TUGAS INDIVIDU REKAYASA DAN OPTIMASI PROSES CONTOH SOAL...
Transcript of TUGAS INDIVIDU REKAYASA DAN OPTIMASI PROSES CONTOH SOAL...
Andu Rijal M (125100301111034)
TUGAS INDIVIDU
REKAYASA DAN OPTIMASI PROSES
CONTOH SOAL DAN REVIEW JURNAL OPTIMASI
Dosen Pengampu : Ika Atsari Dewi, STP, MP.
Disusun Oleh :
Kelas : P
JURUSAN TEKNOLOGI INDUSTRI PERTANIAN
FAKULTAS TEKNOLOGI PERTANIAN
UNIVERSITAS BRAWIJAYA
MALANG
2014
Contoh - Contoh Soal Rekayasa dan Optimasi Proses
1. LAGRANGE MULTIPLIERS
Tentukan nilai maksimum dari A (x,y) = xy, yang terikat dengan kendala x + y = 20.
Dengan x + y = 20, sama dengan x + y – 20 = 0.
Kemudian, buat fungsi baru F, fungsi Lagrange: F(x,y,λ) = xy – λ (x + y – 20)
Penyelasian:
1. Kita lakukan turunan pertama pada setiam variabel:
Fx’ = y – λ = 0 ………………….. (1)
Fy’ = x – λ = 0 ………………….. (2)
Fλ’ = – ( x + y – 20) = 0 ……….. (3)
2. Dari persamaan hasil turunan tersebut didapat (x = y = λ), lalu kita
substitusikan untuk nilai x pada y di persamaan ke-3:
x + (x) –20 = 0
2x = 20
x = 10
3. Jadi, y = x = 10, nilai maksimum dari A dengan kendala pada (10,10) sehingga,
A (10,10) max = x.y
= (10)(10)
A max = 100
2. NILAI EKSTRIM: MAKSIMUM & MINIMUM
Jika diketahui f = 2x2 + 5y2 – 8x – 10y + 6, tentukan nilai ekstrim dari fungsi f.
Apakah maksimum atau minimum?
Penyelsaian:
Untuk mendapat nilai ekstrim lakukan pengujian sampai turunana kedua;
a. 𝜕𝑓
𝜕𝑥= 4𝑥 − 8; x = 2 =>
𝜕2𝑓
𝜕𝑥2 = 2 > 0
Titik minimum
b. 𝜕𝑓
𝜕𝑦= 10𝑦 − 10 ; y = 1 =>
𝜕2𝑓
𝜕𝑦2 = 10 > 0
Jadi, f min = 2(2)2 + 5(1)2 – 8(2) – 10(1) + 6
f min = - 7
3. METODE KUHN-TUCKER
Gunakan metode Kuhn-Tucker untuk menyelesaikan solusi optimal dari
permasalahan berikut: max Z = x2 + y2 + 10xy terhadap kendala x + y ≤ 8
Penyelesaian:
1. Ubah ke bentuk fungsi Lagrange :
G = x2 + y2 + 10xy + λ (x + y – 8)
2. Lakukan turunan pertama pada fungsi Lagrange:
𝑑𝐺
𝑑𝑥= 2𝑥 + 10𝑦 + 𝜆 = 0 ....... (1)
𝑑𝐺
𝑑𝑦= 2𝑦 + 10𝑥 + 𝜆 = 0 …. (2)
𝑑𝐺
𝑑𝜆= 𝑥 + 𝑦 − 8 = 0 ………... (3)
3. Lakukan substitusi pada persamaan (1) & (2):
2x + 10y = 2y + 10x
-8x + 8y = 0
y = 8𝑥
8= 𝑥
x + y ≤ 8
x + (x) ≤ 8
2x ≤ 8
x ≤ 4
maka nilai Z (x,y) = (4)2 + (4)2 + 10(4)(4) = 192.
4. METODE PENCARIAN BEBAS
Dengan mengunakan metode pencarian bebas, cari nilai maksimum dari fungsi
f=3x-2x2 dan nilai awal x1 = 0.0 dan langkah awal s = 0.4
Penyelesaian:
1. Buat tabel untuk mempermudah perhitungan;
i xi fi fi ≤ fi - 1
1 0.0 0 -
2 -0.2 -0.68 ya
3 0.2 0.52 tidak
4 0.4 0.88 tidak
5 0.6 1.08 tidak
6 0.8 1.12 tidak
7 1.0 1 ya
2. Perhitungan berhenti ketika nilai fi lebih kecil dari fi sebelumnya untuk ke-2
kalinya. Sehingga nilai optimum terjadi diantara i = 6 dan i = 7 atau dapat
dikatakan nilai x optimum pada x6 dan x7.
5. PENCARIAN DIKOTOMI
Carilah nilai maksimum dari f = -x + 3 dalam interval (0,2) dengan N = 4 dan
𝛿0=0.02 dengan metode optimasi pencarian dikotomi.
Penyelesaian:
𝐿0 = 𝑏 − 𝑎 = 2 − 0
𝑥𝑠 = 0 𝑑𝑎𝑛 𝑥𝑓 = 2
𝑥1 =𝐿0
2−
𝛿0
2= 1 − 0.01 = 0.99
𝑥2 =𝐿0
2+
𝛿0
2= 1 + 0.01 = 1.01
𝑓1 = 𝑓(𝑥1) = −(0.99) + 3 = 2.01
𝑓2 = 𝑓(𝑥2) = −(1.01) + 3 = 1.99
𝑓2 < 𝑓1 → 𝑝𝑒𝑛𝑐𝑎𝑟𝑖𝑎𝑛 𝑏𝑎𝑟𝑢 𝑝𝑎𝑑𝑎 𝑖𝑛𝑡𝑒𝑟𝑣𝑎𝑙 (𝑥2, 𝑥𝑓) = (1.01 ; 2)
𝑥3 = (𝑥2 +𝑥𝑓−𝑥2
2) −
𝛿0
2= (1.01 +
2−1.01
2) − 0.01 = 1.495
𝑥4 = (𝑥2 +𝑥𝑓−𝑥2
2) +
𝛿0
2= (1.01 +
2−1.01
2) + 0.01 = 1.525
𝑓3 = 𝑓(𝑥3) = −(1.495) + 3 = 1.505
𝑓4 = 𝑓(𝑥4) = −(1.525) + 3 = 1.475
𝑓4 < 𝑓3 → 𝑖𝑛𝑡𝑒𝑟𝑣𝑎𝑙 𝑦𝑎𝑛𝑔 𝑏𝑎𝑟𝑢 𝑎𝑑𝑎𝑙𝑎ℎ (𝑥2, 𝑥4) = (1.01 ; 1.525)
𝑥𝑜𝑝𝑡 =1.01+1.525
2= 1.2675
𝑓𝑜𝑝𝑡 = 1.7325
6. METODE FIBONACCI
Cari nilai maksimum dari fungsi berikut f = x (1.5 – x) dengan metode Fibonacci,
dalam interval (0,2) dengan n = 4.
Penyelesaian:
L0 = a – b = 2 – 0 = 2 F3 = 3 & F4 = 5
𝐿 = (𝐹𝑛−1
𝐹𝑛) 𝐿0 = (
𝐹3
𝐹4) 𝐿0 = (
3
5) 2 = 1.2
𝑥1 = 𝑎 + 𝐿 = 0 + 1.2 = 1.2 𝑥2 = 𝑏 − 𝐿 = 2 − 1.2 = 0.8 𝐹1 = 1.2(1.5 − 1.2) = 0.36
𝐹2 = 0.8(1.5 − 0.8) = 0.56
𝐹2 > 𝐹1 → 𝑖𝑛𝑣𝑒𝑟𝑣𝑎𝑙 (𝑥1, 𝑏) 𝑑𝑖 𝑎𝑏𝑎𝑖𝑘𝑎𝑛
𝑥3 = 1.2 − (0.8 − 0) = 0.4
𝐹3 = 0.4(1.5 − 0.4) = 0.44
𝐹2 > 𝐹3 → 𝑖𝑛𝑣𝑒𝑟𝑣𝑎𝑙 (𝑎, 𝑥3) 𝑑𝑖 𝑎𝑏𝑎𝑖𝑘𝑎𝑛
𝑥4 = 1.2 − (0.8 − 0.4) = 0.8
𝐹4 = 0.8(1.5 − 0.8) = 0.56
𝐹2 = 𝐹4 → 𝑖𝑛𝑣𝑒𝑟𝑣𝑎𝑙 (𝑥2, 𝑥1) 𝑑𝑖 𝑎𝑏𝑎𝑖𝑘𝑎𝑛
Karena F2 = F4 maka, nilai n = 4 adalah pada interval (x3,x2) = (0.4,0.8).
Jadi, 𝐿4
𝐿0=
0.8−0.4
2−0= 0.2 hal ini relevan dan terbukti sama dengan
1
𝐹4=
1
5= 0.2
7. METODE NEWTON RAPHSON
Selesaikanlah persamaan berikut f(x) = x - e-x dengan menggunakan metode
Newton Raphson & titik pendekatan awal x0 = 0
Penyelesaian:
x - e-x = 0 x0 =0, e = 0.00001
1. Lakukan substitusi pada fungsi f(x) dan turunannya:
f(x) = x - e-x f’(x)=1+e-x
f(x0) = 0 - e-0 = -1
f’(x0) = 1 + e-0 = 2
2. Gunakan prosedur iterasi metode Newton Raphson:
𝑥1 = 𝑥0 −𝑓((𝑥0)
𝑓′(𝑥0)= 0 −
−1
2= 0.5
3. Hitunglah:
f(x1) = -0,106631 dan f1(x1) = 1,60653
x2 = 𝑥1 −𝑓((𝑥1)
𝑓′(𝑥1)= 0.5 −
−0.106631
1.60653= 0.566311
f(x2) = -0,00130451 dan f1(x2) = 1,56762
x3 = 𝑥2 −𝑓((𝑥2)
𝑓′(𝑥2)= 0.566311 −
−0.00130451
1.56762= 0.567143
f(x3) = -1,96.10-7. Suatu bilangan yang sangat kecil.
Sehingga akar persamaan x = 0,567143.
Iterasi X f(x) f’(x)
0 0 -1 2
1 0.5 -0.106531 1.60653
2 0.566311 -0.00130451 1.56762
3 0.567143 -1.9648e-007 1.56714
8. RASION EMAS
Minimumkan fingsi berikut 𝑓(𝑥) = −𝑥(5𝜋 − 𝑥) pada selang (0,20) dan toleransi
α=1, hitung dengan menggunakan analisis rasio emas.
Penyelesaian:
𝑝 = 𝑏 −𝑏−𝑎
𝛾= 20 − (
20
1.618034) = 7.64
𝑞 = 𝑎 +𝑏−𝑎
𝛾= 0 − (
20
1.618034) = 12.36
Titik minimum berada pada x* = 7.90 → f(x*) = -61.68.
9. METODE STEEPEST ASCENT/DESCENT
Gunakan metode steepest ascent untuk aproksimasi solusi dari suatu fungsi,
max 𝑧 = −(𝑥1 − 3)2 − (𝑥2 − 2)2 dengan subjek terikat pada(𝑥1, 𝑥2) ∈ 𝑅2
Dengan titik awal v0 = (1,1)
Penyelesaian:
f (x1, x2) = [– 2(x1 – 3), – 2(x2 – 2)]
f (v0) = f(1,1) = (4,2)
Pilih t0 yang memaksimumkan
f(v0 + t0 f(v0) ) max f[(1,1)+t0(4,2)]
max f[1+4t0 , 1+2t0]
max 𝑧 = −(1 + 4𝑡0 − 3)2 − (1 + 2𝑡0 − 2)2
max 𝑧 = −(−2 + 4𝑡0)2 − (−1 + 2𝑡0)2
f ‘(t0)=0 - 2 (-2+4t0) 4 - 2 (-1+2t0) 2 = 0
20 – 40 t0 = 0
t0 = 0.5
v1 = [(1,1)+0.5(4,2)] = (3,2)
Karena f(3, 2) = (0,0) maka iterasi dihentikan
Karena f(x1, x2) adalah fungsi konkaf, maka (3,2) adalah solusi yang dicari.
Review Jurnal Optimasi
Pemanfaatan Limbah Kulit Biji Nyamplung untuk Bahan Bakar Briket
Bioarang sebagai Sumber Energi Alternatif
A. Dasar Teori
Tanaman nyamplung (Callophylum inaphylum) atau Bintagur merupakan
tanaman yang berkayu keras dengan tinggi mencapai 20 m dan diameter 0,8 m
yang dapat ditemukan di pesisir selatan Pulau Jawa pada ketinggian 0-200 m dari
permukaan laut. Biji nyamplung dapat dimanfaatkan sebagai bahan bakar dengan
diambil kandungan minyaknya, sedangkan kulitnya menjadi limbah bagi pabrik
pengolah minyak nyamplung (Samino, 2009). Menurut Uemura (2010), Biobriket
adalah bahan bakar padat dan terbuat dari sisa-sisa bahan organik yang telah
mengalami proses pemampatan dengan daya tekan tertentu.
Perekat adalah suatu bahan yang ditambahkan pada komposisi zat utama
untuk memperoleh sifat-sifat tertentu, misalnya kekentalan (viskositas), ketahanan
(stabilitas) dan sebagainya. Metode permukaan respon (response surface
methodology) merupakan sekumpulan teknik matematika dan statistika yang
berguna untuk menganalisis permasalahan dimana beberapa variabel independen
mempengaruhi variabel respon dan tujuan akhirnya adalah untuk mengoptimalkan
respon (Anjari, 2009).
B. Metode Optimasi
Metode yang digunakan adalah respons surface method atau metode
permukaan respon yang juga ditunjang dengan analisis diagram pareto untuk
menentukan kondisi optimum nilai kalor dan kondisi optimum % loss. Optimasi
dilakukan untuk memaksimumkan nilai kalor dan meminimumkan % loss dengan
menggunakan metode permukaan respon. Variabel terikatnya adalah nilai kalor
dan % loss sedangkan variabel bebasnya adalah konsentrasi perekat dan ukuran
partikel. Pertama-tama dilakukan percobaan dengan pengaruh variabel bebas
terhadap variabel terikat. Dari hasil percobaan tersebut kemudian dianalisa
dengan metode permukaan respon dengan bantuan program statistika 6.
Optimasi Proses dengan Metode RSM dalam Menentukan Nilai Kalor
Untuk menentukan kondisi optimum nilai kalor dihasilkan analisa hubungan
antara konsentrasi perekat (%) dan ukuran partikel (mesh) dari metode permukaan
respon, didapatkan model matematis yang sesuai untuk hubungan variabel dan
nilai kalor sebagai berikut:
𝒀 = 𝟔𝟐𝟏𝟕. 𝟏𝟎𝟗 + 𝟒. 𝟓𝟑𝟔𝟗𝟖𝟓 𝑿𝟏 − 𝟎. 𝟎𝟎𝟒𝟎 𝑿𝟏𝟐 − 𝟎. 𝟎𝟏𝟗𝟗 𝑿𝟐 − 𝟎. 𝟎𝟎𝟕𝟎𝟑 𝑿𝟐
𝟐 − 𝟎. 𝟗𝟎𝟒𝟓𝟗 𝑿𝟏𝑿𝟐 . . . (1)
Dimana: 𝑌 = nilai kalor (kal/gr)
𝑋1 = konsentrasi perekat (%)
𝑋2 = ukuran partikel (mesh)
Dari persamaan tersebut dapat disimpulkan bahwa yang paling
berpengaruh adalah konsentrasi perekat. Hal tersebut didukung dari hasil diagram
pareto seperti pada gambar dibawah ini,
Dari diagram pareto diatas dapat disimpulkan bahwa, hasil variabel brupa
konsentrasi perekat (L) dan ukuran partikel (L) berpengaruh terhadap nilai kalor.
Sedangkan variabel. Konsentrasi perekat dan ukran parikel dalam model kuadrat
(Q) tidak berpengaruh terhadap nilai kalor sehingga kinerja dari suatu variabel
tidak dipengaruhi oleh variabel yang lain. Pada variabel jenis perekat yang
optimum yaitu tapioka digunakan sebagai acuan untuk mendapatkan dua variabel
optimum lainnya pada program RSM. Berikut adalah gambar grafik dari program
RSM Fitted surface yang menunjukkan hubungan antar variabel optimum:
Gambar grafik diatas adalah grafik optimasi tiga dimensi untuk
memprediksi nilai kalor. Dari persamaan (1) dengan nilai X1 = 16.16355 dan X2 =
27.49270 didapatkan Y optimal = 6708.735 kal/gar. Nilai tersebut mendekati nilai
optimum hasil prediksi = 6694.217. Dengan demikian apabila dilakukan percobaan
dengan X1 = 16.16355 dan X2 = 27.49270, maka akan didapatkan nilai kalor
optimumnya.
Optimasi Proses dengan Metode RSM dalam Menentukan % Loss
Untuk menentukan kondisi optimum % loss dihasilkan analisa hubungan
antara konsentrasi perekat (%) dan ukuran partikel (mesh) dari metode permukaan
respon, didapatkan model matematis yang sesuai untuk hubungan variabel dan
% loss sebagai berikut:
𝒀 = 𝟓. 𝟕𝟓𝟏𝟕𝟑 − 𝟑. 𝟗𝟒𝟒𝟒𝟐𝟒 𝑿𝟏 + 𝟎. 𝟎𝟏𝟑𝟑𝟑𝟓 𝑿𝟏𝟐 − 𝟎. 𝟎𝟓𝟒𝟐𝟐 𝑿𝟐 − 𝟎. 𝟎𝟓𝟖𝟒𝟐 𝑿𝟐
𝟐 − 𝟎. 𝟑𝟕𝟑𝟖𝟐𝟖 𝑿𝟏𝑿𝟐 . . .
(2)
Dimana: 𝑌 = % loss
𝑋1 = konsentrasi perekat (%)
𝑋2 = ukuran partikel (mesh)
Dari persamaan tersebut dapat disimpulkan bahwa yang paling
berpengaruh adalah ukuran partikel. Hal tersebut didukung dari hasil diagram
pareto seperti pada gambar dibawah ini,
Dari diagram pareto diatas dapat disimpulkan bahwa, hasil variabel berupa
konsentrasi perekat (L) dan ukuran partikel (L) berpengaruh terhadap % loss.
Sedangkan variabel konsentrasi perekat dan ukuran partikel dalam model kuadrat
(Q) tidak berpengaruh tehadap hasil percobaan. Selain itu interaksi antar variabel
tidak berpengaruh terhadap % loss, sehingga kinerja dari suatu variabel tidak
dipengaruhi oleh variabel lain. Pada variabel jenis perekat yang optimum yaitu
tapioka digunakan sebagai acuan untuk mendapatkan dua variabel optimum
lainnya pada program RSM. Berikut adalah gambar grafik dari program RSM Fitted
surface yang menunjukkan hubungan antar variabel optimum:
Gambar grafik diatas adalah grafik optimasi tiga dimensi untuk
memprediksi % loss. Dari persamaan (2) dengan nilai X1 = 18.60055 dan X2 =
9.02128 didapatkan Y optimal = 6.512851 kal/gar. Nilai tersebut mendekati nilai
optimum hasil prediksi = 6.672269. Dengan demikian apabila dilakukan percobaan
dengan X1 = 18.60055 dan X2 = 9.02128, maka akan didapatkan nilai % loss
optimumnya.
C. Hasil dan Pembahasan
a. Pemilihan Jenis Perekat dan Pengaruh Jenis Perekat terhadap Nilai
Kalor, Stability, dan Shatter Index Briket Bioarang.
Jenis bahan perekat mempunyai pengaruh yang sangat signifikan
terhadap nilai kalor yang dimiliki oleh briket. Jenis perekat tepung terigu
mempunyai nilai kalor yang paling tinggi dibandingkan dengan jenis perekat
lain yaitu sebesar 6615,142 kal/gr. Hal ini disebabkan kadar karbon pada
tepung terigu lebih besar dari kadar karbon pada tepung tapioka. Karena
kadar karbon mempengaruhi nilai kalor yang dimana semakin tinggi kadar
karbon, nilai kalor akan semakin besar.
Jenis perekat yang memiliki stability dan shatter index (uji terhadap
benturan) paling baik adalah silikat karena dapat menjaga ukuran briket dan
ketahanan briket terhadap benturan. Namun memiliki nilai kalor yang paling
rendah. Tepung tapioka adalah jenis perekat yang paling memenuhi kualitas,
karena mempunyai nilai kalor paling tinggi yaitu 6541,257 kal/gr, shatter
index terendah yaitu 0,83 %, dan bahan baku tepung tapioka merupakan
bahan baku termurah diantara yang lain dan melimpah di Indonesia.
b. Pengaruh Konsentrasi Perekat dan Ukuran Partikel terhadap Nilai Kalor
Dari pengaruh konsentrasi ini apabila konsentrasi semakin besar
untuk perekat tersebut dengan ukuran mesh yang sama menghasilkan nilai
kalor yang relatif semakin tinggi. Hal ini dikarenakn oleh nilai kalor yang
merupakan besarnya panas yang diperoleh dari pembakaran suatu bahan
bakar dalam jumlah tertentu. Nilai kalor tertinggi didapatkan dari konsentrasi
perekat 17.66 % wt dengan ukuran partikel 20 mesh sehingga didapatkan
nilai kalor 6772.582 kal/gr. Pengujian ini dengan menggunakan tepung
tapioka sebagai perekat. Dari hasil pengamatan apabila menggunakan
perbandingan konsentrasi perekat yang sama maka nilai kalor yang tertinggi
didapatkan dari ukuran partikel terkecil, hal tersebut ada hubungannya
dengan kerapatan brilet tersebut. Karena semakin kecil ukuran partikel
mengakibatkan meningkatnya kerapatan briket yang membuat air yang ada
pada proses tersebut terjebak di dalam sehingga menyebabkan sulit untuk
keluar disaat pengeringan briket. Maka yang menyebabkan turunnya nilai
kalor pada briket tersebut ialah kadar air yang ada pada dalam briket.
c. Pengaruh % Perekat dan Ukuran Partikel terhadap Ketahanan Briket
(Shatter Index)
Banyaknya % perekat dan ukuran partikel sangat mempengaruhi
terhadap kualitas dan ketahanan briket. Pengujian ini dilakukan untuk
menguji seberapa kuatnya briket bioarang dari kulit biji nyamplung yang
dihasilkan. Setelah kita mengetahui berapa % partikel yang hilang, kita dapat
mengetahui berapa kekuatan briket terhadap benturan. Jika partikel yang
hilang terlalu banyak hal ini menyebabkan bahwa briket yang dibuat tidak
tahan terhadap benturan dengan kata lain mudah untuk rapuh.
Hasil pengujian menunjukan bahwa briket dengan konsentrasi
perekat 6,34 % dan ukuran partikel 20 mesh adalah briket yang paling
mudah rapuh. Briket tersebut telah kehilangan perekat sebesar 33,56 %.
Briket paling kuat diperoleh dari variabel yang konsentrasi perekatnya
sebanyak 16 % dengan ukuran partikel 40 mesh karena briket tersebut
hanya kehilangan partikel sebanyak 0,83 %. Hal ini diketahui bahwa semakin
banyak konsentrasi perekat dengan ukuran mesh yang sama makan akan
menghasilkan daya tahan yang semakin kuat terhadap benturan. Dan jika
ukuran partikel yang lebih kecil akan menghasilkan rongga yang lebih kecil
pula sehingga kerapatan partikel briket akan semakin besar dan kualitas
briket semakin bagus karena tidak mudah untuk rapuh.
d. Pengaruh Konsentrasi Perekat dan Ukuran Partikel terhadap Stabilitas
Briket (Stability)
Pengujian stability dilakukan untuk mengetahui perubahan bentuk
dan ukuran dari briket sampai briket mempunyai ketetepan ukuran dan
bentuk (stabil). Bahwa briket dengan konsentrasi perekat 6,34 % pada
ukuran 20 mesh menghasilkan stability yang paling jelek karena mengalami
penurunan tinggi sebesar 1 cm pada hari ke-4 namun setelah itu konstan
sedangkan briket dengan konsentrasi perekat 16 % pada ukuran 40 mesh
dan 17,66 % pada ukuran 20 mesh menghasilkan stability yang paling baik
karena tidak mengalami penurunan tinggi. Bila dilihat dari diameternya,
briket pada semua variabel tidak mengalami perubahan dari hari ke hari. Hal
ini menunjukkan bahwa briket yang dihasilkan telah mengalami kestabilan
diameter. Kestabilan ukuran terjadi dikarenakan ikatan antara partikel yang
satu dengan yang lainnya sudah kuat dan mantap akibat dari proses
pengkompaksian yang diberikan.
D. Kesimpulan
Jenis perekat terbaik yaitu tepung tapioka, karena mempunyai kalor tinggi,
shalter index dan stability yang optimal. Semakin besar % konsentrasi perekat
yang digunakan maka didapatkan nilai kalor yang tinggi dan ketahanan briket yang
terbaik. Ukuran mesh yang semakin besar membuat shatter index dan kestabilan
ukuran semakin baik. Dengan menggunakan metode permukaan respon didapat
nilai variabel yang sesuai untuk menghasilkan nilai kalor dn shatter index yang
optimum adalah 16.16% - 18.60% perekat dan ukuran partikel 19.02 – 27.49 mesh
dengan nilai prediksi kalor 6694.217 kal/gr dan 6.67 % loss.
Sumber Jurnal:
Budiarto, A. 2012. Pemanfaatan Limbah Kulit Biji Nyamplung untuk Bahan
Bakar Briket Bioarang sebagai Sumber Energi Alternatif. Jurnal
Teknologi Kimia dan Industri Vol. 1. No 1. Hal. 165-174. Semarang.