Jecky, mahasiswa Program Magister Teknik Industri, Departemen Teknik Mesin dan Industri (DTMI) UGM mempresentasikan hasil penelitian tesisnya pada Rabu (23/07) secara daring. Mahasiswa yang saat ini menjalani double degree di National Taiwan University of Science and Technology (NTUST) mempresentasikan hasil penelitian tesisnya yang berjudul ”Evaluasi Performa Model Berbasis Deep Learning dalam Prediksi Perlakuan Kimia pada Sistem Pemurnian Air Ultrafiltrasi” di depan tim penguji beranggotakan Ir. Yun Prihantina Mulyani, S.T., M.Sc., Ph.D, IPM., ASEAN Eng., Ir. Andi Rahadiyan Wijaya, S.T., M.Sc., Ph.D., IPM., ASEAN Eng., dan Ir. Rini Dharmastiti, M.Sc., Ph.D., IPM., ASEAN Eng..
Dibimbing oleh Prof. Ir. Nur Aini Masruroh, ST., M.Sc., Ph.D., IPU., ASEAN Eng., Jecky mengangkat penelitian tentang sistem pemurnian air yang memainkan peran krusial dalam menjamin ketersediaan air bersih. ”Namun dalam praktiknya, sistem ini sering menghadapi permasalahan serius seperti penyumbatan filter (membrane fouling) yang dapat menyebabkan penurunan produksi air tawar,” paparnya.
Penelitian ini mengusulkan pendekatan objective dan data-driven decision support system dengan melatih empat model deep learning, yaitu LSTM (Long Short-Term Memory), GRU (Gate Recurrent Unit), Bidirectional LSTM, serta Bidirectional LSTM + Transformer. Model-model ini dilatih menggunakan data historis untuk menghasilkan prediksi flowrate, yang selanjutnya digunakan untuk memprediksi kebutuhan chemical treatment.
Penelitian ini terdiri dari dua tahap. Tahap pertama adalah membangun prediksi flowrate berdasarkan fitur-fitur relevan, dan tahap kedua adalah memprediksi kebutuhan chemical treatment berdasarkan hasil prediksi flowrate dari tahap sebelumnya.
Hasil evaluasi menunjukkan bahwa model Bidirectional LSTM + Transformer memiliki nilai RMSE terendah yaitu 26.01, diikuti oleh Bidirectional LSTM dan LSTM, masing-masing dengan nilai RMSE 26.02 dan 26.03. ”Namun, dalam hal akurasi prediksi chemical treatment, model LSTM menunjukkan performa terbaik dengan nilai F1-Score tertinggi yaitu 0.80, disusul oleh Bidirectional LSTM + Transformer (0.79) dan Bidirectional LSTM (0.72),” lanjut Jecky.
Temuan ini menunjukkan bahwa model LSTM, meskipun lebih sederhana dibandingkan arsitektur yang lebih kompleks seperti Bidirectional LSTM dan Transformer, memiliki kemampuan lebih unggul dalam memprediksi kebutuhan chemical treatment. Penelitian ini memberikan wawasan penting mengenai efektivitas model sederhana maupun kompleks dalam mengolah time series data untuk keperluan prediksi di sistem industri.
Kontributor: Maryanti, A.Md.
Penyusun: Gusti Purbo Darpitojati, S.I.Kom.
