Perpustakaan Digital ITB

Prediksi akurat terhadap kehilangan tekanan alir pada flowline untuk kondisi aliran multifasa dibutuhkan untuk memperoleh desain yang tepat untuk fasilitas permukaan seperti pompa, kompresor, dan separator. Studi ini memperkenalkan metode Artificial Neural Network (ANN) untuk memprediksi kehilangan tekanan alir pada pipeline untuk aliran multifasa. Artificial Neural Network adalah salah satu bentuk kecerdasan buatan (Artificial Intelligence) yang meniru proses belajar pada sistem syaraf otak manusia. Artificial Neural Network tidak mengenal formula atau aturan, melainkan belajar hanya dari pengalaman atau sampel data dan memiliki kemampuan untuk menemukan pola dari sekumpulan data. Sejumlah 500 set data hipotetik digunakan dalam studi ini. Data hipotetik merupakan hasil simulasi dengan menggunakan software Schlumberger-Pipesim 2008. Data dibagi menjadi tiga bagian : training, validation, dan testing. Data Testing yang tidak digunakan oleh model ANN selama fasa training berfungsi untuk menguji keakuratan dari model ANN dalam memprediksi kehilangan tekanan alir pada flowline. Hasil studi tugas akhir ini menunjukkan bahwa akurasi prediksi suatu model Artificial Neural Network sangat bergantung pada rasio pembagian data (training, validation, dan testing) dan jumlah hidden neuron yang tepat.