<![CDATA[Pemodelan numerik berbasis persamaan diferensial parsial banyak digunakan pada sistem reverse osmosis (RO) untuk merepresentasikan fenomena transportasi massa di dalam membran. Persamaan adveksi–difusi umum digunakan, namun akurasi solusi numeriknya sangat bergantung pada pemilihan parameter fisik dan numerik yang umumnya ditentukan secara statis, sehingga kurang adaptif terhadap perubahan kondisi operasi. Penelitian ini mengusulkan kerangka kerja optimasi parameter otomatis berbasis Hybrid Neuro-Fuzzy untuk pemodelan adveksi–difusi pada sistem reverse osmosis. Sistem RO diperlakukan sebagai sistem dinamis, di mana parameter kecepatan aliran, koefisien difusi, dan batas integrasi berperan sebagai variabel yang sensitif terhadap pengendalian. Adaptive Neuro-Fuzzy Inference System (ANFIS) diterapkan sebagai pengendali adaptif dalam mekanisme loop tertutup, dengan galat solusi numerik digunakan sebagai sinyal umpan balik untuk memperbarui parameter secara dinamis. Hasil simulasi menunjukkan bahwa pendekatan yang diusulkan mampu menurunkan galat numerik, mempercepat konvergensi, dan meningkatkan kestabilan sistem dibandingkan metode statis. Pendekatan ini berkontribusi pada pengembangan kontrol adaptif dan rekayasa komputasi untuk sistem reverse osmosis yang cerdas dan otomatis. Numerical modeling based on partial differential equations is widely used in reverse osmosis (RO) systems to represent the mass transport phenomenon in the membrane. The advection–diffusion equation is commonly used, but the accuracy of its numerical solution is highly dependent on the selection of physical and numerical parameters which are generally determined statically, making it less adaptive to changes in operating conditions. This study proposes a Hybrid Neuro-Fuzzy based automatic parameter optimization framework for advection–diffusion modeling in reverse osmosis systems. The RO system is treated as a dynamic system, where the flow rate, diffusion coefficient, and integration limits act as control-sensitive variables. Adaptive Neuro-Fuzzy Inference System (ANFIS) is implemented as an adaptive controller in a closed-loop mechanism, with the error of the numerical solution used as a feedback signal to dynamically update the parameters. Simulation results show that the proposed approach is able to reduce numerical errors, accelerate convergence, and improve system stability compared to static methods. This approach contributes to the development of adaptive control and computational engineering for intelligent and automated reverse osmosis systems.]]>
