Perpustakaan Digital ITB

Pembentukan gas hidrat dalam pipa transportasi hidrokarbon merupakan masalah kristis yang dapat mengganggu aliran dan menyebabkan penyumbatan, berpotensi menimubulkan risiko keamanan serta kerugian ekonomi. Hidrat adalah padatan kristal berbentuk es yang disebut klatrat dari sudut pandang struktural. Struktur senyawa dasarnya terdiri dari kristal molekul air yang berbentuk sangkar yang mengandung molekul tamu yang membentuk hidrat. Hidrat akan terbentuk ketika terdapat cukup air untuk membentuknya, dengan kondisi suhu rendah dan tekanan tinggi pada kondisi tertentu. Studi ini meneliti penerapan machine learning untuk memprediksi formasi hidrat dalam pipa transportasi. Penelitian menggunakan 3 case berbeda yaitu fluida case A, fluida case B dan Fluida Case C. ketiga case fluida akan di match pada kondisi lapangan IAR menggunakan dynamic multiphase flow simulator. Hasil luaran match yang dilakukan pada ketiga fluida akan digunakan sebagai dataset pembangunan model machine learning. Algoritma yang digunakan untuk memprediksi pembentukan hidrat seperti Random Forest, Gradient Boosting, Extreme Gradient Boosting, CatBoost dan Support Vector Machine. Model -model tersebut dilatih dan divalidasi menggunakan data set yang dibagi menjadi data pelatihan, data pengujian dan cross validasi. Kemudian data yang telah dibangun akan diuji terhadap data blind test. Pada penelitian ini fluida case A dan fluida case B merupakan dataset yang digunakan terhadap develop model dan fluida case C merupakan data blind test. Hasil evaluasi dari model yang telah dibangun menunjukkan bahwa Random Forest memberikan kinerja terbaik dengan akurasi prediksi 82%, diikuti dengan Extreme Gradient Boosting 60%, Gradient boosting 54%, CatBoost 53% dan SVM 0,57%.