar\i*= kapasitas panas total elemen bakar dan bahan struktur[if= kapasitas panas total pendingin reaktorP*0) = Po*"^) - d a v a reaktor pada saat t (MW)Po* - keseimbangan awal level daya (MW)

Masukan reaktivitas dan umpan baliknya ke persamaan kinetika titikdinyatakan oleh

dan

8p=8p r +a / (7>-r / o )+a c (r c -r c O ) (11)dengan

8p r = reaktivitas yang ditimbulkan oleh batang kendaliz r = kecepatan batang kendaliGr = reactivity worth batang kendali per satuan panjangay s koefisien reaktivitas suhu elemen bakarac = koefisien reaktivitas suhu pendinginTfQ = keseimbangan awal suhu elemen bakar (kondisi tunak)T c 0 = keseimbangan awal suhu pendingin (kondisi tunak)

Untuk memudahkan perhitungan dan penerapan sistem pengendali umpan balikkeadaan persamaan-persamaan yang menunjukkan model reaktor daya di atas diubahkedalam bentuk matriks ruang-keadaan (state-space). Bentuk matriks A adalahsebagai berikut:

321

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (328)

/A•k

af /A0

Q/HC -(:0

ctc/2A0

n!2\xf

»M + Q)/2|J.

1/.0

c 0

-p/A

Data-data yang digunakan untuk perhitungan dalam model reaktor diambil darireaktor Three-Mile-Island seperti terlihat pada Tabel 1 [5].

HASIL DAN ANALISA

Dari hasil perhitungan dan simulasi yang dilakukan menggunakan modelreaktor daya yang dibahas diatas diperoleh hasil seperti yang akan dibahas berikut ini.Dari hasil perhitungan gain untuk sistem pengendali klasik diperoleh nilai Gc = 0,5sedangkan untuk sistem pengendali optimal diperoleh nilai gain F sebesar -0,001018,-0,2262, -0,0003967, - 0,000227 dan -45,12 dengan weighting factor r = 1000. Hasilsimulasi masing-masing sistem pengendali untuk perubahan daya reaktor dari 1 ke1,1 ditunjukkan pada Gambar 6 dan Gam bar 7.

Dari hasil simulasi yang dilakukan terlihat tanggapan sistem pengendalioptimal dalam memenuhi permintaan perubahan daya dari 1 ke 1,1 lebih cepat daritanggapan sistem pengendali klasik. Daya reaktor yang diatur dengan sistempengendali optimal mencapai nilai yang diinginkan dalam wakru 25 detik, sedangkanpada sistem pengendali klasik memerlukan wakru 30 detik. Kecepatan batang kendalipada sistem pengendali klasik mengalami perubahan secara tajam pada bagian awalsesaat setelah menerima sinyal permintaan perubahan daya. Perubahan yangmendadak seperti ini tidak begitu disukai, karena berdampak pada keselamatan. Halini terjadi karena gain sistem pengendali klasik yang bernilai tunggal berbeda dengangain sistem pengendali optimal yang mempunyai beberapa nilai berkaitan denganjumlah besaran operasional yang mempengaruhi keadaan reaktor.

KESIMPULAN

Dari hasil perhitungan dan simulasi yang telah dilakukan dapat disimpulkan,bahwa sistem pengendali optimal memiliki kemampuan tanggap lebih cepatdibandingkan dengan sistem pengendali klasik. Hal ini tercapai melalui penentuangain umpan balik yang bernilai tidak tunggal tetapi sebanyak jumlah besaran

322

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (329)

operasional yang mempengaruhi keadaan reaktor daya. Meskipun demikianpemanfaatan sistem pengendali optimal masih memerlukan sejumlah penelitianlanjutan. Hal ini disebabkan model reaktor daya yang digunakan pada penelitian inimasih sangat sederhana.

DAFTAR PUSTAKA

1. OGURI, K., "Synthesis of Digital Control Systems for Nuclear Reactors, (I):Optimal Solutions to Power Change Control Problems", J. Nucl. Sci. Technol.,12[7], 391-401 (1975)

2. OGURI, K., "Synthesis of Digital Control Systems for Nuclear Reactors, (II):Synthesis of Closed-Loop Control System", J. Nucl. Sci. Technol., 13[6], 286-303(1976)

3. BROGAN, W.L., "Modern Control Theory", Prentice Hall International, Inc.,New Jersey (1991)

4. WEAVER, L.E., "Reactor Dynamics and ControF, American Elsevier PublishingCompany, Inc., New York (1968)

5. EDWARDS, R.M., LEE, K.Y., SCHULTZ, M.A., "State Feedback AssistedClassical Control: An Incremental Approach to Control Modernization of Existingand Future Nuclear Reactors and Power Plants", Nucl. Tech. 92, 167-185 (1990)

323

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (330)

Tabel 1. Data untuk Pemodelan Reaktor Daya

pAGr

POa

na f

0,00650,0001 s0,012500 MW26,3 MW.s/°C6,53 MW/°C-0,00005 reaktivitas/°C

Xff

|ac

Mac

0,124 s-1

0,98290 °C70,5 MW/°C92,8 MW/°C+0,00001 reaktivitas/°C

324

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (331)

Sistempengendalitekanan

Reaktordaya

Sistem pengendalibatang kendali

Batang KendaliSistem pengendaliturbin

Pembangkit uap

Teras

Sistem pengendalireaktivitas

Auxiliary

Sistem pengendali bantu_J

Gambar 1. Sebagian Sistem Pengendali PLTN Tipe Air Tekan

pv »(^ G c

uReaktor

y

Gambar 2. Blok Diagram Sistem Pengendali Klasik

325

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (332)

Gambar3. Blok Diagram Sistem Pengendali Klasik dengan Posisi Gainpada Alur Umpan Balik

is

u

u

V

B —*C

-G -

+)-*•

- A <

Idt

Reaktor -

X

y

c

i—«

X

y

Gambar 4. Blok Diagram Sistem Pengendali Umpan Balik Keadaan

p /—\ u

• F

• Reaktor

• Estimator

X

y

Gambar 5. Blok Diagram Sistem Pengendali Umpan Balik Keadaan DenganEstimator

326

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (333)

1,30-1 1,301 0,1+1 3,22

1,25-

1,20-

§ 1.15

1,25- 0,12 P 3,2t

X —Suhu keluaran reaktor

Kecepatan batang pengendali

10 20 30

Waktu (det)

40 50

Gambar 6. Hasil Simulasi dengan Sistem Pengendali Klasik

r (r

elat

if)

a R

eakt

o

(0

n

1

1

1

1

1

1

,30-

,25-

,20-

,15-

10

fB-

nn

Sig

nal

Dem

and

1,30"

1,25-

1,20-

1,15-

1 10-

1 05-

1 (10

ng K

end

aat

an B

ats

a0o

0,14-

0,12

0,09

0,07

0 04-

0,02

-0.005.

oo

sakt

orx

1(

a:ccCO

3XZ

(f)

3,22"

3,2t

3,20-

3,19-

3,17,

3,16,

Demand

/—v

\

/ >

iff

Signal

\ /YA

r 'Daya

"V

. \*

Suhu keluaran reaktor

Reaktor

Kecepa«-

tan batan

II

g pengend

f

all- W i

0 10 20 30 40 50

Waktu (det)

Gambar 7. Hasil Simulasi dengan Sistem Pengendali Optimal

327

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (334)

DISKUSI

SONY

Apakah ada bukti yang mendukung sehingga dikatakan sistem optimasi ini lebih baikdari sistem PID? Padahal diketahui bahwa sistem PID sudah teruji keandalannya,sedang kalau dihitung sistem optimasi ini mempunyai perbedaan 16,67% dari sistemPID.

SARWO D. DANUPOYO

Bukti-bukti penggunaan sistem optimasi ini lebih baik dari sistem PID dapat ditemuipada banyak paper mengenai non PLTN, sedang untuk PLTN hampir tidak ada.

RPH ISMUNTOYO

1. Dalam metode klasik keandalan sistem kendali ditingkatkan dengan penggunaanazas redundancy dan diversity. Bagaimana penerapan sistem optimasi untukpeningkatan keandalan?

2. Reaktor daya mempunyai watak yang kompleks, dalam LQG dikerjakan denganlinierisasi, seberapa jauh ketelitian dapat dicapai dengan metode ini?

SARWO D. DANUPOYO

1. Dalam penerapannya, peningkatan keandalan pada sistem ini sama dengan sistemklasik, karena konsep redundancy menuntut adanya lebih dari satu pengendaliuntuk satu parameter yang dikendalikan, sedang konsep diversity diaplikasikandengan menggunakan hardware yang berbeda (bukan metode pengendalian).

2. Metode LQG digunakan untuk melinearisasi sistem-sistem non-linear agar tidakkehilangan sifatnya.

328

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (335)

DJOKO HARINUGROHO

Constraint untuk sistem kendali optimal Anda adalah waktu. Bagaimana jikaconstraint pada disain pengontrol Anda dimasukkan unsur efisiensi bahan bakar,efisiensi bahan batang kendali, efisiensi feed water system dsb? Bagaimana Andamengakomodasikan hal ini agar sistem ini dapat dimanfaatkan untuk PLTN?

SARWO D. DANUPOYO

Dalam penelitian ini digunakan model yang sangat sederhana sehingga constainthampir tidak berperan. Tetapi dalam model yang lebih kompleks akan ditelitipengaruh constraint tersebut.

TUKIRAN S.

1. Apakah estimator yang Anda gunakan dibuat sendiri atau dibeli?2. Mengapa neutron kasip dibuat satu kelompok sedang kenyataannya ada

kelompok, dan bagaimana cara membuatnya?

SARWO D. DANUPOYO

1. Estimator dirancang sendiri secara software, bukan hardware.2. Neutron kasep dipilih satu kelompok karena data valid yang ada hanya untuk satu

kelompok. Data satu kelompok diperoleh dengan mengambil rata-rata dari 6kelompok.

NEXT PAGE(S)left BLANK

329

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (336)

REDUKSI ORDE MODEL REAKTOR NUKLIR DALAMDOMAIN FREKUENSI DAN WAKTU'

ID990000028

ABSTRACT

REDUCED ORDER FOR NUCLEAR REACTOR MODEL IN FREQUENCY AND TIMEDOMAIN. In control system theory, a model can be represented by frequency or time domain. Infrequency domain, the model was represented by transfer function. In time domain, the model wasrepresented by state space. For the sake of simplification in computation, it is necessary to reduce themodel order. The main aim of this research is to find the best order in nuclear reactor model. Model orderreduction in frequency domain can be done utilizing pole-zero cancellation method; while in timedomain utilizing balanced aggregation method The balanced aggregation method was developed byMoore (1981). In this paper, the two kinds of method were applied to reduce a nuclear reactor modelwhich was constructed by neutron dynamics and heat transfer equations. To validate that the modelcharacteristics were not change when model order reduction applied, the impulse response was utilizedfor full and reduced order. It was shown that the nuclear reactor order model can be reduced from order 8to 2. Order 2 is the best order for nuclear reactor model.

ABSTRAK

REDUKSI ORDE MODEL REAKTOR NUKLIR DALAM DOMAIN FREKUENSI DANWAKTU. Dalam teori kontrol, model dapat direpresentasikan dalam domain frekuensi dan waktu.Dalam domain frekuensi model direpresentasikan dalam fungsi transfer. Dalam domain waktu, modeldirepresentasikan dalam ruang keadaan (state space). Untuk mempermudah komputasi di dalam operasisistem kontrol, perlu dilakukan reduksi orde model. Tujuan penelitian ini adalah untuk memperoleh ordemodel terbaik untuk model reaktor nuklir. Reduksi orde dalam domain frekuensi menggunakan metodepole-zero cancellation; sedangkan reduksi orde dalam domain waktu dikembangkan oleh Moore (1981)menggunakan metode balanced aggregation. Kedua metode diterapkan untuk mereduksi orde modelreaktor nuklir yang disusun berdasarkan model dinamika neutron dan perpindahan panas. Untukmembuktikan bahwa karakteristik model tidak berubah selama reduksi orde, maka dibuat tanggap impuls(impulse response) terhadap orde utuh dan orde reduksi. Dari hasil simulasi menggunakan MATLABtampak bahwa model reaktor nuklir yang semula berorde 8 dapat direduksi menjadi orde 2. Orde 2adalah orde terbaik untuk model reaktor nuklir sampel.

Pusat Penelitian Teknologi Keselamatan Reaktor - BATAN

331

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (337)

PENDAHULUAN

Perkembangan teori dan aplikasi sistem kontrol tidak dapat dilepaskan daripengaruh komputer dan komputasi. Sistem kontrol berbasis komputer telah dipakai dibanyak instalasi konvensional maupun nuklir. Diperkirakan dalam dekade mendatang,penggunaan sistem kontrol dalam basis mikrokomputer akan lebih banyak lagi.Effisiensi komputasi ditentukan oleh kualitas perangkat keras, perangkat lunak yangmendukungnya, dan algoritma atau simplifikasi orde matriks karakteristik sistem.

Dalam bidang sistem kontrol, akurasi pemodelan suatu sistem amat penting.Model dibuat semirip mungkin dengan sistem sesungguhnya agar sistem kontrol yangdidisain mengacu pada model dapat digunakan untuk sistem yang sesungguhnya.Dalam domain frekuensi, model direpresentasikan ke dalam fungsi transfer. Dalamteori kontrol modern, model direpresentasikan dalam domain waktu, yaitu dalamruang keadaan. Karakteristik sistem diwakili oleh matriks A dalam representasi ruangkeadaan. Untuk sistem yang kompleks, matriks A ukurannya sangat besar. Untukmempermudah komputasi yang melibatkan matriks A dalam representasi ruangkeadaan dan numerator/denominator dalam fungsi transfer, maka dilakukan reduksiorde model.

Dalam domain frekuensi telah dikembangkan metode pole-zero cancellationuntuk memperoleh orde terbaik sistem.Tujuan penelitian ini adalah untuk memperoleh orde model terbaik untuk modelreaktor nuklir

TEORI

Reduksi Orde dalam Domain Waktu

Dalam domain waktu, Moore (1981) mengembangkan metode untuk mereduksiorde model dengan menggunakan matriks transformasi S=VDP£"1/2 sehingga sistemseimbang dan diperoleh berituk sistem yang paling terkontrol (controllable) danteramati (observable).

Sistem linier time invariant didefinisikan sebagai berikut:

x(t) =Ax(t)+B(u)y(t)=C(t)

dimana A, B, dan C adalah matriks sistem, matriks masukan, dan matriks keluaranX T T

sedangkan A , B , dan C adalah transpose dari matriks A, B dan C.

332

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (338)

Metode agregasi seimbang berdasafkan diagonalisasi gramian keterkontrolan (Gc) danketeramatan (Go), adalah

t TG l „At T>T>T A t i,

c = ]e BB e at

Go = \eAT'CTCeAtdto

Matriks gramian memenuhi persamaan Lyapunov:

GcA7 + AGe + BBT = 0 (1)GA+ATG + CTC = O (2)

Pendekatan keseimbangan pada reduksi model bertumpu pada komputasi matrikstransformasi S sedemikian rupa sehingga Gc dan Go menjadi sama dan diagonal.

Reduksi Orde dalam Domain Frekuensi

Dalam domain frekuensi model dinyatakan dalam fungsi transfer. Bila fungsieigen dinyatakan sebagai Xi, X2, , Xn, maka fungsi transfer adalah:

H(s) =C(sI-A)']BNUM(s)

den(s)Z(s)

p(s)_

Pada metode pole-zero cancellation, pole p(s) dieliminasi oleh zero Z(s), sehinggadiperoleh suku yang optimal.

Pemodelan Reaktor Nuklir

Model sistem reaktor daya nuklir terdiri atas model dinamika neutron danmodel dinamika perpindahan panas. Untuk model reaktor daya, dipergunakanmekanisme umpan balik negatif temperatur. Diasumsikan model reaktor adalahsebagai berikut(l):1. reaktor nuklir berpendingin air ringan dan tak mendidih,2. reaktor bekerja pada daya rendah,

333

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (339)

3. reaktor baru beroperasi sebentar4. reaktor kuasi-hom*ogen {quasi hom*ogeneous),5. elemen bakar tak berkelongsongv6. perpindahan panas aksial diabaikan7. distribusi fluks dan Panas secara radial adalah seragam

Dengan demikian formulasi model dapat diwakili oleh persamaan (3), (4) dan (5)

— bn +A.

, + + (3)

— (4)

a T,

dtatau T=

T,(5)

dimana: t adalah konstanta waktu perpindahan panas

Dalam domain waktu, model sistem reaktor nuklir dapat direpresentasikandalam ruang keadaan sebagai berikut:

x =

8C,

sc,

6C4

5C

-1liA

liA

liA

liA

JkA

•h0

h0

- \0

A

~~7" J

8C,

8C2

5C3

5C4

bCs

8C6

+

o,0

o

334

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (340)

A =

f

-641,68

8,24

26,3

12,1

13,7

2,46

,4,19

3,88

-3,88

1,4

-1,4

0,311

-0,311

0 .

0,116

-0,116

0,0317

-0,0317

0,0127

-0,0127

-4,676.10

-0,2427

£=(4,676. KfOOOOOOO)'

C=(l 0 0 0 0 0 0 0)

Dalam domain frekuensi model sistem reaktor nuklir dapat direpresentasikan dalamfungsi transfer sebagai berikut:

(.V + 0.0127X.S +0,0317X.v

TATA KERJA

Reduksi Orde dalam Domain Waktu

Untuk domain waktu, dilakukan reduksi orde menggunakan programMATLAB. Karena matriks A orde 8, maka dibuat reduksi orde kesatu sampai denganke-7. Karakteristik model tampak dari tanggap impuls. Untuk memvalidasikanakurasi reduksi orde, maka disimulasikan tanggap impuls reduksi orde kesatu sampaike-7. Hasilnya ditampilkan pada Gambar la dan lb.

Reduksi Orde dalam Domain Frekuensi

Bila pole p(s) dieliminasi oleh zero Z(s), akan diperoleh suku yang optimal.Fungsi transfer sistem menjadi

335

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (341)

(s+ 32,1213- 1399,3569/Xs+ 32,1213 +1399,3569/)

Untuk memvalidasikan akurasi reduksi orde, maka disimulasikan tanggap impulsreduksi orde. Tanggap impuls dibuat menggunakan MATLAB, dan hasilnyaditampilkan pada Gambar 2.

HASIL DAN PEMBAHASAN

Reduksi orde pada domain waktu yang tercantum pada Gambar la dan lbmenunjukkan adanya karakteristik yang berbeda antara model orde penuh denganmodel orde reduksi. Reduksi orde 1 menunjukkan karakteristik yang amat berlainandengan orde Iengkap. Sedangkan reduksi orde berikutnya, yaitu reduksi orde 2 sampaidengan 7 menunjukkan karakteristik yang sama atau hampir sama dengan ordelengkap.

Reduksi orde pada domain frekuensi menunjukkan keadaan yang hampirserupa. Pada Gambar 2 tampak bahwa kurva orde lengkap (orde 8) sama dengankurva orde 2 hasil pole-zero cancelling. Kesamaan bentuk kurva pada tanggap impulsmenunjukkan kesamaan karakteristik model.

KESIMPULAN

Berdasarkan hasil simulasi, dapat disimpulkan bahwa:1. Reduksi orde dalam domain frekuensi hasilnya sama dengan reduksi orde dalam

domain frekuensi.2. Model sistem reaktor nuklir yang diamati dapat direduksi ordenya, dan orde

optimalnya adalah 2.

DAFTAR PUSTAKA

1. H.N. DJOKO, "Simulasi dan Analisis Stabilitas Pembangkit Derau Reaktor NuklirModel ARMA", Lokakarya Komputasi Dalam Sains dan Teknologi Nuklir V,Jakarta, (1995)

336

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (342)

2. MJAMSIDHI, M. TAROKH, B. SHAFAI, "Computer-Aided Analysis and Designof Linear Control System", Prentice-Hall International Editions, Englewood Cliffs,(1992)

3. R.R. MOHLER, C.N. SHEN, "Optimal Control of Nuclear Reactors", AcademicPress, New York, (1970)

337

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (343)

0 0

O

!exc

i

Parameter FisikN) O N) *. 0)

Parameter Fisiko co -h.

oa.

IB.5'

X* 3.

Parameter Fisik

12

0.2u (detik)

o

k M O N> *> O

<

_^——

>

)

Parameter Fisik-k ro oj .u

CO

2 I»

pCO

II»

a.

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (344)

Parameter FisikIV) O N> -t^ O)

Parameter FisikN) O

Parameter Fisiktv> O N)

Ito

Ien

2o

I

I"a.&

o

0.2

o

Parameter FisikN) o M -b._ _ — — •

c>

)

0 )X

ReduksiO

rde

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (345)

LAMPIRAN

Notasi

p fraksi neutron kasip» jumlah neutron/ umur neutron, (detik)Xj konstanta peluruhan neutron kasip kelompok ke-iCj sumber neutron konstanq sumber neutron konstanA umur generasi neutronp reaktivitas, ($)a.f koefisien reaktivitas temperatur, ($/° C)qj panas yang dibangkitkan dari reaksi pembelahan, (MeV/det)Tf temperatur rerata teras, (°C)cm kapasitas panas efektif massa teras, (MeV/° C)

340

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (346)

DISKUSI

SARWO D. DANUPOYO

State-space dan domain frekuensi saling berkaitan. Bila orde model dalam domainfrekuensi diturunkan / direduksi, apakah jumlah state berubah setelah dikembalikanke state-space-nya?

DJOKO HARINUGROHO

Jumlah state berubah, tetapi karena state hasil reduksi merupakan state dominan(terbukti dari impulse response sama dengan orde lengkap), maka orde 2 merupakanorde terbaik.

SAHALA LUMBANRAJA

Anda menyimpulkan bahwa orde 2 merupakan orde terbaik. Apa alasan Andamenyimpulkan demikian, padahal semakin tinggi orde matematis akan memberikanhasil yang lebih baik?

DJOKO HARI NUGROHO

Prinsip efisiensi dalam komputasi adalah menggunakan memory (RAM) komputerdan waktu sesedikit mungkin namun masih mempresentasikan karakteristik sistem.Dari hasil simulasi terbukti bahwa sistem dalam domain waktu dan frekuensi dapatdireduksi menjadi orde 2, yang merupakan orde minimal yang dapat diperoleh yangmasih mempunyai karakteristik sama dengan orde lengkap.

NEXT PAGE(S)left BLANK

341

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (347)

PENGEMBANGAN SIMULASI UNTUK REAKTOR TRIGA

Ir. Demon Handoyo M.Eng*

11111ID990000029

ABSTRACT

SIMULATION DEVELOPMENT FOR TRIGA REACTOR. A simulator of the dynamic ofTRIGA reactor has been made. This simulator is meant to study the reactor kinetic behavior and foroperator training to more assure the safety and the reliability of the real operation of TRIGA reactor.

The simulator consists of PC (personal computer) for processing the calculation of reactivity,neutron flux, period, etc and control panel for regulating the input data such as the change of powerrange, control rod position as well as cooling flow rate. The result will be displayed on screen monitor ofpersonal computer as given in the real control room of TRIGA reactor. The output of simulator will beverified by comparing with measurement result in the real TRIGA MARK II reactor of Musashi Instituteof Technology. For the change of reactivity of 0.3, 0.5 and 0.7 the reactor power and fuel temperaturebetween the simulator and measurements are comparable.

ABSTRAK

PENGEMBANGAN SIMULASI UNTUK REAKTOR TRIGA. Telah dilakukan pembuatansimulator dinamika reaktor TRIGA. Simulator ini dimaksudkan untuk mempelajari perilaku kinetikareaktor dan sebagai pelatihan operator untuk lebih menjamin keselamatan dan keandalan operasi reaktorTRIGA yang sesungguhnya. Simulator terdiri dari komputer personal (PC) untuk pemrosesanperhitungan reaktivitas, rapat neutron, periode, dll dan panel kontrol untuk pengaturan data masukanseperti perubahan rentang daya, posisi batang kendali dan laju alir pendingin. Hasilnya ditampilkan padalayar komputer seperti halnya tampilan pada ruang kendali reaktor TRIGA yang sesungguhnya. Hasiltampilan simulator diuji kebenarannya dengan cara membangdingkan dengan hasil pengukuran padareaktor TRIGA MARK II milik Musashi Institute of Technology. Untuk kondisi perubahan reaktivitas0.3, 0.5 dan 0.7, daya reaktor dan suhu bahan bakar antara simulator dan pengukuran tidak jauh berbeda.

PENDAHULUAN

Dewasa ini penggunaan simulasi untuk mempelajari sifat suatu proses makinmeningkat. Dengan menggunakan simulasi tersebut, suatu proses akan dapatdianalisis/dipelajari karakteristiknya sebelum diterapkan pada kejadian/peralatan yangsesungguhnya.

Komponen utama yang digunakan dalam simulasi ini adalah komputerpersonal. Komputer ini digunakan sebagai tempat pemroses dari program simulasi

Pusat Penelitian Teknologi Keselamatan Reaktor - BAT AN

343

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (348)

yang dibuat. Yang selanjutnya dengan program tersebut nantinya pemrosesan/pengaturan signal-signal yang masuk ke komputer akan diatur oleh program simulasi.signal-signal yang masuk tersebut berasal dari bagian luar komputer/ berasal darikontrol panel (outer part of computer) yang merupakan bagian terpisah dari bagiankomputer.

Bentuk dari simulasi dibuat sedemikian rupa sehingga dalam pengoperasiannyasebagai simulasi reaktor TRIGA akan mengikuti pola dinamis seperti layaknyapengoperasian reaktor yang sesungguhnya. Pemrosesan signal yang ada, dilakukantiap saat sesuai dengan satuan waktu yang ditentukan. Dalam simulasi ini satuanwaktu pemrosesan signal ditentukan sebesar 0,001 det. Bentuk tampilan hasilpemrosesan/ pengaturan, dapat dilihat pada gambar 1.

TUJUAN

Simulasi ini bisa digunakan sebagai mesin untuk :1. Mempelajari fenomena-fenomena yang ada di dalam reaktor nuklir2. Meningkatkan pengetahuan teknologi reaktor3. Sebagai monitoring reaktor yang sesungguhnya dan sebagai backup system

(Gambar 2).

METODOLOGI

Urutan kerja yang telah dilaksanakan dalam pembuatan simulasi ini, adalahsebagai berikut:- Perancangan model perhitungan.- Pembuatan program perhitungan.- Pembandingan hasil yang diperoleh dari simulasi dengan reaktor yang

sesungguhnya.- Analisis hasil.

PENYUSUNAN MODEL PERHITUNGAN

Gambar 3 adalah gambar bentuk sederhana flowchart dari software simulasi.Pada gambar tersebut input (masukan) yang masuk ke komputer berasal dariperubahan power range, posisi batang kendali dan aliran pendingin. Input ini berasaldari panel kontrol yang harganya akan berubah sesuai dengan keinginan operator

344

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (349)

sejalan dengan jenis operasi yang sedang dilaksanakan. Setiap input yang masuk kekomputer akan langsung diolah daJam proses perhitungan. Walaupun pada saat adainput yang masuk ke kbmputer akan terjadi interupsi pada proses perhitungan.Dalatn flowchart tersebut perhitungan yang akan dilaksanakan antara lain:

1. Perhitungan Rapat NeutronPada simulasi ini besarnya fluks neutron untuk keadaan awal (level daya

2.3 m watt) adalah sebesar 7 n/cm .sec. Harga fluks neutron di dalam teras ini adalahharga rata-rata neutron di dalam teras yang diperoleh dari pengukuran yang dilakukanpada reaktor TRIGA milik Musashi Institute of Technology.

Persamaan yang digunakan untuk menghitung rapat neutron ini adalahpersamaan kinetika reaktor, yakni:

*-* ' /Wdt L

H(0,c,dimana:p = Reaktivitas|3j = Fraksi neutron kasip untuk jenis i, (3=SPJ

L = Umur neutronX = Konstanta peluruhanQ = Konsentrasi isotop penghasil neutron kasip

2. Perhitungan ReaktivitasDalam pembuatan simulasi ini pertimbangan perubahan reaktivitas yang terjadi

adalah :

a. Perubahan reaktivitas karena perubahan posisi batang kendali didalam teras .Dalam hal ini perhitungan reaktivitas yang digunakan adalah menggunakan hargayang diperoleh dari eksperimen kalibrasi batang kendali.

b. Perubahan reaktivitas karena burn-up.Harga jumlah reaktivitas yang terdapat dalam teras reaktor pada saat teras baru (pnew) adalah:

Pnew = Pex + Pshdimana:pex = excess reaktivity (reaktivitas lebih) yang diberikan dalam teras.psh = total reaktivitas yang diberikan apabila seluruh batang kendali disisipkan

100%.

345

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (350)

Apabila reaktor telah beroperasi dalam jangka waktu tertentu maka reaktivitasakan berkurang akibat susutnya konsentrasi bahan bakar akibat fisi. Hargaperubahan reaktivitas dalam teras akibat burn up (Apb) tersebut adalah :

= Pnew " Pold

dimana:Poid = total reaktivitas dalam teras (excess reactivity + Rod worth reactivity).

c. Perubahan reaktivitas karena munculnya bahan penyerap neutron dari hasilreaksi fisiPengaruh timbulnya racun penyerap neutron.

Px = - P-fdimana:

p = 2>f ~

/ i af / , am / i ap

Zu = tampang lintang makroskopik untuk U-235Zaf ~ tampang lintang serapan makroskopik (U-235)Zam

= tampang lintang serapan makroskopik bahan selain bahan bakarZap = tampang lintang serapan makroskopik daro racuncrx = tampang lintang serapan mikroskopik dari racunNx = jumlah atom racun penyerap neutron

d. Perubahan reaktivitas karena efe'k temperaturPerubahan reaktivitas akibat pengaruh temperatur bahan bakar (ApT) diperolehdari persamaan :

ApT = - D (8-80)dimana:D = konstanta perubahan harga reaktivitas karena perubahan temperatur.6 = temperatur permukaan bahan bakar.80 = temperatur permukaan bahan bakar sebelum operasi.

3. Perhitungan PeriodePada saat menarik dan menyusupkan batang kendali ke dalam teras reaktor,

akan terjadi perubahan reaktivitas di dalam teras. Hal ini tentu akan mempengaruhiperubahan periode. Perubahan periode tersebut dapat dihitung dengan menggunakanpersamaan:

346

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (351)

Tp = At/log(P2/PI)

dimana At = sampling time (0.1 msec)P ,P = daya operasi.

Hasil yang diperoleh dari perhitungan tersebut di atas, yang akan ditampilkandi monitor komputer antara lain adalah daya logaritmik, dan daya linier. Sedangkanpada panel kontrol akan di tampilkan : suhu pendingin posisi batang kendali, periode,reaktivitas dan power range.

Seperti halnya pada reaktor yang sesungguhnya, pengoperasian denganmenggunakan simulator inipun dibatasi oleh faktor-faktor yang apabila tidakterpenuhi kondisinya, reaktor akan scram. Faktor-faktor tersebut adalah:

- Power range/ daya linier.- Periode.

UJIKARAKTRISTIK SIMULATOR

Dalam penelitian ini, setelah pembuatan simulator (software&hardware) dapatdiselesaikan, dilakukan beberapa uji karakteristik yang berkaitan dengan sifat kinetikareaktor. Hasil yang telah diperoleh dari uji tersebut antara lain:

1. Gambar 4 dan 5 adalah kurva perubahan daya reaktor dari kondisi kritis awal (100mwatt) sampai kritis tertentu dengan step reaktivitas yang digunakan adalah 0.3,0.5, 0.7 dari hasil eksperimen dengan menggunakan simulator dan reaktor yangsesungguhnya. Kesamaan hasil .terlihat pada gambar tersebut. Makin tinggi stepreaktivitas yang digunakan untuk merubah level daya operasi, maka akan makincepat perubahan daya tersebut.

KESIMPULAN DAN SARAN

Dari hasil penelitian yang telah diperoleh dapat disimpulkan bahwakarakteristik operasi dari simulator mendapatkan hasil yang mendekati denganreaktor yang sesungguhnya. Dengan demikian simulator ini bisa digunakan untukmensimulasikan proses yang terjadi pada reaktor TRIGA.

Karena semua proses yang ada di dalam reaktor belum dimasukkan sebagaimodel simulasi, maka apabila akan melakukan suatu simulasi untuk proses yangbelum ada dalam model perhitungan di simulasi ini, bisa dilakukan denganmemasukkan model perhitungan tersebut ke dalamnya.

347

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (352)

Dalam pembuatan simulasi ini Real Time merupakan faktor utama, makakebutuhan akan komputer dengan kecepatan pemrosesan yang tinggi merupakan halpenting. Apabila proses yang disimulasikan makin banyak, maka proses pengolahanyang dilakukan komputer akan makin lambat. Apabila hal tersebut terjadi, perluadanya pembagian pemrosesan dengan banyak komputer dan hasilnya dapatdigabungkan dalam satu kesatuan display.

DAFTAR PUSTAKA

1. "Research and Analysis Report TRIGA" Musashi Institute of Technology-JAP AN,1990

2. YOGESH JALURIA & KENNETH E. TORRANCE, "Computational HeatTransfer", New York, 1983

3. JOHN R. LAMARSH, "Introduction to Nuclear Engineering", 2nd. Edition,Addison-Wesley, 1983

4. G.E. DIETER, "Nuclear Engineering Design", Me Graw-Hill, New York, 1983

5. M. RIDWAN, PRAYOTO, MARSONGKOHADI, J ILJAS, R ROEKMANTARAAND H. DJOJOSUBROTO, "Pengantar Ilmu Pengetahuan dan Teknologi Nuklir",BATAN, Jakarta, 1978

348

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (353)

100

10

1

k -

k -

100-

100

10

1

1 0 -

1 -

ra-

m-

n> -

(watt)

Shim

10-

6 -

LOC POWER

X

P0SIS1 BATANC XSHOAU

Re( Safety

X IRe*kUviU«

UNIER POWER

P Ran^e

(W)

Suhu Pend.

•c

»

Period*

yai»ReakUviUa

«wungiuhnya

Gambar 1. Tampilan pada Display Komputer

Display

Back Up System

Computer

-T t •Simulator

Display

Interface

i

Reactor

TheControl

Panel

Operator

Gambar 2. Simulator sebagai Monitoring dan Backup System

349

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (354)

/READ DATA ,

DISP. MAKES PROCESS

POWER RANGE SET. CHANGE - Panel Switch (Key)

CPOW ER RANGE DISP.

FLOW RATE CALCULATION Panel Switch (K«y)

FLOW RATE DISP.

ROD POSITION CALCULATION - Panel Switch (Key)

ROD POSITION DISP.

REACTIVITY DISP.

TEMP EFFECT CALCULATION

BURN UP EFFECT CALCULATION

CLADDING -COOLANT TEMP CALCULATION

LINEAR OISP.>=100%

N

[ESC] KEY PUSH

Y

Gambar 3. Flowchart dari Software Simulasi

350

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (355)

50 100 150 200 250 300

Gambar 4. Kecepatan Perubahan LIN POWER Akibat Reaktivitas (Simulasi)

N(W)106

0 50 100 150 200 250 300

Gambar 5. Kecepatan Perubahan LIN POWER Akibat Reaktivitas (TRIGA)

351

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (356)

DISKUSI

AS NATIO LASMAN

Apakah dalam simulasi tersebut diperhitungkan juga keberadaan neutron source,terutama untuk simulasi ketika start upl

DEMON HANDOYO

Keberadaan neutron source dalam simulasi ini belum diperhitungkan

TUKIRANS

Bagaimana cara menghitung reaktivitas teras, batang kendali, dan bahan bakar?

DEMON HANDOYO

Cara menghitung reaktivitas batang kendali untuk simulasi dapat dilihat padapersamaan yang tercantum dalam makalah, sedang reaktivitas reaktor TRIGAdiperoleh dari file-file hasil eksperimen reaktor TRIGA milik Musashi Institute ofTechnology.

SUHERMANTO

Dari mana data eksperimen untuk perbandingan hasil simulasi Anda peroleh dan padasaat bagaimana?

DEMON HANDOYO

Data diperoleh dari hasil eksperimen reaktor TRIGA milik Musashi Institute ofTechnology, Japan pada saat beroperasi dengan level daya seperti pada grafik danpada kondisi operasi normal.

352

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (357)

APLIKASI TEORI RELIABILITAS PADA ANALISIS DAMPAKPEMELIHARAAN KONSOL KENDALI UTAMA SBWR

Suharyo Widagdo*• ••ii i iaini

ID990000030

ABSTRACTAPPLICATION OF THE RELIABILITY THEORY ON THE ANALYSIS OF THE

EFFECTS OF SBWR' MAIN CONTROL CONSOLE MAINTENANCE. Maintenance activitieson the main Control console, which is a primary element of the man-machine interface system, are asource of concern. This concern has been arisen since the main control console function is the centralpart to observe and control the reactor operation. The paper will discuss a study of the effects of maincontrol console maintenance activity upon the operability of SBWR. The first step is learning the SBWRmain control room design in order to know its monitoring and controlling capability and then makes anassumption of maintenance requirement followed by an evaluation of the effects of the maintenanceactivity. It is assumed that 2 years or equivalent to 17.520 hours are the reference time for one cycleoperation of SBWR. The aim is to identify any adverse effects and eliminate or minimize them throughdesign improvements. The evaluation method used here is the realibility theory R(t) = e . Based onthe result of the evaluation can be concluded that there are no negative effects of maintenance activityupon the operability of the SBWR.

ABSTRAK

APLIKASI TEORI RELIABILITAS PADA ANALISIS DAMPAK PEMELIHARAANKONSOL KENDALI UTAMA SBWR. Dampak kegiatan pemeliharaan pada konsol kendali utama,yang merupakan elemen utama dari sistem antarmuka manusia-mesin, terhadap kelangsungan operasiSBWR merupakan salah satu sumber kekhawatiran tersendiri. Kekhawatiran ini timbul karena fungsikonsol kendali utama merupakan pusat kegiatan operator dalam memantau dan mengendalikan reaktorsupaya telap beroperasi dalam batas-batas normal. Makalah akan membicarakan suatu studi untukmengetahui dampak yang ditimbulkan kegiatan pemeliharaan konsol kendali utama SBWR terhadapkelangsungan operasinya. Langkah pertama studi ini adalah mempelajari disain RKU-SBWR untukmengetahui kemampuan konsol kendali utama dalam memantau dan mengendalikan instalasi sertaperalatan yang digunakan untuk melakukan tugas itu. Kemudian membuat suatu asumsi kebutuhanperawatan untuk akhirnya mengevaluasi dampak kegiatan perawatan ini. Diasumsikan 1 siklus operasiSBWR adalah 2 tahun atau 17.520 jam. Tujuan utamanya adalah mengidentifikasi akibat buruk yangditimbulkannya dan memperkecil ataupun menghilangkan akibat buruk itu melalui peningkatan disain.

Metoda evaluasi yang dipakai adalah menggunakan teori reliabilitas R(t) = e "^1. Dari hasil perhitungandapat diketahui bahwa kegiatan perawatan sama sekali tidak memberi dampak negatif padakelangsungan operasi reaktor SBWR.

Pusat Penelitian Teknologi Keselamatan Reaktor - BAT AN

353

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (358)

PENDAHULUAN

Konsol kendali utama yang merupakan salah satu elemen kunci pada niangkendali utama SBWR {Simplified Boiling Water Reactor) adalah tempat dimana semuakegiatan pemantauan dan pengendalian reaktor terpusat. Kegiatan ini dilakukanoperator dengan menggunakan beberapa CRT, Flat Display maupun panel switch yangterpasang pada konsol.

Namun, meskipun SBWR telah mengaplikasikan teknologi canggih ia tetapmemerlukan perawatan di semua bagiannya tidak terkecuali konsol kendali utamanya.Kegiatan pemeliharaan ini mutlak diperlukan agar semua komponen yang ada dapattetap menjalankan fungsinya sebagaimana disainnya semula. Kegiatan pemeliharaan inibiasanya dilakukan pada saat reaktor mengalami shutdown rutin. Tetapi tidak tertutupkemungkinan pada saat reaktor sedang beroperasi, ada komponen di konsol kendaliutama yang rusak dan memerlukan perbaikan. Karena itulah timbul suatu kekhawatiranakan adanya dampak negatif dari kegiatan perawatan ini pada konsol kendali utamaterhadap kelangsungan operasi reaktor.

Tujuan utama makalah adalah untuk mengevaluasi dampak kegiatanpemeliharaan konsol kendali utama SBWR terhadap kelangsungan operasi SBWRuntuk kemudian mengidentifikasi dampak yang merugikan serta usaha-usaha untukmenghilangkan atau paling tidak memperkecil dampak itu. Langkah pertama yangdilakukan adalah mempelajari disain RKU-SBWR untuk mengetahui kemampuankonsol kendali utama dalam memantau dan mengendalikan instalasi serta peralatanyang dipakai untuk melakukan tugas itu.

Adapun asumsi yang dipakai pada evaluasi ini adalah :

• Kegagalan yang terjadi, berada di daerah chance failure.• Satu siklus operasi SBWR adalah 2 tahun.• Komponen tidak sempat mengalami proses keausan/penuaan.

Untuk keperluan perhitungan keandalan sebagai dasar evaluasi adalah teorireliabilitas :

R(t) = e -x\dimana:

R(t) : keandalan komponenX : laju kegagalant : waktu operasi

354

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (359)

TEORI

Disain Ruang Kendali Utama SBWR

Elemen kunci Ruang Kendali Utama (RKU) SBWR ini adalah :

a. Konsol kendali utama yang kompak berbentuk huruf V terpancung.b. Layar lebar yang terletak tepat di depan konsol kendali utama.c. Konsol supervisor yang terletak di belakang konsol kendali utama.d. Sistem instrumentasinya yang menerapkan prinsip redundansi dan diversity.

Konfigurasi RKU SBWR ini dapat dilihat pada Gambar 1 sedangkan konfigurasisistem antarmuka (interface) operatornya dapat dilihat pada Gambar 2.

Konsol kendali utama

Konsol ini merupakan antarmuka (interface) primer. Ujudnya kompak danberbentuk huruf 'V terpancung. Ujud yang kompak ini memungkinkan operatormenjalankan semua tugasnya dari satu posisi duduk sehingga operator tidak perluberjalan ke sana ke mari untuk menggapai suatu instrumen. Hal ini jelas mengurangibeban kerjanya. Di konsol inilah semua kegiatan pemantauan dan pengendaliandipusatkan. Untuk melakukannya dapat dilakukan melalui beberapa CRT yangdilengkapi dengan layar sentuh. CRT, yang merupakan sarana primer operator dalammelakukan tugas pemantauan dan pengendalian, 'dikemudikan' oleh beberapa komputerproses yang bersifat redundan. Adapun alokasi fungsi CRT itu adalah sebagai berikut:

• CRT pada sayap kiri konsol kendali utama digunakan untukmemantau/mengendalikan sistem - sistem keselamatan dan tampilan alarm.

• CRT pada bagian tengah digunakan untuk otomasi dan pemantauan keseluruhanproses operasi reaktor.

• CRT pada sayap kanan konsol kendali utama digunakan untukmemantau/mengendalikan BOP (Balance Of Plant).

Meskipun masing-masing CRT telah mendapat alokasi tugas/fungsinya sendiri, namunCRT itu dapat saling bertukar fungsi.

Konsol kendali utama SBWR juga dilengkapi beberapa flat display (yang jugadilengkapi layar sentuh) untuk menambah kemampuan fungsi pemantauan danpengendalian. Flat display ini 'dikemudikan' oleh suatu controller yang redundan dantak gayut dari komputer proses. Prinsip redundansi dan keragaman (diversity) yangdipergunakan dalam cara pemantauan dan pengendalian ini dimaksudkan agar operasiinstalasi masih tetap dapat berlanjut meskipun semua komputer proses tidak dapatberfungsi.

355

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (360)

Untuk menambah kehandalan dalam hal pemantauan dan pengendalian, konsolkendali utama masih dilengkapi dengan beberapa panel switch untuk melakukanpengendalian secara 'hardwired'. Perlu dikemukakan di sini bahwa kecenderunganoperasi pengendalian reaktor generasi baru adalah secara softwired. Akan tetapi karenaini adalah teknologi yang relatif masih baru dan banyak pihak yang masih menyukaisistem pengendalian secara hardwired serta meragukan kehandalan sistem pengendaliansecara softwired, maka dirasa perlu menambahkan switch untuk melakukanpengendalian secara hardwired sebagai jalan tengahnya. Namun pengendalian secaraprimer masih tetap secara sot/wired.

Layar Jebar

Kurang lebih 3 meter di depan konsol kendali utama terdapat layar lebar yangdigunakan untuk membantu operator menilai status instalasi. Layar lebar ini dibagimenjadi 3 bagian. Pada bagian kiri terdapat panel alarm yang termasuk dalam kategori'plant level alarm'. Pada bagian tengah terdapat 'fixed mimic display' yang menyajikankeseluruhan status instalasi secara ringkas.. Pada 'fixed mimic display' ini pulaterintegrasi SPDS (Safety Parameter Display System) yang memberi informasi tentang:

a. Integritas pengungkung.b. Integritas sistem pendingin reaktor.c. Kontrol reaktivitas.d. Kontrol radioaktivitas.e. Sistem pendingin reaktor dan pemindah bahang (heat).

Di atas 'fixed mimic display' ini terdapat alarm yang termasuk dalam kategori 'systemlevel alarm', sedangkan bagian kanan layar lebar terdapat variable display dan CCTV(Closed Circuit Television). Pada bagian bawah layar lebar terdapat beberapa flatdisplay yang juga dapat digunakan untuk memantau dan mengendalikan reaktor.

Konsol Supervisor

Konsol Supervisor ini terletak di belakang konsol kendali utama. Konsol ini jugadilengkapi dengan CRT berlayar sentuh namun ia hanya bisa digunakan untukmemantau instalasi.

356

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (361)

HASIL PERHITUNGAN

Kebutuhan Perawatan

Siklus hidup komponen

Pada Garnbar 3 dapat kita lihat kurva laju kegagalan komponen. Pada kurva inidapat kita lihat adanya 3 jenis kegagalan komponen. Jenis kegagalan pertama adalahkegagalan yang terjadi pada saat awal hidup komponen dimana pada Gambar 3ditunjukkan antara 0 dan T^. Kegagalan ini disebut kegagalan awal. Kegagalan awaldapat dihilangkan dengan proses pra-operasi, yaitu suatu proses yang mensimulasikankeadaan operasi yang sesungguhnya. Komponen yang lemah atau berada di bawahstandar akan mengalami kegagalan untuk kemudian diganti komponen lain. Hanyakomponen yang dapat bertahan pada proses pra-operasi inilah yang nantinya dipakai.Jadi kehandalan yang tinggi dari suatu sistem dapat dicapai melalui proses pra-operasiuntuk menghilangkan kegagalan awal.

Jenis kegagalan kedua adalah kegagalan yang disebabkan karena keausankomponen itu sendiri. Jenis kegagalan ini pada Gambar 3 ditunjukkan pada daerahantara T w dan M. Kehandalan yang tinggi dari suatu sistem dapat pula dicapai denganpenjadualan ketat penggantian komponen.

Jenis kegagalan yang ketiga disebut kegagalan acak {chance failure). Kegagalanjenis ini timbul karena terjadinya akumulasi ketegangan mekanik sehingga keluar bataskekuatan komponen. Tak ada satu carapun, baik itu teknik pra-operasi {debuggingtechniques) maupun penjadualan ketat penggantian komponen (dengan melakukanpreventive maintenance), yang dapat menghilangkan jenis kegagalan ini. Kegagalanacak ini dapat terjadi kapan saja pada masa hidup komponen dan tak seorangpun bisameramalkan kapan kegagalan jenis ini akan terjadi. Berdasar kenyataan itu, studi akandipusatkan pada bagian tengah kurva siklus hidup komponen, yaitu pada masa gunakomponen {useful life period). Disamping itu, karena switch merupakan komponenstatis dan bukan merupakan komponen bergerak dimana dalam hal ini kegagalan acak{chance failure) lebih memegang peranan daripada kegagalan karena keausan {wearout failure), maka studi dipusatkan pada bagian tengah kurva laju kegagalankomponen.

Parameter terpenting yang harus diperhatikan dalam penyusunan jadualperawatan adalah 'Mean Time Between Failure' (m) yang harganya adalah 1/lajukegagalan. Karakteristik laju keberhasilan hidup suatu komponen (R) dalamhubungannya dengan m setelah komponen itu beroperasi selama t jam ditunjukkanGambar 4. Waktu t pada bagian absis bukanlah jumlah seluruh waktu operasikomponen sejak ia masih baru, melainkan waktu siklus spesifik tanpa memperhatikanlamanya komponen itu beroperasi sejak awal misi. Jadi waktu t seperti yangditunjukkan pada Gambar 4 menyatakan lamanya waktu operasi komponen itu dalamsuatu periode operasi suatu sistem tanpa memperhatikan berapa lama komponen itu

357

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (362)

telah beroperasi sebelum periode operasi ini. Waktu t dihitung sejak t = 0, yaitu saatmisi dimulai.

Dari Gambar 4 bisa dilihat bahwa harga R(t) yang berhubungan dengan t = mterletak pada angka 0,368. Hal ini berarti bahwa bila ada 100 komponen yangberoperasi, setelah beroperasi selama t = m jam hanya tinggal 37 komponen yang masihtetap dapat beroperasi sedangkan 63 komponen lainnya rusak.

Keberhasilan hidup komponen konsol kendali utama

Jenis komponen yang ada pada konsol kendali utama beserta MTBFnya dapatdilihat pada Tabel 1. Untuk keperluan proses penyusunan tabel ini dibuat asumsibahwa 1 siklus operasi reaktor jenis SBWR adalah 2 tahun atau 17.520 jam., dimanadalam hal ini 1 siklus sudah memperhitungkan waktu jeda (down time) menjelangoperasi berikut. Jumlah CRT yang ada di konsol kendali utama adalah 7. Dengan hargalaju kegagalan sebesar 9,6 E-6 /jam dan waktu operasi (t) sebesar 17.520 jam makaharga Rnya adalah 0.845. Ini berarti setelah 1 siklus operasi, dari 7 buah CRT yangada maka hanya tinggal 0,845 x 7 = 6 buah CRT yang masih tetap beroperasi. Tabel 2menunjukkan laju keberhasilan hidup komponen, sedangkan Tabel 3 menunjukkanjumlah komponen yang masih beroperasi setelah 1 siklus.

Jenis perawatan

Diasumsikan pula bahwa waktu terjadinya proses keausan pada komponenkonsol kendali utama SBWR jauh lebih panjang dibanding MTBFnya sehingga dalamhal ini tidak sempat terjadi proses keausan/penuaan. Jadi tidak perlu adanya perawatanpreventif. Hanya perawatan korektiflah yang diperlukan. Dengan perkataan lainkomponen yang gagal langsung diambil dari tempatnya untuk diganti denganyang baru.

Dari Tabel 3 terlihat bahwa dalam 1 siklus operasi terdapat 20 komponen yanggagal. Karena SBWR juga mengalami waktu jeda (digunakan untuk pengisian ulangbahan bakar, kegiatan perawatan), beberapa dari keduapuluh komponen itu sebenarnyamengalami kegagalan di saat jeda ini. Sebagai contoh, bila faktor ketersediaan instalasi(plant availability) adalah 80% maka 4 dari 20 komponen itu mengalami kegagalan disaat jeda. Komponen sejumlah 20 buah yang mengalami kegagalan pada 1 siklusoperasi itu dipandang tidak memberi dampak apapun pada kelangsungan operasiinstalasi. Hal ini disebabkan tingginya tingkat redundansi yang diterapkan pada konsolkendali utama. Disamping itu CRT maupunyfaf display yang ada di dasar layar lebarjuga dapat digunakan untuk memantau dan mengendalikan instalasi seandainya adasebagian peralatan di konsol kendali utama yang tidak dapat difungsikan karena sedangmenjalani perawatan.

358

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (363)

PEMBAHASAN

Seperti telah dikatakan di muka bahwa penjadualan ketat penggantian komponendapat meningkatkan kehandalan komponen, namun dalam hal ini 'preventivemaintenance' tidak perlu dilakukan karena 'preventive maintenance' tidak dapatmenghilangkan adanya kegagalan acak pada komponen, disamping itu dalam hal inikegagalan acak lebih memegang peranan pada peristiwa kegagalan komponen daripadakegagalan komponen karena keausan. Namun bila kita tetap akan melakukan'preventive maintenance', kita dapat melakukannya selama 'down time'.

Tidak dapat dihindarkan bahwa komponen yang mengalami kegagalan pada satusiklus operasi itu terjadi pada saat reaktor masih beroperasi. Dalam hal ini operatordapat melanjutkan tugasnya dengan menggunakan sarana redundannya sem*ntarapetugas perawatan melakukan perbaikan. Bila pada saat itu terjadi keadaan abnormal,maka petugas perawatan harus menghentikan tugasnya tanpa mempedulikan selesaitidaknya tugas yang dilakukannya. Hal ini penting agar operator dalam melakukanmanipulasi (dengan sarana redundannya) untuk mengatasi keadaan abnormal ini dapatmerasa bebas tidak terganggu konsentrasinya oleh kehadiran petugas perawatan.Dengan adanya prosedur kerja ini serta adanya prinsip redundansi yang diterapkanpada disain konsol kendali utama ini maka dampak negatif terhadap kelangsunganoperasi reaktor dengan adanya kehadiran petugas perawatan dapat ditiadakan.

KESIMPULAN

Dari hasil perhitungan yang dimuat dalam Tabel 3 dapat disimpulkan bahwameskipun ada komponen yang gagal namun reaktor masih dapat dioperasikan karenamasih memenuhi persyaratan operasi.

Karena sifat redundansi yang diterapkan pada disain konsol kendali utama sertalayar lebarnya, tidak ada dampak negatif dari kegiatan perawatan terhadapkelangsungan operasi. Oleh karena itu dipandang tidak perlu memodifikasi disainkonsol kendali utamanya untuk mengurangi dampak yang ditimbulkan kegiatanperawatan.

DAFTAR PUSTAKA

1. IGOR BAZOVSKY, "Reliability Theory and Practice", Prentice Hall, 1961

2. IEEE Standard 500, "Guide to the Collection and Presentation of Electrical,Electronic, Sensing Component and Mechanical Reliability Data for NuclearPower Generating Stations'", 1984

3. MIL-HDBK-217E, "Reliability Prediction of Electronic Equipment", October1986

4. ROSS, "SBWR Looks Promising", Nuclear Engineering International, June 1987

359

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (364)

Tabel 1. Laju kegagalan komponen konsol kendali utama

No.

1.2.3.4.

Nama komponenCRTFlat displaySwitch mekanikSwitch mikro

Laju kegagalan

9,6 E-6/jam9,6 E-6/jam W9,84 E-6 /jam0,89 E-6 /jam

MTBF

104.167 jam104.167 jam101.626 jam1.123.596 jam

(sumber: IEEE Standard 500 -1984)(•) : - hasil asumsi

- pada kenyataannya Flat display lebih handal dibanding CRT

Tabel 2. Laju keberhasilan hidup komponen konsol kendali utama

No.

1.2.3.4.

Nama komponen

CRTFlat displaySwitch mekanikSwitch mikro

Laju keberhasilanhidup

0,8450,8450,8410,985

Tabel 3. Jumlah komponen konsol kendali utama dan jumlah komponen yang gagaltiap 1 siklus operasi

No.

1.2.3.4.

Jenis komponen

CRTFlat displaySwitch mekanikSwitch mikro

Jumlahkomponen

71782186

Jumlah komponenyang gagal setelah

1 siklus operasi

13133

Jumlah komponenyang diperlukandalam operasi

36—

360

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (365)

Key alarmindication

Wide displaypanels v Fixed mimic

display

Variabledisplay

Plant display(micro processorbased)

Gambar 1. Konfigurasi RKU SBWR

O\

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (366)

ON

Variable Display

Flat Displays(Divisional)

Flat Dislay

Flat Dislay

Hard SwitchPanel

Fixed Mimic Display Alarm PanelsWide Display Panels

Flat Displays

(DivisionalDisplays

andControls)

Main Control Console

CRT

JL

CRTHard

SwitchPanels

Process Computers System

FlatDisplays

FlatDisplays

Controllers

WideDisplays

Controllers

Safety System Equipment Non-Safety System Equipment

Gambar 2. Konfigurasi Sistem Antarmuka Operator

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (367)

Earlyfeatures Chance failures

Chance andwearcutfailures

Burn-inperiod

Useful life period

X - 1/m If

Wearoutperiod

• Operating Ufe

Gambar 3. Kurva Laju Kegagalan Komponen

M

R

1.0

0.8

0.6

0.4

02

- 1- 1

- 1

" r -

- i- i

i

\ ^ R(t)= cxt=et/m

1 "—'i ^! •

m 2m

Gambar 4. Karakteristik Laju Keberhasilan Hidup Komponen

363

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (368)

DISKUSI

AS NATIO LASMAN

1. Apakah maintenance-time reaktor sama dengan yang diperuntukkan bagi RKU(± 2 tahun)?

2. Bila ya, apakah perlu dilakukan penelitian dampak pemeliharaan karena suatu saatreaktor harus padam?

SUHARYO WroAGDO

Maintenance-time merupakan preventive maintenance yang berjadual ketat. Disainmaintenance yang diperlukan adalah corrective maintenance, dan maintenance-timereaktor tidak sama dengan maintenance RKU.

SAHALA LUMBANRAJA

Dalam abstrak disebutkan bahwa tidak perlu diadakan modifikasi konsol kendaliutama. Dari segi ergonomika konsol kendali utama dirancang sesuai dengan tinggibadan orang asing (Eropa), apakah hal ini coco*k dengan orang Indonesia yang rata-rata mempunyai tinggi badan lebih rendah dari orang Eropa?

SUHARYO WIDAGDO

Dalam penelitian ini tidak dibahas segi ergonomika, tetapi dari segi teknologi yaitumengenai peralatan yang ada dalam konsol kendali utama.

IYOS R. SUBKI

Apakah RKU dari SBWR mempunyai sistem bantu untuk operator {operationalguidance system)?

SUHARYO WIDAGDO

Ya.

364

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (369)

AMIRRUSLI

1. Apa alasan utama memilih SBWR dalam penelitian?2. Apakah teori ini dapat diterapkan pada reaktor jenis lain?

SUHARYO WIDAGDO

1. Karena kebetulan saya mengikuti partisipasi disain reaktor jenis SBWR.2. Ya.

NEXT PAGE(S)left BLANK

365

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (370)

PERAN SISTEM KOMPUTASI TERMO-HIDROLIKA DI LTMP UNTUKSIMULASI GUNA MENUNJANG RANCANG BANGUN DAN ANALISIS

Bambang Teguh P., Iyan Turyana*

illID990000031

ABSTRACT

THE ROLE OF THERMAL-HYDRAULIC COMPUTATION SYSTEM IN LTMP FORSIMULATION IN ORDER TO SUPORT THE DESIGN AND ANALYSIS. In order to support theactivities of LTMP and other Indonesian research institutions in the field of Thennal-hydraulic, LTMP isequipped with several softwares, one of which is thermalhydraulic code TRIO-VF developped by CEA(Commissariat a 1'Enegie Atomique), France. TRIO-VF is a computer code to solve general equations ofthermal-hydraulic in 3D. The code can be used for numerical simulation of laminair or turbulent flow,with or without the presence of heat or mass tranfer. These simulations or predictions are an importantstep in the conception of termalhydraulic equipment (vessels, heat exchanger and components of nuclearreactors). The fluid flow can be in the domain where internal obstacles (plate, tube bundeL.etc.) arepresent.

ABSTRAK

PERAN SISTEM KOMPUTASI TERMO-HIDROLIKA DI LTMP UNTUK SIMULASIGUNA MENUNJANG RANCANG BANGUN DAN ANALISIS. Untuk menunjang kegiatan LTMPdan Lembaga-lembaga penelitian di Indonesia yang bergerak di bidang termo-hidrolika, LTMP telahmelengkapi diri dengan beberapa perangkat lunak yang salah satunya adalah TRIO-VF yang dibuat olehCEA (Commissariat a I'Energie Atomic) Perancis. TRIO-VF adalah perangkat lunak komputasipersamaan umum termo-hidrolika dalam tiga dimensi. Perangkat lunak ini ditujukan untuk simulasinumerik aliran laminer atau turbulen, dengan atau tanpa hadirnya perpindahan panas atau perpindahanmassa. Simulasi atau prediksi tersebut adalah tahapan yang sangat penting untuk konsepsi peralatantermohidrolika (tangki, penukar kalor, komponen reaktor nuklir dan Iain-lain). Aliran dapat berada dalamlingkungan yang mempunyai rintangan di dalamnya (plat, bendel pipa dan Iain-lain).

PENDAHULUAN

Dengan pesatnya perkembangan kemampuan komputer dan kemajuan metodakomputasi di bidang termo-hidrolika sekarang ini, memungkinkan untukmenyelesaikan persamaan lengkap Navier-Stokes dikopel dengan persamaan enerjidan model turbulen k-e dalam tiga dimensi. Disamping itu kebutuhan para insinyurdan para perancang untuk memprediksi dan mensimulasi fenomena termo-hidrolikajuga meningkat. Prediksi dan simulasi adalah tahapan yang sangat penting untuk

* Laboratorium Termodinamika, Motor dan Sistem Propulsi - BPPT

367

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (371)

perancangan peralatan termo-hidrolika, karena tahap ini sangat besar pengaruhnyapada tahapan berikutnya yaitu perhitungan termo-mekanika dan evaluasi biayadisamping estimasi umur paralatan. Untuk itu metoda komputasi yang teliti danhandal dan ditunjang oleh hasil eksperimental sangat diperlukan.

Dalam rangka menunjang kebutuhan diatas, Laboratorium Termodinamika,Motor dan Sistem Propulsi (LTMP) telah melengkapi diri dengan beberapa perangkatlunak yang salah satunya adalah TRIO-VF yang dibuat oleh CEA Perancis.Adapun tujuan dari makalah ini adalah untuk bertukar informasi tentang perangkatkomputasi di bidang termohidrolika.

Tinjauan singkat mengenai lingkup penggunaan TRIO-VF diasjikan padabab 2. Pada bab 3, dipresentasikan persamaan-persamaan kesetimbangan yangdipergunakan dalam TRIO-VF. Metoda numerik yang digunakan akan dibahas dalambab 4, sedangkan validasi dan contoh-contoh aplikasi serta kesimpulan dapatditemukan pada bab 5 dan bab 6.

LINGKUP PENGGUNAAN

TRIO-VF terdiri dari tiga pos yang masing-masing adalah; solver: pos untukresolusi persamaan-persamaan konservasi; preprocessors: untuk membentuk jala-jala;dan processors: untuk interpretasi dan visualisasi hasil.Lingkup penggunaan TRIO-VF dapat ditinjau dari geometri yang mungkin dapatdimodelkan dan lingkup keberlakuan dari perangkat lunak ini.

Kemungkinan geometri

TRIO-VF memungkinkan untuk menyelesaikan geometri yang berbentukpersegi (koordinat kartesian, x, y, z), bentuk silinder (koordinat r, 6 ,z) dan koordinatkurvilin [1]. Disamping itu TRIO-VF memungkinkan untuk menyelesaikan geometri-geometri dengan batas-batas yang sulit [2], domain perhitungan yang didalamnyaterdapat rintangan (bundel pipa, plat, ruangan yang terisolasi, ) dan juga geometri-geometri maupun rintangan yang mempunayi batas-batas bidang miring.

Lingkup keberlakuan

Dalam versi yang standar,TRIO-VF ditujukan untuk aliran fluida Newtonian,tidak mampat dengan dilatasi rendah. Persamaan-persamaan hidrolik dan termiksaling kopel karena gaya volumik (pendekatan Boussinesq). Sifat-sifat fisika darifluida, selain massa jenis, diasumsikan tidak tergantung pada tempertaur. Dalam

368

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (372)

TRIO-VF terdapat pilihan untuk fluida mampat dimana massa jenis berubah sebagaifungsi dari tekanan, temperatur, menurut hukum gas sempurna. Disamping ituperubahan massa jenis bisa juga sebagai fungsi dari konsentrasi bila fluidanyaadalah larutan.

Perhitungan dapat untuk kondisi tunak atau tak tunak. Besaran rata-rata tigakomponen kecepatan dalam domain dihitung, atau dapat juga diberikan pada daerah-daerah tertentu di dalam domain, baik itu konstan atau berubah menurut waktu.Aliran dapat dalam kondisi laminer atau turbulen. Dalam hal aliran turbulen,viskositas atau difusivitas turbulen diselesaikan dengan bantuan model k-£ . Sumberpanas dapat disimulasikan di dalam domain perhitungan. Aliran dapat berada didalam domain dimana terdapat rintangan di dalamnya, sebagai contoh; plat, bundelpipa, , yang untuk perhitungan global dapat dimodelkan dengan porositas danrugi-rugi tekanan baik singguler maupun reguler. Dalam hal bundel pipa, fluida yangmengalir di dalam pipa-pipa bisa dalam fase tunggal maupun dua fase. Keberlakuandari hasil-hasil tergantung pada korelasi-korelasi gesekan, perpindahan panas, ,yang dimasukkan oleh pengguna dalam menyelesaikan permasalahannya.

PERSAMAAN UMUM KESTIMBANGAN

Persamaan-persamaan kesetimbangan yang digunakan adalah persamaan umumkonservasi untuk fluida tak mampat sebagaimana tertulis dalam [3].

Persamaan kontinyuitas

V.C/ = 0 (1)

Persamaan konservasi momentum

Dengan membuat rata-rata statistik persamaan Navier-Stokes akan didapatpersamaan Reynolds sebagai berikut:

dU -(- - P* - -^ -— + vk/xt /" + «XM + n-vVxU\-F = Q (2)dt \ Po )

dimana: uxu : komponen tensor Reynolds

369

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (373)

F : gaya volumik = -gPo

P* : jumlah tekanan statis dan komponen hidrostatika

P*=P+p0gOM

g : vektor gravitasi

OM : vektor posisi

Persamaan konservasi enerji

Dalam TRIO-VF, fluida dianggap mempunyai konduktivitas dan difusivitasmolekular yang tidak tergantung pada temperatur sehingga persamaan enerji dapatditulis :

AT _ y _ • „ s.

dtdimana :

9M : fluk termal turbulen

S : sumber panas => ST =Poct

Model turbulen

Model turbulen ditujukan untuk memodelisasi :

• tensor Reynolds uxu

• fluk termis turbulen QuModel turbulen yang digunakan adalah model k-s yaitu sebuah model dengan duapersamaan transport [4]. Dalam TRIO, digunakan model viskositas turbulen yangmengasimilasi tahanan viskos dan tahanan turbulen dimana komponen dari tensornya

adalah: uxu = — kH — v,(Vx u+Vxu\ Dengan cara yang sama, digunakan model

difusivitas turbulen yang mengasimilasi fluk termis turbulen pada fluk termis

molekuler: 0« = - a , V 7 \Enerji kinetis turbulen k dan laju desipasi S adalah dua perubah tambahan yang

dihubungkan oleh persamaan transport berikut [5]:

— = V.\kU-^-Vk\ = P + G-s (4)dt I Prt )

370

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (374)

C,4 (5)dimana P adalah produksi turbulen karena interaksi turbulen dengan aliran utama, danG adalah produksi atau destruksi karena gaya apung. Viskositas turbulen vt dapat

C^k2 vt

dinyatakan dalam vt = dan a t = ——. Sedangakan konstanta-konstanta yangO A 1 *

lain adalah sebagai berikut : C ^ = 0 , 0 9 ; Ce l = 1,44; Ce2 = 1,92;

P r t = 0 , 9 ; Prk = ; P r £ = l , 3 .

METODA NUMERIK

Metoda numerik yang digunakan dalam TRIO-VF adalah metoda VolumeHingga yang diturunkan dari metoda SOLA yang dikembangkan oleh Los Alamos[6]. Beberapa hal yang utama dalam metoda ini adalah :

Diskretisasi ruang

Persamaan lokal sebagaimana ditulis dalam bab 3, dintegrasikan terhadapvolume kontrol (dengan bantuan teorema GAUSS) untuk mendapatkan persamaankesetimbangan makroskopis. Perubah-perubah utama tidak ditempatkan pada titikyang sama. Temperatur dan besaran skalar yang lain (tekanan, energji kinetis, )ditempatkan pada pusat volume kontrol kesetimbangan massa dan kesetimbanganenerji. Pada pusat-pusat setiap permukaan dari volume kontrol tersebut, ditempatkankomponen-komponen kecepatan yang disesuaikan dengan arah normal satuannya.Volume kontrol untuk setiap komponen dari persamaan momentum dipusatkan padakomponen kecepatan yang bersangkutan.

Diskretisasi terhadap waktu

Untuk turunan terhadap waktu digunakan teknik beda maju sebagai berikut:• persamaan kontinyuitas dan gaya tekanan dalam persamaan momentum, dievaluasi

pada tahapan waktu yang baru• faktor-faktor yang lainnya (konveksi, diffusi,....) dievaluasi pada tahapan waktu

yang lama. Dengan demikian tambahan waktu dibatasi oleh kondisi arus.

371

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (375)

Algoritma

Setelah diskretisasi, persamaan kontinyuitas dan momentum adalah :

• kontinyuitas D.£/"+ 1=0 (6)

U"+[

• momentum p 0 + D P"+i = S M" (7)At

dimana D adalah bentuk diskret dari operator nabla (V) dan S M" adalah jumlahsemua kontribusi eksplisit dalam persamaan momentum. Dengan eliminasi secaraaljabar antara kedua persamaan tersebut didapat:

D2P"+l=DSM" (8)

Operator D hanya mengandung besaran geometris yang konstan, dan matriks D dapatdiinversikan sekali untuk selamanya. Sekali tekanan Pn+1 diketahui, kecepatan yangbaru Un+1 dapat dievaluasi dengan persamaan momentum dan kemudian semuabesaran sekalar.

Skema numerik untuk term konvektif

Dalam kebanyakan perhitungan termohidrolika industri, pemilihan diskretisasiruang untuk term konvektif adalah masalah sangat penting dimana konveksi sangatmendominasi aliran. Dalam TRIO-YF diimplementasikan dua skema :• Skema Donnorcell: adalah pendekatan orde pertama dari fluk konvektif yang

diperoleh dengan menggunakan harga hulu dari transport skalar (temperatur ataukomponen kecepatan dalam persamaan momentum).

• Skema Quick: adalah skema orde ketiga dengan menggunakan pendekatan tigatitik dari transport skalar. Tiga titik tersebut dipilh dengan dua titik arah ke huludan satu titik arah ke hilir [7].

VALIDASI DAN CONTOH-CONTOH APLIKASI

Validasi

TRIO-VF telah divalidasi dengan membandingkan terhadap hasil-hasileksperimental dan secara luas telah banyak digunakan dan diuji ketelitiannya. Dalammakalah ini disajikan dua contoh validasi eksperimental sebagai berikut:

372

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (376)

• Studi lokal aliran di dalam kanal bergelombang (konfigurasi pada rancangbangun penukar kalor pelat).Dalam studi yang dilakukan oleh HUGONNOT [8], sepeti yang ditunjukkandalam gambar 1, profil kecepatan aliran hasil perhitungan dengan TRIO-VFdibandingkan dengan visualisasi aliran untuk bilangan Reynolds yang sama.Tampak bahwa daerah pemisahan aliran (D) dan pengabungan aliran (R) hasilperhitungan dengan TRIO-VF secara eksperimental dapat divisualisasikan denganjelas. Analisis ini dapat membantu untuk memperbaiki disain. Gambar lc adalahgeometri rancang bangun yang sudah dioptimasi.

• Studi tentang perpindahan panas kopel konveksi-radiasi fluida semitransparan.

Dalam studi ini, BAMBANG [9], membandingkan anatara hasil eksperimental danhasil perhitungan dengan TRIO-VF, profil temperatur aliran turbulen dua dimensidi dalam penukar kalor berpenampang persegi empat. Fluida kerja adalah gas hasilpembakaran yang dicampur dengan uap air. Pengukuran temperatur dilakukandengan teknik pembelokan sinar laser yang mempunyai ketelitian sangat tinggi.Adapun hasil numerik adalah hasil perhitungan TRIO-VF dikopel dengan modelRadiasi (model PI) yang dibuat oleh KHOURCHAFI [10]. Hasil dalam gambar 2menunjukkan bahwa profil temperatur sangat sesuai dengan model aliran turbulenyang tunak (mapan). Perbandingan fluk kondukto-konvektif mempunyai ketelitiansekitar 3%.

Contoh-contoh aplikasi

Dalam makalah ini disajikan dua contoh aplikasi TRIO-VF untuk simulasidan analisis.• Optimasi distribusi aliran udara dalam menara pendingin basab.

Karakteristik unjuk kerja dari menara pendingin basah ditentukan olehkemampuan melepaskan kalor dan jumlah air penambah. Kedua faktor tersebutsangat dipengaruhi oleh distribusi aliran udara yang melalui kisi-kisi perpindahankalor. Simulasi dengan komputer sangat penting artinya untuk perancangan dananalisis. Contoh simulasi dengan menggunakan TRIO-VF ditunjukkkan sepertipada gambar 3.

• Distribusi aliran dalam shell pada penukar kalor tipe Shell and Tube.Kemampuan memindahkan kalor dari permukaan tube terhadap aliran dalam shelldan besarnya rugi-rugi tekanan dalam shell sangat dipengaruhi oleh bentuk baffledan jarak penempatan baffle. Contoh hasil simulasi dengan TRIO-VF ditunjukkandalam gambar 4.

373

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (377)

KESIMPULAN

Keberlakuan TRIO-VF telah divalidasi secara eksperimental. Simulasi denganTRIO-VF untuk aplikasi diberbagai situasi dan konfigurasi menunjukkan hasil-hasilyang sangat berguna untuk analisis guna menunjang rancang bangun.

UCAPAN TERIMAKASIH

Saya mengucapkan terimakasih kepada Mr. P. MERCIER dan MR. R. VIDILdari GRETh-CENG atas kerjasamanya.

DAFTARPUSTAKA

1. BARTHEL, V. dan VILLAND, M.,-TR10-VF, Notice d'utilisation de la versionJuillet 93, NOTE STR/LML/93-170

2. BARTHEL, V. dan VILLAND, M.,-TRIO-VF, Guide de l'utilisateur versionJuillet 93. NOTE STR/LML/93-171

3. BIRD, B., STEWART, W.E. and LIGHTFOOT, E.N., Transport Phenomena,Wiley, New-York, (1960)

4. GRAND, D., Modelisation de la turbulence avec deux equations, NOTESTT/LPML/86/17/C

5. MAGNAUD, J.P., GRAND, D., VILLAND, M., ROUZAND, P. andHOFFMANN, A., Recent developments in the numerical prediction of thermal-hidraulics, International Topical Meeting on Advances in Reactors Physics, Paris27-30 Avril (1987)

6. HIRT, C.W., NICOLS, B.D. and ROMERO, N.C.,-SOLA a Numerical SolutionAlgorithm for Transient Fuids Flows, Los Alamos Scientific Laboratory, ReportNo. LA-5852,(1975)

7. MAEKAWA, I. and MURAMATSU, T., Higher order differencing scheme influid flow analysis and their applications to In-Vessel thermal hydraulics. IAHRLiquid Metal Specialists Group Meeting, Grenoble, France, June (1986)

374

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (378)

8. COMPTE-RENDU D'ACTIVITES ANNUEL, Note Technique GRET h 89-206.,(1989)

9. BAMBANG TEGUH, P. , Etude experimentale du couplage convection-rayonnement applique a des echangeur de chaleur industriels a haute temperature.These de Doctorat de I'Ecole Centrale Paris, (1993)

10. KHOURCHAFI, A., These de Doctorat de I'Ecole Centrale Paris, (1993)

375

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (379)

b)

c)

Gambar 1: Validasi TRIO-VF dalam studi lokal aliran melalui kanal, Re =150, [8]bergelombang. a) Visualisasi, b) Hasil perhitungan TRIO-VF,c) Hasil perhitungan TRIO-VF untuk geometri yang sudah dioptimasi.

376

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (380)

«JO

500

I. 400

E 308

200

ioa

yyfi

fir**

TD feawah : m

.4—

' 5_ ptngpkunn Itsst

° penjufcwm klasilc4 peifiuungin;

fccecpatu tuotfc» lts«5i«Uiuer»e»re

•c

pi

100 120 140 160 180

if (mm)

Gambar 2. Validasi TRIO-VF dalam studi perpindahan panas kope! konveksi radiasidalam penukar kaFor temperatur ttfiggj, Re=I8000, [9].

f fV* «VKtCC

Gambar 3. Disirtbusi kecepatan afiran udara dalam menara pendingfn basah.

377

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (381)

baffle

shell

arah angin

a) pengaruh jarak baffle

garis arcs kecepetan

J-.0.40

-as

b) pengaruh lebar

potongan baffle

Gambar 4. Distribusi aliran di dalam shell pada penukar kalor tipe Shell and Tube.

378

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (382)

DISKUSI

AMIR RUSH

Pada contoh simulasi air pendingin terlihat bahwa kehilangan air belum dapat diatasi.Usaha apa yang dapat diiakukan agar kehilangan air dapat diturunkan secara simulasidan percobaan?

BAMBANG TEGUH

Dapat diiakukan simulasi dengan mengarahkan distribusi altran udara pada sisi masuksampat diperoleh sudut masuk yang memberikan distribusi kecepatan udara yangmerata dalam kisi-kisi perpindahan panas. Kemudian diiakukan validasi denganmenempatkan kisi-kisi pengarah pada sisi masuk udara. Secara kuantitatif dapatdibuktikan bahwa jumlah air penambah menurun.

NEXT PAGE(S)left BLANK

379

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (383)

ANALISIS PENYEMPITAN KANAL PENDINGIN ELEMEN BAKARRSG-GAS MENGGUNAKAN PAKET PROGRAM HEATHYDE

Endiah Puji Hastuti, Iman Kuntoro*

111ID990000032

ABSTRACT

THE CHANNEL GAP REDUCTION ANALYSIS OF THE RSG-GAS FUEL CHANNELBY USING OF HEATHYDE PROGRAMME. Self Power Detector insertion and foil insertion in thefuel channel will reduce cooling channel. To anticipate this condition an analysis was carried out byreducing gap simulation. Simulation is approximated by heat transfer mathematical model in arectangular narrow channel. The aim of this study is to evaluate the effect of the reducing channel gapagainst the thermalhydraulic safety. Analysis was carried out by means of HEATHYDE computer code.The HEATHYDE deals with steady state thermal hydraulic analysis. Simulation was done at worstcondition i.e. by 114% of the nominal power of the typical working core, maximum hot channel factorand minimum flowrate. It is shown that OFI criteria through the channel at normal condition is 1.16,hottest temperature in the cladding and coolant are 149.6 °C and 91.95 °C. By narrowing up to 40% ofthe channel, it is obtain that the maksimum narrowing of 30% will give OFI value of 1.10.

ABSTRAK

ANALISIS PENYEMPITAN KANAL PENDINGIN ELEMEN BAKAR RSG-GASMENGGUNAKAN PAKET PROGRAM HEATHYDE. Penyisipan Self Power Detector dan foil didalam kanal elemen bakar akan meyebabkan penyempitan kanal pendingin. Untuk mengantisipasikejadian ini maka perlu dilakukan analisis penyempitan kanal pendingin elemen bakar. Adanyapenyempitan berdampak pada karakteristik termohidraulika pendingin karena terjadi penguranganaliran untuk mendinginkan plat elemen bakar, sem*ntara pembangkitan daya tetap terjadi. Simulasidiselesaikan dengan pendekatan persamaan matematis perpindahan panas di dalam kanal persegi,dengan mengamati karakteristik perpindahan panas sepanjang arah aksial pada kanal yang dibatasi olehdua buah plat elemen bakar dan kanal yang terbentuk antara kelongsong dan plat elemen bakar. Analisisdilakukan dengan memanfaatkan paket program HEATHYDE. Paket program HEATHYDE adalahprogram perhitungan termohidraulika plat elemen bakar pada kondisi tunak. Simulasi dilakukan padakondisi operasi daya lebih (terburuk) yaitu sebesar 114% dari daya nominal, faktor kanal terpanas danlaju alir minimum. Hasil perhitungan meriunjukkan bahwa kriteria terjadinya rasio ketakstabilan aliran(OFI) pada kanal tanpa adanya penyumbatan adalah 1,16 dengan suhu permukaan plat terpanas dansuhu fluida pendingin maksimum sebesar 149,6°C dan 91,95°C. Dengan simulasi penyempitan sampaidengan 40% diperoleh batas penyempitan kanal maksimum dengan nilai OFI 1,10 adalah sebesar 30%.

Pusat Reaktor Serba Guna - BAT AN

381

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (384)

PENDAHULUAN

Keselamatan pengoperasian reaktor ditinjau dari segi termohidraulika bergantungpada tersedianya pendinginan yang mencukupi untuk memindahkan panas dari permukaanplat elemen bakar ke pendingin yang mengalir di dalam kanal-kanal elemen bakar. Kanalpendingin yang terbentuk dari celah antara dua plat sejajar ini selain berfungsi untukpendinginan juga digunakan untuk menyisipkan keping (foil) dan self power neutrondetector guna pengukuran fluks. Adanya penyisipan ini akan mengurangi lebar kanal,sehingga mengakibatkan laju pendingin berkurang.

Untuk mengantisipasi kejadian di atas terhadap batasan keselamatan pengoperasian,dilakukan analisis termohidraulika pada kondisi tunak menggunakan paket programHEATHYDE. Model matematis program perhitungan HEATHYDE ini telah diveriflkasidengan hasil pengukuran parameter perpindahan panas dan laju pendingin RSG-GASdengan hasil yang cukup baik yaitu 6,85% [5].

Analisis dilakukan pada tingkat daya 34,2 MW (dengan 14% daya lebih terhadapdaya nominal 30 MW), yaitu laju pendingin minimum dan pada kanal terpanas denganmenggunakan kriteria ketakstabilan aliran sebagai batasan keselamatan.

TEORI

PROGRAM PERHITUNGAN HEA THYDE

Program perhitungan HEATHYDE adalah model perhitungan perpindahan panas danlaju pendingin satu dimensi pada kondisi tunak untuk perangkat plat elemen bakar dengandistribusi daya aksial dan radial. Skema program HEATHYDE ini dapat dilihat padaGambar 1. Perhitungan termohidraulika pada perangkat elemen bakar tipe plat inimemerlukan data perpindahan panas, hilang tekan dan laju pendingin di dalam elemen bakar.Hilang tekan dan kecepatan pendingin di dalam elemen bakar ditentukan dengan korelasiColebrook-White yang telah dimodifikasi untuk menghitung efek umpan balik suhupendingin.

Model perpindahan panas untuk fasa tunggal dan aliran dua fasa secara konveksipaksa dihitung menggunakan kriteria transisi dengan korelasi Bergles-Rohsenow. Bataskeselamatan terhadap awal pendidihan inti (ONB) dapat dijelaskan bahwa kehadiranpendidihan inti di dalam kanal tidak membahayakan operasi reaktor. Bila intensitaspendidihan meningkat maka inti-inti pendidihan akan bergabung menjadi lebih besar, danakhirnya menjadi suatu gelembung. Jika intensitas pendidihan meningkat lagi makagelembung akan lepas dari dinding elemen bakar. Pelepasan gelembung akan mempengaruhikarakteristik penurunan tekanan di dalam kanal, dan ini akan mengakibatkan ketakstabilanaliran. Fluks panas pada saat terjadi pendidihan inti (ONB) diselesaikan dengan korelasi [4]:

382

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (385)

= Pi''56 ''Pi' '56 I 9& [1.8 (Ts-Tsat) ] ((0,463) ( p r 3 4 ) ) ' ' (Ddengan:

PE = tekanan pendingin di setiap nodal (bar abs.)TONB = suhu awal pendidihan inti (°C)Ts = suhu permukaan kelongsong (°C)Tat = suhu saturasi (°C)

Batas keselamatan terhadap kondisi panas kritis penyebab terjadinya akhir pendidihaninti (Departure of nucleate boiling = DNB) ditentukan secara iteratif menggunakan korelasiMirshak dan Labuntsov. Korelasi Mirshak mempunyai range/rentang harga parameterkecepatan pendingin, suhu subcooling dan fluks panas kritis yang lebih sempit daripadakorelasi Labuntsov. Korelasi Mirshak [4] adalah :

qc = 151 ( l + 0,1198U) (1 + 0,00914 ATsubcooiing)(l + 0,19P) (2)

dengan:qc = harga fluks panas kritis (w/cm2)U = kecepatan pendingin di dalam kanal (cm/det)P = tekanan pendingin di sisi keluaran kanal (bar abs)A lowing = T^ -T,„-Delta Tc (°C)Tin = suhu pendingin di sisi masukan teras (°C)A Tc = kenaikan suhu pendingin sepanjang kanal (°°)

Sedangkan korelasi Labuntsov [4] adalah :

qc = 145,4 9 ( p ) [ l + 2 , 5 u 2 / e ( p ) f 4 ) ( 1 + 15,1 CP A T ^ c o o i ^ / Xp1 /2) (3)dengan:

9(p) = 0,99531 p1 / 3 ( 1 - P / P C ) 4 / 3 (4)

dengan:Cp = harga panas spesik air (KJ/Kg-°C)X = harga panas penguapan air (KJ/Kg)P = tekanan pendingin di sisi keluaran kanal (bar abs)

= 1 ^ , -Tin-Delta TC(°C)

Kriteria ketakstabilan aliran (onset of flow instability = OFT) untuk kanal persegidiselesaikan dengan korelasi Whittle & Forgan yang ditentukan berdasarkan parameterkenaikan suhu, panas spesifik dan laju pendingin. Ketakstabilan aliran adalah perubahan lajualir secara tiba-tiba di dalam kanal yang dipanaskan yang disebabkan oleh adanya

383

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (386)

perubahan karakteristik pressure drop dari aliran satu fase ke aliran dua fase atausebaliknya. Fenomena perubahan karakteristik pressure drop dapat dihubungkan denganperistiwa lepasnya gelembung-gelembung dari dinding kanal. Parameter pelepasangelembung dapat diturunkan dari eksperimen yang dilakukan pada berbagai variasi sesi ujipada kanal sempit, yaitu :

r](z) = [T , (2 ) - Tc(z)]v(z)l /q"(z) (5)

dengan:r\ (z) = parameter pelepasan gelembung (cnA/j)

Ts = suhu saturasi (°C)Tc = suhu pendingin campuran (°C)V = kecepatan pendingin (cm/det)q" = fluks panas, (w/cm2)z = jarak dari kanal pendingin masukan (cm)

Parameter i\ mengontrol bilamana gelembung tetap melekat di dinding atau lepas.

Sedangkan fluks panas pada saat OFI adalah :

qOFI = 0,05 [ R p CP (W tw / WH LH) U (T« - Tim*)] (6)

dengan:R = suhu saturasi (°C)p = densitas pendingin (Kg/m3)W = lebar kanal (cm)t» = tebal kanal (cm)WH = lebar plat elemen bakar yang dipanaskan (cm)LH = panjang elemen bakar yang dipanaskan (cm)

Sedangkan faktor keselamatan Sf yang merupakan batas awal terjadinya ketakstabilan alirandidefinisikan sebagai:

Sf = (T»t-Ti» t e) / (Tom-Tinte) = 1 + "H D H / L H (?)dengan:

r\ = parameter buble detachment, ditentukan secara empiris = 25 [4]Tom = suhu pada sisi keluaran teras (°C)

Secara ringkas korelasi yang digunakan di dalam program Heathyde dapat dikelompokkanmenjadi dua bagian yaitu :

384

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (387)

1. Model dan korelasi aliran fluida yang digunakan dalam program Heathyde.

Parameter

1. Penurunan tekanan (pressure drop)-Friksi- Perubahan kecepatan- Kanal masukan/keluaran

2. Kecepatan3. Suhu pendidihan

Korelasi

Blasius-CollebrookBernoulliKorelasi fisis

Korelasi fisis/iterasiKorelasi empiris (Ts=f(p))

2. Model dan korelasi dan perpindahan panas program Heathyde.

Parameter

1. Fluks panas-satufase-duafase

2. Suhu- pendingin- elemen bakar

3. Awal pendidihan inti (ONB)- onset of nucleate boiling- fluks panas kritis (CNF)- ketakstabilan aliran (OFI)

Korelasi

Dittus-BoelterJeans &Lottes

Hasil fluks panasHasil fluks panas

Bergles-RohsenowMirshak-LabuntsovForganAVhittle

METODA PERHITUNGAN

Model Perhitungan

Untuk menganalisis pengaruh penyisipan keping terhadap keselamatan disain elemenbakar dari segi termohidraulika, akan dihitung parameter suhu permukaan plat elemenbakar, suhu fluida pendingin, batas keselamatan terhadap harga ONB, OFI dan DNB.

Untuk itu diasumsikan kanal pendingin mengalami penyempitan. Lebar kanal (gap)disimulasi mengalami penyempitan dari 0%, 10%, 20% hingga 40% dari dimensi nominal.Untuk mengamati karakteristik suhu, tekanan dan batas keselamatan yang bergeser akibatadanya penyempitan ini, perhitungan perpindahan panas di dalam plat elemen bakardipertahankan dengan pendinginan konveksi paksa. Laju pendingin di dalam elemen bakardianggap tidak mengalami perubahan debit dengan adanya penyempitan ini. Perhitungandilakukan pada daya 34,2 MW (114% dari daya nominal 30 MW) menggunakan asumsi

385

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (388)

kanal terpanas, dimana pada kanal terpanas terdapat titik terpanas. Model perhitungan kanalterpanas yang dipakai mengacu pada model yang telah dibuat oleh pemasok.

Pada model perhitungan ini, laju alir di dalam elemen bakar menggunakan data hasileksperimen pengukuran laju alir di teras 11 sebesar 46,54 m3/jam [3]. Distribusi suhudihitung dengan cara membagi plat elemen bakar menjadi 21 titik pengamatan (nodes) padaarah aksial. Kanal pendingin dipanaskan dari dua sisi plat yang bersebelahan, dengan arahaliran dari atas ke bawah. Tekanan masuk kanal dianggap sama dengan tekanan masuk terasyaitu sebesar 1,997 kg/cm2.

Data Masukan Yang Digunakan

Data parameter termohidraulika teras RSG yang digunakan sebagai masukanprogram HEATHYDE, antara lain adalah :

Faktor-faktor kanal terpanas yang digunakan [ 1 ]:faktor puncak daya radial (FR) = 2,600faktor teknis kenaikan suhu pendingin sepanjang kanal (FA) = 1,167faktor teknis kenaikan suhu film = 1,260faktor teknis dari ketidak rataan fluks panas (Fq") = 1,200

Distribusi daya aksial menggunakan hasil pengukuran fluks neutron di teras II.Suhu masuk kanal pendingin = 44,5 °Ctekanan masuk kanal =1,997 kg/cm2

laju pendingin masuk kanal = 46,54 mVjDimensi elemen bakar,mm = 76,1 x 80,5 x 873Dimensi plat elemen bakar,mm = 1,30 x 70,75 x 625Dimensi meat elemen bakar,mm = 1,54 x 62,75 x 600Tebal kelongsong,mm = 0,38Lebar gap,mmtanpa penyempitan (minimum) = 2,40menyempit 10% =2,16menyempit20% =1,92menyempit 30% =1,68menyempit 40% =1,44

HASIL DAN PEMBAHASAN

Hasil perhitungan perpindahan panas dan batasan keselamatan akibat adanyapenyempitan kanal pendingin dengan data masukan seperti yang telah diuraikan, disarikandalam Tabell.

386

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (389)

Kondisi operasi reaktor pada kondisi tunak ditentukan oleh parameter fluks panas,kecepatan pendingin, suhu masuk dan tekanan pendingin. Bila aliran pendingin dengankecepatan tinggi melewati suatu kanal sempit maka tekanan Head di dalam aliran akanmengalami peningkatan.

Pada Gambar 2 terlihat kecepatan aliran meningkat sebagai fungsi penyempitan kanaldan sebagai akibatnya pressure drop juga mengalami peningkatan. Peningkatan pressuredrop akibat penyempitan kanal ini berdampak pada pola aliran pendingin yang tidak stabil.

Kecepatan pendingin akan mencapai maksimum apabila kanal pendingin mengalamipenyempitan 40% yaitu sebesar 5,490 m/detik. Kecepatan pendingin sebesar ini belummenyebabkan terjadinya vibrasi karena batasan kecepatan terjadinya vibrasi di teras RSG-GAS adalah 15 m/det [1].

Batas keselamatan terhadap ONB menunjukkan nilai yang lebih kecil dari satu, halini menunjukkan bahwa awal pendidihan inti telah terjadi. Penurunan tekanan {pressuredrop) sebagai akibat intensitas pendidihan inti meningkat tinggi sebagai akibat penyempitankanal, yang selanjutnya menyebabkan ketakstabilan aliran. Gambar 3 memperlihatkan

nilai ketakstabilan aliran sebagai fungsi penyempitan kanal. Reaktor yang dioperasikandengan 14% daya lebih atau 34,2 MW dan didinginkan dengan laju alir minimum di posisikanal terpanas dengan faktor 2,846 kali lebih panas dibandingkan dengan kanal-kanal rerata,yang artinya kondisi ketakstabilan aliran sebagai pembatas keselamatan pengoperasianreaktor dianalisis pada kondisi terburuk menunjukkan bahwa tanpa penyempitan kanal, nilaiOFI 1,16. Batas keselamatan ini semakin mengecil apabila kanal semakin sempit. Denganmengambil faktor ketidak pastian sebesar 10% yang artinya nilai OFI 10% lebih besar dariharga satu, maka dengan penyempitan kanal hingga 30% atau adanya penyisipankeping setebal 0,765 mm reaktor masih dapat dioperasikan dengan daya maksimum.

Program HEATHYDE mempunyai kemampuan menghitung perpindahan panasantara dua plat sejajar hingga terbentuknya aliran dua fasa. Akan tetapi program tersebuthanya dapat menghitung hingga penyempitan kanal 40% dengan nilai OFI sebesar 0,958.Hal ini disebabkan karena data hasil eksperimen yang digunakan di dalam persamaanempiris tersebut terbatas. Untuk analisis lebih lanjut pada aliran dua fase hingga terjadinyadry out dimana analisis sudah tidak dapat dilakukan pada kondisi tunak (steady state) lagimaka perlu dilanjutkan dengan program perhitungan untuk kondisi transien.

KESIMPULAN

Dari hasil perhitungan dan analisis tersebut di atas dapat disimpulkan bahwa denganmengambil kriteria batas OFI sebesar 1,10 maka adanya penyisipan keping di kanal elemenbakar RSG-GAS hanya dapat dikerjakan sampai dengan batas maksimum penyempitankanal sebesar 30%, atau lebar kanal minimum 1,785 mm, sem*ntara penyempitan >30%telah melampaui nilai batas yang ditetapkan.

387

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (390)

DAFTARPUSTAKA

1. Badan Tenaga Atom Nasional, "Safety Analysis Report", September 1989

2. ENDIAH P.H. dkk., "Paket Program Heathyd", Seminar dan Latihan Kerja BantuanTeknik IAEA INS/04/018-06, Serpong, 20 Mei - 20 Juli 1988

3. K. PUTRANTA dkk., "Laporan pengukuran distribusi laju alir teras 11 RSG-GAS",RSG-EFT-94-03-T11.01-L

4. L. ALI KHAN, "Heat-Transfer Analysis of The Existing HEU And Proposed LEUCores of Pakistan Research Reactor", KFA Mich GmbH, ISSN 0366-0885, February1987

5. R. NABBI, BAKRIE ARBIE, ENDIAH P.H.,K. PUTRANTA, W. KUEHNE, "SteadyState Termohydraulics of the Indonesian Research Reactor RSG-GAS", ProcedingASSR-H Jakarta, 23-25 Mei 1989

388

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (391)

Tabel 1. Hasil Perhitungan Parameter Termohidraulik Akibat Penyempitan KanalPendingin Menggunakan Program HEATHYDE

Parameter

Pembangkitan daya setiap elemen bakar.MWLaju pendingin volumetrik elemen

bakar,m3/jamKecepatan pendingin didalam kanal, m/detikTekanan di sisi masukan elemen bakar.barPenurunan tekanan sepanjang kanal, barTekanan di sisi keluaran elemen bakar.barSuhu pendingin masuk kanal (°C)Suhu pendingin keluar kanal (°C)Suhu maksimum permukaan kelongsong°CFluks panas maksimum, w/cm2Batas keselamatan terhadap ONBBatas keselamatan terhadap OFIBatas keselamatan terhadap DNB

0%

0,1960,5713,2940,2000,3151,6844,591,95149,651,320,4621,161,783

Hasil perhitungan

10%

0,1960,5713,6600,2000,4001,5944,591,70148,251,320,4971,151,798

20%

0,1960,5714,1170,2000,5311,4644,591,26145,951,050,5421,151,813

30%

0,1960,5714,7060,2000,7411,2544,590,85139,652,500,5641,111,825

40%

0,1960,5715,490,2003,1070,8844,590,65129,952,700,4540,9581,710

389

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (392)

MASUKAN PROGRAM KELUARAN

Data kanal pendinginPin, Tin masukanLaju massa pendinginArahaliran

Data elemen bakarJumlah nodalDistribusi dayaDaya total

ALIRAN PENDINGIN

ITERASI LUAR

PERPINDAHAN PANAS

IVP r

:DNB To

;ONB T f

|OFI Q

Gambar 1. Skema Termohidrolika Program HEATHYD

Vm/det

Delta P (bar)

V m/det, +Delta P(bar)

1.44 1.54 1.64 1.74 1.84 1.94 2.04 2.14 2.24 2.34

Lebar Kanal

Gambar 2. Profil Kecepatan dan "Pressure Drop" Pendingin Terhadap Lebar Kanal

390

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (393)

Nilai Ketakstabilan Aliran

1.5

1.4

1.3

.1.2

1.1

1

0.9

0.81.44 1.54 1.64 1.74 1.84 1.94 2.04 2.14 2.24 2.34

Lebar Kanal (mm)

Gambar 3. Grafik Lebar Kanal Terhadap Nilai Ketakstabilan Aliran

391

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (394)

DISKUSI

SONY

Mohon dijelaskan skenario analisis penyempitan ini, sebab dulu pernah dihitung/we/channel blockage dengan skenario yang lebih pesimistis dan dari hasil perhitungantidak terjadi core melt.

ENDIAH PH

Skenario model penyempitan adalah sebagai berikut: Dalam celah kanal pendingindisisipkan keping, yang dimodelkan dengan berkurangnya lebar kanal secarabertahap. Celah kanal dari sisi atas tidak mengalami penyumbatan {blockage)sehingga dianggap laju pendingin masih tetap ada. Pada pemodelan fuel channelblockage ada bagian kanal pada sisi masukan yang tertutup sesuatu sehinggapendingin jelas berkurang.

AMIR RUSLI

1. Apa benar terjadi penyempitan oleh korosi pada kondisi P = 1.9 kg/cm2 dan lajualiran = 46,54 m3/jam. Pada kondisi ini apakah tidak terjadi hal yang sebaliknya,yaitu pelebaran akibat korosi. Apakah penyempitan tersebut bukan disebabkanoleh scaling?

2. Bagaimana bila dibandingkan hasil perhitungan dengan hasil pengukirandilapangan (keadaan sebenarnya di RSG)?

ENDIAH PH

1. Korosi dapat terjadi pada permukaan pelat elemen bakar apabila elemen bakarberada di dalam kolam reaktor dalam waktu yang lama. Pada sisi di sebelah korositerjadi scaling yang menyebabkan penyempitan kanal.

2. Pengukuran aktivitas keping yang disisipkan pada celah kanal pendingin yangdilakukan di RSG-GAS baru ailakukan pada daya rendah, akan tetapi secarateoritis dari segi termohidraulika dapat dilakukan pengukuran pada daya tinggi(orde MW).

392

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (395)

ANALISIS KECELAKAAN KEHILANGAN PENDINGIN SEKUNDERREAKTOR TIPE PIUS MENGGUNAKAN RELAP5/MOD2

Ign. Djoko Irianto*

ID990000033

ABSTRACT

LOSS OF SECONDARY COOLANT ACCIDENT ANALYSIS FOR PIUS TYPEREACTOR USING RELAP5/MOD2. Process Inherent Ultimate Safety (PIUS) reactor concept is areactor concept that intrinsically based on passive safety. This reactor refer to Pressurized WaterReactor (PWR) wherein the primary system is submerged in a pool of poison water. The operatingprinciple is to maintain the pressure balance, so that no inflow from pool to the primary system. On lossof secondary coolant accident, primary coolant temperature increases, it is followed by the increase ofprimary pump speed. When the upper limit is reached, the pump is tripped. Due to the pressure balancedisturbance, poison water flows from pool to the primary system, then reactor shut down. This accidentcondition was simulated by experimental and numerical simulation using RELAP5/MOD2. Numericalsimulation was done to the experimental apparatus nodalization that was set on the norm ofRELAP5/MOD2. This nodalization consist of 119 volumes, 127 junctions, and 106 heat structures.Analysis was carried out using both experimental and numerical simulation results. It can be concludedthat PIUS type reactor is able to anticipate loss of secondary coolant accident because its capability ofself shut down.

ABSTRAK

ANALISIS KECELAKAAN KEHILANGAN PENDINGIN SEKUNDER REAKTOR TIPEPIUS MENGGUNAKAN RELAP5/MOD2. Konsep reaktor Process Inherent Ultimate Safety (PIUS)adalah suatu konsep reaktor yang mengutamakan sistem keselamatan pasif. Reaktor ini mengacu padaPressurized Water Reactor (PWR) dengan sistem primer yang direndam dalam kolam air poison.Prinsip pengoperasiannya adalah menjaga kesetimbangan tekanan agar tidak ada aliran dari kolam kesistem primer. Pada kecelakaan kehilangan pendingin sekunder, suhu pendingin primer naik yangdiikiiti oleh kenaikan laju putaran pompa primer. Setelah Iaju putaran pompa primer mencapai batasmaksimal, pompa akan trip (berhenti). Karena kesetimbangan tekanan terganggu, air kolam mengalir kesistem primer, kemudian reaktor shut down. Kondisi kecelakaan ini disimulasi secara eksperimen dansecara numerik menggunakan kode komputer RELAP5/MOD2. Simulasi numerik dilakukan terhadapnodalisasi peralatan eksperimen yang disusun berdasarkan kaidah RELAP5/MOD2. Nodalisasi initerdiri atas 119 volume, 111 junction dan 106 heat structures. Analisis dilakukan berdasarkan hasilsimulasi eksperimen dan numerik. Dari kedua simulasi dapat disimpulkan bahwa reaktor tipe PIUSmampu mengantisipasi kecelakaan kehilangan pendingin sekunder dengan cara shut down secaraotomatis.

Pusat Pengkajian Teknologi Nuklir - BATAN

393

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (396)

PENDAHULUAN

Reaktor Process Inherent Ultimate Safety (PIUS) adalah suatu konsep reaktornuklir maju yang pada hakekatnya mengutamakan sistem keselamatan pasif. Prinsiprancangan yang pokok pada reaktor ini adalah derajat keselamatannya yang tinggidengan mengurangi tingkat intervensi operator maupun peralatan rekayasakeselamatan. Hal lain yang diperhitungkan dalam rancangan reaktor ini adalahkemampuannya untuk shut-down secara otomatis selama transien abnormal sertakemampuannya mendinginkan teras secara pasif dengan cara sirkulasi natural.

Sistem reaktor ini didasarkan pada sistem reaktor air tekan {pressurized waterreactor = PWR), dengan modifikasi seluruh untai sistem primer direndam di dalamkolam besar yang berisi air poison yaitu air larutan boron dingin. Sistem primerdihubungkan dengan kolam air poison pada bagian atas bejana (riser) dan bagianbawah teras melalui density lock yang terdiri atas untaian pipa paralel vertikal yangdirangkai dalam konfigurasi sarang tawon (honeycomb). Sistem primer untukmengangkut energi panas dari teras.reaktor ke turbin pada dasamya sama dengan PWRkecuali pada bagian density lock.

Prinsip operasi reaktor tipe PIUS adalah menjaga kesetimbangan tekanansepanjang density lock antara sisi primer dan sisi kolam air poison, agar tidak terjadialiran dari kolam air poison ke sistem primer ataupun sebaliknya melalui density lock.Kesetimbangan tekanan dalam density lock dapat dipertahankan dengan caramengontrol laju putaran pompa primer berdasarkan distribusi suhu pada density lockbawah [1].

Pada kondisi kecelakaan kehilangan pendingin sekunder, kemampuan pendinginanreaktor menurun. Kondisi ini menyebabkan suhu pendingin primer naik dengan cepat.Karena adanya sistem kendali umpan balik pada laju putaran pompa primer, makakenaikan suhu pendingin primer akan diikuti oleh kenaikan laju putaran pompa primer.Setelah laju putaran pompa primer mencapai batas maksimal, pompa primer akan trip(berhenti). Kejadian ini akan mengakibatkan kesetimbangan tekanan pada density lockterganggu sehingga terjadi aliran air poison dari kolam ke sistem primer, dan kemudianreaktor shut-down.

Dalam penelitian sebelumnya telah dilakukan eksperimen untuk verifikasipenerapan sistem kendali umpan balik terhadap laju putaran pompa primer berdasarkandistribusi suhu pada density lock bawah [1,2]. Dalam penelitian ini, denganmenerapkan sistem kendali tersebut, dilakukan suatu simulasi kecelakaan dimana lajualir pendingin sekunder menurun secara tajam (hilang). Simulasi dilakukan melalui duacara yaitu secara eksperimen menggunakan untai uji termohidrolika yang dilakukan diJAERI (Jepang) dan secara numerik menggunakan code komputer RELAP5/MOD2yang dilakukan di Universitas Nagoya Jepang.

394

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (397)

PERALATAN

Dalam eksperimen ini digunakan untai uji termohidrolika sebagai simulasi reaktortipe PIUS (diagram reaktor tipe PIUS ditunjukkan pada Gambar 1) dengan susunanperalatan ditunjukkan pada Gambar 2. Volume total untai primer termasuk terasreaktor adalah 0,07 m3. Simulasi teras reaktor terdiri atas 28 batang pemanas listrikdan 61 batang bukan pemanas listrik dengan diameter luar masing-masing 10 mm.Teras dimasukkan ke dalam bejana berdiameter dalam 150 mm dan panjang 1000 mm.Daya teras maksimal adalah 28 kW. Hambatan alir {flow drag) hidrolik pada terasreaktor disimulasi dengan memasang orifis tepat di bawah saluran masuk teras.

Pada bagian atas dan bawah untai primer dihubungkan ke tangki air poisonmelalui density lock. Masing-masing density lock terdiri atas bundel tabungberdiameter dan panjang yang sama membentuk konfigurasi sarang tawon. Density lockbawah terdiri atas 9 tabung berdiameter dalam 31 mm dan panjang 300 mm. Densitylock atas terdiri atas 37 tabung yang dipasang di dalam silinder berdiameter dalam 300mm dan diletakkan pada bagian atas tangki air poison. Ketinggian antara pusat densitylock bawah dan atas adalah 3500 mm.

Laju alir diukur dengan menggunakan pengukur laju alir FX1, FX2 dan FX3masing-masing pada keluaran pompa primer, pipa penghubung tangki air poison kedensity lock bawah dan pada sistem sekunder. Pengukuran suhu menggunakantermokopel yang dipasang dalam untai primer, kolam air poison, density lock bawah,dan dalam untai pendingin sekunder.

EKSPERIMEN

Eksperimen dilakukan pada kondisi tekanan satu atmosfir, yaitu dengan membukapressurizer pada bagian atas bejana. Untuk menjaga kesetimbangan tekanan makadigunakan sistem kendali umpan balik terhadap laju putaran pompa primer berdasarkanpengukuran distribusi suhu pada density lock bawah. Transien yang disebabkan olehmasuknya air poison ke dalam teras reaktor disimulasi dengan menurunkan dayapemanas listrik teras reaktor hingga ke tingkat panas peluruhan.

Kondisi awal eksperimen ditetapkan pada kondisi tunak operasi reaktor yangstabil pada daya teras sebesar 20 kW. Eksperimen ini diawali dengan mengurangi lajualir air umpan penukar panas atau air dalam pendingin sekunder secara manual yaitukurang lebih 0,15 kg/dt untuk setiap 300 detik atau seperti dalam tabel berikut:

395

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (398)

Waktu (detik)

055085011501450

Laju alir (kg/dt)

0,671140,501420,347140,169710,05914

Pengurangan laju alir pendingin sekunder akan menyebabkan kapasitaspendinginan reaktor menurun, sehingga suhu pendingin primer naik. Dengan adanyasistem kendali terhadap laju putaran pompa primer, maka kenaikan suhu pendinginprimer akan diikuti oleh kenaikan laju putaran pompa primer. Batas maksimal lajuputaran pompa primer ditetapkan sebesar 50 Hz.

SIMULASI MENGGUNAKAN CODE KOMPUTER RELAP5/MOD2

Nodalisasi Untai Uji TermohidroHka

Simulasi menggunakan kode komputer RELAP5/MOD2 diawali dengan membuatmodel nodalisasi seperti ditunjukkan pada Gambar 3. Model nodalisasi ini mengacupada peralatan eksperimen yaitu untai uji termohidrolika yang ada di JAERI menurutkaidah yang berlaku untuk masukan RELAP5/MOD2. Baik ukuran, bentuk maupuhkeadaan sistem dalam model nodalisasi disesuaikan dengan keadaan untai ujitermohidrolika yang digunakan dalam eksperimen.

Berdasarkan kaidah tersebut disusun nodalisasi untuk seluruh sistem yang terdiriatas 119 volume, 127 junction dan 106 heat structure dengan 385 titik mesh. Dalamnodalisasi ini, seluruh pipa dan tangki dimodelkan sebagai bentuk silinder dan dibagidalam beberapa volume. Semua katup, orifis dan penghubung antara dua volumedimodelkan sebagai junction. Dinding pipa, tangki, penukar panas dan teras reaktordimodelkan sebagai heat structure. Pressurizer dan sebagian dari sistem sekunderdimodelkan sebagai time dependent volume dengan memberikan besaran masukanseperti halnya perlakuan yang diberikan dalam eksperimen.

Untai sistem primer disusun mulai dari volume 100 sampai dengan volume 184dan simulasi kolam air poison dari volume 188 sampai dengan volume 217. Untaisistem sekunder dari volume 228 sampai dengan volume 260. Bagian penukar panasyang merupakan untaian sistem primer adalah volume 116 yang dibagi menjadi 4,sedangkan yang merupakan untaian sistem sekunder adalah volume 246. Density lockbawah terdiri atas 6 batang pipa yang dimodelkan sebagai volume 206 sampai denganvolume 217 yang masing-masing dibagi 5. Density lock atas dimodelkan sebagaivolume 185 sampai dengan volume 188, masing-masing dibagi menjadi 5 bagian.

396

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (399)

Penetapan Besaran Masukan Awal

Kondisi awal untuk simulasi numerik ditetapkan berdasarkan hasil pengukuranpada eksperimen. Karena keterbatasan pengukuran pada eksperimen, maka beberapabesaran diestimasikan sebagai berikut:

1. Diasumsikan bahwa laju alir pada setiap junction adalah sama, dan ditetapkan darihasil eksperimen.

2. Aliran air poison dari tangki ke untai primar adalah positif, arah sebaliknya adalahnegatif. Pada kondisi awal ditetapkan sebesar nol.

3. Tekanan awal setiap volume, untuk bagian pipa yang statis dihitung menggunakanrumus sebagai berikut [3]:

Ap =pghf

Ap = beda tekanan,p = densitas,g = percepatan gravitasi danhjp = koefisien kehilangan tekanan.

4. Untuk bagian pipa yang terdapat aliran, tekanan awal dihitung menggunakanpersamaan berikut [3]:

128

Q = laju alir,Ap = beda tekanan,D = diameter tampang lintang aliran,u = viskisitas cairan, danL = panjang volume.

ANALISIS DAN PEMBAHASAN

Simulasi kecelakaan kehilangan pendingin sekunder diawali dengan menyusunkondisi tunak reaktor yang beroperasi stabil pada daya sebesar 20 kW yang berlakusebagai kondisi awal. Pada kondisi awal tersebut, laju putaran pompa primer diaturuntuk frekuensi 38.0 Hz. Akibat berkurangnya air isian penukar panas, kemampuanpemindahan panas menurun. Hal ini menyebabkan naiknya suhu pendingin primersehingga densitas pendingin primer menurun. Penurunan densitas ini menyebabkanpressure head pada riser menurun, yang dikompensasi dengan naiknya laju putaranpompa. Seperti halnya pada eksperimen, pada simulasi numerik pun laju putaranpompa primer maksimal ditetapkan sebesar 50 Hz.

397

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (400)

Pada simulasi ini, dalam waktu 1680 detik laju putaran pompa primer naikmencapai maksimal (50 Hz). Setelah itu pompa trip sehingga laju putaran pompamenjadi nol (0 Hz) seperti yang ditunjukkan pada Gambar 4. Pada Gambar 5ditunjukkan grafik laju alir pendingin primer terhadap waktu sebagai respon terhadapkecelakaan kehilangan pendingin sekunder. Dari 0 detik sampai dengan 1680 detik, lajualir pendingin sekunder menurun, dan laju putaran pompa sirkulasi primer maupun lajualir pendingin primer naik. Pada saat detik yang ke 1680 pompa primer trip, sehinggalaju alir primer menurun drastis. Selama pompa primer berhenti, perbedaan densitasdalam air primer dan air poison menyebabkan munculnya aliran sirkulasi natural airpoison dari tangki poison ke sistem primer.

Hasil simulasi numerik menunjukkan bahwa setelah pompa berhenti dan laju alirprimer menurun drastis, terlihat adanya laju alir primer dengan arah negatif. Hal inidicoba diterangkan dengan menggunakan fenomena water hammer[3]. Fenomena inimengatakan bahwa apabila dalam suatu pipa dialiri fluida dan tiba-tiba katupnyaditutup maka sebelum katup akan terjadi kenaikan tekanan, dan di sebaliknya akanterjadi tekanan negatif. Fenomena tersebut juga terjadi dalam kasus ini yaitu pompasecara tiba-tiba berhenti sehingga terjadi tekanan yang negatif pada saluran keluar daripompa. Akibat tekanan negatif ini, air poison mengalir dari tangki poison menuju kearah pompa. Karena pompa berhenti, air poison ini mengalir kembali ke arah riser.Dalam waktu 200 detik laju alir primer menjadi nol, sedangkan di dalam eksperimenlaju alir primer yang negatif tidak terukur, hal ini disebabkan oleh adanya sedikitbocoran pada sirip-sirip pompa nyata.

Karakteristik perubahan laju alir air poison dari 0 detik sampai dengan 1680 detikditampilkan pada Gambar 6 yang menunjukkan bahwa karena adanya sistem kontrolumpan balik terhadap pompa primer, maka kesetimbangan tekanan pada density lockbawah dapat dipertahankan sehingga aliran air poison ke dalam sistem primer dapatdicegah. Akan tetapi, setelah 1680 detik pompa mengalami trip dan laju putaran pompamenjadi nol, akibatnya kesetimbangan tekanan pada density lock bawah terganggusehingga air poison masuk ke dalam sistem primer. Ada sedikit perbedaan antara hasilsimulasi numerik dan eksperimen. Pada hasil numerik, laju alir air poison tertinggimenunjukkan nilai yang lebih besar dibandingkan dengan laju alir air poison tertinggihasil eksperimen. Laju alir air poison tertinggi hasil simulasi numerik adalah 0,45kg/dt, sedangkan hasil eksperimen adalah 0,23 kg/dt. Hal ini disebabkan karena padapompa nyata terdapat sedikit bocoran melalui sirip-sirip pompa, sehingga setelahpompa berhenti terdapat sirkulasi natural baik dari tangki poison maupun dari sistemprimer ke riser. Lain halnya dengan simulasi numerik, setelah pompa berhenti aliranpendingin sistem primer berhenti (menjadi 0 kg/dt), sehingga aliran sirkulasi naturalseluruhnya berasal dari tangki air poison. Dengan demikian dapat dimengerti bahwahasil numerik menunjukkan nilai yang lebih tinggi. Selain itu, pada hasil numerikperubahan laju alir menunjukkan dua kali terjadi puncak, hal ini dapat diterangkan dariGambar 5 bahwa laju alir yang berarah negatif kembali mengalir menuju ke arah risersehingga sekali lagi terjadi puncak.

398

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (401)

Karaktersitik perubahan suhu pada saluran keluar dari teras ditunjukkan padaGambar 7. Sebelum pompa mengalami trip, simulasi secara eksperimen dan numerikmenunjukkan hasil yang sama yaitu suhu pada saluran keluar teras berangsur-angsurnaik. Namun pada simulasi numerik menunjukkan suhu yang lebih tinggi sehinggaperbedaan suhu puncak mencapai kira-kira 2 °C.

KESIMPULAN

Dalam penelitian ini telah dilakukan simulasi kecelakaan kehilangan pendinginsekunder pada reaktor tipe PIUS. Simulasi dilakukan dalam dua cara yaitu eksperimenmenggunakan untai uji termohidrolika dan simulasi numerik menggunakan codekomputer RELAP5/MOD2. Dari hasil analisis dapat disimpulkan sebagai berikut:

1. Akibat hilangnya air pendingin sekunder, kemampuan pembuangan panas darisistem primer ke sistem sekunder berkurang sehingga suhu pendingin primer naik.Dengan adanya sistem kendali umpan balik terhadap laju putaran pompa, kenaikansuhu pendingin primer akan dikompensasi dengan naiknya laju putaran pompaprimer. Hal ini didukung baik oleh hasil eksperimen maupun simulasi numerik.

2. Dalam kondisi kecelakaan kehilangan pendingin sekunder, reaktor akan shut-downsecara otomatis yang disebabkan oleh masuknya air poison ke dalam teras reaktor.Hal ini dari sudut keselamatan reaktor mengandung makna bahwa reaktor tipe PIUSmampu mengantisipasi kemungkinan kecelakaan akibat kehilangan air pendinginsekunder atau air isian pada pembangkit uap.

UCAPAN TERIMA KASIH

Penulis mengucapkan terima kasih kepada Prof. Dr. Kanji Tasaka dari UniversitasNagoya Jepang yang telah membimbing penelitian ini, dan kepada Dr. Yutaka Kukitayang telah memberi izin untuk memanfaatkan fasilitas penelitian di JAERI.

DAFTAR PUSTAKA

1. IGN.DJOKO IRIANTO, dkk., "Verification of The Circulation Pump FeedbackControl Using Temperature Distribution in Lower Density Lock for a PIUS-TypeReactor" Annual Meeting of the AES of Japan, Nagoya, Japan, (1992)

2. IGN.DJOKO IRIANTO, <Skk." Eksperimen Termo-hidrolika untuk Pengujianoperasi Stabil Reaktor Tipe PIUS" dipresentasikan pada PPI Penelitian Dasar IlmuPengetahuan dan Teknologi Nuklir, Yogyakarta, April, (1995)

399

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (402)

3. DAUGHERTY.R.L.dan INGERSOLL,A.C, "Fluid Mechanics With EngineeringApplication", Me. Graw-Hill Book Company, Inc. (1954)

4. IGN.DJOKO YR1ANTO,"Analysis of Feedback Control System of PIUS-TypeReactor Using RELAP5/MOD2", Thesis Master, Universitas Nagoya, (1994)

5. BILLA,C, D'AURIA,F., GALASSl,GM.,"Accident Management For A Loss OfFeedwater In A Pressurized Water Reactor"..Nuclear Technology, 98 June, (1992)

6. MIN LEE and JIING-HUAE WU,"An Analysis Of Feed-And-Bleed Cooling Of APressurized Water Reactor", Nuclear Technology, 98 June, (1992)

400

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (403)

Pcndingin kolam Pcndingin sckundcr

Density lock-atas

Pressurizer

•Pcmbangkituap

•Pompaprimer

•Density lockhawah

Density lockatas

Tangki airpoison

Arah aliran pcndingin primer1 Pengukur (CR) v , , , .beda tckanan Kendah l aJu Putaran

pom pa

Gambar 1. Skema Reaktor Tipe PIUSGambar 2. Diagram Alir Peralatan Eksperimen

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (404)

oto

Pressurizer

Density lock %'.^\atas

Pendingiri »»jkoiam,

Sistem sekunder

Tangki air poison §-

Pompa primer

Gambar 3. Nodalisasi Untai Uji Termohidrolika Berdasarkan RELAP5/MOD2

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (405)

40

20

Data eksperimenData numerik

0 1000 2000Waktu (detik)

1 -

V0

Data eksperimen

Data numerik

0 1000 2000Waktu (detik)

Gambar 4. Karakteristik Laju Putaran Pompa Primer Gambar 5. Karakteristik Laju Alir Pendingin Primer

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (406)

o-pa.

0.4

;o.2Data eksperimenData numerik

1000 2000Waktu (detik)

80u0

I 60

40

r r—r-

Data eksperimenData numerik

0 1000 2000Waktu (detik)

Gambar 6. Karakteristik Laju Alir Air Poison Gambar 7. Karakteristik Suhu Air Keluaran Teras Reaktor

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (407)

DISKUSI

ENDIAHPH

Seteiah aliran pendingin sekunder hilang, temperatur primer meningkat, density lockbagian atas membuka sehingga air berat akan bercampur dengan air teras. Dapatkahdijelaskan bagaimana cara memisahkan air berat dari pendingin primer agar reaktordapat beroperasi kembali?

IGN. DJOKO I.

Prinsip pengoperasian reaktor PIVS adalah menjaga kesetimbangan tekanansepanjang density lock antara sisi primer dan sisi kolam air poison, agar tidak terjadialiran air poison ke sistem primer atau sebaliknya melalui density lock dengan katalain mengisolasi pendingin primer dari air poison. Kondisi start up adalah kondisiawal untuk memisahkan pendingin primer dan air poison. Dalam eksperimen ini, padatahap awal pendingin primer dipanasi dengan pemanas listrik agar diperoleh densitasyang berbeda. Tahap selanjutnya adalah mengoperasikan pompa primer agardiperoleh kesetimbangan tekanan dalam density lock. Dalam kondisi ini pendinginprimer terisolasi dari air kolam poison.

NEXT PAGE(S)left BLANK

405

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (408)

ABSTRACT

PROGRAM PERHITUNGAN NUMERIK UNTUKPERANCANGAN PEMBANGKIT UAP

A.R. Antariksawan, Sriyono, Bintoro Aji *

millID990000034

NUMERICAL CALCULATION PROGRAM FOR STEAM GENERATOR DESIGNA numerical program design for steam generator design have been constructed. The program consist onthermal calculation. In tube shell side, the calculation is essentially single phase force convection. Inshell side, there are two different regions : heated region and boiling region. Due to velocity, coolantflow in shell .side could be treated as natural circulation. Then, a set of correlations for single phase andtwo phase natural convection are used. The program is applied to design a steam generator for Untai UjiTermohidraulika Reaktor (UUTR, Reactor Thermohydraulic Test Loop). Refering to nominal operationcondition, a total of about 41 m2 of heat transfer surface is needed; that is about of 38 tube of 18 mlength, 3/4 inch SS tube BWG 11 (or 9 m height of 38 U-tube). By using computer codeRELAP5/MOD1, the evaluation has been made. It is shown that calculation result of the program isacceptable.

ABSTRAK

PROGRAM PERHITUNGAN NUMERIK UNTUK PERANCANGAN PEMBANGKITUAP. Sebuah program perhitungan numerik untuk perancangan pembangkit uap telah dibuat.Perhitungan berkaitan dengan aspek termal. Perhitungan disisi tube dilakukan dengan persamaankonveksi paksa satu fasa cair. Di sisi shell pembagian dua daerah dilakukan : daerah pemanasan dandaerah pendidihan. Aliran sisi sekunder merupakan aliran alamiah sehingga digunakan korelasikonveksi alamiah satu fasa dan dua fasa (cair dan uap). Program perhitungan diaplikasikan untukmerancang pembangkit uap yang akan dipasang pada Untai Uji Termohidraulika Reaktor, PPTKR. Padaprinsipnya, untuk kondisi operasi nominal diperlukan luasan perpindahan kalor sebesar 41 m2. Jikadipilih tube SS diameter 3/4 inch BWG 11, diperlukan sekitar 38 buah tube sepanjang kurang lebih18 m (U tube sekitar 9 m). Evaluasi dilakukan dengan paket program RELAP5/MOD1 danmeminjukkan bahwa program yang dibuat memberikan hasil yang memuaskan.

PENDAHULUAN

Pembangkit uap {steam generator) merupakan salah satu komponen terpentingpada Pembangkit Listrik Tenaga Nuklir (PLTN), jenis air tekan {Pressurized WaterReactor, PWR)< Uap yang digunakan untuk memutar turbin dihasilkan di dalampembangkit uap tersebut. Selain itu, dari aspek keselamatan pembangkit uapmerupakan salah satu pengungkung zat radioaktif, sehingga intergritas pembangkit uap,lebih khusus lagi tabung-tabung yang dialiri pendingin primer, harus terjamin.

Pusat Perangkat Nuklir dan Rekayasa - BAT AN

407

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (409)

Pada saat terjadi kecelakaan kehilangan air pendingin (Loss of Coolant Accident,LOCA), kecelakaan terparah yang dipostulasikan, perpindahan kalor dari air di sisiprimer dan uap di sisi sekunder yang terjadi pada pembangkit uap merupakan faktorpenting yang menentukan fenomena keseluruhan setelah kejadian. Untai UjiTermohidrolika Reaktor (UUTR), salah satu fasilitas eksperimen yang dimiliki olehPPTKR, merupakan model skala kecil (perbandingan volume dan daya sebesar 1/1150dari PLTN PWR Westinghouse 1000 MWe) yang dimaksudkan untuk melakukansimulasi kondisi kecelakaan seperti LOCA tersebut. Pada konfigurasi sistem yang adapada saat ini, tidak ada pembangkit uap seperti layaknya PLTN jenis PWR, akan tetapihanya ada penukar kalor air-air dimana di sisi sekunder air tetap pada fasa cair.

Disamping itu, ketinggian penukar kalor tidak mencerminkan ketinggianpembangkit uap yang sebenarnya. Dengan kondisi seperti itu, sulit diharapkandiperoleh hasil simulasi yang representatif, sesuai dengan kondisi kecelakaan di PLTNyang disimulasikan, karena fenomena termohidrolika yang berbeda.

Sejalan dengan upaya penyempurnaan UUTR, maka direncanakan untukmengganti penukar kalor air-air tersebut dengan suatu pembangkit uap. Denganmengacu pada pembangkit uap jenis U tube yang dikembangkan oleh Westinghouse,perancangan pembangkit uap untuk UUTR dilakukan. Perhitungan global, padadasarnya dapat dilakukan dengan perhitungan tangan (hand calculation). Akan tetapiuntuk memperoleh hasil perhitungan yang lebih teliti dan mempermudah perhitunganiteratif, perlu dibuat program perhitungan numerik.

Di dalam makalah ini akan diterangkan metoda perhitungan yang diambil(pendekatan, asumsi, dan algoritma), hasil perhitungan dan validasinya dengan paketprogram RELAP5/MOD1. Metoda perhitungan merupakan pengembangan dari metodayang diketengahkan pada [1].

TEORI

Prinsip Pembangkit Uap Jenis Tabung U

Air pendingin primer dari teras reaktor mengalir ke pembangkit uap di dalamtabung-tabung berbentuk U terbalik yang pada operasi normal selalu terendam airsekunder (Gambar 1). Air tersebut setelah "membuang" kalor ke pendingin sekunderakan keluar kembali dari pembangkit uap dan kembali ke teras reaktor. sem*ntara airsekunder yang mengalir di luar bundel tabung U (di dalam shell) tersebut dipanaskandan diuapkan.

Perpindahan kalor antara ke dua pendingin melintasi dinding tabung pada setiaptitik tertentu dapat dinyatakan dengan ;

408

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (410)

dOW = - ^ = h(0p - 0s) (1)

dS

dimana:W : fluks termal (W/m2)Q : daya yang dipindahkan(watt)S : luas termal permukaan perpindahan kalor(m2)h : koefisien perpindahan kalor global (W/ m2 °C)0 p : suhu pendingin primer (°C)0 S : suhu pendingin sekunder (°C)

Dengan mengintegrasikan untuk seluruh luasan, maka diperoleh

Q = hSA0 (2)

dimana A0 menyatakan beda suhu rata-rata antara pendingin primer dan sekunder.Suhu saturasi pendingin sekunder yang tinggi (tekanan uap yang tinggi) pada suatuPLTN dengan daya tertentu dapat dicapai dengan menaikkan luas permukaanperpindahan panas atau menaikkan harga koefisien perpindahan kalor. Dua hal perludipertimbangkan yaitu biaya dan keterbatasan teknologi; misalkan, kita tidak dapatmenurunkan ketebalan pipa untuk menaikkan harga h tanpa memperhitungkankemampuan tabung menahan tekanan sisi primer yang tinggi.

Terdapat beberapa konflgurasi aliran di antara kedua sisi (di dalam dan di luartabung) : aliran searah, aliran berlawanan, dan aliran berpotongan. Pada kasus dimanasalah satu zat alir berubah fasa (penguapan dan pengembunan) arah aliran menjaditidak penting. Pada pembangkit uap jenis tabung U, terdapat sekaligus keduakonfigurasi aliran; aliran searah pada bagian aliran air pendingin bergerak ke arahujung belokan U dan aliran berlawanan pada saat air pendingin primer akan keluarpembangkit uap.

Variasi Aksial Suhu Sepanjang Pembangkit Uap

Pada suatu penukar kalor kedua suhu diantara kedua zat alir menentukan flukspanas yang dipindahkan, dimana :

• beda suhu besar bersesuaian dengan fluks panas besar dengan luas permukaanperpindahan panas relatif rendah.

• beda suhu kecil bersesuaian dengan fluks panas kecil dengan luas permukaan besar.

409

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (411)

Air pendingin masuk ke dalam pembangkit uap dalam kondisi "subcooled", airpendingin akan terlebih dahulu dipanaskan hingga suhu saturasi. Setelah itu air akanmendidih dan terbentuklah uap (Gambar 2).

Awal pendidihan terjadi pada titik B, akan tetapi kondisi air masih subcooled ,yang terjadi adalah pendidihan lokal, gelembung uap yang terbentuk kembaliterkondensasi.

Pada daerah pendidihan inti (nucleate boiling), perpindahan kalor berjalansecara efektif. Pada daerah ini pembentukan gelembung uap meningkat. Suhu airmencapai suhu saturasi. Koefisisen perpindahan kalor yang terjadi meningkat hinggapada suatu titik dimana perpindahan kalor menjadi tidak efektif karena hilangnyalapisan tipis cair (liquidfilm).

Pembangkit uap jenis tabung U dioperasikan terutama pada daerah pendidihaninti, dimana kalor yang dipindahkan dapat diberikan dengan formulasi empiris :

W = C A 0 n

dimana harga koefisien C dan n bergantung berturut-turut pada tekanan dan faseperpindahan kalor.

PERHITUNGAN PENUKAR KALOR

Koefisien perpindahan kalor sisi tube

Air di dalam tube selalu berada dalam kondisi satu fasa, yaitu cair. Untuk itudapat dihitung harga koefisien perpindahan kalor konveksi paksa air pada fasa cairyang diberikan oleh:

hi = M s p v c p (3)

dimana :p : massa jenis zat alir (kg/m3)v : kecepatan aliran (m/detik)Cp : kalor jenis zat alir (J/kg °C)

M s : bilangan tak berdimensi Margoulis yang diberikan oleh :

M s = 0 . 0 2 R e - 0 2 P r 0 6 (4)

dengan Re dan Pr berturut-turut adalah bilangan Reynold dan Prandtl.

410

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (412)

Sifat-sifat termodinamika air dihitung pada suhu rata-rata sisi tabung, Tp :

T = T J P + T ° P

2dimana Tjp dan Top adalah berturut-turut suhu inlet dan outlet tabung (sisi primer).

Koefisien perpindahan kalor sisi shell pada pemanasan

Harga koefisien perpindahan kalor sisi shell pada daerah pemanasan kondisialiran alamiah, digunakan korelasi yang terdapat pada [2].

Nu x = - ^ = 0 . 6 0 ( G r x * . P r f )1 / 5 > 05 < Gr*x.Pr < 104 (5)

k^ = 0 6 0 ( G r x P r f ) > 05 < G r * P r < 104

k fatau

N u x = - ^ = 0.17(Grx*.Prf)1/4 > 2.1013 < G r \ . P r < 1016 (6)

k f

dimana :kf : konduktivitas termal air (W/m2)x : jarak (m)Gr: bilangan Grashof termodifikasi, yang diberikan oleh

GrxNux =

J3 : koefisien muai air (°C"1)jj. : viskositas dinamik (kg/m/detik)qw: fluks kalor (W/m2)g : gravitasi (m/detik2)

Sifat-sifat termodinamika dihitung pada suhu _/?//« rata-rata :

T + TTf = w s

2

dimana:T w : suhu dinding (°C)T s : suhu air rata-rata (°C)

411

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (413)

Untuk daerah turbulen (pada kasus ini) koefisien perpindahan lokal hampir tidakberubah dengan x, sehingga dipakai harga koefisien perpindahan kalor, hoa, padax = L dimana L adalah ketinggian tabung daerah pemanasan.

Koefisien perpindahan kalor sisi shell daerah penguapan

Perhitungan harga koefisien perpindahan sisi shell penguapan, hou, dilakukandengan menggunakan pendekatan praktis yang memanfaatkan hubungan hou denganbeda suhu radial (antara suhu air sisi shell dengan sisi tube).

Secara umum fluks kalor/dapat diberikan oleh :

W = h o u A 0 e (8)

dimana:hOu ~ koefisien perpindahan kalor konvektif penguapanA0e = beda suhu dinding dengan air

sem*ntara itu, fluks kalor yang dipindahkan dari zat alir di dalam tube ke sisishell dapat ditulis sebagai berikut

W=KA0r (9)

dimana K adalah koefisien perpindahan kalor global dan A0r adalah beda suhu antaraair di tube dan di shell.

Diketahui pula korelasi empiris untuk perpindahan kalor penguapan pada suatusirkulasi alamiah [1]:

W = C A 0 en (10)

dimana C adalah bilangan kesetaraan yang merupakan fungsi tekanan, dan n suatubilangan konstan yang berharga 2,42.

Dari persamaan (8),(9),dan (10)

n

h o u (11)

412

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (414)

dimana Ku adalah koefisien perpindahan kalor global daerah penguapan. Denganmengetahui harga hm yang bersesuaian dengan beda suhu radial pada titik

penyempitan(A0m ) dan pada titik outlet aliran shell (A0 r o), dihitung h rata-rata.

Koefisien perpindahan panas global

Perpindahan kalor dari sisi primer ke sisi primer ke sisi sekunder terjadi sScarakonveksi di dalam tabung, konduksi melintasi dinding tabung dan konveksi di luartabling. Harga koefisien perpindahan kalor global, K, dinyatakan dengan :

1 Dp I DQ l n Dp | *h; D; 2u l Di h

Luas permukaan perpindahan kalor

Untuk daerah pemanasan, luas permukaan perpindahan kalor dihitung melaluipersamaan:

dimana:

m - &( — (14)d p c pp d s c ps)

Sedangkan untuk penguapan, luasan permukaan perpindahan kalor diberikanoleh:

dimana:<j) dan 0 = suhu primer dan sekunder (°C)dp dan ds = debit primer dan sekunder(kg/detik)Cpp dan cps = kalor jenis primer dan sekunder(J/kg°C)K dan Ku = koefisien perpindahan kalor daerah pemanasan dan penguapan

(W/m2 °C)S = luas permukaan perpindahan kalor(m2)

413

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (415)

Indeks 0,0' dan 1 berturut-turut adalah titik inlet sekunder, outlet sekunder dan titikpenyempitan (air saturasi)

Diameter tube sheet/shell

dimana :n tube : jumlah tubep : pitch (m)

METODA

Pendekatan dan Asumsi

Perhitungan perancangan pembangkit uap dilakukan dengan pendekatan-pendekatan dan asumsi sebagai berikut:

• Perpindahan kalor pada sisi pendingin sekunder dibagi dalam dua daerah, yaitudaerah pemanasan dan daerah penguapan dengan masing-masing memiliki satuharga koefisien perpindahan kalor global.

• Mengingat kecepatannya sangat rendah, yaitu kurang dari 0.1 m/detik, aliran sisipendingin sekunder merupakan aliran alamiah sehingga dipakai juga korelasiperpindahan kalor untuk konveksi alamiah.(memenuhi kriteria Gr/Re2 >10).Tidak ada kalor terbuang ke lingkungan (sistem adiabatik).

• Aliran di kedua sisi merupakan aliran lawan arah. Sebagian besar luas permukaantabung didominasi oleh daerah .penguapan dimana konfigurasi aliran menjadi tidakberpengaruh.

• Sifat-sifat termodinamika air dan uap air seperti massa jenis, kalor sekunder,konduktivitas dan viskositas dinamik dihitung berdasarkan suhu rata-rata.

• Perhitungan tahanan termal tidak memperhitungkan adanya lapisan pengotor.

414

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (416)

Perhitungan

Pada prinsipnya perhitungan dilakukan untuk memperoleh luas permukaanperpindahan kalor yang dibutuhkan. Dengan kata lain apabila dimensi tube telah dipilihakan diperoleh jumlah dan panjang tube serta ukuran shell yang diperlukan. Diagramalir perhitungan ditunjukkan dengan Gambar 3.

Sebagai data masukan adalah :• Kondisi operasi : tekanan primer dan sekunder, suhu masukan dan keluaran sisi

primer dan sekunder. Laju alir primer dan kecepatan aliran di tube.• Geometri :dimensi tube, pitch.• Bilangan kesetaraan C, tetapan n dan konduktivitas termal tube.

Perhitungan koefisien perpindahan kalor sisi shell pada daerah pemanasanmemerlukan perhitungan iteratif. Harga koefisien tersebut pada awalnya harusdiasumsikan. Kemudian berdasarkan harga tersebut dihitung koefisisen perpindahankalor global (persamaan 12), luas permukaan pemanasan (persamaan 13), dan denganpersamaan 6 dihitung koefisien perpindahan kalor. Harga terhitung dibandingkandengan harga asumsi. Apabila perbedaan masih lebih besar dan satu harga yangditetapkan (yaitu 10"3), maka harga terhitung akan dijadikan sebagai harga asumsi,begitu seterusnya hingga diperoleh perbedaan harga dibawah 10~3.

Pemrograman

Pemrograman perhitungan dilakukan dengan bahasa FORTRAN yang dijalankanpada Komputer Pribadi. File data masukan dan data keluaran dipisahkan dari fileprogram perhitungan. Program perhitungan sendiri terdiri dari Main Program danbeberapa Subroutine.

HASIL DAN PEMBAHASAN

Sebelum program perhitungan utama dapat dijalankan dengan baik, terlebihdahulu dilakukan validasi terhadap program perhitungan sifat-sifat termodinamika air.Program yang dikembangkan berdasarkan [5] dibandingkan dengan data-data pada [4].Hasil yang diperoleh sangat memuaskan karena perbedaan tidak lebih dari 2%.

Perhitungan perancangan pembangkit uap dilakukan dengan data masukankondisi operasi yang sesuai dengan kondisi nominal Untai Uji Termohidraulika Reaktor(lihat Tabel 1). Dimensi tube dipilih untuk mendekati pembangkit uap yang dipakai diPLTN PWR acuan. Pemilihan material disesuaikan dengan kemudahan mendapatkan dipasaran (stainless steel 316). Kecepatan aliran di tube sebesar 3 m/s diambil sesuai

415

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (417)

batas standard TEMA [3]. Data hasil perhitungan diberikan pada Tabel 2. Terlihatbahwa untuk mendapatkan suatu pembangkit uap yang berkapasitas sekitar 3.2 MWdengan kondisi uap jenuh pada tekanan 6.4 MPa, dibutuhkan luas permukaan sekitar41 m2, terbentuk dari 38 tube yang panjang masing-masing tube adalah sekitar 18 m.

Berdasarkan hasil tersebut, sudah mulai dapat dicoba merancang pembangkituap yang diinginkan. Disain mekanik harus disesuaikan dengan salah satu standardisain yang tersedia. Dalam hal ini dipilih standar TEMA yang merupakan standardisain untuk penukar kalor jenis shell and tube. Gambar 4, memperlihatkan pembangkituap yang dirancang untuk UUTR. Perlu diingat bahwa pembangkit uap yang dirancangakan diperlukan untuk eksperimen, sehingga detil rancangannya dalam beberapa halberbeda dengan pembangkit uap di PLTN. Hal tersebut dapat terlihat dari pembuatan''down comer' yang tidak berada di dalam shell, akan tetapi di luar.

Hasil perhitungan termal tersebut diatas hanya memberikan harga-harga besaranterpenting akan tetapi belum cukup lengkap untuk mengetahui dengan pasti variasiaksial suhu di tube dan shell atau kualitas uap keluaran. Untuk itu dialirkan evaluasidengan menggunakan paket program RELAP5/M0D1.

Modelisasi di dalam program RELAP5/M0D1 ditunjukkan pada Gambar 5.Sebagai masukan data geometri diambil hasil perhitungan program yang dibuat. Hasilperhitungan RELAP5/M0D1 menunjukkan bahwa dengan geometri dan dimensi sepertiyang dihasilkan dari program perhitungan perancangan dapat diperoleh unjuk kerjayang diinginkan. Hasil RELAP5/M0D1 menunjukkan daya panas yang dipindahkanadalah sekitar 3,4 MW, sedangkan yang dihitung dengan program ini adalah 3,2 MW.

Pada rancangan (Gambar 4) ditambahkan steam separator guna mendapatkankualitas uap 100% (atau mendekati) pada saat uap meninggalkan pembangkit uap.Pada saat melewati steam separator ini, butiran-butiran air akan terpisah, dan jatuhkembali ke dalam anulus dan menyatu bersama-sama 'feedwater' di dalam 'downcomer', sedangkan uap akan mengalir terus keluar pembangkit uap.

Berdasarkan hasil perhitungan RELAP5/MOD1 ini, rancangan pembangkit uapdapat diperbaiki, misalnya yang berkaitan dengan volume anulus atau ketinggian'chimney' (ruang antara permukaan U-tube dengan steam dome)

KESIMPULAN

Program perhitungan numerik untuk perancangan pembangkit uap telah dibuat.Pendekatan dan beberapa asumsi diambil untuk lebih menyederhanakan perhitungan.Meskipun demikian, hasil yang diperoleh cukup memuaskan. Hal ini dapat terlihat darihasil evaluasi dengan program RELAP5/MOD1.

Penyempurnaan program perhitungan ini masih harus dilakukan, misalnyadengan membagi daerah penguapan ke dalam beberapa subdaerah dengan maksud

416

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (418)

meningkatkan ketelitian. Penambahan perhitungan pressure drop akan tnembuatprogram ini lebih lengkap.

UCAPAN TERIMAKASIH

Ucapan terimakasih tertuju kepada rekan Dedy Haryanto dan Nur Rahmah yangtelah memberikan kontribusi gambar di dalam makalah ini.

DAFTAR PUSTAKA

1. M.GAUTHRON, "Introduction au Genie Nucleaire : Recuperation d'energie etfilieres", INSTN Saclay, 1986

2. J.P HOLMAN (terjemahan oleh EJasfi), "Perpindahan Kalor", Penerbit Erlangga,1988

3. TEMA, "Standards of The Tubular Exchanger Manufactures Association",seventh edition, 1988

4. SCHMIDT, "Properties of Water and Steam in S.I Units", Springer-Verlag, 1982

5. L. HAAR et.al, "NBS/NRC Steam Tables; Thermodynamic and TransportProperties and Computer Programs for Vapor and Liquid States of Water in S.IUnits", First edition, Hemisphere Publishing, 1984

417

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (419)

Tabel 1. Data masukan

Tekanan sisi primer/tube (Pa)Tekanan sisi sekunder/s/ie//(Pa)

Suhu inlet sisi primer/tafre (°C)

Suhu outlet sisi primer/tube (°C)

Suhu inlet sisi sekunderAs/ie/Z (°C)Laju alir sisi primer/tube (kg/s)Kecepatan aliran di dalam tube (m/det)Diameter dalam tube (m)Diameter luar tube (m)Pitch(m)Konduktivitas termal tube (W/m/K)Bilangan CKonstanta N

= 15500000= 6400000= 340

= 290

= 230

= 10.5= 3.0= 12.95D-03= 19.05D-03= 29.05D-03= 15.5= 0.16= 2.42

Tabel 2. Hasil perhitungan

KONDISI OPERASI PRIMER

Suhu inlet (°C)

Suhu outletfC)Laju alir(kg/s) =Tekanan(Pa) =KONDISI OPERASI SEKUNDER

Suhu inletCC)

Suhu outlet(°C)Laju alir(kg/s) =Tekanan(Pa) =Daya yang dipindahkan(W) =GEOMETRIDiameter dalam tube(m) =Diameter luar tube(m) -Jumlah tube =Panjang total tube(m)Luas permukaan luar tube(m2) =Luas permukaan pemanasan(m2) =Luas permukaan penguapan(m2) =Diameter shell(m) =

Konduktivitas tube(V^/m°C)BESARAN PERPINDAHAN KALOR

Koefisien perpindahan kalor sisi tube(W/ m2°C) ~

Koef. perpindahan kalor global pemanasan (W/ m2°C)

Koef. perpindahan kalor sisi shell pemanasan(W/ m2°C)

Koef. perpindahan kalor sisi shell penguapan(W/ m2°C)

Koef. perpindahan kalor global penguapan(W/ m2°C) =

340.00

290.00

10.5015500000.00

230.00

279.79

1.806400000.003221699.50

.01295

.0190538.3618.1072241.549811.980129.5698.287215.50

20498.35

1098.78

1663.48

17500.00

2731.55

418

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (420)

steam to turbine

feed waterI ^1 from

condenser

owdown

from reactorShot leg

to reactorcold leg

Gambar 1. Skema Pembangkit Uap Westinghouse

419

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (421)

suhu

ALERAN BERLAWANAN

ke turbin

absis sepanjang tabung

pengeringan dinding h jatuh

pemanasan uapW = h'A9-h' rendahl

}absis sepanjang tabung

Gambar 2. Variasi aksial suhu dan fasa perpindahan kalor pada Pembangkit Uap

420

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (422)

data masukan

menghitung daya, debitsekunder

menghitung koef. perpindahankalor sisi sekunder

menghitung koef. perpindahankalor sisi sekunder daerah

pemanasan (1 fasa)

menghitung koef. perpindahankalor sisi sekunder daerah

peguapan (2 fasa)

menghitung koef. perpindahankalor global daerah pemanasan

dan penguapan

menghitung luas permukaanperindahan kalor

menghitung jumlah, panjangtabung dan diameter tube sheet

cetak hasil perhitungan

Gambar 3. Diagram alir perhitungan

421

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (423)

V.H4J.S 114)

Ponjang Tube Aktif - 2 Z<J + 3 . 1 * Rm

Bans1.

2.3.4.

5.

Rm30

53,877.6101,4125,2

Ponjang Tube17.021,2517.09617.170.7917.2*5,5617.320.33

Jumloh

Jumfah Tube1 111

97

240

I !Poniong Aktif

Tofol187.233.7218e.056.20154.SJ7.10120.716.90

34.6*0.65685.186.575

Sc-UO 0 1*4

0 i f Vc" to L-»o«q.»

< i.r i yx»

O H'-\f ic-0 1«' Sc-.K -TlO-v»

O I f V- BO I.-M>

ES J•*/•"»

Oesoin Pembongkit Uap

ITH - PPTKfiBAOAN I E H A G A ATOW NASIONAL

A1

Gambar 4. D'isain Pembangkit Uap UUTR

422

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (424)

2S0

Gambar 5. Nodalisasi Pembangkit Uap

423

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (425)

DISKUSI

BAMBANG TEGUH P.

1. Metode yang digunakan apakah LMTD method atau NTU method?2. Bagaimana menentukan pembagian daerah pemanasan - pendidihan?

A. R. ANTARIKSAWAN

1. Metode yang digunakan berdasarkan pada pembagian dua daerah yaitu pemanasandan pendidihan. Pada masing-masing daerah dilakukan perhitungan denganmenggunakan suhu rata-rata.

2. Penentuan daerah pemanasan dan pendidihan dilakukan dengan perhitungan secaraiteratif.

424

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (426)

METODE VOLUME HINGGA UNTUK GRID TAK BERSTRUKTUR

Casmara , Dantje Kardana N *

ABSTRACT ID990000035

FINITE VOLUME; METHOD FOR UNSTRUCTURED GRID. The success of acomputational method depends on the solution algorithm and mesh generation techniques. Celldistributions are needed, which allow the solution to be calculated over the entire body surface withsufficient accuracy. To handle ihe mesh generation for multi-connected region such as multi-elementbodies, the Unstructured l-'inile Volume Method will be applied. The advantages of the unstructuredmeshes are it provides a great deal more flexibility for generating meshes about complex geometries andprovides a natural setting for Ihe use of adaptive meshing. The governing equations to be discretized areinviscid and rotational Kulcr equations. Aplications of the method will be evaluated on flow aroundsingle and multi-component bodies.

ABSTRAK

METODE VOLUME IIINGGA UNTUK GRID TAK BERSTUKTUR. Keberhasilan suatumetode kornpiitasi terklak pada algolilma perhitungannya dan teknik pembuatan grid. Grid di sekitarmodel sangal dipcrlukan imluk mencari solusi yang diperlukan pada model dan sekitarnya dan untukmelihat interaksi anlara sualu |>oomelri terhadap geometri lainnya. Pembuatan grid untuk model denganbanyak komponen dilakukan dengan teknik grid lak berstruktur. Sedangkan algoritma untuk grid tersebutadalah metode volume hingga. Keunggulan dari grid tak berstruktur adalah fleksibilitas yang tinggiunluk geometri yang kompleks. I'ersamaan atur yang akan digunakan adalah persamaan rotasional dariEuler. Penerapan melode ini dilakukan untuk mensimulasi aliran di sekitar benda berkomponen banyak.

PENDAHULUAN

Pengclahuan alinin secara detail disekitar suatu benda sangat dibutuhkan dalamdesain rekayasa industri scpetti aliran fluida di suatu mesin, aliran dalam pipa, aliranpada bangunan lepas panliii, kapal laut, mobil dan pesawat terbang. Biasanyainformasi ini diperoleh clengan uji coba di laboratorium. Dalam tahap desain, akanscring terjadi perubahan henluk geometri guna mendapatkan bentuk yang seoptimalnuingkin, schingga pengujian di laboratorium, misalnya di lab. terowongan angin,dari segi biaya dan waktu yang dibutuhkan akan sangat besar. Simuiasi numerik akan

UlTLAGUISITTckmilogi' l.ab. Mckanika I'luiila <lan Hiclrodiiinniikii PAU-Ilmu Rekayasa, ITB

425

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (427)

merupakan alternatif untuk mendapatkan informasi diatas dengan cepat dan relatifmurah. Tetapi bagaimanapun simulasi ini masih banyak mendapat kesulitan-kesulitankarena kemampuan komputer masih menjadi kendala untuk mensimulasi persamaanNavier-Stokes secara lengkap dan tiga-dimensi misalnya. Sehingga penyederhanaanpersamaan dilakukan dengan berakibat bahwa hasil yang diperoleh tidak akan persissama seperti hasil yang diperoleh di lapangan (real flow). Walaupun demikian,metode numerik dapat membantu mendesain, memprediksi dan menganalisa aliran disuatui model, sehingga pengujian model di laboratorium hanya akan dilakukanseminimal dan seefisien mungkin untuk mengurangi waktu dan biaya yangdiperlukan.

Hampir semua aplikasi aliran pada suatu benda mempunyai bilangan Reynoldstinggi, sehingga metode numerik dengan metode potensial yang mensyaratkan bahwaaliran memenuhi syarat tak-viskos dan tak-rotasional cukup memadai untuk simulasinumerik. Tetapi aliran yang mempunyai aliran vortex (putaran) yang diakibatkan olehinteraksi antara suatu benda dengan aliran yang datang, persamaan potensial diatastidak memadai. Metode alternatif yang dapat mengatasi masalah ini adalah metodenumerik dengan menggunakan persamaan Euler. Persamaan Euler adalah persamaantak-viskos, tetapi dapat diterapkan untuk aliran rotasional. Persamaan ini cukup luasdigunakan untuk simulasi bidang aerodinamika terutama untuk aliran termampatkan(compressible flow) [ 1,2].

Dalam makalah ini, penelitian akan difokuskan pada penggunaan persamaanEuler untuk aliran termampatkan (compressible Euler flow) dengan bilangan Machrendah. Saat ini teknik untuk menyelesaikan persamaan Euler yang populer adalahmetode beda hingga (Finite Difference Method), metode elemen hingga (FiniteElement Method) dan metode volume hingga (Finite Volume Method). Metode bedahingga menggunakan grid berstruktur. Untuk model yang sederhana seperti modeltunggal (single component), pembuatan grid berstruktur tidak mengalami hambatanyang berarti, tetapi jika mode! terdiri dari beberapa komponen dan geometri modelberbentuk kompleks, pembentukan grid akan mengalami hambatan yang besar.Kalupun berhasil, pembentukan grid tersebut akan memerlukan waktu (man hour)berbulan-bulan lamanya, sehingga efisiensi dari metode beda hingga akan menurunrendah. Dua metode terakhir yaitu metode elemen hingga (MEH) dan metode volumehingga (MVH) dapat mengatasi masalah diatas dengan penggunaan grid takberstruktur, sehingga pembentukan grid di sekitar model berkomponen banyak dankompleks sekalipun akan mudah dilakukan. Tetapi waktu perhitungan yangdibutuhkan oleh MEH relatif lebih besar daripada MVH. Sehingga dalam makalah iniuntuk menyelesaikan persamaan Euler diatas akan menggunakan MVH. Kelebihanlain dari MVH adalah metode ini dapat diterapkan untuk grid berstruktur dan dalamdiskritisisasi persamaan atur selalu dalam bentuk konservatif sehingga solusi yangdiperoleh akan lebih akurat.

426

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (428)

Aplikasi dari MVH dengan persamaan Euler termampatkan akan dikaji untukaliran pada benda berkomponen banyak dengan bilangan Mach yang rendah. Pertamaadalah aliran disekitar silinder tunggal dimana hasil analitiknya tersedia, sehinggakeakuratan hasil numerik yang diperoleh dapat dipelajari. Kasus kedua adalah alirandisekitar beberapa silinder yang saling berdekatan. Aliran akan diberikan dalambentuk kualitatif dan kuantitatif.

PERSAMAAN ATUR

Untuk pemecahan persamaan atur Euler dengan metoda volume hingga makadiperlukan form u las i persamaan Euler dalam bentuk integral sebagai berikut:

atau

JJ —- dQ+ <f (f dy - G dx)= 0

^-\\wdsi+ -G dx)= 0

( l a )

( lb )

dengan

W =

ppw

pvF =

pu

pu2+p

puv

L pHu .

G =

pv

puv

pv2+p

Persamaan (1 a) atau (1 b) ini dikenal sebagai persamaan Euler bergantung vvaktu{time-dependent Euler equation) yang ditulis dalam bentuk integral.Dari persamaan atur Euler 2-D pada persamaan (I.a atau l.b) dihasilkan empatpersamaan yang memiliki lima buah variabel yang tidak diketahui harganya, yaitudensitas (p), komponen kecepatan kartesian (w,v), tekanan (p), energi dalam (E)Untuk memperoleh jawab trivial (trivial solution) dari kelima variabel tersebut makaperlu ditambahkan satu buah persamaan. Persamaan tambahan ini dapat diperolehdengan cara mencari hubungan antara variabel-variabel aliran dengan memanfaatkansifat-sifat termodinamik. Dalam penyelesaian persamaan Euler, persamaan tambahanyang diambil merupakan hubungan variabel tekanan (p) dengan variabel energi dalam(e) dan densitas (p) yang dapat dinyatakan sebagai berikut:

= p(e,p) (2)

427

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (429)

atau

dp dpdp de +

Dengan mengambil asumsi bahwa fluida sebagai gas ideal secara termal persamaantingkat keadaan dinyatakan sebagai':

P = pRT (4)

dimana R adalah konstanta gas.Dengan mengasumsikan fluida sebagai gas ideal secara kalori maka diperolehhubungan persamaan sebagai berikut:

(5)y =

Dengan mensubstitusikan persamaan (5) dan (4) ke dalam persamaan (3) maka akandiperoieh hubungan matematik yang dinyatakan sebagai :

p = (y-\)pe (6)

Persamaan (6) merupakan persamaan tambahan yang digunakan dalam pemecahanpersamaan atur Euler.Dalam penyelesaian persamaan atur aliran secara lengkap perlu adanya penerapankondisi batas. Ada dua kondisi batas yang digunakan dalan pemecahan persamaanatur Euler, yaitu kondisi batas permukaan (dinding) (solid bondary condition) dankondisi batas medan aliran terluar {far field bondary condition). Identifikasi kondisibatas permukaan dan medan aliran terluar biasanya dilakukan dengan menggunakaninformasi tanda vektor normal dan vektor kecepatan pada batas aliran (flowboundary)

n=(nx,nv) ={u,v) (7)

Untuk persamaan atur Euler, kondisi batas pada permukaan dinyatakan sebagai alirantidak dapat menembus permukaan sehingga kecepatan normal terhadap permukaanberharga no! atau dituliskan sebagai :

(£ / .« ) , , = 0 (8)

Kondisi batas medan aliran terluar dibedakan atas kondisi batas aliran masuk (inflow)dan kondisi batas aliran keluar (out flow) yang diidentifikasikan dengan arah vektorkecepatan normal yang melintasi kondisi batas aliran.

428

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (430)

DISKRITASI RUANG VOLUME HINGGA

Penyelesaian numerik persamaan Euler dua dimensional ini dilakukan denganmenggunakan pendekatan volume berhingga yaitu dengan membagi domain solusidengan sejumlah se! segitiga. Pembagian domain solusi dengan sel segitigamemungkinkan menyelesaikan masalah dengan melibatkan geometri yang rumit danmulti komponen secara mudah. Pembagian domain solusi dengan sel segitiga jugadisebabkan karena volume berhingga yang digunakan bertipe sel ujung {cell vertex).Variabel-variabel aliran pada cell vertex disimpan di setiap ujung segitiga. Setelahvolume-volume sel terbentuk maka perlu menentukan persamaan atur yang berlakupada setiap volume sel. Dengan menerapkan persamaan (1) pada volume cell-A:.Volume dari cell-/t merupakan gabungan antar sel dengan titik pertemuan di titik k(Gambar-1), terbentuklah persamaan atur integral Euler yang dituliskan sebagaiberikut:

<\ (^ (F dy-G dx)=Q (9)Ot «* r,

dengan

Wk = Vektor variabel konservatif pada volume sel k

F = Flux vektor dalam arah-x pada volume sisi sel k

G = Flux vektor dalam arah-y pada volume sisi sel k

Penempatan varibel Wk di dalam volume sel k tidak dinyatakan secara eksplisit padasalah satu tempat dalam volume sel tersebut, sehingga untuk tujuan praktisperhitungan variabel ditempatkan pada titik pertemuan antar sel-£ (Gambar-1) danharga vektor variabel konservatif rata-rata dinyatakan sebagai berikut:

k \ \ W d (10)* n*

dimana Sk adalah luas gabungan volume kontrol yang berpusat pada titik pertemuanantar sel segitiga yang salah satu titik ujungnya berkumpul di titik k, seperti dapat dilihatpada Gambar-1. Penerapan persamaan (9) dilakukan dengan cara menjumlahkankontribusi flux di setiap sisi (edge) yang menghadap ke titik ujung-& sehinggamenghasilkan residu di titik ujung k. Diskritisasi suku kedua ruas kiri persamaan (9)adalah

dy - G dx)* £ fa &y< ~ Gt

429

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (431)

dimana subskrip e menunjukkan sisi (edge). Untuk mendistribusikan kontribusi flux,masing-masing titik komputasi ditandai dengan label integer yang unik dan masing-masing edge mempunyai hubungan matrik dengan label N!t A , A , N4. Titik Nj dan A^menunjukkan titik ujung edge sedangkan N3 dan N4 menunjukkan titik ujung yang laindaripada dua segitiga yang bertemu di edge dengan label Nj dan N2 seperti dapat dilihatpada Gambar-2. Perlu diperhatikan bahwa posisi Nj, N2, N3 berlawanan arah denganarah jarum jam sedangkan Nj, A , N4 searah dengan arah jarum jam. Hal ini pentinguntuk menjamin agar pemberian tanda pada integrasi flux untuk titik k benar. Integrasiharga ini dijumlahkan pada titik dengan label N3 dan dikurangkan pada titik denganlabel N4. Pada prakteknya, untuk keseimbangan flux, harga Fe dan Ge diambil rata-rata, sehingga suku-suku pada ruas kanan persamaan (11) dapat dituliskan sbb :

- 1 •

— yx N2

dengan mensubtitusikan persamaan (10) dan (11) ke dalam persamaan (9) diperolehbentuk persamaan sebagai berikut:

(13)

dimana

Wk =

Pk PA

- PeHe»e -

PA

PA+A(14)

Wk = Vektor variabel konservatif pada volume sel k

Ft, = Flux vektor dalam arah-x pada batas sisi sel e

G(, = Flux vektor dalam arah-y pada batas sisi sel ePersamaan (14) merupakan persamaan Euler bentuk semi-diskrit yang akandipecahkan secara numerik. Untuk merangkum besaran dalam arah-x dan arah-y padapersamaan (14), maka diperkenalkan besaran fluk kecepatan Qe pada batas sisi tipikale di volume sel k sebagai

(15)Qe=ue &y-ve Ax

sehingga persamaan (14) dapat dituliskan sebagai:

430

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (432)

(16)

atau

PA

<•=!= 0 (17)

dimana C{Wk) adalah operator konvektif untuk sel-k, yang menyatakankesetimbagan flux-flux konvektif dalam bentuk diskrit yang melewati dinding selyang melingkupi sel-k.

INTEGRASI WAKTU

Untuk memperoleh solusi aliran dalam kondisi tunak dilakukan dengan prosesmelangkah dalam waktu sampai kondisi konvergen diperoleh. Salah satu cara untukmendeteksi kondisi konvergen adalah dengan mengetahui harga residu yang semakinkecil. Skema yang digunakan Jameson dalam melangkah waktu atau integrasi waktuadalah metoda eksplisit Runge-Kutta bertingkat ganda[l].

HASIL DAN DISKUSI

Dalam memahami karakteristik dinamika aliran kompresibel benda duadimensi secara komputasiona! pada bilangan Mach rendah, dilakukan pengujianterhadap aliran subsonik melalui silinder tunggal dan aliran melalui dua silinder

Aliran subsonik disekitar silinder tunggal

Kasus ini dihitung secara numerik untuk melihat kemampuan dari metode Eulertermampatkan untuk mensimulasi aliran dengan bilangan Mach rendah (M=0.15).Aliran ini dapat dikatakan sebagai aliran tak-termampatkan (incompressible). Sehinggahasil numerik yang diperoleh dapat dibandingkan dengan hasil analitik metode potensialuntuk aliran pada sebuah silinder tunggal. Untuk mengkaji kasus ini, grid yangdigunakan adalah tipe-O dengan jumlah elemen 9408 dan jumlah titik 4802. Sepertidapat dilihat pada Gambar.3.a. Sed.angkan GambarJ.b memperlihatkan perbandinganhasil distribusi koefisien tekanan (CP) di permukaan atas silinder. Walaupun hasilnumerik yang diperoleh sedikit berbeda dengan hasil analitiknya, tetapi sebagai alatprediksi cukup memadai. Perbedaan ini dapat diakibatkan oleh keterbatasan metode

431

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (433)

numerik pada bilangan Mach yang idealnya M=0.0. Seperti diketaliui bahwa bilanganM=0.0 adalah singularitas untuk suatu metode numerik dimana metode tersebut tidakmampu menghitung dan kemudian divergen. Pada bilangan Mach rendah ini, kecepatansuara jauh lebih besar dibanding dengan kecepatan lokalnya, sehingga penelitian lebihlanjut sangat diperlukan untuk mengatasi hal tersebut supaya hasil yang diperolehcukupteliti.

Aliran subsonik disekitar dua buah silinder

Kasus ini merupakan kasus utama dari makalah ini yang memperlihatkan bahwauntuk geometri yang kompleks sekalipun, pembentukan grid untuk dua buah silinderyang saling berdekatan dapat dibuat dibuat dengan mudah dan dapat dihitung denganmetode volume hingga. Grid untuk perhitungan ini dapat dilihat pada Gambar.4.adengan jumlah elemen 10174 dan juralah titik 5206. Grid tampak dekat dari dua silinderini diperlihatkan pada Gambar.4.b. Kontur bilangan Mach dan pola streamline di sekitardua silinder diperlihatkan pada gambar 4.c dan 4.d.. Disekitar silinder sebelah kiri,kontur bilangan Mach sedikit bergerigi, tidak semulus kontur di silider sebelah kanan,hal ini disebabkan terjadi perbedaan luas sel cukup besar diperbatasan silinder kiridengan grid dari silinder kanan (lihat Gambar 4.b.)- Perbaikan grid lebih lanjut supayadistribusi grid di perbatasan grid satu dengan yang lainnya dapat lebih merata (smooth)sangat diperlukan. Sedangkan distribusi koefisien tekanan (CP) dipermukaan atas duabuah silinder dapat dilihat pada gambar 5..

KESIMPULAN

Dengan melihat hasil hasil perhitungan yang diimplementasikan terhadap 2 buahstudi kasus dapat ditarik beberapa kesimpulan sebagai berikut:

1. Metode numerik dengan menggunakan persamaan Euler untuk aliran termampatkanyang diaplikasikan pada silinder tunggal dengan bilangan Mach rendah diperolehhasil yang cukup memuaskan.

2. Pembentukan grid tak berstruktur untuk geometri yang kompleks yaitu grid disekitardua buah silinder yang saling berdekatan dapat dilakukan dengan mudah sertaperhitungan terhadapnya dengan menggunakan metode volume hingga memberikanhasil pendekatan yang cukup baik.

3. Perbaikan lebih lanjut mengenai kualitas grid linaupun metode perhitungannya masihsangat diperlukan khususnya untuk bilangan mach rendah.

432

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (434)

DAFTAR PUSTAKA

1. A. JAMESON, W. SCHMIDT and E. TURKEL,"Numerical Solutions of the EulerEquations by Finite Volume Methods Using Runge-Kutta Time SteppingSchemes", A1AA Paper 81-1256, June (1981)

2. A. JAMESON, "Transonic Aerofoil Calculations Using Euler Equations", in'Numerical Methods in Computational Aerodynamics', ed. PL. Roe, AcademicPres,(1987)

3. A. RIZZ1 and L. ERIKSSON, "Computation of Inviscid Incompressible Flow withRotation", J. Fluid Mechanics, Vol. 153, pp. 275-312, (1985)

433

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (435)

Elemen Segl-Tlga

Gambar I. Bentuk sel dari grid tak berstuktur

VDummy Cells

Gambar 2. Distribusi sel dan sel-maya (dummy cell) di permukaan benda

434

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (436)

\

iIw1I111TO?

s1IImSB

i111HiL11Ml

H•MiXKKfc,EKSc

1iI1¥

1f

a)

3.00

0.00/

. /

'J

77/

•0.5

3?r-

ft •

NurmAn»

*

rJKilk

\

-0.2 0.00 0.2S

\

\*

\

• \

\0.U

Gambar 3. Aliran pada silinder tunggal (M = 0.15)a) Grid untuk perhitungan (NE = 9408, NP = 4802)b) Distribusi koefisien tekanan dipermukaan atas silinder

435

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (437)

-i\w

Imm iP

w

IM

a) b)

D.16- ,

18 /Vo.17'

•—0.16^

c) d)

Gambar 4. Aliran pada dua buah silinder (M = 0.15)a) Grid keseluruhan (NE = 10174, NP = 5206)b) Grid tampak dekatc) Kontur bilangan Machd) Pola streamline

436

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (438)

I P

2.5

2.0

1.5

-CP1.0

0.5

00

-0.5

-1.0

f|\ •\A

• ^

/

\

\

\

A-3.0 -2.5 -2.0 -1.5 -1.0 -0.8 0.0 0.5 1.0

X

Gambar 5. Aliran pada dua buah silinder (M = 0.15)- Distribusi koefisien tekanan (CP) dipermukaan atas silinder

437

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (439)

DISKUSI

M. BUN JAMBV

Mengapa Anda tidak menggunakan software Metode Elemen Hingga yang sudahdilengkapi dengan pre-prosesor yang mungkin dapat digunakan untuk membuat grid?

CASMARA

Metode Volume Hingga yang dijelaskan dalam makalah ini dapat menggunakan gridyang dihasilkan oleh pre-prosesor Metode Elemen Hingga. Tapi karena softwareMetode Elemen Hingga tidak tersedia, maka digunakan teknik lain yang cukupsederhana dan efektif yaitu overlapped grid. Teknik ini menggunakan grid dariMetode Beda Hingga untuk single component yang banyak tersedia di literatur. Untukmulti component, grid dibuat untuk masing-masing komponen, kemudian grid yangoverlapped dihilangkan, sehingga menghasilkan grid yang dapat digunakan untukMetode Elemen Hingga.

438

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (440)

METODA ELEMEN HINGGA SIMPUL BERGERAK UNTUK MUSNAHNYADALAM WAKTU HINGGA DARI SISTEM PARAMETER TERDISTRIBUSI

DENGAN UMPAN-BALIK POSITIF EKSPONENSIAL

Agah D. Garnadi*

•HiID990000036

ABSTRACT

MOVING MESH FINITE ELEMENT METHOD FOR FINITE TIME EXTINCTION OFDISTRIBUTED PARAMETER SYSTEMS WITH POSITIVE EXPONENTIAL FEEDBACK. Inthe distributed parameter systems with exponential feedback, non-global existence of solution is notalways exist. For some positive initial values, there exist finite time T such that the solution goes toinfinity, i.e. finite time extinction or blow-up. Here is present a numerical solution using Moving MeshFinite Element to solve the distributed parameter systems with exponential feedback close to the blow-uptime. The numerical behaviour of the mesh close to the time of extintion is the prime interestin this study.

ABSTRAK

METODE ELEMEN HINGGA SIMPUL BERGERAK UNTUK MUSNAHNVA DALAMWAKTU HINGGA DARI SISTEM PARAMETER TERDISTRIBUSI DENGAN UMPAN-BALIKPOSITIF EKSPONENSIAL. Dalam sebuah sistem parameter terdistribusi dengan umpan balik positifeksponensial, keujudan global dalam waktu dan penyelesaian tidak dapat dijamin. Untuk sejumlah nilaiawal, terdapat waktu 7"yang hingga sehingga penyelesaian u menuju tak hingga, yaitu musnahnya dalamwaktu hingga atau meledak atau terbentuknya singularitas waktu. Metoda elemen hingga dengan simpulbergerak digunakan untuk memecahkan Sistem Parameter Terdistribusi (SPD) dengan umpan balikpositif eksponensial mendekati waktu ledaknya. Perilaku penyelesaian numerik mendekati waktu ledakmenjadi hal perhatian kita.

PENDAHULUAN

Pada masalah pembakaran, sistem parameter terdistribusi (SPD) dengan umpanbalik positif eksponensial:

du tfu—=—r-+exp(w)dt dx2 V

* Jurusan Matematika - Institut Pertanian Bogor

439

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (441)

muncul sebagai representasi fenomena, misalnya sebagai masa induksi suatupembakaran [8]. Salah satu aspek permasalahan dalam penyelesaian masalah ini ialahdimungkinkannya penyelesaian hanya ujud dalam waktu hingga untuk beberapasyarat awal tertentu yang bernilai positif [5] [8].

Disamping itu, secara analitis, manakala penyelesaian mendekati waktuledaknya, penyelesaian membumbung tinggi dengan cepat menuju tak-hingga. Lebihjauh, terjadinya konsentrasi penyelesaian di satu titik. Mengingat penyelesaiananalitis tidak mudah diperoleh, maka metoda numerik menjadi salah satu jalan keluaruntuk memahami perilaku penyelesaian. Sebagai upaya untuk memahami perilakupenyelesaian SPD di sekitar waktu ledak.

Masalah penting dalam memperoleh penyelesaian numerik ialah bagaimanamemperoleh penyelesaian numerik dapat menangkap penyelesaian analitis yangnilainya membumbung tinggi dengan sangat cepat, dengan kata lain skala waktumenjadi dominan. Serta menangkap konsentrasi penyelesaian di satu atau lebihtempat, dengan perkataan lain skala ruang yang juga cepat.

Sebagai pembanding kita tinjau penggunaan beda hingga dengan lebar simpultetap. Perlu dicatat bahwa penggunaan beda hingga dengan lebar simpul tetap untukmemecahkan SPD memungkinkan perilaku konsentrasi penyelesaian gagal diperoleh,sebagaimana dilaporkan oleh [1]. Karenanya, dalam [2] digunakan metoda bedahingga dengan simpul bergerak, keadaptifan yang dinamik sifatnya. Karenanya cukupmenarik apabila metoda elemen hingga dengan simpul bergerak [4], [7] digunakanuntuk memecahkan SPD dengan keujudan waktu hingga.

METODA ELEMEN HINGGA SIMPUL BERGERAK

Perumusan Semi-Diskret Galerkin

Kita tinjau bentuk umum sistem parameter terdistribusi:

du^du d ._. du^. _. du.,t,ut—) — =—(R(x,t,u,—-))-Q(x,t,ut—)

ox at ox ox oxdengan daerah W - [a,b],/ > 0. Fungsi R dan Q dapat dianggap secara berturut-turutsebagai fluks dan sumber. Dengan mentransformasikan koordinat ke bentukLagrangian, dengan menggunakan turunan total terhadap u:

du du dudx

dt~ dt dx dt

440

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (442)

diperoleh bentuk lagrangian:

. du..du dudx. d /n, du.. _, du.c(x,t,u,—-)(———--—)=—(R(x,t,u,— ))-Q{x,ttu,—-)

ox at ox at ox ox ox

Misalkan W^j = [a = Xo,X](t),...,Xj^ft),X^/+j)ft) = b] menyatakan N simpulbergantung terhadap waktu. Dengan menggunakan rumusan Galerkin, bentuklagrangian diaproksimasi di atas Wy&i). Fungsi coba dan fungsi test dipilih berbentuklinier bagian demi bagian. Pada setiap elemen ke / (yang bergantung pada waktu) [Xj(t), X(i+]) ft)] digunakan kwadratur Gauss, sedangkan untuk turunan waktudigunakan lumping pada titik simpulnya [4],

Simpul Bergerak

Untuk menyelesaikan aproksimasi semi-diskret yang dihasilkan, diperlukanpersamaan tambahan yang menentukan bagaimana gerak simpul Xi(t), yang belumdiketahui. Gerak simpul ini ditentukan secara implisit oleh persamaan:

dengan n\ = l/(X/y+n - Xj) = \l(DX) yang menyatakan kepekatan titik danM\ = (1 + (u(i+j) - uf)V(DX)2)(l/2) satu fungsi monitor titik, yang dipilih berbentukaproksimasi diskret untuk gradien.

Fungsi monitor tersebut menentukan bagaimana simpul Xj akan didistribusikan.Parameter r berfungsi sebagai pemulus yang berfungsi agar tidak terjadi penempatantitik seketika manakala ditemui tanjakan yang curam pada penyelesaian numerik,dengan demikian menghindari osilasi temporal dari kisi-kisi sehingga menimbulkangalat yang cukup besar.

ALGORITMA PENGENDALI WAKTU

Untuk pengaturan langkah waktu mendekati waktu ledak, digunakan cara yangserupa sebagaimana yang dipakai oleh Berger dan Kohn [3]. Cara ini digunakanterutama karena kesederhanaanya.

441

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (443)

Algoritma langkah waktunya ialah sebagai berikut:

1. Tetapkan mi. = norm(u(0),oo), mU=MxmL, MB2. Selesaikan untuk maju ke muka untuk: norm(u(tk), <x>) <=mUZ,S\tem(J>=MB STOP

lainnya:• tukar: mL =mU;mU=MxmL• kembali ke langkah 2

selesai

Hasil Numerik

Di sini akan dilaporkan hasil perhitungan untuk kasus W= [0,1] dengan syaratawal w(0, X) - 20.0 Sin(7ix). Diketahui bahwa solusi SPD akan meledak dengan titikledak terkonsentrasi di titik x = 0.5. Pada awalnya ditetapkan kisi-kisi simpul yangseragam berjumlah N = 41. Sistem persamaan diferensial diselesaikan denganmenggunakan rutin untuk masalah stiff dalam presisi ganda DDASSL. Integrasiwaktunya menggunakan Backward Differentiation Formulae (BDF), yang secarainternal perhitungan Jakobian didekati dengan metoda beda hingga. Kita tetapkantoleransi galat waktu langkah lokal relatif dan absolut secara berturut-turut padartol = 1.0E-7 dan atol = 1.0E-4. Sedangkan parameter pemulus untuk fungsikepekatan distribusi titik simpul ditetapkan r= 1.0E-5.

KESIMPULAN

Telah disajikan keefektifan MEHSB dalam menyelesaikan masalah SPD yangmemiliki singularitas waktu. Kelemahan metode langkah waktu yang diusulkan diatas, baik kiranya bila memodifikasi fungsional di [6] sebagai alternatif pengaturanlangkah waktu.

UCAPAN TERIMA KASIH

Penulis mengucapkan terima kasih kepada AIDAB (sekarang AusAID),Kementrian Perdagangan dan Urusan Luar Negeri Pemerintah Australia yangmemungkinkan penulis melakukan penelitian di Department of Mathematics, Schoolof Mathematical Sciences The Australian National University.

442

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (444)

DAFTAR PUSTAKA

1. L. ABIA & C. J. BUDD, Blow-up in uniform discretization of parabolic PDEs,dilaporkan di [2]

2. C. J. BUDD, W. HUANG & R. D. RUSSEL, Moving mesh methods for problemswith blow-up, SIAM J. Sci. Comp., v 17, 308-327, 1996

3. M. BERGER and R. V. KOHN, A rescaling algorithm for the calculation ofblow-up solutions, Comm. Pure App. Math., v 41, 841-863, 1988

4. J. G. BLOM & P. A. ZEGELING, Algorithm 731: A moving-grid interface forsystems of one-dimensional time dependent partial differential equations, ACMTrans. Math. Soft., v 20(2), 194-219, 1994

5. H. A. LEVINE, The role of critical exponent in blow-up theorems, SIAM Rev.,v 32(2), 262-288, 1990

6. T. NAKAGAWA, Blowing-up of finite difference solution to aat = S + u2 , App.Math. Opt, v2(4),336-350,1976

7. J. G. VERWER, J. G. BLOM, R. M. FURZELAND & P. A. ZEGELING,A moving grid method for one dimensional partial differential equations based onmethod of lines, Adaptive Methods for Partial Differential Equations (J. E.Flaherty e.a. eds), SIAM, Philadelphia, 1989

8. R. O. WEBER & S. I. BARRY, Finite-time blow-up in reaction-diffusionequations, Math. Comput. Modelling, v 18(10), 163-168,1993

443

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (445)

0.9

0.1 0.9

Gambar 1. Rajahan teratas menunjukan gerak simpul terhadap modulus. Nampakterlihat kompetisi antara upaya solusi numerik mengaproksimasi solusi dengan fungsipenempatan simpul. Pada rajahan bawah, modulus terskala nilai maksimum untuksetiap solusi yang terkait dengan rajahan posisi simpul pada rajahan teratas.

444

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (446)

too

4 5log( u_max

0.1

Gambar 2. Rajahan teratas meunjukan gerak simpul sebelah kiri terhadap modulus.Ini merupakan upaya untuk melihat lebih jelas perilaku titik simpul bergerak terhadaptitik simetri. Sedangkan rajahan terbawah mencoba melihat gerak beberapa titik disekitar titik xi = 0.5 menjelang waktu punah numerik.

445

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (447)

DISKUSI

M. BUNJAMEV

Apa relevansi Moving Mesh Finite Element Method (MMFE) dengan tugas Anda diIPB?

AGAH D. GANARDI

Salah satu fenomena yang memiliki masalah blow up sering muncul dalam bidangpenyebaran populasi, sehingga MMFE dapat digunakan.

HENDRO TJAHYONO

1. Dimana aplikasi moving mesh dalam fenomena fisis? Mohon diberi contoh.2. Bagaimana penentuan kecepatan meshl3. Apakah ada kriteria tertentu sehingga diperoleh kecepatan terbaik?

AGAH D. GANARDI

1. Contoh pemakaian MMFE di bidang fisis adalah untuk "menangkap" shock yangbergerak di bidang aerodinamika.

2. Kecepatan mesh ditentukan oleh kecepatan pendistribusian mesh yang diramalkanatas dasar fungsi monitor.

3. Sejauh ini, kriteria terbaik bergantung pada kebutuhan jenis informasi yangdiperlukan. Misalnya untuk shock problem, maka grade menjadi penting,sehingga dipergunakan fungsi monitor arc-length.

446

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (448)

PENENTUAN TEMPERATUR KARAKTERISTIK MATERIALDENGAN METODA NUMERIK

Nurd in Effendi dan Safei Purnama

ABSTRACT ID990000037

DETERMINATION OF CHARACTERISTIC TEMPERATURE ON A MATERIALNUMERICALLY. Tempcraliire factor (hat has importance role in the determination of dynamicdisplacements am be calculated on the basis of thermal intensity factor; with the aids of severalconstants, like atomic mass of the substance, Planck's constant. Boltzmann's constant, and Debye'sfunction .<t>(x), characteristic leinpcrature of the materials can be calculated. O(x) is Debye's function,which is "/'// conditioned function' Ihal is calculated numerically, and from this function can be definedany function that includes temperature measurement parameters T, and T, respectively; the result isplotted as a first graph. The second graph is found from the equation below.

that need parameters constructed from a pair of lines of diffraction intensity, whose intensity ratio ismeasured at two different temperatures, namely

«H^L'^ i l i i l and ct2=r

and £i'=(h|" +

so that we can make a plot of the second graph. Both of the graphs calculated numerically were plotted inthe same scale, and the intersection point of the graphs is the characteristic temperature searched for thatcan be read from the graph.

ABSTRAK

PENENTUAN TEMPERATUR KARAKTERISTIK MATERIAL DENGAN METODANUMER1K. l-aklor temperatiir memegangperanan penting dalam penentuan amplitudo vibrasi dinamikyang menentukun besarnya hanibiiran difus termal, dapat dihitung atas dasar faktor temperatur; dengannienggunakan faktor-faklor konslanla: massa atom dari material, konstanta Planck, serta konstantaBollzmann. dengan bantuan I'ungsi karakteristik Debye <t>(\), maka temperatur karakeristik dari materialdapat dilcntukan. O(x) adalah I'unjisi Debye yang merupakan fungsi yang ill conditioned, yang dihitungsecara numcrik dan dari fungsi ini dapat didefinisikan suatu fungsi yang mengandung dua parametertemperatvir pengvikuran. musing-musing T, dan T2 dan hasilnya diplot sebagai grafik pertama. Grafikkedua dipcroleh dari persamaan di bawah.

I'usat Penelilian Sains tlan Malcri - UAi'AN

447

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (449)

_ I" mk T 4a2

yang memerlukan parameter-parameter yang dibangun dari pasangan garis intensitas difraksi, yangmemiliki perbandingan intensitas yang diukur pada dua temperatur yang berbeda, yaitu

oq =i 1"IKIMJ | dan oc2 = | *• ' '

dan S i

sehingga kita dapat memplot grafik kedua. Kedua grafik yang dihitung secara numerik tersebut di atasdiplot pada skala yang sama, dan titik potong kedua grafik merupakan temperatur karakteristik yangdicari, yang dapat dibaca dari grafik.

PENDAHULUAN

Setiap bahan mempunyai temperatur karakteristik masing-masing, yang biasadisebut dengan temperatur karakteristik Debye, atau disingkat dengan temperaturkarakteristik saja.

Peranan temperatur karakteristik ini dalam penelitian material sangat penting,khususnya dalam menentukan kapasitas termal, nilai frekuensi maksimum fonon,untuk mempelajari sifat optiknya, serta dalam penelitian hamburan difus. Umumnyapara peneliti mendapatkan kesukaran dalam menghitung temperatur karakteristik ini,karena melibatkan integral fungsi Debye yang ill conditioned pada batas kirinya, yangbiasanya diperoleh dari tabel; tetapi sayangnya tidak semua nilai fungsi Debyetersebut terdapat di dalam tabel untuk setiap nilai variabel yang dicari. Dalammakalah ini penghitungan fungsi Debye dilakukan dengan pendekatan asimtotis bataskirinya, kemudian dilakukan pemetaan grafiknya. Grafik kedua diperoleh dariperumusan fungsi temperatur yang mengandung parameter yang memanfaatkan dataintensitas puncak-puncak difraksi untuk temperatur yang berlainan, dan hasilnyadiplot pada skala yang sama dengan grafik pertama di atas. Titik perpotongan keduagrafik ini merupakan temperatur karakteristik dari material yang bersangkutan.Fungsi Debye ini banyak diperlukan untuk menghitung faktor pengurangan puncakintensitas maupun untuk menghitung amplitudo vibrasi kisi, serta untuk mempelajarisifat optik serta sifat termal dari material.

Teori

Dalam Agl dengan vibrasi harmonik, amplitudo vibrasi dinamik dari suatu kisiberganrung pada besarnya faktor temperatur. Dalam mekanisme hamburan misalnya,

448

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (450)

besarnya faktor temperatur ini menentukan penurunan intensitas puncak difraksi sertamenyumbang terhadap hamburan difus, yaitu yang disebut hamburan difus termal.Dalam penelitian material superionik yang melibatkan hamburan difus yang sangatkuat, maka kontribusi dari hamburan difus termal ini menjadi salah satu perhatian,untuk mengamati besarnya disorder kristal.

Faktor temperatur B terkait dengan temperatur karakteristik @£> melaluihubungan:

mk©DL x 4 .

dimana <£(x) adalah fungsi Debye, yang dirumuskan:

• W - -)^-, TO

Pada umumnya untuk menghitung nilai 0 r j kita akan mengalami kesukaran,karena hams menggunakan tabel, sedangkan nilai-nilai yang tercakup pada tabeltersebut biasanya sangat terbatas sehingga tidak lengkap, karena hanya mencakupnilai-nilai tertentu saja. Oleh sebab itu tujuan utama dari makalah ini adalahmembahas cara singkat untuk menghitung temperatur karakteristik secara numerik,hasilnya diplot sebagai grafik fungsi temperatur yang sekaligus memanfaatkan nilai-nilai fungsi Debye, yang dihitung dengan metoda integrasi asimtotis karena fungsiDebye tersebut memiliki kelakuan 'ill conditioned ' pada batas kirinya. Dari fungsiDebye ini dapat dibangun suatu fu.ngsi yang mengandung dua parameter temperaturpengukuran intensitas, yang masing-masing adalah T^ dan T2 , yang bentukeksplisitnya adalah:

Dalam perhitungan ini diperlukan pengeplotan grafik dari perumusan Iain, yaitugrafik dari fungsi linier terhadap temperatur yang berbentuk :

4a2

dimana faktor oq dan ct2 masing-masing adalah pferbandingan intensitas antara duapuncak difraksi dengan indeks Miller tertentu yang dipilih, yang masing-masing

449

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (451)

diukur pada temperatur Ti dan T2 ; m adalah rata-rata massa atom dari unsur-unsuryang ada, k adalah konstanta Boltzmann, dan h adalah konstanta Planck

Sebagai contoh jika pada temperatur Tj kita memiliki dua puncak difraksidengan indeks Miller (h^kjlj) dan (h2k2l2)> maka

Lio^y^sedang pada T2 kita mempunyai

az Li(h2k2i2).

dan parameter yang lainnya yang dibentuk adalah

(5)

Kedua grafik y(x) pada persamaan 3 (berupa kurva lengkung) dan persamaan 4(berupa kurva linier) di atas diplot pada skala yang sama dalam sebuah grafik. Titikperpotongan kedua grafik ini merupakan 'temperatur karakteristik dari material yangbersangkutan.

HASIL-HASIL

Dalam makalah ini telah dihitung nilai parameter karakteristik &D untukbeberapa macam material, yaitu Agl, Ag2S, Ag3SI, Cul dan Mo. Sebagai gambaran,maka dikemukakan hasil perhitungan untuk Agl pada intensitas-intensitas yangdiukur, yaitu pada bidang-bidang refleksi (110) dan (200), diperoleh:

«1 =(IllO/I200)453 = U93

«2 = (1110/1200)523= 2,06

sehingga kemiringan dari fungsi linier V|/(x) dari persamaan 3 dapat dihitung, denganmenggunakan semua parameter yang sudah diketahui, yaitu :

450

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (452)

12h2

mkfz,-:f

T 4a212x(6,625xl0'3 4)2(4-2)

(117,4 x 1,66 xl0"27)(l,38xl0-23)(4) (5,06 xlO"10)2

38,2

v|/(x)= 0,0015 x

0,06

38,2= 0,0015 x

yang merupakan fungsi linier terhadap temperatur, yang ditunjukkan pada grafik-2yang berupa kurva linier dalam gambar-1. Titik perpotongan grafik-1 (kurvalengkung) dan grafik-2 pada gambar-1 merupakan temperatur karakteristik dari Agl.Dalam hal Agl kita peroleh temperatur karakteristiknya adalah 208 K. Juga dalamsetiap gambar berikutnya, yang dimaksud grafik-1 adalah kurva lengkung dan grafik-2 adalah kurva linier.

Nilai-nilai hasil perhitungan selengkapnya untuk material Agl dan Culdicantumkan dalam tabel 2 di bawah.

Tabel 1. Beberapa Parameter Sampel Bahan Hasil dari Perhitungan

Material

Agl

Ag2S

Ag3Sl

Cul

Mo

Temperatur(K)300373

300573

300373

300423

108293

a

1,071,47

2,42,5

2,02,1

6,456,68

2,242,98

In(a2/oq)

0,06

0,04

0,048

0,025

0,28

Nilai kemiringan dari fungsi VJ/(X) untuk masing - masing bahan serta hasilperhitungan temperatur karakteristiknya dapat dilihat pada tabel 2.

451

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (453)

Tabel 2. Temperatur Karakteristik Bahan Hasil Perhitungan.

Material

Agl

Ag2S

Ag3SI

Cul

Mo

Grafik

gam bar-1

gambar-2

gambar-3

gambar-4

gambar-5

Kemiringandari fungsi

1|/(X)

0,0017

0,0023

0,0019

0,0015

0,0012

TemperaturKarakteristik

(K)208

275

198

287

390

Grafik dari hasil perhitungan untuk kedua jenis material tersebut di atas dicantumkanpada bagian belakang dari makalah ini. Di sini terlihat pada Gambar 1 bahwa untukAgl, titik potong kedua grafik berada pada 0 = 208 K yang merupakan nilaikarakteristik bahan tersebut. Sedang dalam gambar-2 untuk Ag2S maka nilaitemperatur karakteristik tersebut adalah 275 K. Demikian pula gambar-gambarselanjutnya menerangkan nilai-nilai temperatur karakteristik material berikutriya yangurutannya dapat dilihat dalam Tabel 2.

KESIMPULAN

Sebagai kesimpulan dapat dikatakan bahwa dengan bantuan analisis numerikserta data-data difraksi dengan pengukuran dua temperatur yang berbeda maka dapatdihitung nilai temperatur karakteristik dari suatu sampel material, dengan caramengambil intensitas bidang-bidang hamburan yang sejenis (sama) sebagai penyusunparameter-parameter yang dipergunakan dalam hitungan.

UCAPAN TERIMA KASIH

Terima kasih kami sampaikan kepada Drs. Aziz Khan Jahja M.Sc, yang telahmemberikan data untuk bahan Ag2S dan Ag3SI. Juga kami ucapkan terima kasihkepada Drs. Achmad Arslan yang telah memberikan data bahan Mo.

452

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (454)

DAFTAR PUSTAKA

1. LEV IOSIFOVICH MIRKIN, Handbook of X-Ray Analysis of Poly crystal lineMaterials, New York, 1964

2. M. LOVELL, A. AVERY, and M. VERNON, Physical Properties of Materials,ELBS and Van Nostrand Reinhold (UK) Co. Ltd., 1976

3. B.D. CULLITY, Elements of X-Ray Diffraction, Reading Mass, Addison Wesley,Indiana, 1977

4. FARIDA MUCHTADI, AnalisaNumerik, Penerbit Universitas ITB, 1978

453

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (455)

M 100 liO 200 MO 300 3M 400 «SO 500 550 600 650

>WKt

Gambar 1. Grafik \\i sebagai fungsi dari temperatur 0(K) untuk material Agl.potong berada pada 9 = 208 K. Grafik-1 ditunjukkan oleh kurva,sedang grafik-2 oleh kurva linier

Gambar 2. Grafik \\i sebagai fungsi dari temperatur 9(K) untuk material Ag2S.potong berada pada 0 = 275 K. Grafik-1 ditunjukkan oleh kurva,sedang grafik-2 oleh kurva linier

454

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (456)

Gam bar 3. Grafik vy sebagai fungsi dari temperatur 0(K) untuk material Ag3SI.potong berada pada 9= 198 K. Grafik-1 ditunjukkan oleh kurva,sedang grafik-2 oleh kurva linier.

» I» 150 2X 2» MO MO 400 <SO »0 9SO «00

• « 1

Gam bar 4. Grafik \y sebagai fungsi dari temperatur 9(K) untuk material Cul.potong berada pada 6= 287 K. Grafik-1 ditunjukkan oleh kurva,sedang grafik-2 oleh kurva linier.

455

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (457)

Gambar 5. Grafik vj/ sebagai fungsi dari temperatur 9(K) untuk material Mo.potong berada pada 9 = 390 K. Grafik-1 ditunjukkan oleh kurva,sedang grafik-2 oleh kurva linier.

456

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (458)

DISKUSI

BUDI SANTOSO

1. Apa fungsi temperatur karakteristik?2. Parameter apa yang perlu diketahui untuk menentukan temperatur karakteristik?

NURDBV EFFENDI

1. Fungsi temperatur karakteristik merupakan batas temperatur, di atas temperaturtersebut kapasitas termal material tidak lagi merupakan fungsi dari temperatur.Temperatur karakteristik menentukan frekuensi maksimum fonon, sehingga di atastemperatur tersebut vibrasi kisi tidak lagi harmonik.

2. Parameter yang perlu diketahui untuk menentukan temperatur karakteristik iniadalah T (temperatur pengukuran pola difraksi) dan konstanta kisi rata-ratamaterial tersebut.

NEXT PAGE(S)left BLANK

457

fNlS-(O~ocz llllllllllllllllllllll - OSTI.GOV - [PDF Document] (459)

SUSUNAN ENERGI PARTIKEL TUNGGALPADA INTI-INTIA-GANJIL

R.S. LasijoIlllllllll

ID990000038

ABSTRACT

SINGLE PARTICLE ENERGY LEVELS IN ODD-A NUCLEI. Single particle energies foratomic nuclei with odd-A number of nucleons, i.e. nuclei possessing odd number of protons or oddnumber of neutrons, were calculated based on Nilsson's theory, and then the diagrams were made. Theenergy diagram is in the form of plot of energies as function of deformations, entities identifying thedeviations from the spherical shape. The energy calculations were done using FORTRAN 77 language ofPC (Personal Computer) version with Microsoft Fortran Power Station compiler, which was thencombined with WORD version 6.0 and EXCEL version 5.0 of WINDOWS WORKGROUP to makethe plot.

ABSTRAK

SUSUNAN ENERGI PARTIKEL TUNGGAL PADA INTI-INTI A-GANJIL. Energi partikeltunggal untuk inti-inti atom dengan jumlah nukleon A-ganjil, yaitu inti-inti yang memitiki banyaknyaproton atau banyaknya neutron yang ganjil, telah dihitung atas dasar teori Nilsson, dan kemudian dibuatgambarnya. Diagram energi ini berbentuk plot antara energi sebagai fungsi dari kebenjoan (deformation),yaitu penyimpangan bentuk inti dari bentuk yang bulat (spherical). Perhitungan energi dilakukan denganbahasa FORTRAN 77 versi PC (Personal Computer) dengan Microsoft Fortran Power Station compiler,yang kemudian dikombinasikan dengan WORD versi 6.0 dan EXCEL versi 5.0 dari WINDOWSWORKGROUP untuk membuat plotnya.

Pusat Pengembangan Informatika - BAT AN

459