Perpustakaan Digital ITB

Abstrak: Data pengukuran variabel proses selalu mengandung kesalahan. Kesalahan dalam data pengukuran dapat berupa kesalahan nyata (gross error), kesalahan sistematik, dan kesalahan acak (random error). Deteksi kesalahan nyata pada data pengukuran variabel proses perlu dilakukan untuk mengetahui gangguan proses itu terjadi karena masalah proses atau kegagalan fungsi sistem pengukuran. Aktivitas penyepakatan data (data reconciliation) dilakukan untuk memproses data pengukuran yang terkontaminasi menjadi informasi yang konsisten. Aktivitas ini dapat dilakukan dengan baik jika kesalahan nyata tidak terdapat dalam data pengukuran. Dalam perkembangannya, deteksi kesalahan nyata dilakukan dengan teknik statistik multivariabel untuk mendapatkan hasil yang lebih akurat dan benar dalam penentuan variabel yang menyebabkan kesalahan nyata tersebut. Teknik statistik multivariabel dikenal handal dalam mengatasi permasalahan dimana terdapat korelasi di antara variabel proses yang diukur. PCA sebagai salah satu teknik analisis statistik kuantitatif multivariabel dikenal baik untuk mendeteksi kesalahan nyata pada pengukuran-. Penelitian ini dilaksanakan dengan tujuan untuk menerapkan PCA dalam deteksi dan identifikasi kesalahan nyata pada data pengukuran, menerapkan teknik penyepakatan data untuk memperoleh data pengukuran yang tersepakati, dan mengkaji penerapan PCA pada penyepakatan data secara dinamik. Dalam penelitian ini, operasi kompresor multi tahap dalam pabrik pupuk urea dipilih sebagai studi kasus. Hasil dari penelitian ini membuktikan bahwa teknik PCA dapat diterapkan untuk deteksi dan identifikasi kesalahan nyata pada data pengukuran laju alir, tekanan, dan temperatur. Aplikasi teknik PCA pada penyepakatan data keadaan tunak dapat digunakan untuk mendeteksi letak kesalahan nyata pada data pengukuran sehingga eliminasi atau koreksi terhadap data yang mengandung kesalahan nyata tersebut dapat dilakukan dengan tepat. Selain itu, teknik PCA dapat digunakan untuk mendeteksi dan melokalisir kesalahan dengan cepat sehingga teknik ini memungkinkan untuk diterapkan pada penyepakatan data dinamik. Akan tetapi, aplikasi teknik PCA ini perlu diawali dengan pengumpulan pengetahuan proses yang lengkap sehingga tingkat keyakinan terhadap keputusan penerimaan atau penolakan suatu data lebih tinggi.