Gunakan Kecerdasan Buatan, Mahasiswa Ini Tawarkan Solusi Penanganan Limbah Industri Migas

Melihat hal tersebut, tiga mahasiswa Institut Teknologi Sepuluh Nopember (ITS) mencoba menawarkan solusi penanganan limbah dengan merancang pemodelan kecerdasan buatan atau yang dikenal dengan artificial intelligent (AI) untuk memfasilitasi pengolahan limbah yang lebih efisien dan ramah lingkungan pada industri migas.

Tiga mahasiswa ITS itu adalah Fitria Kusumaningrum, Citra Annisaa Nurul Ain, Nuzulul Syaqawati Azzahra, mahasiswa S1 Departemen Teknik Fisika, Fakultas Teknologi Industri dan Rekayasa Sistem (FTI-RS), ITS.

Ketiganya tergabung dalam sebuah tim bernama UCiFi.

Berawal dari masalah penanganan limbah, mereka tergerak menginovasikan pemanfaatan kecerdasan buatan berupa artificial neural network (ANN) untuk memprediksi keakuratan kadar chemical oxygen demand (COD) yang terkandung dalam limbah industri minyak dan gas.

Nuzulul Syaqawati Azzahra selaku ketua tim mengatakan, limbah yang dihasilkan industri migas berupa produced water.

Hasil dari kegiatan eksplorasi minyak tersebut mengandung polutan, antara lain H2S (Hidrogen Sulfida), minyak dan lemak, NH3 (Ammounium), dan COD.

"Kadar polutan tersebut melebihi baku mutu, sehingga kadar polutan harus dikurangi terlebih dahulu sebelum dialirkan kembali ke alam," kata Nuzulul dalam keterangan tertulis, Senin (24/5/2021).

Salah satu anggota tim UCiFi, Fitria Kusumaningrum menjelaskan, salah satu cara untuk menurunkan kadar polutan adalah menggunakan polishing unit.

Data input pada polishing unit ini berupa kadar COD yang tinggi serta beberapa parameter lain seperti pH, suhu, NO3, PO3, MLSS, TSS, dan SVM.

"Setelah data tersebut diproses di blackbox polishing unit, akan didapat output kadar COD yang lebih rendah," tutur Fitria.

Untuk memprediksi kadar COD tersebut, menurut Fitria, diperlukan suatu prediktor yang tepat yaitu ANN.

Ia juga mengatakan, selain model ANN sebagai prediktor, perlu diterapkan teknik optimasi untuk mendukung hasil COD yang minimal.

Salah satu teknik optimasi yang paling banyak digunakan adalah teknik optimasi genetic algorithm (GA).

Nuzulul dan tim meyakini, penggunaan ANN + GA memiliki hasil keakuratan prediksi yang lebih baik dibanding pemodelan AI yang lain seperti ANFIS.

"Walaupun ANN maupun ANFIS sama-sama memiliki kemampuan input data yang sangat banyak, tetapi ANN memiliki hidden layer sehingga prediksi data akan jauh lebih akurat," kata Nuzulul.

Saat ditanya mengenai kendala, Fitria mengungkapkan pada awalnya timnya belum memahami teknik pengolahan informasi menggunakan ANN+GA, sehingga mereka membutuhkan waktu lebih untuk memahami hal tersebut.

"Namun, dengan keuletan dan kerja sama antar anggota tim, kami mampu menyelesaikan paper yang akan kami lombakan," tutur dia.

Kerja keras tim UCiFi tersebut telah berhasil membuahkan prestasi membanggakan.

Paper yang berjudul Artificial Intelligent in Oil and Gas Wastewater Treatment  sukses mengantarkan tim yang dibimbing Totok Ruki Biyanto ini sebagai juara kedua pada Paper Competition Petrolida 2021.

Pada kompetisi yang digelar oleh Society Petroleum Engineer ITS Student Chapter (SPE ITS SC) ini, tim UCiFi berhasil mengungguli paper dari sembilan tim lainnya.

Ke depan, Fitria berharap tim UCiFi dapat terus kompak dan bekerja sama untuk mengikuti kompetisi paper lainnya.

"Dengan memanfaatkan kecerdasan buatan untuk pengolahan limbah, kami harap inovasi tersebut dapat menjadi terobosan untuk meningkatkan performa pengolahan limbah di industri minyak dan gas," ucap Fitria.