Claim Missing Document
Check
Articles

Found 2 Documents
Search

Pemanfaatan Limbah Ampas Kopi sebagai Material Pendukung TiO2 untuk Aplikasi Reduksi Logam Berat Kromium(VI) Sutisna, Sutisna; Yaqin, Moh. Nazib Abdulloh; A'yun, Qurrota; Alfiela, Willda Dian; Ilmiyah, Inayatul; Zakaria, Helmy Adam
POSITRON Vol 14, No 1 (2024): Vol. 14 No. 1 Edition
Publisher : Fakultas Matematika dan Ilmu Pengetahuan Alam, Univetsitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/positron.v14i1.72650

Abstract

Pemanfaatan ampas kopi sebagai material pendukung katalis TiO2 tidak hanya berpotensi untuk mengurangi limbah kopi yang belum dimanfaatkan dengan baik, tetapi juga dapat berperan dalam upaya pengolahan limbah logam berat Cr(VI) yang berbahaya. Salah satu cara pengolahan limbah logam berat Cr(VI) adalah dengan mereduksinya menjadi Cr(III) yang relatif lebih aman dan tidak toksik. Penelitian ini bertujuan untuk mengetahui karakteristik morfologi, komposisi unsur, luas permukaan spesifik, dan porositas dari material komposit TiO2-Ampas Kopi (TiO2-AK). Material TiO2-AK disintesis menggunakan metode hidrotermal dengan memvariasikan komposisi massa antara TiO2 dengan AK (1:9, 2:8, 3:7, dan 4:6). Material hasil sintesis dikarakterisasi menggunakan SEM-EDS dan adsorpsi-desorpsi nitrogen. Selain itu, dikaji juga aktivitas fotokatalitik material hasil sintesis dalam mereduksi Cr(VI). Hasil penelitian menunjukkan bahwa TiO2 berhasil menempel pada permukaan ampas kopi. Material komposit TiO2-AK yang disintesis memiliki struktur mesoporous dengan luas permukaan spesifik berkisar antara 23,354 m2/g hingga 30,281 m2/g. Penggunaan adsorben ampas kopi sebagai material pendukung TiO2 membentuk sinergi yang baik antara mekanisme adsorpsi dan fotokatalitik sehingga dapat mereduksi Cr(VI) dengan lebih cepat. Aktivitas fotokatalitik paling tinggi ditunjukkan oleh material TiO2-AK dengan variasi massa 2:8 yang mampu mereduksi Cr(VI) hingga 61,8% dalam waktu 6 jam iradiasi sinar UV.
Evaluasi Komparatif Model Deterministik, Machine Learning, dan Deep Learning Termodifikasi untuk Prediksi Ultimate Tensile Strength pada Polimer Komposit Arita Fajar Damasari; Ilmiyah, Inayatul; Annisa Asma’
Journal of Electronics and Instrumentation Vol. 3 No. 1 (2026)
Publisher : Jurusan Fisika, FMIPA Universitas Jember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.19184/jei.v3i1.60003

Abstract

Prediksi kekuatan tarik maksimum (Ultimate Tensile Strength/UTS) pada bahan polimer komposit sangat penting dalam proses desain dan rekayasa material. Penelitian ini menyajikan evaluasi komparataif antara model deterministik, machine learning (ML), dan deep learning (DL) yang telah termodifikasi untuk memperkirakan nilai UTS berdasarkan parameter proses pencetakan 3D, yaitu suhu ekstrusi, ketebalan, tinggi lapisan, dan kecepatan cetak. Modifikasi model dilakukan melalui regularisasi pada regresi deterministik (Ridge, Lasso, Elastic Net), validasi silang pada ML (K-Fold Cross Validation), serta tuning arsitektur pada DL menggunakan Feed Forward Neural Network (FFNN). Dataset berjumlah 3000 sampel diambil dari platform Kaggle dan diolah dengan pembagian data train, test, dan validation. Kinerja model dievaluasi menggunakan metrik MAE, RMSE, dan R², serta ditinjau dari waktu komputasi dan kemudahan interpretasi. Hasil menunjukkan bahwa seluruh pendekatan mampu melakukan prediksi UTS dengan nilai R² antara 0,71 hingga 0,86. Model FFNN memberikan hasil paling akurat (R² = 0,8654), sedangkan model deterministik memiliki keunggulan pada efisiensi dan interpretabilitas. Disisi lain model ML memberikan peningkatan akurasi namun membutuhkan waktu pelatihan lebih lama. Secara keseluruhan, penelitian ini menegaskan bahwa pemilihan model pada rekayasa polimer komposit perlu mempertimbangkan kompromi antara akurasi, kompleksitas komputasi, dan kemudahan interpretasi sesuai kebutuhan aplikasi.