OPTIMASI PROSES DENSIFIKASI JERAMI PADI SEBAGAI BAHAN BAKAR ALTERNATIF

1 OPTIMASI PROSES DENSIFIKASI JERAMI PADI SEBAGAI BAHAN

BAKAR ALTERNATIF

Zulkifli

Jurusan Teknik Kimia, Politeknik Negeri Lhokseumawe, Jl. Banda Aceh-Medan Km. 280 P.O. Box 90, Buketrata, Lhokseumawe 24301

E-mail: zulkiflibasyah@yahoo.com

Abstract

Indonesia is rich in rainforest and is one of oil producing countries. However, the availability of kerosene and firewood as fuel sources for the rural community becomes scarce. In an effort to overcome the energy crisis, in particular to the rural community, agricultural biomass waste could be utilized as the source of energy. This research has been done to investigate the optimization of densification process of agricultural biomass waste using an experimental design of Box-Behnken with three factors and three levels. A laboratory scale hydraulic press was used to utilize the research. For the case of agricultural biomass waste, independent variables included operating pressure of 3000 psi, 5000 psi, 7000 psi, particle size of 20 mesh, 40 mesh, 60 mesh and moisture content of 5%, 10% and 15%. The result of optimization showed that the briquette from rice straw was produced at a pressure of 3002,8 psi, particle size of 34,9 mesh,

and water content of 7,77% to enable to have a briquette with a density of 1,08 gr/cm3.

Key words: densification, optimization, agricultural biomass PENDAHULUAN

Biomassa adalah bahan organik yang dihasilkan melalui fotosintetis, baik berupa produk maupun buangan. Sebagai cantoh antara lain adalah tanaman, pepohonan, limbah pertanian, limbah hutan, kotoran manusia dan ternak. Selain digunakan untuk tujuan primer serat, bahan pangan, pakan ternak, minyak nabati, bahan bangunan dan lain sebagainya, biomassa juga dapat digunakan sebagai sumber energi (bahan bakar). Limbah pertanian merupakan salah satu sumber biomassa penting di Indonesia, mengingat negara ini merupakan salah satu negara agraris yang penduduknya hampir 70 persen tinggal di daerah pedesaan. Diperkirakan Indonesia menghasilkan sekitar 146,7 juta ton biomassa setiap tahun, dan ini setara dengan 470 GJ/tahun. Sumber utama

biomassa berasal dari limbah kegiatan

penanaman padi, limbah kayu, dan limbah kegiatan industri sawit [1].

Penggunaan biomassa curah secara langsung untuk memasak biasanya menimbul-kan dampak negatif terhadap kualitas udara dalam ruangan sehingga dapat mempengaruhi kesehatan. Oleh karena itu, diperlukan metoda yang bersih dan efisien untuk mengubah limbah

biomassa curah menjadi sumber energi

alternatif sehingga masyarakat pedesaan dapat memanfaatkan energi dengan maksimal untuk keperluan rumah tangga atau untuk menggerak-kan industri rumah tangga. Material biomassa memiliki densitas curah rendah dan kesulitan akan dihadapi dalam hal penanganan seperti transportasi, penyimpanan dan lain-lain. Selain biomassa, minyak tanah merupakan sumber energi penting untuk kebutuhan rumah tangga. Subsidi pemerintah terhadap minyak tanah (kerosene) sampai saat ini masih cukup besar. Dalam rangka mencabut subsidi dan mengatasi

krisis minyak tanah, pemerintah telah

mencanangkan program konversi minyak tanah ke elpiji. Namun untuk mengubah kebiasaan penggunaan minyak tanah di masyarakat pedesaan tidaklah mudah. Melimpahnya limbah biomassa di daerah pertanian, seperti jerami merupakan potensi energi besar yang selama ini hanya dibakar begitu saja tanpa dimanfaatkan.

Penyelesaian sebahagian permasalahan limbah pertanian dapat dilakukan dengan proses densifikasi yang merupakan suatu metode untuk memperlakukan meterial lepas, mengubahnya menjadi briket/bahan bakar padat [2]. Dengan cara ini, karakteristik penanganan bahan seperti transportasi, penyimpanan, dan lain-lain juga meningkat [3]. Densitas produk sangat tergantung pada tingkat penekanan

2

pada saat pencetakan. Berbagai penelitian menunjukkan bahwa tekanan memainkan peranan penting dalam meningkatkan densitas bahan bakar padat [4,5]. Proses densifikasi memberikan nilai densitas briket lebih besar dari 1gr/cm3 [6].

Penelitian ini bertujuan mempelajari optimasi proses densifikasi biomassa limbah pertanian berupa jerami padi, menggunakan

desain eksperimen Box-Behnken. Dalam

penelitian ini tekanan yang digunakan

diharapkan pada tekanan rendah sampai menengah (3000 ≤ P < 5000 psi), sehingga dapat diterapkan kepada masyarakat.

METODE Bahan Baku

Bahan yang digunakan dalam pene-litian ini yaitu limbah biomassa pertanian jerami padi, yang diperoleh dari sentra pertanian masyarakat di Kecamatan Blang Mangat Kota Lhokseumawe. Semua bahan yang telah dikumpulkan, dikeringkan terlebih dahulu sebelum dilakukan pengeci-lan ukuran. Ukuran bahan diklasifikasikan dalam tiga ukuran yaitu 20 mesh, 40 mesh dan 60 mesh, kandungan air 5%, 10% , 15% dan 10% amilum sebagai bahan pengikat.

Variabel penelitian dalam penelitian ini diklasifikasikan menjadi variabel tetap, variabel berubah dan variabel respon. Variabel tetap meliputi diameter dan tinggi silinder cetakan yang berukuran 30 mm dan 250 mm. Waktu penekanan pada setiap percobaan ditetapkan selama 5 menit. Variabel berubah atau variabel

independen terdiri atas tekanan pembriketan 3000 psi, 5000 psi, 7000 psi; ukuran partikel 20 mesh, 40 mesh, 60 mesh dengan kadar air sampel 5%, 10% dan 15%.

Rancangan Percobaan

Optimasi proses densifikasi limbah biomassa pertanian jerami padi dilakukan mengunakan rancangan Box-Behnken tiga level dan tiga faktor, yang masing-masing variabel menerima tiga level perlakuan yaitu; level atas (+1), level tengah (0) dan level bawah (1), seperti yang diperlihatkan pada Tabel 1.

Penekanan dilakukan mengunakan alat tekan hidraulik skala laboratorium dengan kapasitas 20 ton (Hydraulic Shop Press CMC ISO 9002). Pencetakan dilaku-kan dengan menggunakan alat cetak yang terbuat dari baja padat (ST-60) dengan panjang 250 mm dan diameter dalam 30 mm.

Rancangan percobaan menggunakan

metoda tenggap permukaan yang dikenal dengan response surface methodologi (RSM), merupakan sekumpulan teknik statistik dan matematika yang bermanfaat untuk mengem-bangkan, meningkatkan dan mengoptimasi suatu proses [7]. Penerapan metode tanggap permukaan terutama dilakukan pada situasi dimana terdapat beberapa variabel yang

potensial mempengaruhi kinerja atau

karakteristik kualitas suatu proses atau produk yang disebut dengan variabel tanggap (respon).

Pemodelan matematis digunakan model

polinomial orde dua untuk tiga variabel independen, seperti yang diperlihatkan pada persamaan 1.

(1)

dimana koefisien regresi; Y,

nilai prediksi; dan X1, X2, X3 merupakan

variabel independen. Pada Tabel 1 menun-jukkan nilai dalam bentuk pengkodean (+1, 0, dan -1) dan nilai asli untuk masing-masing faktor uji. Hubungan antara nilai-nilai tersebut

dapat dihitung dengan menggunakan

persamaan 2.

(2) dengan Z merupakan nilai pengkodean (-1, 0

dan +1), X adalah nilai asli dan Xo adalah nilai tengah.

Tabel 1. Faktor dan level yang digunakan untuk limbah biomassa jerami padi

Faktor Level

-1 0 +1

Takanan, psi 3000 5000 7000

Ukuran partikel, mesh 20 40 60

Kandungan air, % 5 10 15 3 3 2 1 1 k o i i ii i _{i j} ij i j j i i

Y

β

β

X

β

X

_<

β

X X

ε

= =

=

+

∑

+

∑

+

∑∑

+

, 0

β

β

_i,

β

_ii,

β

_ij, X X X Z = − o /∆

3

Untuk keperluan optimasi suatu proses perlu ditetapkan kreteria atas dasar fungsi keinginan desirability function (DF). Nilai tanggap minimum dan maksimum harus ditentukan atas dasar teknis ekonomis [8].

Fungsi keinginan, untuk setiap respon

dikonversikan menjadi fungsi keinginan

masing-masing, , nilai dk berkisar

antara 0 dan 1, dimana dk = 0, berarti respon

berada dalam rentang yang tidak dapat diterima, sedangkan dk = 1 berarti respon

berada pada kondisi optimum sehingga nilai dk

berada pada 0 < dk < 1. Fungsi keinginan untuk

respon maksimum diberikan oleh persamaan 3.

(3)

dimana ymin dan ymax menyatakan tingkat

respon maksimum dan minimum yang dapat diterima. Pada persamaan 2 eksponen r digunakan untuk menentukan fungsi

keinginan, yang mengendalikan respon pada penyelesaian optimal. Fungsi keinginan untuk respon minimum diberikan oleh persamaan 4.

(4)

Penyelesaian untuk mendapatkan nilai variabel independen, Xi optimum dilakukan

sedemikian rupa sehingga persamaan di atas

dapat memaksimumkan nilai rata-rata

geometrik dari masing-masing variabel

tanggap. Fungsi keinginan total, didefinisikan sebagai rata-rata geometrik dari setiap nilai

fungsi keinginan respon, dk . Karena DF

merupakan nilai rata-rata geometrik dari dk = h

, maka nilai DF akan mendekati 1 jika

seluruh dk = h , mendekati 1, demikian

juga nilai DF akan kecil atau mendekati nol jika seluruh dk = h ,. Pernyataan secara

matematis ditunjukkan pada persamaan 4, oleh karena itu optimasi diarahkan untuk mencari nilai Xi sedemikian rupa sehingga diperoleh

DF, pada persamaan 5 maksimum atau sama dengan 1.

(5)

HASIL DAN PEMBAHASAN

Pelaksanaan ekperimen mengguna-kan rancangan Box-Behnken yang terdiri dari 17 perlakuan dijalankan secara acak seperti yang ditunjukkan pada Tabel 1. Pada kolom terakhir dari tabel tersebut ditunjukkan hasil pengujian metoda tanggap terhadap densitas dari jerami padi.

Menggunakan persamaan 1 dapat di-tentukan korelasi masing-masing variabel

tanggap terhadap variabel independen.

Koefisien untuk masing-masing variabel

tanggap diselesaikan menggunakan metode kuadrat terkecil memanfaatkan perangkat lunak Design-Expert, 2000 (Versi 6.06 State-Ease, Inc. Minneapolis, USA).

Pada Tabel 1 ditunjukkan data hasil pengujian metode tanggap permukaan terhadap densitas briket jerami padi. Masing-masing

( )

ˆ k k d =h Y m in r m in m in m a x m a x m in m a x ˆ 0 jik a ( ) ˆ ( ) ˆ ( ) jik a ( ) ˆ 1 jik a ( ) k k k k k y x y y x y d x y y x y y y y x y <    ₋   =    ≤ ≤ −     _>  1 , 3 m in r m a x 1, 3 1 , 3 m in 1 , 3 m a x m a x m in 1, 3 m a x ˆ 1 jik a Y ( ) ˆ _{( )} ˆ ( ) jik a Y ( ) ˆ 0 jik a Y ( ) j j j j j x Y Y Y x d x Y x Y Y Y x Y = = = = =  _<    ₋   = _{ }  ≤ ≤  −    >          ∧ k Y       ∧ k Y       ∧ k Y 3 / 1 3 1

















=

∏

= j j

d

DF

4

variabel independen ditandai dengan X1 untuk

tekanan; X2 untuk ukuran partikel dan X3

kandungan air, variabel tanggap untuk densitas ditandai dengan Y. Menggunakan persamaan 1

korelasi variabel tanggap (densitas) bahan bakar padat dari jerami padi terhadap variabel

independen masing-masing dapat ditulis

menurut persamaan 6.

Validasi model statistik

(6)

Analisa varian dilakukan untuk

mengevaluasi pengaruh variabel independen secara individu, kuadratik maupun interaksi pada model yang diusulkan. Hasil analisa varian model kuadratik densitas jerami padi ditunjukkan pada Tabel 2. Secara keseluruhan bahwa model tidak signifikan, karena nilai probabiliti (Prob>F) besar dari 0,05. Sehingga dapat dikatakan bahwa variabel independen tidak mempengaruhi variabel respon. Sehingga tekanan, ukuran partikel dan kandungan air tidak memberikan pengaruh yang signifikan terhadap densitas jerami padi.

Ketidaksignifikan ini, tentu berbeda

dengan kajian berbagai literatur yang

menerangkan bahwa kedua variabel, tekanan dan kandungan air memberikan peranan penting terhadap densitas yang dihasilkan. Selain itu hubungan antara variabel independen dengan variabel tanggap ditunjukkan dengan koefisien determinasi >0,8. Sehingga kenyataan

bahwa pada model kuadratik variabel

independen tekanan dan ukuran partikel tidak mempengaruhi densitas briket dari jerami padi yang dihasilkan.

Tabel 2. Hasil pengujian metoda tanggap untuk densitas jerami padi

No. Run Tekanan, X1

(psi) Ukuran Partikel,X2 (mesh) Kandungan Air, % (X3) Densitas (gr/cm3) Respon, Y1 1 9 5000 20 5 1.08772 2 12 5000 60 15 1.23574 3 10 5000 60 5 1.23584 4 11 5000 20 15 1.11565 5 13 5000 40 10 1.08129 6 5 3000 40 5 1.12824 7 8 7000 40 15 1.12824 8 17 5000 40 10 1.08129 9 2 7000 20 10 1.14244 10 14 5000 40 10 1.08129 11 1 3000 20 10 1.00336 12 6 7000 40 5 1.08129 13 3 3000 60 10 1.12085 14 15 5000 40 10 1.08129 15 16 5000 40 10 1.08129 16 4 7000 60 10 1.15483 17 7 3000 40 15 1.12824

Pada tabel yang sama juga disajikan analisa terhadap model korelasi variabel tanggap terhadap variabel independen. Model menunjukkan koefisien determinasi relatif tinggi (R2 = 0,8371) dan koefisien variasi rendah (CV = 3,12). Semakin dekat koefisien determinasi terhadap nilai satu, semakin tinggi

kesesuaian suatu model terhadap data

percobaan, yang memperlihatkan perbedaan yang kecil antara nilai terukur dan nilai hitung.

Ketercukupan model dapat ditaksir tidak hanya dari R2, tetapi juga dari R2 yang diprediksi dan kesalahan penjumlahan dari R2 hitung, ”prediksi error sum of squares”

.

0070

,

0

012

,

0

0262

,

0

049

,

0

038

,

0

0141

,

0

0093

,

0

050

,

0

016

,

0

08473

,

1

3 2 3 1 2 1 2 3 2 2 2 1 3 2 1

X

X

X

X

X

X

X

X

X

X

X

X

Y

−

+

−

+

+

−

+

+

+

=

5

(PRESS). Suatu model yang baik ditandai oleh R2 yang besar dan PRESS yang rendah [7]. Dalam hal ini, dari data ditunjukkan bahwa R2 = 0,8371, adjusted R2 = 0,6276 predicted R2 = -1,6068, adeq precision = 7,761 dan PRESS = 0,14. Tabel 3 secara keseluruhan menunjukkan

bahwa model tidak signifikan, karena nilai

“Prob>F” secara keseluruhan variabel

independen memberi hasil lebih besar dari 0,05. Sehingga dapat dikatakan variabel independen tidak mempengaruhi variabel respon.

Tabel 3. Analisa varian (ANOVA) model kuadratik densitas briket jerami padi

Source Sum of

Squares DF

Mean

Square F, Value Prob>F Keterangan

Model 0.042163 9 -0,0046845 3,3137 0,0642 tdk.signifikan X1 0,001279 1 -0,001279 0,9047 0,3732 tdk.signifikan X2 0,01981 1 0,01981 14,0125 0,0072 signifikan X3 0,00031 1 0,00031 0,2195 0,6536 tdk.signifikan 0,001245 ₁ 0,001245 _{0,8807 0,3793} tdk.signifikan 0,007173 ₁ 0,007173 _{5,0740 0,0590} tdk.signifikan 0,008975 ₁ 0,008975 _{6,3484 0,0398} signifikan X1 X2 0,002762 1 0,002762 1,9533 0,2049 tdk.signifikan X1 X3 0,000121 1 0,000121 0,0855 0,7784 tdk.signifikan X2 X3 0,000197 1 0,000197 0,139 0,7203 tdk.signifikan Residual 0,009896 7 0,001414 - - - Lack of Fit 0,009896 3 0,003299 - - - Pure Error 0 4 0 - - - Cor Total 0,052059 16 - - - - R2=0,8371; adj.R2=0,6276; pred.R2 =-1,6068; adeq precision =7,761; CV =3,12 dan PRESS = 0,14

Grafik normal probabiliti (Gambar 1) menunjukkan gambaran distribusi suatu nilai residual yang didefinisikan sebagai perbedaan diantara data prediksi dengan data percobaan yang membentuk suatu garis lurus, bahwa nilai residual ter-distribusi secara normal pada kedua sisi garis yang menunjukkan bahwa data eksperimen sangat bersesuaian dengan data prediksi sebagaimana yang ditunjukkan pada Gambar 2.

Gambar 1. Normal probabiliti residual plot

Gambar 2 menunjukkan bahwa per-bandingan nilai densitas dari jerami padi antara data eksperimen dengan data hasil prediksi tidak ada perbedaan yang signifikan. Garis lurus menggambarkan nilai perhitungan yang didasarkan pada model statistik sebagai mana yang ditunjukkan pada persamaan 5, sedangkan simbol persegi merupakan data eksperimen.

Gambar 2 Perbandingan antara nilai prediksi dan eksperimen

2 1 X 2 2 X 2 3 X

Studentized Res iduals

N o rm a l % P ro b a b il it y

Normal Plot of Residuals

-2.57 -1.29 0.00 1.29 2.57 1 5 10 20 30 50 70 80 90 95 99 0 2 4 6 8 10 12 14 16 18 20 0,0 0,5 1,0 1,5 2,0 2,5 3,0 R2 = 0.84 Run D en si ta s, g r. cm -3

6

Kurva yang dihasilkan memberikan koefisien determinasi (R2= 0,84 ) dan seluruh data pengamatan berada pada atau sangat berdekatan dengan garis, sehingga prediksi sangat bersesuaian dengan data eksperimen. Keseluruhan pembahasan di atas menunjukkan ketercukupan dari model kuadratik yang diusulkan untuk densitas jerami padi dalam rentang tekanan 3000 psi – 7000 psi, ukuran partikel: 20 mesh – 60 mesh dan kandungan air 5% - 15% sesuai dengan parameter yang diusulkan.

Optimasi variabel proses

Otimasi proses bertujuan untuk

mendapatkan kondisi operasi yang dapat memberikan kualitas bahan bakar padat yang baik dengan biaya operasi yang minimum. Kualitas bahan bakar padat ditentukan oleh densitas minimum 1 gr/cm3. Untuk menekan biaya operasi, maka takanan operasi harus seminimum mungkin, karena semakin besar tekanan semakin besar energi yang diperlukan dan semakin besar biaya yang dikeluarkan. Salah satu cara untuk mendapatkan kondisi optimum pada proses densifikasi jerami padi dengan menekan harga kandungan air X3 =1,

yang berarti X3 berada pada kondisi

maksimum.

Dengan menetapkan nilai X3, dapat

digambarkan hubungan antara densitas (Y1)

dengan tekanan (X1) dan ukuran partikel (X2)

seperti yang ditunjukkan pada Gambar 3. Dari Gambar 3 terlihat bahwa ketiga alternatif kurva yang dihasilkan oleh perangkat lunak Design Expert memberikan nilai densitas lebih besar dari 1 gr/cm3, dimana kurva paling bawah memberikan nilai densitas = 1,09237 gr/cm3. Dengan demikian ketiga kurva pada gambar

tersebut layak digunakan untuk tujuan

optimasi.

Gambar 3. Hubungan antara densitas Y1 dengan

tekanan X1 dan ukuran partikel X2, kadar air

dikondisikan X3 =1 untuk jerami padi

Pada Tabel 4 diperlihatkan sepuluh pilihan alternatif, maka kembali dipertimbang-kan kreteria yang diterapdipertimbang-kan. Kreteria terhadap variabel tanggap termasuk di dalamnya DF. Terhadap variabel independen perlu diterapkan tekanan X1 minimum (-1< X1 < 0), ukuran

partikel X2 maksimum ( X2 > 0 mendekati 1)

dan kadar air X3 maksimum (X3 > 0 mendekati

1). Dari inspeksi Tabel 4, ternyata hanya ada dua alternatif yang memenuhi kriteria yang diterapkan, sehingga paling potensial untuk ditetapkan sebagai kondisi variabel independen optimum. Pada kolom terakhir disajikan alasan penolakan terhadap alternatif yang lain.

Tabel 4. Alternatif penyelesaian parameter optimasi proses variabel independen, DF = 1 untuk jerami padi

Nomor Penyelesaian Tekanan, X1 (%) Ukuran Partikel, X2 (mesh) Kandungan Air, X3 (%) Desirability Function, DF Analisis Seleksi Hasil Evaluasi 1 5877,2 47,51 13,03 1 X1,X3>0; X2<0 ditolak 2 5324.40 52,86 5,42 1 X1,X2>0; X3<0 ditolak 3 3244 58,08 14,63 1 √ diterima 4 6157,6 40,40 14,13 1 X1,X3, X2 >0 ditolak 5 3002,8 34,90 7,77 1 √ diterima 6 3912,4 48,39 12,77 1 X1, X2,X3<0 ditolak 7 6964,8 50,23 12,75 1 X1, X2, X3>0 ditolak 8 5650,8 20,37 13,99 1 X1,X3>0;X2<0 ditolak 9 3270 42,10 6,19 1 X1<0; X2,X3<0 ditolak 10 5483,2 28,88 13,38 1 X1>0;X2<0 ditolak Y = B: Ukuran (mesh) densitas (gr/cm-3) A: Tekanan (Ps i) B : U k u ra n ( m e s h ) 3000.00 4000.00 5000.00 6000.00 7000.00 20.00 30.00 40.00 50.00 60.00 1.09237 1.11863 1.1449

7

Dari kedua pilihan ini, maka alternatif nomor tiga ditetapkan sebagai kondisi optimum proses untuk menghasilkan bahan bakar padat dari jerami padi dengan kondisi tekanan, X1 =

(3244 psi), ukuran partikel, X2 = (58,08 mesh)

dan kandungan air, X3 = (14,63%). Sebagai

perbandingan alternatif nomor 5 memberikan hasil tekanan, X1 = (3002,8 psi), ukuran

partikel, X2 = (34,9 mesh) dan kandungan air,

X3 = (7,77%). Dari perbandingan ke duanya,

jelaslah bahwa alternatif nomor 5 merupakan kondisi optimum terbaik untuk bahan bakar padat dari jerami padi, dengan nilai densitas yang diperoleh sebesar (1,08 gr/cm3).

KESIMPULAN

Dari hasil penelitian dan analisis yang dilakukan, dapat ditarik kesimpulan bahwa kondisi optimum densifikasi untuk menghasil-kan bahan bakar padat dari limbah biomassa jerami padi adalah pada densitas 1,08 gr/cm3, tekanan 4244 psi, ukuran partikel 58,08 mesh dan kadar air 14,63%.

DAFTAR PUSTAKA

[1] Abdullah, K., 2009. A Biomass Energy

Potentials and Utilization in Indonesia www.bioenergylists .org/stovesdoc/Fuels, diakses 15 Desember 2009.

[2] Werther, J., Saenger, M., Hartge, EU., Ogada, T., dan Siagi Z., 2000. Combustion of Agricultural Residues. Prog. Energy Combustion Sci, 26:1–27.

[3] Hulscher, W., Clancy, J. dan Brandt, H., 1992. Briquetting in South and East Asia:

State of the Art Assessment. The

International Conference on Biomass for

Energy and Industry. 5-9 October,

Florence, Italy.

[4] Lindley, J. dan Vossoughi, M., 1989.

Physical Properties of Biomass Briquettes. Transaction of the ASAE, Volume 32(2). pp 361-366.S.

[5] ClauB, B., 2002. Beitrag zur

Kompakt-gierung von unzerkleinertem Halmgut fur dieenergetische Nutzung (Contribution to the compacting of unchopped crop stalks for energetic use) Ph.D. Thesis, TU Chemnitz.

[6] Li, Y., dan Liu, H., 2000. High Pressure Densification of Wood Residues to Form an Upgraded Fuel, Biomass & Bioenergy, 19, pp 177-186.

[7] Myers, R., dan Montgomery, D.C., 2002. Response Surface Methodology: Process and Product Optimization Using Designed Experiments, Wiley Series in Probability and Statistics, New York.

[8] Derringer G. and Suich R., 1980.

Simultaneous Optimization of Seve-ral Response Variables, Journal of Quality Technology, 12: 214-219.