Perpustakaan Digital ITB

Abstrak : Proses flotasi merupakan proses yang di anggap paling baik untuk mengolah batubara berukuran halms (di bawah 0,5 mm). Salah satu cara untuk menilai unjuk kerja proses flotasi batubara ini , maka perlu dikembangkan model yang tepat. Pada permodelan 'konvensional' (model empiris dan analitis) yang dikembangkan saat ini, masih banyak dijumpai keterbatasan-keterbatasan seperti perlunya penelitian-penelitian yang sangat rinci, perlunya pemahaman kinetika proses secara balk dan mendetail, dan lain-lain. Untuk mengatasi kendala-kendala seperti di atas dan sekaligus memperkenalkan salah satu teknik permodelan yang pemakaiannya, khususnya di bidang pengolahan bahan galian (batubara), masih baru maka dalam penelitian ini telah diupayakan memodelkan proses flotasi batubara secara batch dengan model jaringan saraf tiruan propagasi-balik umpan-maju (feedforward backpropagation neural network). Dalam penelitian ini telah berhasil dimodelkan proses flotasi batubara dengan model jaringan saraf tiruan (JST) propagasi-balik umpan maju dan telah di buat program komputasinya. Keakuratan hasil prediksi unjuk kerja proses flotasi di ukur dengan membandingkannya dengan data-data hasil percobaan. Berdasarkan hasil pemodelan dan sumulasi-sumulasi yang dilakukan maka keberhasilan permodelan ini sangat ditentukan oleh cara menyusun topologi hubungan antara nilai-niiai masukan dan keluaran. Keakuratan hasil prediksi banyak ditentukan oleh parameter jumlah pola pelatihan dan hasil terbaik di peroleh dengan tingkat kesalahan parameter unjuk kerja adalah berturut-turut 2,20%, 4,61%, 3,98%, dan 2,11% untuk combustible recovery, kadar abu batubara bersih, kadar air batubara bersih, dan yield. Sementara itu konvergensi proses iterasi dan kecepatan komputasi ditentukan oleh pengaturan besarnya parameter-parameter jaringan yaitu : inisialisasi harga bobot hubungan, jumlah pola pelatihan, jumlah neuron (nodal) lapisan tersembunyi, harga laju pelatihan, dan harga momentum.