57  

BAB IV

PEMBAHASAN

Pada bab ini, hasil pengolahan data untuk analisis jaringan pipa bawah laut yang

terkena korosi internal akan dibahas lebih lanjut. Pengaruh operasional pipa

terhadap laju korosi dari model NORSOK menjadi awal dari pembahasan.

Kemudian dilanjutkan dengan penentuan tingkat critically pipa serta pengaruh

dari penambahan inhibitor terhadap analisis jaringan pipa.

4.1 Model NORSOK : Analisis Prediksi Laju Korosi dan Pengaruh

Operasional Pipa Terhadap Laju Korosi

Dalam memprediksi laju korosi internal pipa dengan menggunakan model

NORSOK, parameter-parameter dalam segi operasional pipa sangat penting

peranannya. Parameter-parameter tersebut antara lain adalah tekanan operasi,

temperature operasi, serta keasaman (pH) dan kandungan karbon dioksida dalam

gas yang mengalir. Selain parameter-parameter tersebut, keberadaan aliran system

yang berbeda juga turut mempengaruhi besar laju korosi yang terjadi.

4.1.1 Analisis Prediksi Laju Korosi

Laju korosi tiap data jaringan pipa gas dihitung dengan menggunakan model

NORSOK dan hasil lengkapnya ada pada tabel 4.1 di bawah. Rentang laju korosi

ada pada kisaran 0,151 – 0,407 mm/tahun. Tabel menunjukkan bahwa nilai laju

korosi terendah ada pada data jaringan pipa 12,75”OD-X5-X52 sedangkan laju

korosi tertinggi dimiliki oleh jaringan pipa 16”OD-Y5-X52.

Sisi penjelasan lain yang diperoleh dari tabel, yakni adalah bahwa rata-rata laju

korosi yang terdapat pada jaringan pipa (jaringan pipa X) yang tidak mengandung

hydrogen sulfide lebih rendah daripada jaringan pipa yang alirannya mengandung

hydrogen sulfide (jaringan pipa Y). dari situ dapat ditarik kesimpulan bahwa

hydrogen sulfide berperan dalam penentuan laju korosi internal dengan

menggunakan model NORSOK ini. Hal ini sesuai dengan teori bahwa hydrogen

58  

sulfide merupakan salah satu senyawa agresif yang dapat mengakibatkan

terjadinya korosi internal pada pipa.

Tabel 4.1 Laju Korosi untuk Setiap Data Jaringan Pipa Gas

Nama Jaringan Pipa Laju Korosi (mm/y) OD (inch)

Laju Alir (MSCFD)

CO2 (% mol) PH H2S

(ppm)

12,75”OD-X1-X52 12,75 180106 6 3,8 0

0,323 12,75”OD-X

2-X52 12,75 12422 15 7 0

0,187 12,75”OD-X

3-X52 12,75 10622 1 7,5 0

0,246 12,75”OD-X

4-X52 12,75 603 14 6,5 0

0,182 12,75”OD-X

5-X52 12,75 2225 2 7,5 0

0,151 12,75”OD-X

6-X52 12,75 2073 8 7 0

0,155 12,75”OD-X

7-X52 12,75 6384 8 6,9 0

0,195 16”OD-X

8-X52 16 19020 18 8 0

0,262 16”OD-X

9-X52 16 21245 35 6 0

0,351 12,75”OD-X

10-X52 12,75 3678 6 4,2 0

0,286 12,75”OD-X

11-X52 12,75 2523 18 3,9 0

0,311 20”OD-X

12-X52 20 5777 20 3,5 0

0,236 12,75”OD-X

13-X52 12,75 644 1 5,5 0

0,19626”OD-X

14-X60 26 312617 8 3,7 0

0,397 26”OD-X

15-X60 26 242697 2 4 0

0,391 14”OD-X

16-X52 14 93279 30 4 0

0,307

Nama Jaringan Pipa Laju Korosi (mm/y) OD

(inch) Laju Alir (MSCFD)

CO2 (% mol) PH H2S

(ppm)

14”OD-Y1-X52 14 8263 2 4 2,3

0,179 8,625”OD-Y

2-X52 8,625 321 14 3,8 12

0,291 12,75”OD-Y

3-X52 12,75 598 1 5 0,5

0,212 16”OD-Y

4-X52 16 20438 60 3,6 2,0

0,321

59  

16”OD-Y5-X52 16 224110 50 3,5 3,5

0,407 24”OD-Y

6-X60 24 82712 7 4,1 5

0,386

Akan tetapi, model NORSOK tidak memperhitungkan tepat seberapa besar

peningkatan laju korosi internal pada pipa denga adanya kandungan hydrogen

sulfide pada aliran. Hydrogen sulfide, pada model NORSOK, hanya

diperhutngkan sebagai senyawa asam yang mempengaruhi tingkat keasaman

aliran (pH). Hal ini terlihat pada tabel bahwa pH yang dimiliki oleh aliran jaringan

pipa yang mengandung hydrogen sulfide umumnya lebih asam (lebih rendah).

Tingkat keasaman inilah yang diperhitungkan dalam model NORSOK.

Faktor keasaman aliran (pH), dalam model NORSOK, dalam pengaruhnya

terhadap laju korosi akan dibahas pada pembahasan 4.1.2 berikut secara lebih

mendetail dengan menggunakan contoh perhitungan.

4.1.2 Analisis Pengaruh pH dan Kandungan Karbon Dioksida terhadap

Laju Korosi

Dalam tinjauan pustaka disebutkan, korosi merupakan salah satu jenis kegagalan

pipa yang disebabkan oleh karena factor lingkungan. Keasaman merupakan salah

satu factor lingkungan yang berpengaruh terhadap korosi. Dalam hal ini,

keasaman lingkungan pipa digambarkan dalam nilai pH. Model NORSOK

memperhitungkan nilai pH sebagai salah satu factor untuk memprediksi laju

korosi. Pengaruh pH terhadap laju korosi dalam model NORSOK digambarkan

dalam grafik dalam gambar 4.1.

Grafik dibentuk dari data jaringan pipa yang sama yang digunakan dalam contoh

perhitungan yakni jaringan pipa 12,75”OD-X4-X52 dengan parameter yang

diubah adalah nilai pH sedangkan parameter lain dibiarkan seperti asal nilai dalam

data semula.

60  

Gambar 4.1 Grafik Pengaruh pH terhadap Laju Korosi

Dalam grafik menunjukkan bahwa seiring dengan naiknya nilai pH dalam

berbagai kondisi, laju korosi akan mengalami penurunan. Hal ini terjadi sebab

kenaikan nilai pH menandakan system menjadi basa, dan kebasaan ini akan

membuat baja, yang menjadi bahan dasar pipa, menjadi masuk daerah pasif.

Gambar 4.2 Diagram Eh-pH Sistem Fe-H2O

Laju korosi pada daerah pasif umumnya lebih rendah daripada laju korosi pada

daerah aktif, walaupun demikian baja tetap akan terkorosi dengan laju yang

0

0.5

1

1.5

2

0 2 4 6 8Laju Korosi (mm/y)

pH

Pengaruh pH terhadap Laju Korosi

61  

rendah[15]. Oleh sebab itu grafik pengaruh pH terhadap laju korosi tidak

menunjukkan bahwa kenaikan pH terus menerus akan menyebabkan laju korosi

berada pada nilai nol.

Gambar 4.3 Kurva Polarisasi Anodik Fe

Kurva menunjukkan laju korosi pada daerah pasif (ipassive) umumnya lebih rendah

daripada nilai pada perpotongan dengan garis katodik (laju korosi pada daerah

aktif terkorosi)[15].

Telah disinggung sebelumnya keasaman merupakan factor lingkungan dan

dipengaruhi oleh keadaan di sekitar pipa. Akan tetapi, jika yang dipermasalahkan

adalah keasaman di dalam pipa yang menyebabkan korosi internal, maka yang

menentukan tinggi rendahnya nilai keasaman adalah aliran yang mengalir di

dalam pipa tersebut. Kandungan dalam aliran yang menentukan keasaman yakni

adalah kandungan karbon dioksida dan hydrogen sulfide.

Karbon dioksida dan hydrogen sulfide diketahui akan melepaskan ion H+, di mana

semakin banyak kandungan senyawa maka akan semakin banyak pula ion H+

terbentuk. Sedangkan di lain pihak, keasaman sendiri merupakan nilai dari fungsi

logaritmik banyaknya konsentrasi ion H+ dalam sebuah system[5]. Oleh karena itu,

kandungan kedua senyawa ini tentu akan memberikan fungsi yang logaritmik pula

terhadap laju korosi.

62  

Dalam pembahasan ini, hanya ditinjau satu senyawa saja dalam pengaruhnya

terhadap laju korosi, yakni karbon dioksida. Hal ini dikarenakan oleh kasus yang

terjadi dalam pipa semuanya merupakan jenis sweet corrosion, di mana karbon

dioksida berperan dominan dalam proses korosi yang terjadi pada pipa. Selain itu,

model yang digunakan (model NORSOK) adalah model yang memperhitungkan

laju korosi karena karbon dioksida saja.

Gambar 4.4 Kurva Pengaruh Kandungan Karbon Dioksida terhadap Laju Korosi

Kurva yang ditunjukkan oleh gambar 4.4 menunjukkan bahwa ada batas dalam

kandungan karbon dioksida sehingga laju korosi menunjukkan nilai konstan

dalam berbagai kondisi. Nilai-nilai batas tersebut adalah di mana kandungan

karbon dioksida menunjukkan angka nol dan seratus persen. Laju korosi pada saat

kandungan karbon dioksida menunjukkan angka nol tidak secara otomatis

menjadi nol pula (korosi terhenti). Sama seperti nilai pH yang memasuki nilai laju

korosi pasif, pada saat kandungan karbon dioksida nol pipa tetap terkorosi hanya

saja nilainya tidak sebesar jika aliran ada kandungan karbon dioksidanya[5]. Hal

ini disebabkan kandungan karbon dioksida bukan merupakan satu-satunya factor

yang berpengaruh dalam menentukan tinggi rendahnya laju korosi. Factor lain

yang menentukan antara lain temperature dan tekanan operasi pipa.

0

0.2

0.4

0.6

0.8

1

0 20 40 60 80 100 120

Laju korosi (mm/y)

Kandungan Karbon Dioksida (%‐mole)

Pengaruh Kandungan Karbon Dioksida terhadap Laju Korosi

63  

4.1.3 Analisis Pengaruh Temperatur Operasi terhadap laju Korosi

Dalam setiap lingkungan, temperature merupakan syarat mutlak untuk

membentuk sebuah system. Di dalam korosi internal pipa, factor temperature juga

yang ikut menentukan besarnya laju korosi. Model NORSOK mengindikasikan

grafik di bawah ini sebagai pengeruh temperature terhadap laju korosi.

Gambar 4.5 Grafik Pengaruh Temperatur terhadap Laju Korosi

Dari grafik terlihat bahwa pada awalnya laju korosi akan semakin meningkat

seiring dengan meningkatnya temperature. Akan tetapi kecenderungan itu berubah

pada temperature yang lebih tinggi di mana laju korosi akan cenderung menurun.

Model NORSOK memperhitungkan penurunan laju korosi itu sebagai sebuah

konstanta temperature di mana konstanta yang paling tinggi ada pada temperature

600C (tabel 3.1).

Pada awalnya kenaikan temperature akan meningkatkan dan mempercepat proses

difusi dari kandungan ion maupun senyawa agresif yang menyebabkan korosi

terjadi. Hal ini menyebabkan laju korosi akan semakin meningkat seiring dengan

kenaikan temperature sebab ion maupun senyawa agresif lebih cepat

mendegradasi pipa baja. Akan tetapi seiring dengan naiknya temperature yang

semakin tinggi, kelembaban lingkungan semakin berkurang. Hal ini ditandai oleh

0

0.05

0.1

0.15

0.2

0.25

0 50 100 150 200 250

laju Korosi (mm/y)

Temperatur (0C)

Pengaruh Temperatur Terhadap Laju Korosi

64  

berkurangnya kandungan oksigen terlarut, yang juga merupakan salah satu

pengendali reaksi dalam korosi[5]. Dalam kasus korosi internal, kandungan

oksigen terlarut merupakan perspeksi dari kandungan karbon dioksida dalam

aliran gas dalam pipa.

Gambar 4.6 Grafik Penurunan Konsentrasi Oksigen Terlarut terhadap

Peningkatan Temperatur[5]

Menurunnya konsentrasi oksigen terlarut membuat berkurangnya senyawa agresif

yang menyebabkan korosi terjadi. Walaupun proses difusi oksigen terlarut tetap

tinggi, laju korosi akan cenderung menurun karena kurangnya senyawa agresif

yang menyebabkan proses korosi berlangsung. Jika senyawa agresif tetap

dipertahankan pada kondisinya (konstan), laju korosi akan terus mengalami

peningkatan seiring dengan peningkatan temperature.

Gambar 4.7 Grafik Korosi terhadap Temperatur

65  

4.1.4 Analisis Pengaruh Tekanan Operasi terhadap Laju Korosi

Selain keasaman aliran dan temperature, factor lain yang tak kalah penting dalam

penentuan laju korosi internal adalah tekanan operasi pada pipa. Tekanan, sama

seperti temperature, merupakan factor yang paling banyak terdapat pada sebuah

system. Akan tetapi, berbeda dengan temperature, tekanan akan memberikan efek

yang cenderung linier terhadap peningkatan laju korosi seiring dengan

peningkatan tekanan.

Gambar 4.8 Grafik Pengaruh Tekanan terhadap Laju Korosi

Tekanan merupakan sebuah gaya yang membebani sebuah system, dalam hal ini

pipa baja. Semakin berat suatu benda yang jatuh dari ketinggian yang sama, maka

gaya gravitasi akan semakin besar. Hal ini menyebabkan benda tersebut ketika

menyentuh permukaan tanah akan menimbulkan efek lubang yang lebih besar.

Sama seperti hal itu, tekanan yang semakin besar menyebabkan proses degradasi

pipa menjadi lebih besar karena gaya untuk mendegradasi pipa akan semakin

besar. Hal tersebut akan berlangsung terus menerus membentuk kelinieran yang

tergambar pada grafik di atas (gambar 4.8).

0

0.05

0.1

0.15

0.2

0.25

0.3

0 50 100 150 200 250 300 350

Laju Korosi (mm/y)

Tekanan (psi)

Pengaruh Tekanan terhadap Laju Korosi

66  

4.2 Analisis Pengaruh Peluang Kegagalan Terhadap Tingkat Critically

Pipa

Tingkat critically sebuah jaringan pipa, seperti telah disebutkan sebelumnya,

merupakan gambaran keadaaan dan kondisi sebuah jaringan pipa. Sebuah jaringan

pipa dikatakan harus diganti atau tetap dapat dipertahankan tetapi memerlukan

pemantauan atau bahkan dalam kondisi aman, semuanya merupakan hasil dari

tingkat critically pipa. Peluang kegagalan suatu jaringan pipa dapat

mendeskripsikan tingkat critically sebuah jaringan pipa tersebut.

Dalam hasil percobaan ditunjukkan grafik peluang kegagalan pipa 16”OD-Z-X52

pada tiap tahun pada beberapa lokasi berbeda.

Gambar 4.9 Peluang Kegagalan Pipa 16”OD-Z-X52 pada Tiap Tahun

Grafik tersebut merupakan fungsi sebuah tabel, yang jika disesuaikan kriterianya

dengan tabel 3.3 akan menjadi seperti table 4.2.

0

0.02

0.04

0.06

0.08

0.1

0.12

0.14

0.16

0.18

2010 2015 2020 2025 2030 2035

Peluan

g Ke

gagalan

Tahun

Kurva Peluang Kegagalan

Lokasi 240‐340 Meter

Lokasi 341‐440 Meter

Lokasi 441‐550 Meter

Lokasi 551‐640 Meter

67  

Tabel 4.2 Tabel Peluang Kegagalan Pipa 16”OD-Z-X52 Pada Tiap Lokasi Per

Tahun

Peluang Kegagalan 

Lokasi (meter) 

Tahun  240‐340  341‐440  441‐550  551‐640 2009  3,59426.10‐09  7,47468.10‐08  8,546.10‐06  2,1146.10‐06 2010  4,39874.10‐09  9,9834.10‐08  4,3354.10‐05  3,4008.10‐06 2011  5,20322.10‐10  1,7012.10‐07  2,5622.10‐05  4,2972.10‐06 2012  6,0077.10‐09  2,871.10‐07  4.10‐05  6,812.10‐06 2013  7,90302.10‐09  6,1815.10‐07  7.10‐05  1,0696.10‐05 2014  9,79834.10‐09  1,0183.10‐06  1,2.10‐04  1,6633.10‐05 2015  1,0746.10‐08  1,6615.10‐06  2,1.10‐04  2,5622.10‐05 2016  1,4891.10‐08  3,4008.10‐06  3,8.10‐04  4.10‐05 2017  1,9036.10‐08  5,417.10‐06  6,4.10‐04  7.10‐05 2018  2,6216.10‐08  1,07.10‐05  1,11.10‐03  1,1.10‐04 2019  3,3396.10‐08  2,0669.10‐05  1,93.10‐03  1,9.10‐04 2020  4,5709.10‐08  4.10‐05  3,17.10‐03  3.10‐04 2021  5,8022.10‐08  8.10‐05  5,23.10‐03  4,8.10‐04 2022  9,14716.10‐08  1,4.10‐04  8,42.10‐03  7,9.10‐04 2023  1,7012.10‐07  5,2.10‐04  1,97.10‐02  1,99.10‐03 2024  2,40308.10‐07  9,4.10‐04  2,938.10‐02  3,17.10‐03 2025  2,871.10‐07  1,69.10‐03  4,182.10‐02  4,66.10‐03 2026  6,1815.10‐07  2,98.10‐03  5,705.10‐02  7,14.10‐03 2027  7,9435.10‐07  5,08.10‐03  7,8.10‐02  1,044.10‐02 2028  1,3023.10‐06  8,2.10‐03  1,0027.10‐01  1,5.10‐02 2029  2,1146.10‐06  1,321.10‐02  1,2924.10‐01  2,118.10‐02 2030  3,4008.10‐06  1,97.10‐02  1,5866.10‐01  2,938.10‐02 

Tabel 4.2 memberikan gambaran yang jelas tentang grafik pada gambar 4.9. Pada

lokasi 240-340 meter, grafik menunjukkan bahwa garis peluang kegagalan pada

lokasi tersebut lurus dan tidak menunjukkan peningkatan. Dari tabel, dapat dilihat

dengan jelas pada setiap tahunnya sampai dengan tahun 2028, pada lokasi tersebut

semua berwarna hijau muda. Hijau muda mengindikasikan tingkat critically pipa

sangat rendah, artinya jaringan pipa pada lokasi tersebut sangat kecil

kemungkinannya untuk mengalami kegagalan. Walaupun pada tahun 2028 tabel

berubah menjadi berwarna hijau tua, akan tetapi tingkat critically pipa masih

tergolong rendah.

68  

Lokasi selanjutnya yakni lokasi 331-440 meter. Grafik pada gambar 4.9

menunjukkan bahwa pada awal tahun sampai dengan sekitar tahun 2022 garis

yang menunjukkan lokasi ini linier lurus pada tingkat paling bawah. Grafik mulai

menunjukkan kenaikan pada tahun 2022 dan meningkat tajam sejak tahun 2025.

Hal ini sesuai dengan tabel bahwa pada awalnya jaringan pipa pada lokasi ini

dalam keadaan baik-baik saja sampai dengan pada tahun 2022, jaringan pipa pada

lokasi ini menjadi berwarna jingga. Warna ini mengindikasikan tingkat critically

pipa yang tinggi. Ini berarti jaringan pipa pada lokasi ini sejak tahun 2023

beresiko tinggi mengalami kegagalan dan sejak tahun 2025 resiko tersebut akan

menjadi sangat tinggi. Hal tersebut diindikasikan oleh warna merah yang mulai

tercuat pada tabel sejak tahun 2025 pada lokasi 331-440 meter ini.

Gambar 4.10 Gambar Kegagalan Pipa

Tingkat critically pipa mengindikasikan tinggi atau rendahnya peluang pipa

mengalami kegagalan seperti yang dicontohkan pada gambar.

Jaringan pipa pada lokasi 441-550 meter merupakan data yang paling menarik.

Dari grafik dapat dilihat bahwa kenaikan garis yang menunjukkan lokasi ini jauh

69  

lebih tajam dibandingkan dengan lokasi jaringan pipa lainnya. Tabel

menunjukkan bahwa pada awal mula tahun 2009 ini, pipa berada pada tingkat

critically rendah, yang resiko kegagalanya lebih tinggi daripada yang akan terjadi

jika tabel menunjukkan warna hijau muda (seperti pada lokasi 240-340 meter).

Dari tabel pula dapat dilihat bahwa kenaikan peluang kegagalan yang terjadi pada

grafik, yakni pada pada tahun 2018, berwarna merah. Ini mengindikasikan bahwa

pada tahun 2018 di lokasi 441-550 meter, pipa 16”OD-Z-X52 berada pada tingkat

critically pipa sangat tinggi. Jaringan pipa 16”OD-Z-X52 pada lokasi tersebut

sangat mungkin terjadi kegagalan pipa berupa kebocoran atau bahkan pecahnya

pipa.

Jaringan pipa pada lokasi terakhir hampir serupa dengan lokasi 441-550 meter.

Hanya saja dari grafik ditunjukkan bahwa kenaikan garis yang menunjukkan

lokasi ini sedikit lebih lambat daripada lokasi 441-550 meter. Tabel 4.2

menjelaskan lebih detail, di mana resiko pipa mengalami kegagalan sangat tinggi

terjadi lebih lambat 5 tahun daripada lokasi 441-550 meter. Walaupun demikian

lokasi ini termasuk yang berbahaya sebab peluang kegagalannya dari awal tahun

2013 mengindikasikan adanya bahaya dan jaringan pipa lokasi ini sudah harus

mendapat perhatian khusus sejak tahun itu.

4.3 Analisis Pengaruh Penambahan Inhibitor dan Jumlah Penambahan

Inhibitor pada Jaringan Pipa

Secara umum suatu inhibitor dalah suatu zat kimia yang dapat menghambat atau

memperlambat suatu reaksi kimia. Sedangkan inhibitor korosi adalah suatu zat

kimia yang bila ditambahkan kedalam suatu lingkungan, dapat menurunkan laju

penyerangan korosi lingkungan itu terhadap suatu logam. Mekanisme

penghambatannya terkadang lebih dari satu jenis.

Sejumlah inhibitor menghambat korosi melalui cara adsorpsi untuk membentuk

suatu lapisan tipis yang tidak nampak dengan ketebalan beberapa molekul saja,

ada pula yang karena pengaruh lingkungan membentuk endapan yang nampak dan

melindungi logam dari serangan yang mengkorosi logamnya dan menghasilkan

70  

produk yang membentuk lapisan pasif, dan ada pula yang menghilangkan

konstituen yang agresif. Dewasa ini terdapat 6 jenis inhibitor, yaitu inhibitor yang

memberikan pasivasi anodik, pasivasi katodik, inhibitor ohmik, inhibitor organik,

inhibitor pengendapan, dan inhibitor fasa uap[15].

4.3.1 Analisis Pengaruh Penambahan Inhibitor pada Jaringan Pipa

Inhibitor memiliki tingkat efisiensi jika ditambahkan dalam suatu system. Tingkat

efisiensi ini menggambarkan daya kerja inhibitor dalam menghambat laju korosi.

Biasanya efisiensi inhibitor yang ditambahkan dalam pipa untuk menghambat

korosi ada dalam kisaran 70-90 % [6].

Gambar 4.11 Grafik Pengaruh Penambahan Inhibitor terhadap Laju Korosi

Data jaringan pipa yang ada, dianalisis dengan penambahan inhibitor dengan

efisiensi 70 % dan hasilnya adalah :

Corr Rate (m

m/y)

Kandungan CO2 (%)

Pengaruh Penambahan Inhibitor

tanpa inhibitor

inhibitor efisiensi 70 %

inhibitor efisiensi 80 %

inhibitor efisiensi 90 %

71  

Tabel 4.3 Laju Korosi Jaringan Pipa dengan Penambahan Inhibitor

Nama jaringan Pipa Laju Korosi tanpa

Penambahan Inhibitor (mm/y)

Laju Korosi dengan

Penambahan Inhibitor (mm/y)

Laju Alir (MSCFD)

CO2 (% mol) PH H2S

(ppm)

12,75”OD-X1-X52 180106 6 3,8 0

0,323 0,0969 12,75”OD-X

2-X52 12422 15 7 0

0,187 0,0561 12,75”OD-X

3-X52 10622 1 7,5 0

0,246 0,0738 12,75”OD-X

4-X52 603 14 6,5 0

0,182 0,0546 12,75”OD-X

5-X52 2225 2 7,5 0

0,151 0,0453 12,75”OD-X

6-X52 2073 8 7 0

0,155 0,0465 12,75”OD-X

7-X52 6384 8 6,9 0

0,195 0,0585 16”OD-X

8-X52 19020 18 8 0

0,262 0,0786 16”OD-X

9-X52 21245 35 6 0

0,351 0,1053 12,75”OD-X

10-X52 3678 6 4,2 0

0,286 0,0858 12,75”OD-X

11-X52 2523 18 3,9 0

0,311 0,0933 20”OD-X

12-X52 5777 20 3,5 0

0,236 0,0708 12,75”OD-X

13-X52 644 1 5,5 0

0,196 0,0588 26”OD-X

14-X60 312617 8 3,7 0

0,397 0,1191 26”OD-X

15-X60 242697 2 4 0

0,391 0,1173 14”OD-X

16-X52 93279 30 4 0

0,307 0,0921

Nama jaringan Pipa Laju Korosi tanpa

Penambahan Inhibitor (mm/y)

Laju Korosi dengan

Penambahan Inhibitor (mm/y)

Laju Alir (MSCFD)

CO2 (% mol) PH H2S

(ppm)

14”OD-Y1-X52 8263 2 4 2,3

0,179 0,0537 8,625”OD-Y

2-X52 321 14 3,8 12

0,291 0,0873 12,75”OD-Y

3-X52 598 1 5 0,5

0,212 0,0636 16”OD-Y

4-X52 20438 60 3,6 2,0

0,321 0,0963 16”OD-Y

5-X52 224110 50 3,5 3,5

0,407 0,1221 24”OD-Y

6-X60 82712 7 4,1 5

0,386 0,1158

72  

Korosi adalah proses degradasi dan akan berakhir jika benda yang mengalami

degradasi telah habis. Pada pipa, korosi akan berhenti ketika tebal pipa habis oleh

proses korosi. Lama tebal pipa yang akan habis merupakan fungsi dari tebal pipa

dibandingkan dengan laju korosi dan disebut umur sisa pipa (remaining life).

Tabel 4.4 Umur Sisa Jaringan Pipa Tanpa dan Dengan Penambahan Inhibitor

Pipeline Name UMUR SISA TANPA INHIBITOR (SEJAK

2009)

UMUR SISA DENGAN PENAMBAHAN

INHIBITOR (SEJAK 2009)

TAHUN

INSTALASI

CO2 (%

mol) PH H2S

(ppm)

12,75”OD-X1-X52 1976 6 3,8 0 6 21

12,75”OD-X2-X52 1992 15 7 0 51 170

12,75”OD-X3-X52 1980 1 7,5 0 23 75

12,75”OD-X4-X52 1984 14 6,5 0 45 149

12,75”OD-X5-X52 1982 2 7,5 0 57 190

12,75”OD-X6-X52 1982 8 7 0 55 183

12,75”OD-X7-X52 1982 8 6,9 0 38 127

16”OD-X8-X52 1982 18 8 0 21 72

16”OD-X9-X52 1980 35 6 0 7 24

12,75”OD-X10

-X52 1983 6 4,2 0 18 61

12,75”OD-X11

-X52 1993 18 3,9 0 15 49

20”OD-X12

-X52 1986 20 3,5 0 31 103

12,75”OD-X13

-X52 1986 1 5,5 0 42 139

26”OD-X14

-X60 1993 8 3,7 0 20 67

26”OD-X15

-X60 1993 2 4 0 21 68

14”OD-X16

-X52 1986 30 4 0 18 61

Pipeline Name

UMUR SISA TANPA

PENAMBAHAN

INHIBITOR (SEJAK

2009)

UMUR SISA DENGAN

PENAMBAHAN

INHIBITOR (SEJAK

2009)

TAHUN

INSTALASI

CO2 (%

mol) PH H2S

(ppm)

14”OD-Y1-X52

1973 2 4 2,3

35 116 8,625”OD-Y

2-X52

1993 14 3,8 12

28 92

73  

12,75”OD-Y3-X52

1986 1 5 0,5

37 123 16”OD-Y

4-X52

1983 60 3,6 2,0

14 45 16”OD-Y

5-X52

1982 50 3,5 3,5

4 14 24”OD-Y

6-X60

1993 7 4,1 5

21 70

Laju korosi yang berkurang oleh karena adanya inhibitor dalam system akan

mempengaruhi proses analisis berikutnya, yakni analisis peluang kegagalan dan

penentuan tingkat critically pipa. Peluang kegagalan merupakan fungsi dari laju

korosi, oleh sebab itu jika laju korosi jaringan pipa menjadi lebih kecil maka

peluang kegagalan pun akan berubah menjadi lebih kecil pula.

Gambar 4.12 Peluang Kegagalan Pipa 16”OD-Z-X52 Per Tahun Sejak

Penambahan Inhibitor Tahun 2009

0

0.00002

0.00004

0.00006

0.00008

0.0001

0.00012

0.00014

0.00016

0.00018

0.0002

Peluan

g Ke

gagalan

Tahun

Peluang Kegagalan Pipa Per Tahun

240‐340

341‐440

441‐550

551‐640

74  

Tabel 4.5 Peluang Kegagalan Pipa 16”OD-Z-X52 Per Tahun Sejak Penambahan

Inhibitor Tahun 2009

Peluang Kegagalan Lokasi (meter)

Tahun 240-340 341-440 441-550 551-640 2009 5,32.10-10 1,8236.10-09 2,6216.10-08 1,02722.10-08 2010 5,78.10-10 1,9739.10-09 3,3396.10-08 1,2404.10-08 2011 6,24.10-10 2,2744.10-09 4,07838.10-08 1,7378.10-08 2012 6,7.10-10 2,5749.10-09 5,13342.10-08 2,0472.10-08 2013 7,15.10-10 2,8754.10-09 6,63844.10-08 2,6216.10-08 2014 7,15.10-10 3,1759.10-09 7,8928.10-08 3,3396.10-08 2015 8,07.10-10 3,3261.10-09 3,3396.10-08 4,07838.10-08 2016 8,07.10-10 4,1306.10-09 5,30968.10-08 5,13342.10-08 2017 8,53.10-10 4,6669.10-09 7,8928.10-08 6,63844.10-08 2018 8,53.10-10 5,4714.10-09 9,9834.10-08 7,8928.10-08 2019 9,9.10-10 6,0077.10-09 2,05214.10-07 3,3396.10-08 2020 1,82.10-09 7,4292.10-09 2,871.10-07 5,30968.10-08 2021 1,97.10-09 8,8507.10-09 5,62838.10-07 7,8928.10-08 2022 2,27.10-09 1,0272.10-08 9,2872.10-07 9,9834.10-08 2023 2,57.10-09 1,2404.10-08 1,2515.10-06 2,05214.10-07 2024 2,88.10-09 1,7378.10-08 1,6615.10-06 2,871.10-07 2025 3,18.10-09 2,0472.10-08 2,6849.10-06 5,62838.10-07 2026 3,33.10-09 2,6216.10-08 4,2972.10-06 9,2872.10-07 2027 4,13.10-09 3,3396.10-08 5,5417.10-06 9,2872.10-07 2028 4,67.10-09 4,0784.10-08 6.10-06 1,2515.10-06 2029 5,47.10-09 5,1334.10-08 7.10-06 1,6615.10-06 2030 6,01.10-09 6,6384.10-08 8,5460.10-06 2,6849.10-06 2031 7,43.10-09 7,8928.10-08 1,0696.10-05 4,2972.10-06 2032 8,85.10-09 3,3396.10-08 1,3354.10-05 5,5417.10-06 2033 1,03.10-08 5,3097.10-08 2,0669.10-05 6.10-06 2034 1,24.10-08 7,8928.10-08 3,17.10-05 7.10-06 2035 1,74.10-08 9,9834.10-08 4.10-05 8,546.10-06 2036 2,05.10-08 2,0521.10-07 5.10-05 9,00.10-06 2037 2,62.10-08 2,871.10-07 7.10-05 9,50.10-06 2038 3,34.10-08 5,6284.10-07 9.10-05 1,3354.10-05 2039 4,08.10-08 9,2872.10-07 1,3.10-04 1,633.10-05

2040 5,13.10-08 9,2872.10-07 1,8.10-04 2,0669.10-05

75  

Pada gambar 4.12 diperoleh peluang kegagalan yang lebih kecil dibandingkan

dengan pada gambar 4.9 walaupun kenaikan peluang kegagalan tetap terjadi. Dari

tabel 4.4 dapat diketahui lebih pasti perbedaan tersebut, di mana kenaikan peluang

kegagalan adalah ketika tingkat critically pipa mencapai warna kuning. Hal ini

berbeda bila pipa belum ditambahkan inhibitor, yakni kenaikan peluang kegagalan

pada saat tingkat critically pipa menjadi berwarna merah (pembahasan 4.2).

Dengan demikian diperoleh hasil bahwa penambahan inhibitor sejak tahun 2009

dengan efisiensi 70 % dapat mengubah peluang kegagalan pipa menjadi lebih

kecil. Hal ini pun berpengaruh tingkat critically pipa, di mana lokasi yang paling

parah adalah pada lokasi 441-550 meter dengan tingkat critically sedang.

4.3.2 Jumlah Penambahan Inhibitor pada Jaringan Pipa

Inhibitor yang ditambahkan pada system yang mengalir pada pipa memiliki

jumlah tertentu. Besar jumlah inhibitor yang ditambhakan tergantung dari kondisi

aliran pada pipa dan kandungan karbon dioksida yang terkandung dalam aliran

pipa. Inhibitor yang ditambahkan merupakan fungsi dari flow rate gas pada pipa

dengan persen inhibitor yang disesuaikan dengan kandungan karbon dioksida

dalam gas.

Tabel 4.6 Pembagian Penambahan Inhibitor yang Disesuaikan dengan Kandungan

CO2

PERSEN KARBON

DIOKSIDA

PENAMBAHAN INHIBITOR

(ppm)

60 % 100

30 – 60 % 80

20-30 % 60

10- 20 % 40

< 10 % 20

76  

Tabel 4.7 Jumlah Penambahan Inhibitor Tiap Jaringan Pipa

Nama Jaringan Pipa

PENAMBAHAN INHIBITOR

(ppm)

Laju Injeksi Inhibitor (MSCFD)

Laju Alir (MSCFD)

CO2 (% mol) PH H2S

(ppm)

12,75”OD-X1-X52 180106 6 3,8 0 20 3,60212

12,75”OD-X2-X52 12422 15 7 0 40 0,49688

12,75”OD-X3-X52 10622 1 7,5 0 20 0,21244

12,75”OD-X4-X52 603 14 6,5 0 40 0,02412

12,75”OD-X5-X52 2225 2 7,5 0 20 0,0445

12,75”OD-X6-X52 2073 8 7 0 20 0,04146

12,75”OD-X7-X52 6384 8 6,9 0 20 0,12768

16”OD-X8-X52 19020 18 8 0 40 0,7608

16”OD-X9-X52 21245 35 6 0 80 1,6996

12,75”OD-X10

-X52 3678 6 4,2 0 20 0,07356

12,75”OD-X11

-X52 2523 18 3,9 0 40 0,10092

20”OD-X12

-X52 5777 20 3,5 0 60 0,34662

12,75”OD-X13

-X52 644 1 5,5 0 20 0,01288

26”OD-X14

-X60 312617 8 3,7 0 20 6,25234

26”OD-X15

-X60 242697 2 4 0 20 4,85394

14”OD-X16

-X52 93279 30 4 0 80 7,46232

Nama Jaringan pipa

PENAMBAHAN

INHIBITOR

(ppm)

Laju Injeksi

Inhibitor (MSCFD) Laju Alir (MSCFD)

CO2 (%

mol) PH H2S

(ppm)

14”OD-Y1-X52 8263 2 4 2,3 20 0,16526

8,625”OD-Y2-X52 321 14 3,8 12 40 0,01284

12,75”OD-Y3-X52 598 1 5 0,5 20 0,01196

16”OD-Y4-X52 20438 60 3,6 2,0 100 2,0438

16”OD-Y5-X52 224110 50 3,5 3,5 80 17,9288

77  

24”OD-Y6-X60 82712 7 4,1 5 20 1,65424

Adapun inhibitor yang disarankan dalam analisis adalah inhibitor jenis surfactant

organik berbasis nitrogen yakni imidazoline. Imidazoline, seperti oleic

imidazoline dan imidazoline amide, telah biasa digunakan pada industry untuk

menanggulangi masalah sweet corrosion yang terjadi pada pipa. Hal tersebut

dikarenakan jenis ini dikategorikan paling efektif dalam segi financial.

Secara singkat, imidazoline bekerja pada permukaan baja karbon bahkan baja

karbon yang telah terkorosi menjadi besi karbonat untuk membuat permukaan

baja karbon menjadi bersifat hydrophobia. Sifat baja karbon yang hydrophobia

menyebabkan molekul-molekul air (H2O) tidak dapat mengendap maupun

terkonsentrasi pada permukaan baja tersebut. Telah diketahui sebelumnya bahwa

molekul air merupakan molekul yang dibutuhkan oleh senyawa karbon dioksida

supaya korosi dapat terjadi. Jika molekul air tidak dapat terendapkan pada

permukaan pipa maka idealnya senyawa karbon dioksida tidak dapat bereaksi

membentuk asam karbonat pada permukaan pipa dan korosi tidak terjadi.

Struktur molekul oleic imidazoline Struktur Molekul imidazoline

amide

78  

Gambar 4.13 Mekanisme Inhibitor Imidazoline pada Permukaan Pipa

Gambar 4.13 merupakan gambar baja karbon yang ditetesi oleh air. Sisi baja

karbon di sebelah kiri garis putus-putus adalah permukaan baja karbon yang

ditambah oleh inhibitor imidazoline sedangkan yang kanan tidak dan keduanya

ditetesi oleh air. Permukaan yang telah ditambah oleh inhibitor tidak menyerap air

terbukti dari butir air yang masih utuh sedangkan yang tidak ditambah inhibitor

air meresap masuk. Sifat inhibitor yang membuat permukaan pipa menjadi

hydrophobia inilah yang dapat mencegah terjadinya sweet corrosion terjadi.

4.4 Perbandingan Model NORSOK dengan Perhitungan Intelligent Pig

Biasa

Model NORSOK dalam prediksi laju korosi mengasumsikan bahwa korosi

internal yang terjadi pada pipa umumnya adalah general corrosion. Pada

kenyataannya, korosi internal yang terjadi pada pipa tidak terjadi hanya sekedar

general corrosion. Oleh sebab itu, dibuat perbandingan antara prediksi laju korosi

hasil intelligent pig dengan menggunakan model NORSOK dengan perhitungan

biasa. Hal tersebut dilakukan untuk mengetahui seberapa jauh tingkat ketelitian

model NORSOK ini.

Dengan cara yang sama, peluang kegagalan tiap lokasi jaringan pipa 16”OD-Z-

X52 dihitung , akan tetapi laju korosi ditentukan berdasarkan perhitungan tebal

semula dikurangi dengan tebal yang tercatat dalam data intelligent pig yang

79  

dilakukan pada tahun 2008. Dengan demikian diperoleh tabel peluang kegagalan

yang ditampilkan dalam tabel 4.8.

Tabel 4.8 Peluang Kegagalan Jaringan Pipa 16”OD-Z-X52 dengan Menggunakan

Perhitungan Laju Korosi Berdasarkan /

Peluang Kegagalan  Lokasi (meter) Tahun  240‐340  341‐440  441‐550  551‐640 2008  1,8236.10‐09  3,3396.10‐08  5,417.10‐06  1,2515.10‐06 2009  1,97385.10‐09  5,30968.10‐08  8,546.10‐06  1,6615.10‐06 2010  2,27435.10‐09  7,8928.10‐08  1,3354.10‐05  2,6849.10‐06 2011  2,57485.10‐09  9,9834.10‐08  2,0669.10‐05  4,2972.10‐06 2012  2,87535.10‐09  2,05214.10‐07  4.10‐05  5,5417.10‐06 2013  3,17585.10‐09  2,871.10‐07  6.10‐05  8,5460.10‐06 2014  3,3261.10‐09  5,62838.10‐07  1.10‐04  1,3335.10‐05 2015  4,13058.10‐09  9,2872.10‐07  1,7.10‐04  2,0669.10‐05 2016  4,6669.10‐09  1,6615.10‐06  3.10‐04  3.10‐05 2017  5,47138.10‐09  2,6849.10‐06  5.10‐04  6.10‐05 2018  6,0077.10‐09  5,417.10‐06  8,4.10‐04  9.10‐05 2019  7,42919.10‐09  1,3354.10‐05  1,39.10‐03  1,5.10‐04 2020  8,85068.10‐09  2,0669.10‐05  2,33.10‐03  2,3.10‐04 2021  1,02722.10‐08  3.10‐05  3,68.10‐03  3,8.10‐04 2022  1,2404.10‐08  6.10‐05  5,7.10‐03  6,2.10‐04 2023  1,7378.10‐08  2,3.10‐04  1,321.10‐02  1,54.10‐03 2024  2,0472.10‐08  4,2.10‐04  1,923.10‐02  2,4.10‐03 2025  2,6216.10‐08  7,6.10‐04  2,743.10‐02  3,68.10‐03 2026  3,3396.10‐08  1,5.10‐03  3,836.10‐02  5,54.10‐03 2027  4,07838.10‐08  2,33.10‐03  5,155.10‐02  8,2.10‐03 2028  5,13342.10‐08  4,02.10‐03  6,681.10‐02  1,191.10‐02 2029  6,63844.10‐08  6,57.10‐03  8,692.10‐02  1,743.10‐02 2030  7,8928.10‐08  1,044.10‐02  1,0935.10‐01  2,835.10‐02 

Dari tabel 4.8 yang dibandingkan dengan tabel 4.2, terlihat bagaimana perbedaan

yang terjadi antara kedua metode perhitungan laju korosi yang digunakan.

Perbedaan tersebut dikarenakan nilai laju korosi berbeda antara kedua metode

tersebut. Peluang kegagalan yang diperoleh pada tabel 4.2 (dengan menggunakan

80  

model NORSOK) mengimpresikan bahwa jaringan pipa 16”OD-Z-X52 lebih

cepat memasuki tahap kritis daripada yang terlihat pada tabel 4.8 (dengan

menggunakan cara biasa). Hal ini dikarenakan nilai laju korosi hasil prediksi

dengan menggunakan model NORSOK rat-rata sedikit lebih besar daripada nilai

laju korosi yang dihasilkan dengan menggunakan cara biasa (lampiran).

Grafik pada gambar 4.13 mempertegas hasil analisis bahwa nilai peluang

kegagalan yang dilakukan dengan menggunakan perhitungan laju korosi dengan

model NORSOK akan lebih besar dan lebih cepat dalam segi waktu. Akan tetapi,

jika dilihat kembali tabel 4.2 dan tabel 4.8 terlihat bahwa jaringan pipa memasuki

tahap-tahap kekritisan dalam waktu yang tidak terlalu jauh. Hal ini menyatakan

bahwa walaupun nilai peluang kegagalan berbeda antara kedua metode

perhitungan laju korosi yang digunakan, tingkat critically pipa yang dihasilkan

tidak jauh berbeda antara kedua metode.

Hasil ini menyatakan bahwa model NORSOK memiliki tingkat kepercayaan yang

tinggi untuk dapat menganalisis hasil intelligent pig. Asumsi model NORSOK

bahwa korosi internal yang terjadi pada pipa hanya berpengaruh pada nilai laju

korosi yang hampir sama pada lokasi yang berdekatan dengan nilai yang rat-rata

lebih besar daripada jika perhitungan laju korosi dilakukan dengan menggunakan

metode biasa.

81  

Gambar 4.13 Grafik Peluang Kegagalan Pipa Tiap Lokasi Per Tahun dengan Perhitungan Laju Korosi Berbeda Pipa 16”OD-Z-X52

Peluang Kegagalan Lokasi 441‐550 meter dengan menggunakan perhitungan laju korosi NORSOK 

Peluang Kegagalan Lokasi 441‐550 meter dengan menggunakan perhitungan laju korosi biasa 

Peluang Kegagalan Lokasi 551‐640 meter dengan menggunakan perhitungan laju korosi NORSOK 

Peluang Kegagalan Lokasi 551‐640 meter dengan menggunakan perhitungan laju korosi biasa 

Peluang Kegagalan Lokasi 341‐440  meter dengan menggunakan perhitungan laju korosi NORSOK 

Peluang Kegagalan Lokasi 341‐440 meter dengan menggunakan perhitungan laju korosi biasa 

0

0.02

0.04

0.06

0.08

0.1

0.12

0.14

0.16

0.18

2010 2015 2020 2025 2030 2035

Peluan

g Ke

gagalan

Tahun

Peluang Kegagalan Per Lokasi Tiap Tahun