Penerapan Kombinasi Pemodelan-Optimasi Response Surface Method- Genetic Algorithm (RSM-GA) Dalam Mengoptimalkan Hasil Transesterifikasi Minyak Kelapa Sawit (Elaeis guineensis) Menjadi Biodiesel
| Main Author: | Luthfi, MuhammadZulfikar |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2015
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/150241/1/Halaman_awal_dan_Lembar_Pengesahan.pdf http://repository.ub.ac.id/150241/2/laporan_Skripsi.pdf http://repository.ub.ac.id/150241/ |
Daftar Isi:
- Pengembangan penelitian biodiesel sekarang ini lebih banyak pada perlakuan treatment transesterifikasi. Salah satunya adalah penelitian Sholikah (2010) yang melakukan penelitian menggunakan gelombang ultrasonik pada treatment transesterfikasi minyak sawit menjadi metil ester. Penelitian ini masih dalam tahap eksperimen skala laboratorium dan belum dilakukan penelitian tahap lanjut untuk optimasi menggunakan metode pemodelan statistika maupun matematis. Salah satu metode pemodelan-optimasi yang dapat dilakukan adalah kombinasi Response Surface Method-Genetic Algorithm (RSM-GA). Penelitian ini bertujuan untuk mengoptimalkan hasil transesterifikasi dengan algoritma genetika, mengetahui parameter genetika yang tepat dalam mengoptimasi hasil transesterifikasi, dan mengetahui kualitas solusi yang dihasilkan algoritma genetika. Penelitian ini menggunakan data sekunder yang didapat dari penelitian sholikhah (2010). Penelitian ini akan memodelkan dan mengoptimasi variabel bebas (waktu transesterfikasi dan volume minyak sawit) untuk satu variabel terikat yaitu metil ester dengan metode RSM-GA. Optimasi menggunakan algoritma genetika ini menggunakan teknik crossover satu titik, dan mutasi dengan proses seleksi elitisme. Ukuran populasi yang digunakan 40 – 120 dengan kelipatan 20. Probabilitas crossover dan Probabilitas mutasi yang digunakan adalah 0,3-0,7. Penelitian ini terdapat 28 kromosom sebagai data untuk waktu transesterifikasi dan volume minyak sawit yang direpresentasikan menggunakan representasi biner. Pemodelan RSM didapatkan nilai R2 sebesar 0,9421. Pada optimasi algoritma didapatkan nilai fitness optimal sebesar 125,6382 mL. Solusi optimal ini didapatkan pada parameter genetika ukuran populasi sebanyak 60, kombinasi probabilitas crossover dan probabilitas mutasi adalah 0,5 dan 0,6 dengan Kecepatan konvergensi sebanyak 10 kali