ISSN 2548-9011 http://journal.fisika.or.id/rf
Volume 4 Nomor 1 Juli 2020
Risalah Fisika Vol. 4 No. 1 Halaman 1 - 32 Yogyakarta, Juli 2020 ISSN 2548-9011
ISSN 2548-9011
http://journal.fisika.or.id/rf
mempublikasikan hasil-hasil penelitian dalam bidang fisika teori, fisika terapan, dan pendidikan fisika
EDITOR KETUA
• Dr. Pramudita Anggraita, Physical Society of Indonesia (PSI d/h HFI)
EDITOR
• Anto Sulaksono, Fisika Bintang dan Struktur Nuklir, Universitas Indonesia
• L.T. Handoko, Fisika Partikel Teori, Lembaga Ilmu Pengetahuan Indonesia
• Nazli Ismail, Fisika Bumi, Universitas Syiah Kuala
• Ni Nyoman Rupiasih, Biofisika dan Polimer, Universitas Udayana
• Terry Mart, Fisika Nuklir dan Partikel Teori, Universitas Indonesia
• Santoso Soekirno, Fisika Instrumentasi, Universitas Indonesia
MITRA BESTARI
• Ariadne L. Juwono, Fisika Material, Universitas Indonesia
• Bambang Heru Iswanto, Fisika Komputasi, Universitas Negeri Jakarta
• Budhy Kurniawan, Fisika Material, Universitas Indonesia
• Esmar Budi, Fisika Material, Universitas Negeri Jakarta
• Mirza Satriawan, Fisika Partikel Teori, Universitas Gadjah Mada
• Yetty Supriyati, , Pendidikan Fisika, Universitas Negeri Jakarta
ADMINISTRASI
• Dewita
• Frida Iswinning Dyah
• Idrus Abdul Kudus
• Sumadi
Penerbit:
Physical Society of Indonesia (PSI d/h HFI)
Jalan Kembar Mas Barat No. 31, Bandung 40254, Indonesia Phone: +62-821-1659-1960
E-mail: hfipusat@gmail.com
Pengantar Redaksi i
Risalah Fisika Vol. 4 no. 1 (2020) i ISSN 2548-9011
PENGANTAR REDAKSI
Makalah-makalah dalam Risalah Fisika terbitan ketujuh ini (Volume 4, Nomor 1) masuk dan diterima untuk diterbitkan antara Januari 2020 hingga Juni 2020, terdiri dari 2 makalah di bidang fisika energi, 1 makalah di bidang biofisika, 1 makalah di bidang fisika reaktor, dan 1 makalah di bidang fisika plasma. Redaksi memohon maaf penerbitan nomor ini 6 bulan terlambat dari yang seharusnya (Januari 2020), karena untuk nomor ini makalah pertama baru diterima pada bulan Januari 2020 dan makalah kelima bulan Juni 2020.
Makalah pertama di bidang fisika energi membahas tentang evaluasi prediksi Higher Heating Value (HHV) biomassa berdasarkan analisis proksimat, dan makalah kedua membahas tentang pengaruh pembuatan pada briket arang alaban ukuran artikel kecil. Di bidang biofisika dibahas tentang pengaruh variasi waktu paparan gelombang ultrasonik dalam mengurangi jumlah bakteri coliform pada sampel air Sungai Kahayan, yang mungkin dapat diaplikasikan pada teknik penjernihan air. Makalah di bidang fisika reaktor membahas tentang analisis produksi
99Mo berbasis waktu iradiasi larutan uranil nitrat pada fasilitas Reaktor Kartini sebagai alternatif cara produksi radioisotop yang banyak digunakan di bidang kesehatan. Makalah di bidang fisika plasma membahas tentang penentuan parameter elektron plasma bejana emiter berbasis besar arus lucut busur gas udara, yang dapat dimanfaatkan sebagai sumber sekaligus akselerator elektron iradiator elektron pulsa.
Penerbitan Risalah Fisika nomor berikutnya (Volume 4, Nomor 2) direncanakan pada akhir tahun 2020. Segenap Editor Jurnal Fisika mengundang komunitas fisika untuk aktif berpartisipasi mengirimkan naskah ke situs http://journal.fisika.or.id/rf (bahasa Indonesia) maupun http://journal.fisika.or.id/jips (bahasa Inggris). Untuk sementara penyerahan, penilaian (reviewing), perbaikan, dan proofreading makalah masih dilakukan dengan menggunakan gabungan antara sistem on line dan surat elektronik (surel, email).
Pada halaman 8 ditampilkan rencana Simposium Fisika Nasional (SFN) XXXIII dan 10
thInternational Conference on Theoretical and Applied Physics (ICTAP) yang ditunda pelaksanaanya hingga tanggal 20-22 November 2020 akibat pandemi covid- 19, atau alternatifnya mungkin akan dilaksanakan secara daring (teleconference).
Ketua Redaksi
2 - Pengantar Redaksi
ISSN 2548-9011 Risalah Fisika Vol. 4 no. 1 (2020) 1-7
1
Evaluasi Prediksi Higher Heating Value (HHV) Biomassa Berdasarkan Analisis Proksimat
(masuk/received 2 Januari 2020, diterima/accepted 5 April 2020) )
Evaluation of Biomass Higher Heating Value (HHV) Prediction Based on Proximate Analysis
Made Dirgantara
1, Karelius
2, Marselin Devi Ariyanti
1, Sry Ayu K. Tamba
11Program Studi Fisika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Palangka Raya, Palangka Raya 73112, Indonesia
2Program Studi Kimia, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Palangka Raya, Palangka Raya 73112, Indonesia
dirgantaramade@mipa.upr.ac.id https://doi.org/10.35895/rf.v4i1.166
Abstrak – Biomassa merupakan salah satu energi terbarukan yang sangat mudah ditemui, ramah lingkungan dan cukup ekonomis. Keberadaan biomassa dapat dimaanfaatkan sebagai pengganti bahan bakar fosil, baik itu minyak bumi, gas alam maupun batu bara. Analisi diperlukan sebagai dasar biomassa sebagai energi seperti proksimat dan kalor. Analisis terpenting untuk menilai biomassa sebagai bahan bakar adalah nilai kalori atau higher heating value (HHV). HHV secara eksperimen diukur menggunakan bomb calorimeter, namun pengukuran ini kurang efektif, karena memerlukan waktu serta biaya yang tinggi. Penelitian mengenai prediksi HHV berdasarkan analisis proksimat telah dilakukan sehingga dapat mempermudah dan menghemat biaya yang diperlukan peneliti. Dalam makalah ini dibahas evaluasi persamaan untuk memprediksi HHV berdasarkan analisis proksimat pada biomassa berdasarkan data dari penelitian sebelumnya. Prediksi nilai HHV menggunakan lima persamaan yang dievaluasi dengan 25 data proksimat biomassa dari penelitian sebelumnya, kemudian dibandingkan berdasarkan nilai error untuk mendapatkan prediksi terbaik. Hasil analisis menunjukan, persamaan A terbaik di 7 biomassa, B di 6 biomassa, C di 6 biomassa, D di 5 biomassa dan E di 1 biomassa.
Kata kunci: bahan bakar, biomassa, higher heating value, nilai error, proksimat
Abstract – Biomass is a renewable energy that is very easy to find, environmentally friendly, and quite economical. The existence of biomass can be used as a substitute for fossil fuels, both oil, natural gas, and coal. Analyzes are needed as a basis for biomass as energy such as proximate and heat. The most critical analysis to assess biomass as fuel is the calorific value or higher heating value (HHV). HHV is experimentally measured using a bomb calorimeter, but this measurement is less effective because it requires time and high costs. Research on the prediction of HHV based on proximate analysis has been carried out so that it can simplify and save costs needed by researchers. In this paper, the evaluation of equations is discussed to predict HHV based on proximate analysis on biomass-based on data from previous studies. HHV prediction values using five equations were evaluated with 25 proximate biomass data from previous studies, then compared based on error value to get the best predictions. The analysis shows that Equation A predicts best in 7 biomass, B in 6 biomass, C in 6 biomass, D in 5 biomass, and E in 1 biomass.
Key words: fuel, biomass, higher heating value, error value, proximate
I. PENDAHULUAN
Energi merupakan salah satu faktor penting dalam pengembangan ekonomi dan juga sosial. Dalam 100 tahun terakhir, jumlah konsumsi energi di dunia telah meningkat sekitar 17 kali [1]. Hal ini tentu saja akan menimbulkan dampak yang sangat besar dalam berbagai sektor kehidupan. Selain itu, penggunaan bahan bakar fosil merupakan sumber utama emisi gas rumah kaca ke atmosfer dan menyebabkan peningkatan suhu permukaan bumi setiap tahunnya [2]. Dalam hal ini perlu adanya energi terbarukan sebagai pengganti bahan bakar fosil, salah satunya dengan memanfaatkan biomassa.
Biomassa adalah bahan bakar CO
2netral yang tidak mempengaruhi konsentrasi CO
2di atmosfer [3]. Selain itu kandungan sulfur dan nitrogen yang rendah, sehingga biomassa tidak menyebabkan emisi polusi seperti SO
2dan NO
xyang umumnya dilepaskan setelah pembakaran [4]. Biomassa terdiri dari bahan organik yang menghasilkan beberapa bentuk energi (mekanik, termal, listrik, dll) dengan beberapa proses transformasi baik secara termal maupun kimia [5]. Bahan organik ini sangat mudah ditemui, ramah lingkungan dan memiliki nilai ekonomis karena merupakan hasil sampingan dari produk primer di antaranya berasal dari perkebunan, pertanian, hutan serta limbah di perkotaan [6,7].
Berdasarkan kriteria yang ada, biomassa menjadi salah satu bahan baku yang menarik untuk pembangkit listrik dan sebagai substitusi batubara [1,8].
Untuk memastikan potensi dan kelayakan biomassa
sebagai bahan bakar yang berkualitas, diperlukan adanya
analisis-analisis. Nilai kalor biomassa merupakan
parameter utama dalam mengaplikasikan biomassa
sebagai bahan bakar [9]. Higher heating value (HHV)
2 Made Dirgantara - Evaluasi Prediksi Higher Heating Value (HHV) Biomassa Berdasarkan Analisis Proksimat
Risalah Fisika Vol. 4 no. 1 (2020) 1-7 ISSN 2548-9011
merupakan parameter yang mengacu pada total energi yang dilepaskan oleh satu kg bahan bakar ketika dibakar sepenuhnya. HHV suatu biomassa dapat ditingkatkan memalui beberapa proses salah satunya proses termokimia, sehingga didapatkan efisiensi pembakaran yang lebih baik [10]. HHV secara eksperimen dapat diukur dengan menggunakan bomb calorimeter [11] akan tetapi metode ini memerlukan waktu dan biaya yang tinggi. Oleh sebab itu diperlukan prediksi yang tepat, cepat, dan ekonomis [1].
Estimasi nilai kalor berdasarkan hasil analisis biomassa seperti proksimat dan ultimate dapat digunakan sebagai alternatif untuk mendapatkan akurasi prediksi yang tinggi [3]. Biaya untuk analisis proksimat lebih ekonomis dibandingkan dengan analisis ultimate, selain itu analisis proksimat merupakan parameter wajib dalam pengujian bahan bakar padat seperti kadar air dan kadar abu [9].
Oleh karena itu, dalam makalah ini dibahas evaluasi persamaan untuk memprediksi HHV biomassa berdasar- kan analisis proksimat. Prediksi nilai HHV menggunakan lima persamaan terbaik dari penelitian sebelumnya yang dievaluasi ketepatannya berdasarkan mean absolute error (MAE), average absolute error (AAE) dan average bias error (ABE). Sebanyak 25 data proksimat biomassa yang juga memiliki nilai kalor secara eksperimen didapat dari penelitian sebelumnya [12]. Data tersebut digunakan untuk mengevaluasi lima persamaan yang diperoleh sehingga didapatkan prediksi HHV biomassa terbaik.
II. METODE PENELITIAN A. Pengumpulan Data
Pengambilan data dan persamaan estimasi dilakukan dengan metode studi literatur. Data yang diambil berasal dari jurnal penelitian sebelumnya yang bersumber dari Google scholar dan ScienceDirect. Kata kunci yang digunakan untuk penelusuran tersebut adalah estimation hhv, estimation hhv biomass, prediction hhv, prediction hhv biomass, hhv proximate, torrefaction biomass, proximate biomass dan proksimat biomassa. Dari hasil penelusuran tersebut kemudian dipilih 5 persamaan terbaru dan terbaik yang nantinya akan dievaluasi dengan 25 data proksimat biomassa
B. Estimasi Nilai HHV
Lima persamaan estimasi nilai HHV berdasarkan data proksimat yakni kadar karbon (FC), abu (AC), air (MC) dan volatile (VM) dari penelitian sebelumnya disajikan pada Tabel 1.
Tabel 1. Persamaan Estimasi Nilai Kalori Berdasarkan Analisis Proksimat
Kode Persamaan Ref.
A HHV = -0,0038(-19,9812FC 1,2259 -1,0298 × 10 -13 VM 8,0664 + 0,1026AC2,4231 - 1,2065 × 10 -7 (FC × AC4,6653) + 0,0228(FC × VM × AC) - 0,2511(VM/AC)) - 0,0478(FC/VM) + 15,7199
[9]
B HHV= 17,797+0,031 FC+0,010VM+0,155AC
[13]
C HHV = 0,1846VM + 0,3525FC [12]
D HHV = 0,3451 FC - 0,0022 FC/VM + 0,1625 VM + 0,0075 AC
[5]
E HHV = 0,6042 FC + 0,4083VM + 0,2442AC + 0,4107MC-25,204
[14]
C. Estimasi error
Untuk memperoleh estimasi error digunakan mean absolute error (MAE), average absolute error (AAE) dan average bias error (ABE) dengan persamaan [3, 15]
MAE = (1)
AAE = × 100 (2)
ABE = × 100 (3)
Keterangan:
HHV
(p)= HHV prediksi HHV
(e)= HHV eksperimen n = jumlah sampel
III. HASIL DAN PEMBAHASAN
Data hasil studi literatur dan analisis error untuk masing- masing biomassa disajikan pada Tabel 2. Semakin rendah nilai MAE dan AAE menunjukan semakin akurat prediksi yang dilakukan di mana nilai AAE mengikuti MAE, semakin kecil MAE maka nilai AAE juga akan semakin kecil. ABE menunjukan apakah hasil prediksi yang diperoleh lebih besar (+) atau lebih kecil (-) dari nilai eksperimen [3,16].
Persamaan A oleh Dashti dkk (2019) menggunakan metode smart modeling dan korelasi yakni multilayer perceptron artificial neutral network (MLP-ANN) genetic algorithm-adaptive neuro fuzzy inference system (GA-ANFIS) differential evolution-ANFIS (DE-ANFIS), GA-radial basis function (GA-RBF), least square support vector machine (LSSVM) dan multivariate polynomial regression (MPR) [9]. Persamaan A dapat memprediksi lebih baik dibandingkan persamaan lainnya pada 7 biomassa yakni kotoran sapi, tongkol jagung, batang jagung, bambu, cabang pohon cemara, daun kelapa sawit dan jerami gandum basah.
Persamaan B oleh Xing dkk (2019) menggunakan 3 pendekatan machine learning yakni artificial neural network (ANN), support vector machine (SVM) dan random forest (RF) [13]. Persamaan B dapat memprediksi terbaik di 6 biomassa yakni tempurung kelapa, jerami padi, mahua, mikroalga, Nannochloropsis oceanica dan sekam kacang.
Persamaan C oleh Nguchhen dan Afzal (2017) membandingkan 14 persamaan yang tersedia kemudian di dapat korelasi terbaik untuk memprediksi HHV biomassa yang di torefaksi [12]. Persamaan C dapat memprediksi terbaik di 6 biomassa yakni Chlorella sp, cangkang biji palm, biji marula, batang karet, limbah makanan dan limbah teh.
Persamaan D oleh Estiati dkk (2016) menggunakan
artificial neural network (ANN) dan korelasi empiris
Made Dirgantara - Evaluasi Prediksi Higher Heating Value (HHV) Biomassa Berdasarkan Analisis Proksimat 3
Risalah Fisika Vol. 4 no. 1 (2020) 1-7 ISSN 2548-9011
dalam memprediksi HHV biomassa [5]. Persamaan D dapat memprediksi terbaik di 5 biomassa yakni biji buah zaitun, jerami gandum, willow, limbah kayu dan rumput.
Persamaan E oleh Kwaghger dkk (2017) menggunakan multipel regresi yang dievaluasi dengan reglin di SCILAB environment [14]. Persamaan E terbaik di satu biomassa yakni kayu cemara. Walau tidak terbaik dalam
perhitungan biomassa lainnya, tetapi berdasarkan hasil estimasi error, persamaan tersebut juga memiliki error yang kecil di 9 biomassa yakni tempurung kelapa, kotoran sapi, tongkol jagung, jerami padi, batang jagung, biji buah zaitun, cangkang biji palm, daun kelapa sawit dan jerami gandum basah.
Tabel 2. Estimasi Prediksi dan Error Nilai Kalori Biomassa
Biomassa FC
(%) AC (%)
MC (%)
VM (%)
HHV eks.
(MJ/kg) Kode
HHV pre.
(MJ/kg)
MAE AAE (%) ABE (%)
Kayu cemara 12,79 2,1 20 65,1 17,94 A 17,4801 0,4699 0,0262 -0,0262
[17] 17,95 B 18,5191 0,5691 0,0317 0,0317
17,95 C 16,6557 1,2943 0,0721 -0,0721
17,95 D 15,0095 2,9405 0,1638 -0,1638
17,95 E, 17,8350 0,1151 0,0064 -0,0064
Mahua 5,4 2 8,6 84 21,59 A 16,2763 5,3137 0,2461 -0,2461
[18] 21,59 B 18,4944 3,0956 0,1434 -0,1434
21,59 C 17,4639 4,1261 0,1911 -0,1911
21,59 D 15,5284 6,0616 0,2808 -0,2808
21,59 E 16,3763 5,2137 0,2415 -0,2415
Batang karet 13,5 5,85 56,7 80,7 19,74 A 16,9904 2,7496 0,1393 -0,1393
[19] 19,74 B 18,1153 1,6248 0,0823 -0,0823
19,74 C 19,7817 0,0417 0,0021 0,0021
19,74 D 17,8080 1,9320 0,0979 -0,0979
19,74 E 40,5974 20,8574 1,0566 1,0566
Bambu 12,85 6,75 0 63,5 17,32 A 16,9390 0,3811 0,0220 -0,0220
[17] 17,32 B 19,8770 2,5570 0,1476 0,1476
17,32 C 16,2591 1,0609 0,0613 -0,0613
17,32 D 14,8100 2,5100 0,1449 -0,1449
17,32 E 10,1517 7,1683 0,4139 -0,4139
Willow 16,05 2,77 0 78,9 18,37 A 17,7102 0,6598 0,0359 -0,0359
[17] 18,37 B 19,5130 1,1430 0,0622 0,0622
18,37 C 20,2244 1,8544 0,1009 0,1009
18,37 D 18,3821 0,0121 0,0007 0,0007
18,37 E 17,3888 0,9812 0,0534 -0,0534
Limbah kayu 19,09 7,37 0 73,5 19,27 A 17,5933 1,6767 0,0870 -0,0870
[20] 19,27 B 20,2665 0,9965 0,0517 0,0517
19,27 C 20,3047 1,0347 0,0537 0,0537
19,27 D 18,5929 0,6771 0,0351 -0,0351
19,27 E 18,1563 1,1137 0,0578 -0,0578
Cabang pohon cemara
12,01 2,87 0 69,2 17,75 A 17,1219 0,6281 0,0354 -0,0354
17,75 B 19,3959 1,6459 0,0927 0,0927
[21] 17,75 C 17,0023 0,7477 0,0421 -0,0421
17,75 D 15,4059 2,3441 0,1321 -0,1321
17,75 E 10,9954 6,7546 0,3805 -0,3805
4 Made Dirgantara - Evaluasi Prediksi Higher Heating Value (HHV) Biomassa Berdasarkan Analisis Proksimat
Risalah Fisika Vol. 4 no. 1 (2020) 1-7 ISSN 2548-9011
Tongkol jagung 12,11 6,51 10 71,4 16,73 A 16,8135 0,0834 0,0050 0,0050
[17] 16,73 B 17,8772 1,1472 0,0686 0,0686
16,73 C 17,5666 0,8366 0,0500 0,0500
16,73 D 15,8269 0,9031 0,0540 -0,0540
16,73 E 16,9541 0,2241 0,0134 0,0134
Jerami 17,5 2,8 0 79,7 18,8 A 17,9300 0,8700 0,0463 -0,0463
[22] 18,8 B 18,7025 0,0975 0,0052 -0,0052
18,8 C 21,0564 2,2564 0,1200 0,1200
18,8 D 19,0110 0,2110 0,0112 0,0112
18,8 E 18,5948 0,2052 0,0109 -0,0109
Batang jagung 16,02 7,19 0 76,8 16,55 A 17,1836 0,6336 0,0383 0,0383
16,55 B 17,9471 1,3971 0,0844 0,0844
[21] 16,55 C 19,9827 3,4327 0,2074 0,2074
16,55 D 18,0603 1,5103 0,0913 0,0913
16,55 E 17,5844 1,0344 0,0625 0,0625
Jerami gandum kering
33,52 9,62 0 56,9 21,73 A 19,6426 2,0874 0,0961 -0,0961
21,73 B 17,9135 3,8165 0,1756 -0,1756
[23] 21,73 C 22,6455 0,9155 0,0421 0,0421
21,73 D 20,8767 0,8533 0,0393 -0,0393
21,73 E 20,6098 1,1202 0,0515 -0,0515
Rumput 14,3 23,5 0 62,2 15,4 A 15,0783 0,3217 0,0209 -0,0209
[22] 15,4 B 22,5048 7,1048 0,4614 0,4614
15,4 C 16,5229 1,1229 0,0729 0,0729
15,4 D 15,2182 0,1818 0,0118 -0,0118
15,4 E 14,5710 0,8290 0,0538 -0,0538
Daun kelapa sawit 14,14 0,68 0 85,2 14,14 A 17,7136 3,5736 0,2527 0,2527
[24] 14,14 B 19,1925 5,0525 0,3573 0,3573
14,14 C 20,7086 6,5686 0,4645 0,4645
14,14 D 18,7262 4,5862 0,3243 0,3243
14,14 E 18,2844 4,1444 0,2931 0,2931
Sekam kacang 20,53 0,15 0 79,3 19,16 A 19,2760 0,1160 0,0061 0,0061
[16] 19,16 B 19,2499 0,0899 0,0047 0,0047
19,16 C 21,8793 2,7193 0,1419 0,1419
19,16 D 19,9750 0,8150 0,0425 0,0425
19,16 E 19,6232 0,4632 0,0242 0,0242
Jerami gandum basah
9,2 7 7,1 76,7 16,5 A 16,6064 0,1064 0,0064 0,0064
16,5 B 19,9342 3,4342 0,2081 0,2081
[21] 16,5 C 17,4018 0,9018 0,0547 0,0547
16,5 D 15,6909 0,8091 0,0490 -0,0490
16,5 E 16,2966 0,2034 0,0123 -0,0123
Tempurung kelapa 15,58 7,78 12,86 63,8 17,66 A 17,1901 0,4699 0,0266 -0,0266
[17] 17,66 B 17,7117 0,0517 0,0029 0,0029
17,66 C 17,4179 0,2421 0,0137 -0,0137
17,66 D 15,7955 1,8645 0,1056 -0,1056
17,66 E 17,4241 0,2359 0,0134 -0,0134
Cangkang biji palm 18,7 0,84 10 70,5 20,1 A 18,4425 1,6575 0,0825 -0,0825
Made Dirgantara - Evaluasi Prediksi Higher Heating Value (HHV) Biomassa Berdasarkan Analisis Proksimat 5
Risalah Fisika Vol. 4 no. 1 (2020) 1-7 ISSN 2548-9011
20,1 B 18,9515 1,1485 0,0571 -0,0571
[25] 20,1 C 19,7931 0,3070 0,0153 -0,0153
20,1 D 17,9153 2,1847 0,1087 -0,1087
20,1 E 19,1918 0,9082 0,0452 -0,0452
Kotoran sapi 15.46 21.41 48 15.1 16,78 A 16,7749 0,0051 0,0003 -0,0003
[17] 16,78 B 15,1090 1,6710 0,0996 -0,0996
16,78 C 8,3972 8,3828 0,4996 -0,4996
16,78 D 7,9522 8,8278 0,5261 -0,5261
16,78 E 15,2564 1,5236 0,0908 -0,0908
Limbah makanan 7,19 16,89 0 75,9 17,45 A 15,4073 2,0427 0,1171 -0,1171
[20] 17,45 B 21,3970 3,9470 0,2262 0,2262
17,45 C 16,5493 0,9007 0,0516 -0,0516
17,45 D 14,9447 2,5053 0,1436 -0,1436
17,45 E 14,2629 3,1871 0,1826 -0,1826
Limbah teh 7,19 16,89 0 75,9 17,45 A 15,4073 2,0427 0,1171 -0,1171
[16] 17,45 B 21,3970 3,9470 0,2262 0,2262
17,45 C 16,5493 0,9007 0,0516 -0,0516
17,45 D 14,9447 2,5053 0,1436 -0,1436
17,45 E 14,2629 3,1871 0,1826 -0,1826
Biji Marula 15,8 5,1 17,1 79,1 20,4 A 17,3906 3,0094 0,1475 -0,1475
[19] 20,4 B 18,2873 2,1127 0,1036 -0,1036
20,4 C 20,3294 0,0706 0,0035 -0,0035
20,4 D 18,3441 2,0559 0,1008 -0,1008
20,4 E 24,9073 4,5073 0,2209 0,2209
Biji buah zaitun 32,8 1,7 0 63,9 22,4 A 20,9003 1,4997 0,0670 -0,0670
[21] 22,4 B 19,1893 3,2107 0,1433 -0,1433
22,4 C 23,6859 1,2859 0,0574 0,0574
22,4 D 21,7147 0,6854 0,0306 -0,0306
22,4 E 21,1193 1,2807 0,0572 -0,0572
Nannochloropsis Oceanica
2,29 14,23 2,98 80,5 21 A 15,4638 5,5522 0,2642 -0,2642
[26] 21 B 16,4673 4,5487 0,2164 -0,2164
21 C 15,6904 5,3256 0,2534 -0,2534
21 D 13,9782 7,0378 0,3349 -0,3349
21 E 13,7466 7,2694 0,3459 -0,3459
Microalgae 18,7 0,84 10 70,5 19,99 A 14,6900 5,3000 0,2651 -0,2651
[18] 19,99 B 14,7684 5,2217 0,2612 -0,2612
19,99 C 14,1611 5,8289 0,2916 -0,2916
19,99 D 12,8668 7,1232 0,3563 -0,3563
19,99 E 13,1298 6,8603 0,3432 -0,3432
Chlorella sp 7,25 4,52 2,65 85,6 22 A 16,3370 5,6750 0,2578 -0,2578
[25] 22 B 18,1770 3,8351 0,1742 -0,1742
22 C 18,4262 3,5858 0,1629 -0,1629
22 D 16,4424 5,5696 0,2530 -0,2530
22 E 16,3109 5,7011 0,2590 -0,2590
Jika dilihat dari keseluruhan hasil analisis error, persamaan A memiliki nilai MAE dan AAE terkecil
yakni 1,8870 dan 0,0926 dengan bias + seperti
ditunjukkan pada Tabel 3, sehingga persamaan tersebut
6 Made Dirgantara - Evaluasi Prediksi Higher Heating Value (HHV) Biomassa Berdasarkan Analisis Proksimat
Risalah Fisika Vol. 4 no. 1 (2020) 1-7 ISSN 2548-9011
lebih direkomendasikan untuk digunakan dalam memprediksi nilai HHV biomassa baru yang belum diketahui nilai HHV berdasarkan data analisis proksimat.
Tabel 3. Nilai Error Kelima Persamaan Kode
Persamaan MAE AAE (%) ABE (%)
A 1,8770 0,0926 -0,0689
B 2,6368 0,1395 0,0226
C 2,2297 0,1231 -0,0132
D 2,6683 0,1378 -0,1057
E 3,2726 0,1720 -0,0435
IV. SIMPULAN
Kelima persamaan prediksi HHV berdasarkan data proksimat yang dievaluasi memiliki keunggulan masing- masing bergantung pada biomassa yang diprediksi. Dari 25 biomassa persamaan A terbaik dalam memprediksi HHV untuk 7 biomassa (kotoran sapi, tongkol jagung, batang jagung, bambu, cabang pohon cemara, daun kelapa sawit dan jerami gandum basah), B untuk 6 biomassa (tempurung kelapa, jerami padi, mahua, mikroalga, Nannochloropsis oceanica dan sekam kacang), C untuk 6 biomassa (Chlorella sp, cangkang biji palm, biji marula, batang karet, limbah makanan dan limbah teh), D untuk 5 biomassa (biji buah zaitun, jerami gandum, willow, limbah kayu dan rumput) dan E untuk 1 biomassa (kayu cemara).
UCAPAN TERIMA KASIH
Terimakasih kepada Badan Pengelola Dana Perkebunan Kelapa Sawit (BPDPKS) yang telah mendukung presentasi artikel ini melalui Seminar Nasional Sains dan Teknologi, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Palangka Raya yang dilanjukan publikasi di Jurnal Risalah Fisika.
PUSTAKA
1. E. Akkaya, “ANFIS based prediction model for biomass heating value using proximate analysis components,” Fuel 180 (2016) 687–693, doi: 10.1016/j.fuel.2016.04. 112.
2. J. Blunden dan D. S. Arndt, “State of the Climate in 2018,”
Bull. Am. Meteorol. Soc. 100 (2019) S1-S306, doi:
10.1175/2019BAMSStateoftheClimate.1.
3. A. Özyuğuran, S. Yaman, dan S. Küçükbayrak, “Prediction of calorific value of biomass based on elemental analysis,”
Int. Adv. Res. Eng. J. 2 (2018) 2.
4. N. Yaacob, N. A. Rahman, S. Matali, S. S. Idris, dan A. B.
Alias, “An overview of oil palm biomass torrefaction:
Effects of temperature and residence time,” IOP Conf. Ser.
Earth Environ. Sci., 36 (2016) 0120381, doi:
10.1088/1755-1315/36/1/012038
5. I. Estiati, F. B. Freire, J. T. Freire, R. Aguado, dan M.
Olazar, “Fitting performance of artificial neural networks and empirical correlations to estimate higher heating values of biomass,” FUEL 180 (2016) 377–383, doi:
10.1016/j.fuel.2016.04.051.
6. R. Alamsyah, N. C. Siregar, dan F. Hasanah, “Peningkatan Nilai Kalor Pellet Biomassa Cocopeat sebagai Bahan Bakar Terbarukan dengan Aplikasi Torefaksi,” War. Ind. Has.
Pertan. 33 (2018) 17–23, doi: 10.32765/warta ihp.v33i01.
3813.
7. A. Ozyuguran, A. Akturk, dan S. Yaman, “Optimal use of condensed parameters of ultimate analysis to predict the calorific value of biomass,” Fuel 214 (2018) 640–646, doi:
10.1016/j.fuel.2017.10.082.
8. M. Asadullah, A. M. Adi, N. Suhada, N. H. Malek, M. I.
Saringat, dan A. Azdarpour, “Optimization of palm kernel shell torrefaction to produce energy densified bio-coal,”
Energy Convers. Manag. 88 (2014) 1086–1093, doi: 10.
1016/j.enconman.2014.04.071.
9. A. Dashti, A. S. Noushabadi, M. Raji, A. Razmi, S. Ceylan, dan A. H. Mohammadi, “Estimation of biomass higher heating value (HHV) based on the proximate analysis:
Smart modeling and correlation,” Fuel 257 (2019) 115931, doi: 10.1016/j.fuel.2019.115931.
10. J. Xing, K. Luo, H. Wang, Z. Gao, dan J. Fan, “A comprehensive study on estimating higher heating value of biomass from proximate and ultimate analysis with machine learning approaches,” Energy 188 (2019) 116077, doi: 10.
1016/j.energy.2019.116077.
11. M. Dirgantara, Karelius, B. T. Cahyana, K. G. Suastika, dan A. R. Akbar, “Effect of Temperature and Residence Time Torrefaction Palm Kernel Shell On The Calorific Value and Energy Yield,” J. Phys. Conf. Ser. 1428 (2020) 012010, doi:
10.1088/1742-6596/1428/1/012010.
12. D. R. Nhuchhen dan M. T. Afzal, “HHV Predicting Correlations for Torrefied Biomass Using Proximate and Ultimate Analyses,” Bioengineering 4 (2017) 1-15, doi:
10.3390/bioengineering4010007.
13. J. Xing, K. Luo, H. Wang, Z. Gao, dan J. Fan, “A comprehensive study on estimating higher heating value of biomass from proximate and ultimate analysis with machine learning approaches,” Energy 188 (2019) 116077, doi:
10.1016/j.energy.2019.116077.
14. A. Kwaghger, L. A. Enyejoh, dan H. A. Iortyer, “The development of equations for estimating high heating values from proximate and ultimate analysis for some selected indigenous fuel woods,” Eur. J. Eng. Technol 5 (2017) 21–33.
15. D. R. Nhuchhen dan P. Abdul Salam, “Estimation of higher heating value of biomass from proximate analysis: A new approach,” Fuel 99 (2012) 55–63, doi: 10.1016/j.fuel.
2012.04.015.
16. A. Özyuğuran dan S. Yaman, “Prediction of Calorific Value of Biomass from Proximate Analysis,” Energy Procedia 107 (2017) 130–136, doi: 10.1016/j.egypro.2016.12.149.
17. G. Pahla, T. A. Mamvura, F. Ntuli, dan E. Muzenda,
“Energy densification of animal waste lignocellulose biomass and raw biomass,” South Afr. J. Chem. Eng. 24, (2017) 168–175, doi: 10.1016/j.sajce.2017.10.004.
18. K. N. Dhanavath, S. Bankupalli, S. K. Bhargava, dan R.
Parthasarathy, “An experimental study to investigate the effect of torrefaction temperature on the kinetics of gas generation,” J. Environ. Chem. Eng. 6 (2018) 3332–3341, doi: 10.1016/j.jece.2018.05.016.
19. T. A. Mamvura, G. Pahla, dan E. Muzenda, “Torrefaction of waste biomass for application in energy production in South Africa,” South Afr. J. Chem. Eng. 25 (2018) 1–12, doi:
10.1016/j.sajce.2017.11.003.
20. N. Asma dkk., “ScienceDirect ScienceDirect Torrefaction of Municipal Solid Waste in Malaysia Assessing the feasibility of using the heat demand-outdoor temperature function for a long-term district heat demand forecast,” Energy Procedia 138 (2017) 313–31, doi: 10.1016/j.egypro.2017.10.106.
21. D. R. Nhuchhen dan P. Abdul Salam, “Estimation of higher heating value of biomass from proximate analysis: A new approach,” Fuel 99 (2012) 55–63, doi: 10.1016/j.fuel.2012 .04.015.
Made Dirgantara - Evaluasi Prediksi Higher Heating Value (HHV) Biomassa Berdasarkan Analisis Proksimat 7
Risalah Fisika Vol. 4 no. 1 (2020) 1-7 ISSN 2548-9011
22. S. Kieseler, Y. Neubauer, dan N. Zobel, “Ultimate and proximate correlations for estimating the higher heating value of hydrothermal solids,” Energy Fuels 27 (2013) 908–918, doi: 10.1021/ef301752d.
23. Q. V. Bach, H. R. Gye, D. Song, dan C. J. Lee, “High quality product gas from biomass steam gasification combined with torrefaction and carbon dioxide capture processes,” Int. J. Hydrog. Energy 44 (2019) 14387–
14394, doi: 10.1016/j.ijhydene.2018.11.237.
24. F. Razil, A. Abdul, S. Saleh, N. Asma, dan F. Abdul,
"Estimation of Higher Heating Value of Torrefied Palm Oil
Wastes from Proximate Analysis," Energy Procedia 138 (2017) 307–312, doi: 10.1016/j.egypro.2017.10.102.
25. Y. Uemura, S. Saadon, N. Osman, N. Mansor, dan K.
Tanoue, “Torrefaction of oil palm kernel shell in the presence of oxygen and carbon dioxide,” Fuel 144 (2015) 171–179, doi: 10.1016/j.fuel.2014.12.050.
26. C. Zhang, C. Wang, G. Cao, W. H. Chen, dan S. H. Ho,
“Comparison and characterization of property variation of microalgal biomass with non-oxidative and oxidative torrefaction,” Fuel 246 (2019) 375–385, doi: 10.1016/
j.fuel.2019.02.139.
8 SFN 2020
Risalah Fisika Vol. 2 no. 2 (2017) 8 ISSN 2548-9011
Ikuti perkembangannya di http://ictap.unram.ac.id
ISSN 2548-9011 Risalah Fisika Vol. 4 no. 1 (2020) 9-13
9
Pengaruh Variasi Waktu Paparan Gelombang Ultrasonik dalam Mengurangi Jumlah Bakteri coliform pada Sampel Air Sungai Kahayan
(masuk/received 10 Januari 2020, diterima/accepted 13 April 2020) )
Effect of Ultrasonic Waves Exposure Time Variation in Reducing the Number of Coliform Bacteria in Kahayan River Water Samples
Neny Kurniawati
1, Kerelius
2, Siti Sunariyati
3, Luqman Hakim
1, Dyah Ayu Pramoda Wardani
2, Widya Krestina
3, Dwi Tyas Setiawan
1, Ferry Purwanto
2, Diah K. Fatmala
31Program Studi Fisika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Palangka Raya
2Program Studi Kimia, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Palangka Raya
3Program Studi Biologi, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Palangka Raya Palangka Raya 73112, Indonesia
nenyphysics@windowslive.com https://doi.org/10.35895/rf.v4i1.168
Abstrak – Penelitian ini bertujuan untuk mengkaji pengaruh waktu paparan gelombang ultrasonik terhadap
pengurangan jumlah koloni bakteri coliform pada sampel air sungai Kahayan. Pengambilan sampel air sungai dilakukan dengan teknik Grab Sampling menggunakan alat Kemmerer Sampler. Sampel air yang didapatkan diberikan paparan gelombang ultrasonik secara langsung, tanpa merubah kondisi lingkungan awal. Waktu paparan divariasikan pada 1 jam, 2 jam, 3 jam, 4 jam, dan 5 jam dengan frekuensi 40 kHz untuk memperoleh data waktu optimum. Uji coliform dilakukan dengan metode MPN, dengan tahapan uji pendugaan, uji penegasan, dan perhitungan koloni. Hasil uji MPN 24 jam setelah paparan menunjukkan bahwa penggunaan ultrasonik sebagai antibateri dapat optimum ketika diberikan paparan dengan waktu 3 jam, dengan efisiensi 96%.
Kata kunci: antibakteri, coliform, ultrasonik, water treatment, sungai Kahayan
Abstract – This study aims to examine the effect of ultrasonic wave exposure time on reducing the number of coliform
bacterial colonies in the Kahayan river water samples. River water sampling is done using the Grab Sampling technique using the Kemmerer Sampler tool. The water samples obtained were given direct ultrasonic wave exposure, without changing the initial environmental conditions. The exposure time is varied in 1 hour, 2 hours, 3 hours, 4 hours and 5 hours with a frequency of 40 kHz to obtain optimum time data. Coliform test was carried out by the MPN method, with the stages of the estimation test, affirmation test, and colony calculation. The MPN test results 24 hours after exposure showed that the use of ultrasonic as an antibody can be optimum when given exposure with a time of 3 hours, with an efficiency of 96%.
Keywords : antibakterial, coliform, ultrasonic, water treatment, Kahayan river
I. PENDAHULUAN
Air merupakan kebutuhan yang sangat penting bagi manusia, dan merupakan habitat yang sangat mudah tercemar oleh berbagai faktor. Dewasa ini keberadaan kebersihan air permukaan di Indonesia sudah sangat mengkhawatirkan, berdasarkan data Badan Pusat Statistik Indonesia 75% sungai di Indonesia dalam status tercemar berat, demikian juga dengan air Sungai Kahayan pada tahun 2008 sudah terkategori tercemar berat [1]. Salah satu penyebab tercemarnya air adalah kontaminasi air limbah oleh bakteri patogen dan bakteri resisten yang bersikap kondusif terhadap penyebaran penyakit bakteri dan virus. Air yang terkontaminasi ini terutama karena polusi tinja, tetapi juga karena polusi industri.
Pencegahan yang paling penting untuk mengatasi kontaminasi air adalah dengan cara mengontrol air limbah. Beberapa metode telah digunakan untuk mengu- rangi bakteri patogen, seperti menggunakan bahan kimia
(antibiotik) [2], proses fisika ȖGDQUDGLDVL89[3], dan teknik fisika-kimia (proses membran) [4,5]. Namun, resistensi bakteri terhadap antibiotik telah terjadi secara cepat, resistensi ini merupakan faktor utama yang mempersulit terapi infeksi.
Salah satu metode untuk membunuh bakteri coliform
dapat dilakukan dengan pemberian gelombang ultrasonik
pada sampel air. Penelitian tentang penggunaan
gelombang ultrasonik untuk membunuh bakteri pernah
dilakukan oleh Zhou, dkk pada tahun 2009 untuk
membunuh bakteri E. coli pada daun bayam selama 0-4
menit, pemberian treatment gelombang ultrasonik
memberikan dampak signifikan terhadap menurunnya
jumlah koloni bakteri pada bayam [6]. Selain itu terdapat
pemanfaatan gelombang ultrasonik untuk mengurangi
jumlah Salmonella typhimurium pada susu, pengkajian
efek gelombang ultrasonik pada air kaldu sapi, dan
mengontrol mikroba pada air [7-12].
10 Neny Kurniawati - Pengaruh Variasi Waktu Paparan Gelombang Ultrasonik dalam Mengurangi Jumlah Bakteri...
Risalah Fisika Vol. 4 no. 1 (2020) 9-13 ISSN 2548-9011
Pemanfaatan gelombang ultrasonik sebagai antibakteri coliform yang dilakukan dalam penelitian ini telah diawali dengan penelitian tentang rancang bangun sistem pembangkit gelombang ultrasonik sebagai metode alternatif menurunkan jumlah bakteri E. coli pada proses penjernihan air. Penelitian yang dilaksanakan oleh Suastika, Martani, dan Hartanto pada tahun 2015 dilakukan dengan menguji pemberian gelombang ultrasonik pada sampel air Sungai Kahayan dengan memvariasikan frekuensi kerja hingga 28 kHz dan dilaporkan bahwa pada paparan gelombang ultrasonik dengan frekuensi 27,6 kHz didapakan hasil optimum untuk membunuh bakteri E.coli dengan presentase sebesar 37,8% [13].
Berdasarkan hal tersebut dalam penelitian ini dikaji mengenai penggunaan paparan ultrasonik sebagai antibakteri pada air Sungai Kahayan. Keuntungan yang diharapkan dari metode ini adalah proses pengolahan air dan limbah cair dapat menghasilkan air dengan kualitas yang lebih baik. Tujuan penelitian ini adalah, mengetahui pengaruh paparan ultrasonik sebagai antibakteri coliform pada air Sungai Kahayan.
II. LANDASAN TEORI
Gelombang ultrasonik merupakan gelombang bunyi yang frekuensinya berada di atas ambang frekuensi audio, atau lebih besar dari 20 kHz. Gelombang bunyi sendiri merupakan jenis gelombang longitudinal yang merambat melalui berbagai jenis medium dengan kelajuan yang dipengaruhi oleh jenis medium tersebut. Kelajuan gelombang bunyi di dalam medium perantara bergantung pada kompresibilitas dan kerapatan medium. Jika mediumnya adalah cairan atau gas yang modulus bulk- nya adalah B (N/m
2) dan kerapatan U (kg/m
3), maka kelajuan gelombang bunyi pada medium tersebut adalah,
v dalam satuan m/s. Kelajuan bunyi juga bergantung pada suhu medium, untuk bunyi yang merambat pada medium air, hubungan antara kelajuan bunyi dengan suhunya adalah
dengan 1493 m/s adalah kelajuan bunyi di air pada suhu 25°C, dan T
Cadalah suhu air dalam derajat Celcius [14].
Gelombang ultrasonik dapat dibangkitkan melalui transduser piezoelektrik seperti tweeter speaker, atau menggunakan transduser feroelektrik. Pola perambatan gelombang ultrasonik menyebar dengan sudut sebaran yang berbanding terbalik dengen frekuensi kerja (Gambar 1). Gelombang ultrasonik sebagai antibakteri memanfaat- kan prinsip kerja transduser ultrasonik. Transduser ultrasonik – yang terdiri dari bagian pengirim dan penerima – bekerja dengan prinsip yang mirip dengan sonar yang mengevaluasi atribut target dengan mengin- terpretasikan gema dari audio. Transduser ultrasonik menghasilkan gelombang suara dengan frekuensi tinggi
dan mengevaluasi gema yang diterima kembali oleh perangkat ultrasonik [13].
Gambar 1. Pola Sebaran Gelombang Ultrasonik
Penelitian tentang potensi ultrasonik untuk membunuh microba telah dimulai pada tahun 1960-an, setelah ditemukan bahwa gelombang bunyi yang dihasilkan oleh sonar kapal dapat membunuh ikan. Melalui proses sonikasi, gelombang longitudinal yang dihasilkan oleh gelombang bunyi berinteraksi dengan medium cair, sehingga menghasilkan daerah kompresi dan ekspansi yang mengakibatkan terjadinya perubahan tekanan dan terbentuk gas dalam medium tersebut. Gelembung dari gas ini memiliki permukaan yang terus membesar selama siklus ekspansi, yang meningkatkan difusi gas, dan menyebabkan gelembung terus meluas. Suatu titik tercapai di mana energi ultrasonik yang disediakan tidak cukup untuk mempertahankan fase uap dalam gelem- bung; oleh karena itu, kondensasi terjadi dengan cepat.
Molekul-molekul kental bertabrakan keras, menciptakan gelombang kejut. Gelombang kejut ini menciptakan daerah dengan suhu dan tekanan yang sangat tinggi, mencapai hingga 5.500 ºC dan 50.000 kPa. Perubahan tekanan yang dihasilkan dari peristiwa ini adalah efek utama ultrasonik pada bakteri. Zona panas ini dapat membunuh beberapa bakteri, akan tetapi keadaanya terlokalisir dan tidak dapat mempengaruhi area yang cukup luas [15].
Zhou, dkk pada tahun 2009 melakukan penelitian pemanfaatan gelombang ultrasonik untuk membunuh bakteri E. coli pada daun bayam selama 0-4 menit, pemberian perlakuan gelombang ultrasonik memberikan dampak signifikan terhadap menurunnya jumlah koloni bakteri pada daun bayam dibandingkan dengan daun bayam yang hanya diberi perlakuan dicuci dengan air saja [6]. Studi lain menggambarkan bahwa perlakuan kombinasi sonikasi gelombang ultrasonik dan perlakuan panas pada cairan akan berdampak sangat efektif pada berkurangnya jumlah koloni bakteri E. coli pada susu [16].
Studi lain menggambarkan bahwa perlakuan kombinasi sonikasi gelombang ultrasonik dan perlakuan panas pada cairan akan berdampak sangat efektif pada berkurangnya jumlah koloni bakteri E. coli pada susu. Sonikasi gelombang ultrasonik saja sebenarnya sudah memberikan efek inaktivasi pada bakteri, dan setelah dikombinasikan dengan perlakuan panas berdampak lebih signifikan terhadap menurunnya jumlah bakteri dalam susu.
Penelitian menunjukkan bahwa semakin lama waktu
sonikasi gelombang ultrasonik, maka jumlah bakteri pada
susu akan semakin berkurang, sementara pada proses
11 Neny Kurniawati - Pengaruh Variasi Waktu Paparan Gelombang Ultrasonik dalam Mengurangi Jumlah Bakteri...
Risalah Fisika Vol. 4 no. 1 (2020) 9-13 ISSN 2548-9011
sonikasi dengan waktu yang lebih singkat jumlah bakteri lebih banyak [16].
III. METODE PENELITIAN/EKSPERIMEN 3.1 Instrumen dan Bahan
Alat yang digunakan dalam penelitian ini adalah:
1. Kemmerer Sampler digunakan dalam pengambilan sampel air.
2. Pembangkit sinyal (signal generator) digunakan sebagai penghasil gelombang frekuensi tinggi.
3. Speaker tweeter ultrasonik sebagai tranduser gelombang ultrasonik.
4. Autoclave, inkubator, laminar air flow, tabung reaksi, tabung durham, kawat inokulasi, erlenmeyer, spritus, mikroskop dan botol, colony counter (digunakan dalam proses pengujian koloni bakteri).
Adapun bahan yang digunakan dalam penelitian ini adalah alkohol, kapas, serta media: Lactosa Broth (LB), Brilliant Green Lactosa Bile (BGLB), Eosin Methilen Blue (EMB).
3.2 Metode
Metode Penlitian di bagi menjadi 3 tahapan, yaitu:
pengambilan sampel air Sungai Kahayan, sonikasi dengan menggunakan ultrasonik, dan penghitungan jumlah koloni bakteri.
3.1.1 Pengambilan Sampel
Pengambilan sampel air menggunakan teknik Grab Sampling menggunakan alat Kemmerer Sampler. Sampel diambil dari air Sungai Kahayan, dengan titik pengambilan sampel dengan memperhitungkan kedalaman sungai, lebar sungai, dan debit air. Sungai Kahayan memiliki kedalaman 7 m, lebar 500 m, debit air terbesar 2.716 m
3/detik dan debit air terkecil 26,30 m
3/detik. Pengambilan sampel air Sungai Kahayan dilaksanakan pada bulan Juni 2019. Berdasarkan data tersebut, maka pengambilan sampel air Sungai Kahayan dilakukan pada titik lebar 375 m dan kedalaman Sungai Kahayan pada titik 1,4 m.
Tahapan pengambilan sampel adalah sebagai berikut:
1. Peralatan yang digunakan dalam pengambilan sampel disterilisasi terlebih dahulu sebelum digunakan.
2. Sebelum pengambilan sampel, tangan diaseptik terlebih dahulu dengan menggunakan alkohol 70%.
3. Buka botol sampel dari kertas pelindung (dibuka sampai setengah saja untuk menghindari kontaminasi).
4. Mengisi botol dengan sampel air hingga ¾ botol.
5. Lalu ditutup kembali.
6. Seluruh proses pengambilan dilakukan secara aseptis (bebas dari infeksi).
3.1.2 Sonikasi Menggunakan Gelombang Ultrasonik
Pada tahapan ini sampel air Sungai Kahayan akan diberi perlakukan dengan gelombang ultrasonik. Tahapan sonikasi adalah sebagai berikut:
1. Gelombang ultrasonik dibangkitkan menggunakan speaker tweeter piezo dengan frekuensi 40 kHz.
Pengaktifan pengoperasian speaker menggunakan pembangkit gelombang ultrasonik (signal generator).
2. Sampel air Sungai Kahayan dimasukkan ke dalam wadah yang bagian atasnya diletakkan speaker piezo (Gambar 2) dengan memvariasi waktu paparan dimulai dengan 1 jam paparan.
Gambar 2. Proses Sonikasi Air Sungai Kahayan.
3. Proses sonikasi diulang untuk waktu 2 jam, 3 jam, 4 jam, dan 5 jam.
3.1.3 Pemeriksaan Jumlah Koloni Bakteri coliform
Sampel air yang telah diberi perlakukan untrasonik kemudian diperiksa jumlah koloni bakteri coliform, sebagai kontrol diperiksa pula koloni bakteri pada sampel tanpa perlakuan. Pemeriksaan coliform dibagi menjadi 2 tahapan, yaitu pemeriksaan kuantitatif dan pemeriksaan kualitatif.
3.1.3.1 Pemeriksaan Kuantitatif
A. Uji Pendugaan
Uji pendugaan merupakan uji spesifik untuk deteksi bakteri coliform, ini merupakan tes pendahuluan tentang ada tidaknya kehadiran bakteri coliform berdasarkan terbentuknya asam dan gas yang disebabkan karena fermentasi laktosa oleh bakteri golongan coli. Metode yang digunakana dalah metode Most Probable Number (MPN) seri 3 tabung. Prinsip dari metode MPN yaitu menghitung jumlah perkiraan terdekat melalui uji penduga.
Prosedur uji pendugaan adalah sebagai berikut:
1. Menyiapkan tabung reaksi yang telah berisi tabung durham, dengan posisi mulut terbalik atau menghadap ke dasar tabung reaksi.
2. Membuat media Lactosa Broth Single Strength (LBSS) sebanyak 60 ml dan media Lactosa Broth Double Strength (LBDS) 30 ml
3. Memasukkan larutan LBSS ke dalam 6 tabung reaksi dengan menggunakan pipet volume, 10 ml tiap tabung.
4. Memasukkan larutan LBDS ke dalam 3 tabung reaksi
dengan menggunakan pipet volume, 10 ml tiap
tabung.
12 Neny Kurniawati - Pengaruh Variasi Waktu Paparan Gelombang Ultrasonik dalam Mengurangi Jumlah Bakteri...
Risalah Fisika Vol. 4 no. 1 (2020) 9-13 ISSN 2548-9011
5. Media pada tabung reaksi disterilisasi dengan autoclave
6. Mengambil sampel air sebanyak 10 ml menggunakan pipet, memasukkan dalam 3 tabung reaksi yang telah berisi larutan LBDS
7. Mengambil sampel air sebanyak 1 ml menggunakan pipet, memasukkan ke dalam 3 tabung reaksi yang telah berisilarutan LBSS
8. Mengambil sampel air sebanyak 0.1 ml menggunakan pipet, memasukkan kedalam 3 tabung reaksi yang telah berisi larutan LBSS.
9. Seluruh tabung diinkubasi selama 24 jam sampai dengan 48 jam (Apabila pada inkubasi 1 × 24 jam hasilnya negatif, maka dilanjutkan dengan inkubasi 2
× 24 jam) pada suhu 35 °C.
10. Apabila dalam waktu 2 × 24 jam tidak terbentuk gas dalam tabung durham, dihitung sebagai hasil negatif.
11. Jika terbentuk gas pada tabung durham maka tabung dinyatakan positif. Tabung yang dinyatakan positif selanjutnya akan dilakukan uji konfirmatif atau uji penegasan.
B. Uji Konfirmatif
Hasil positif pada uji pendugaan air baku dilanjutkan dengan uji penguat menggunakan metode MPN seri 3.
Media yang digunakan adalah Brilliant Green Lactosa Bile (BGLB), media ini merupakan media selektif bagi coliform, sehingga dapat menghambat pertumbuhan bakteri lain dan meningkatkan pertumbuhan bagi coliform.
Prosedur uji konfirmatif adalah sebagai berikut:
1. Membuat media Brilliant Green Lactosa Bile (BGLB) sebanyak 90 ml.
2. Memasukkan larutan BGLB ke dalam tabung reaksi yang sudah diisi dengan tabung Durham menggunakan pipet volume sebanyak 10 ml tiap tabung.
3. Media pada tabung reaksi disterilisasi dengan autoclave.
4. Setelah media didinginkan, diinokulasikan sebanyak 2 ose dari tabung Lactosa Broth positif ke dalam media BGLB.
5. Seluruh tabung diinkubasi selama 24 jam sampai dengan 48 jam dengan suhu 35 °C.
6. Uji dinyatakan negatif jika tidak terbentuk gas pada tabung Durham dan uji dinyatakan positif jika terbentuk gas pada tabung Durham. Tabung yang dinyatakan positif selanjutnya akan dilakukan uji pelengkap.
C. Uji Pelengkap
Uji ini merupakan analisi akhir dari sampel air untuk mendeteksi keberadaan coliform. Media yang digunakan adalah Eosin Methilen Blue (EMB).
Prosedur uji pelengkap adalah sebagai berikut:
1. Membuat media Eosin Methilen Blue (EMB).
2. Media EMB yang sudah disterilisasi dituang ke dalam cawan petri.
3. Menanambiakkan dari uji konfirmatif dengan mengambil 1 ose dari biakan tabung BGLB positif menggunakan metode streak pada media EMB.
4. Petri yang telah ditanami kemudian diinkubasi selama 24 jam pada suhu 37 °C
5. Uji pelengkap dikatakan positif jika koloni yang muncul berwarna hijau metalik.
3.1.3.2 Pemeriksaan Kualitatif
Pemeriksaan ini digunakan untuk mengetahui total coliform yang terdapat pada sampel air. Metode yang digunakan adalah Standard Plate Count (SPC), adapun prosedur yang digunakan sebagai berikut:
1. Menyiapkan media Eosin Methilen Blue (EMB).
2. Menuangkan media EMB yang telah disterilisasi ke cawan petri
3. Mengambil 1 ml sampel air yang tidak diencerkan lalu menanam dengan metode pour plate pada cawan petri.
4. Setelah media membeku kemudian diinkubasi selama 24 jam pada suhu 37 °C.
5. Menghitung koloni yang muncul dengan menggunakan alat colony counter.
IV. HASIL DAN PEMBAHASAN
Sebanyak 250 ml sampel air diberikan paparan gelombang ultrasonik dengan frekuensi 40 kHz, dengan variasi waktu paparan 1 jam, 2 jam, 3 jam, 4 jam, dan 5 jam. Sampel air ditempatkan dalam gelas kimia, dan ditempatkan dalam wadah kaca yang telah diisi air steril, sebagai tindakan untuk mencegah kontaminasi dengan gelombang lain. Setelah 2 jam sampel air dikeluarkan dan diperiksa jumlah koloni coliform.
Hasil pemeriksaan coliform setelah diinkubasi selama 24 jam disajikan dalam Tabel 1, index MPN menunjukkan jumlah koloni coliform. Semakin besar nilai index MPN menunjukkan bahwa jumlah koloni coliform juga semakin banyak. Dari Tabel 1 dengan membandingkan terhadap jumlah koloni bakteri pada kontrol dapat dilihat bahwa pengurangan jumlah coliform paling sedikit ketika paparan 3 jam, sementara pada waktu 5 jam tidak terjadi perubahan jumlah koloni bakteri.
Tabel 1. Hasil Perlakuan Untrasonik Waktu
Paparan (jam)
Index MPN Kontrol
Index MPN Perlakuan
1 1898 1898
2 1898 271
3 1898 76
4 438 72
5 438 438
Perhitungan efisiensi pengurangan jumlah koloni
bakteri kemudian dilakukan untuk melihat persen
pengurangan koloni bakteri menggunakan persamaan
13 Neny Kurniawati - Pengaruh Variasi Waktu Paparan Gelombang Ultrasonik dalam Mengurangi Jumlah Bakteri...
Risalah Fisika Vol. 4 no. 1 (2020) 9-13 ISSN 2548-9011
dengan % efisiensi adalah persen pengurangan bakteri, MPNktr adalah index MPN kontrol, dan MPNper adalah index MPN perlakuan. Menggunakan persamaan (3), didapatkan hasil padaTabel 2 dan disajikan dalam grafik pada Gambar 3.
Tabel 2. Efisiensi Pengurangan Koloni Bakteri Waktu
Paparan (jam) Kontrol Index
MPN Efisiensi (%)
1 1898 1898 0
2 1898 271 86
3 1898 76 96
4 438 72 84
5 438 438 0
Gambar 3. Pengaruh Waktu Paparan terhadap Efisiensi Jumlah Koloni Bakteri.
Berdasarkan Gambar 3 dapat dilihat bahwa efisiensi tertinggi untuk pengurangan jumlah bakteri adalah pada waktu paparan 3 jam, yaitu sebesar 96%, yang berarti bahwa setelah perlakuan 3 jam terdapat 96% bakteri telah hilang dari sampel air, ini menunjukkan bahwa gelombang ultrasonik dengan frekuensi 40 kHz dapat dimanfaatkan sebagai anti-bakteri pada air Sungai Kahayan dengan waktu paparan optimal 3 jam.
V. SIMPULAN
Setelah perlakuan paparan gelombang ultrasonik dengan frekuensi 40 kHz dengan memvariasikan waktu paparan, didapatkan waktu efektif untuk mengurangi jumlah koloni coliform adalah 3 jam, dengan efisiensi sebesar 96%. Berdasarkan hasil penelitian ini dapat disimpulkan bahwa gelombang ultrasonik dapat dimanfaatkan sebagai anti-bakteri coliform.
UCAPAN TERIMAKASIH
Tim peneliti mengucapkan terimakasih sebesar-besarnya kepada Kementerian Riset, Teknologi, dan Pendidikan Tinggi yang telah mendanai riset ini.
PUSTAKA
1. Badan Pusat Statistik, “Status Kualitas Air Sungai, 2007 - 2016,” 2017. https://www.bps.go.id/statictable/2014/
09/05/1372/status-kualitas-air-sungai--2007---2016.html, akses 27 Aug 2018.
2. N. Auajjar, B. Attarassi, N. E. Elhaloui, and A. Badoc,
“Multirésistance Aux Antibiotiques De Pseudomonas Aeruginosa, p. Fluorescens et Staphylococcus Aureus et Survie Sur Divers Tissus Hospitaliers,” Bulletin de la Société de pharmacie de Bordeaux. 145 (2006) 61–76
.
3. M. Hayet, “Modélisation par la méthode numérique de ladynamique des fluides du procédé de désinfection des eaux par les rayonnements ultraviolets (UV),” Thesis, Université Mentouri, Constantine (2017).
4. A. Ferran, “Influence de la taille de l’inoculum bactérien sur l’activité bactéricide et sur la sélection de mutants résistants lors de l’exposition d’Escherichia coli à la marbofloxacine,”
Thesis, Université de Toulouse, France (2007).
5. N. Lebleu, “Désinfection des eaux par procédés PHPEUDQDLUHVௗ pWXGH GHV PpFDQLVPHV GH WUDQVIHUW GHV
bactéries,” Thesis, Université de Toulouse, Université Toulouse III - Paul Sabatier, France (2007).
6. B. Zhou, H. Feng, and Y. Luo, “Ultrasound Enhanced Sanitizer Efficacy in Reduction RI (VFKHULFKLD FROL 2ௗ
H7 Population on Spinach Leaves,” J. Food Sci. 74 (2009) M308–M313, doi: 10.1111/j.1750-3841.2009.01247.x.
7. E. Juraga, B. S. Šalamon, Z. Herceg, and A. R. Jambrak,
“Application of High Intensity Ultrasound Treatment on Enterobacteriae Count in Milk,” Mljekarstvo J. Dairy Prod.
Process. Improv. 61 (2011) 11.
8. D. M. Wrigley and N. G. Llorca, “Decrease of Salmonella typhimurium in Skim Milk and Egg by Heat and Ultrasonic Wave Treatment,” J. Food Prot. 55 (1992) 678–680, doi:
10.4315/0362-028X-55.9.678.
9. N. Puspasari, A. Surtono, and W. Warsito, “Efek Frekuensi Gelombang Ultrasonik Terhadap Mikroba Pada Air Kaldu Daging Sapi,” J. Teori Dan Apl. Fis. 2 (2014) 171–177, doi:
10.23960/jtaf.v2i2.1272.
10. S. Broekman, O. Pohlmann, E. S. Beardwood, and E. C. de Meulenaer, “Ultrasonic treatment for microbiological control of water systems,” Ultrason. Sonochem. 17 (2010) 1041–1048, doi: 10.1016/j.ultsonch.2009.11.011.
11. R. A. Al-Juboori, V. Aravinthan, and T. Yusaf, “Impact of pulsed ultrasound on bacteria reduction of natural waters,”
Ultrason. Sonochem. 27 (2015) 137–147, doi: 10.1016/
j.ultsonch.2015.05.007.
12. V. M. Gómez-López, P. R. Gogate, and P. R. Gogate,
“Reconditioning of Vegetable Wash Water by Physical Methods,” Trends in Food Safety and Protection, 18-Sep- 2017. https://www.taylorfrancis.com/, akses 29 Aug 2018.
13. K. G. Suastika, N. S. Martani, and T. J. Hartanto, “Rancang Bangun Sistem Pembangkit Gelombang Ultrasonik Sebagai Metode Alternatif Menurunkan Jumlah Bakteri E. Coli Pada Proses Penjernihan Air,” Pros. Simp. Fis. Nas. XXVII, Universitas Udayana, Bali vol.1, BM 109 (2015) 546–552.
14. R. A. Serway and J. W. Jewwett, Physics for Scientist and Engineers with Modern Physics. Cengage Learning (2013).
15. S. Gao, G. D. Lewis, M. Ashokkumar, and Y. Hemar,
“Inactivation of microorganisms by low-frequency high- power ultrasound: 1. Effect of growth phase and capsule properties of the bacteria,” Ultrason. Sonochem. 21 (2014) 446–453, doi: 10.1016/j.ultsonch.2013.06.006.
16. Z. Herceg, A. Režek Jambrak, V. Lelas, and S. Mededovic Thagard, “The Effect of High Intensity Ultrasound Treatment on the Amount of Staphylococcus aureus and Escherichia coli in Milk,” Food Technol. Biotechnol. 50 (2012) 46–52.
Ucapan Terima Kasih
Risalah Fisika Vol. 4 no. 1 (2020) 14 ISSN 2548-9011
14
UCAPAN TERIMA KASIH
Terima kasih diucapkan kepada para mitra bestari yang telah terlibat dalam penilaian makalah- makalah yang diterbitkan dalam Risalah Fisika Vol. 4 No. 1 Juli 2020:
1. Dr. Maykel Manawan (Universitas Indonesia, Jakarta) 2. Dr. Ni Nyoman Rupiasih (Universitas Udayana, Denpasar) 3. Dr. Surian Pinem (Badan Tenaga Nuklir Nasional, Serpong)
4. Dr. Triati Dewi Kencana Wungu (Institut Teknologi Bandung, Bandung)
5. Dr. Nasrullah Idris (Universitas Syiah Kuala, Banda Aceh)
ISSN 2548-9011 Risalah Fisika Vol. 4 no. 1 (2020) 15-18
15
Analisis Produksi 99 Mo Berbasis Waktu Iradiasi Larutan Uranil Nitrat Pada Fasilitas Reaktor Kartini
(masuk/received 15 April 2020, diterima/accepted 19 Juni 2020)
Analysis of 99 Mo Production Time-Based Irradiation of Uranil Nitrate Solution in the Kartini Reactor Facility
Puradwi Ismu Wahyono, Syarip
Pusat Sains dan Teknologi Akselerator, Badan Tenaga Nuklir Nasional Jl. Babarsari, Yogyakarta 55598, Indonesia
puradwii@batan.go.id https://doi.org/10.35895/rf.v4i1.172