Anda di halaman 1dari 20

Laporan Tugas Kelompok

09

Kimia Komputasi 2015/2016

Anggota Kelompok:
1. Dwinda Widi R.P – 1306396460
2. Francis N. A – 1306365915
3. Haris Nurhidayat – 1306404336
4. Randy Chandra – 1306409961
5. Recilia M. G –1306365871
6. Wiwit Kurniati – 1306396662
Halaman Pernyataan Orisinalitas

Laporan ini adalah hasil kerja Kelompok 09 dan tidak ada bagian dari laporan yang merupakan
hasil salinan (copy) dari kelompok atau sumber lain. Seluruh data yang dituliskan dalam laporan
ini tanpa rekayasa dan dapat dipertanggungjawabkan kebenarannya. Jika kelompok kami
terbukti melakukan kecurangan yang tidak semestinya kami lakukan, kami siap menerima
konsekuensi yang telah diatur sebelumnya pada aturan perkuliahan Kimia Komputasi Semester
Genap 2015/2016.
Daftar Isi

HalamanPernyataanOrisinalitas ................................................................................................. 2

Daftar Isi .................................................................................................................................... 3

BAB I Pendahuluan ................................................................................................................... 4

1.1 LatarBelakang ................................................................................................................... 4

1.2 LandasanTeori .................................................................................................................. 4

BAB 2Isi .................................................................................................................................... 5

2.1 HasilEksperimen ............................................................................................................... 5

2.2 Analisis ............................................................................................................................. 5

2.21 Analisis Teknis ............................................................................................................ 5

2.22 AnalisisHasil ............................................................................................................... 5

Bab3Penutup .............................................................................................................................. 6

3.1 Kesimpulan ....................................................................................................................... 6

3.2 LogDiskusi ........................................................................................................................ 6

3.3 PembagianKerja ................................................................................................................ 6

DaftarPustaka ............................................................................................................................. 7

Lampiran .................................................................................................................................... 8
BAB I
PENDAHULUAN

1.1 Latar Belakang


Hidrogen merupakan salah satu gas yang menjadi pembawa energy paling bersih, dan
mampu memitigasi emisi gas rumah kaca. Hydrogen dapat diperoleh dari fosil, hidrokarbon,
batubara, air, substrat organic.
Produksi Hidrogen dapat dilakukan dengan DF (darkfermentation) atau PF
(photofermentation). Dengan metode DF hydrogen yang dihasilkan rasio tinggi, dengan
proses sederhana, berbeda dengan PF yang juga bergantung cahaya, DF tidak. DF dapat
menggunakan berbagai macam substrat.
Menggunakan metode hypertermophylicbacterialfermentation memiliki beberapa
keunggulan, yaitu: (i) meningkatkan hidrolisis substrat, (ii) mempersingkat waktu fermentasi,
(iii) meminimalisir kontaminasi dan meningkatkan efisiensi proses dengan menggunakan
berbagai macam limbah, dan, (iv)memproduksi produk sampingan yang bersih (H2, CO2,
asam asetat, asam laktat dan alanine). Peneliti menggunakan Thermotogales murni untuk
menghasilkan hydrogen dan memiliki 4 mol hydrogen dalam glukosa, yang adalah nilai
maksimum produksi hydrogen dengan DF. Dari semua Thermotogales, yang paling sering
digunakan adalah Thermotoganeapolitana.
Dalam membuat model kinetic, digunakan ADM1 yang diaplikasikan menjadi model
DF. ADM1 merupakan model kinetic yang digunakan untuk memodelkan proses anaerob
secara detil. ADM1 didasarkan pada persamaan Monod. Sedangkan ADM1 yang
diaplikasikan dalam DF diestimasikan menggunakan persamaan Monod atau Michaelis-
Menten.
Studi ini bertujuan untuk mengembangkan model kinetic untuk produksi
fermentativehydrogen dari bakteri murni T.neapolitana dengan kondisi DF. Karena itu tes
fermentasi dilakukan untuk mengestimasi parameter kinetic fermentasi T.neapolitana, yang
kemudian prosesnya dimodelkan secara matematis.

1.2 Landasan Teori


a) MATLAB
MATLAB (Matrix Laboratory) adalah sebuah program untuk analisis dan
komputasi numerik dan merupakan suatu bahasa pemrograman matematika lanjutan yang
dibentuk dengan dasar pemikiran menggunkan sifat dan bentuk matriks. MATLAB
merupakan merksoftware yang dikembangkan oleh Mathworks.Inc.(lihat
http://www.mathworks.com) merupakan software yang paling efisien untuk perhitungan
numeric berbasis matriks. Dengan demikian jika di dalam perhitungan kita dapat 2 Judul
Buku menformulasikan masalah ke dalam format matriks maka MATLAB merupakan
software terbaik untuk penyelesaian numericnya.
MATLAB (MATrixLABoratory) yang merupakan bahasa pemrograman tingkat
tinggi berbasis pada matriks sering digunakan untuk teknik komputasi numerik, yang
digunakan untuk menyelesaikan masalah-masalah yang melibatkan operasi matematika
elemen, matrik, optimasi, aproksimasi dll. Sehingga Matlab banyak digunakan pada :
•Matematika dan Komputansi
•Pengembangan dan Algoritma
•Pemrograman modeling, simulasi, dan pembuatan prototipe
•Analisa Data , eksplorasi dan visualisasi
•Analisis numerik dan statistik
•Pengembangan aplikasi teknik

b) SPSS
SPSS pertama kali dikembangkan sekitar tahun 1968 oleh Norman H. Nie, C.
Hadlay dan Dale Bent dari StanfordUniversity. Pada tahun 1984 dikeluarkan SPSS untuk
PC sedangkan untuk versi windows pada tahun 1992.
SPSS awalnya merupakan singkatan dari StatisticalPackagefortheSocialScience,
sejalan dengan berkembangnya SPSS itu sendiri sekarang SPSS mempunyai kepanjangan
StatisticalProductand Service Solutions. SPSS merupakan suatu program komputer
statistik yang mampu mengolah/ memproses data statistik secara cepat dan tepat, untuk
mendapatkan berbagai hasil/ output yang dikehendaki para pengambil keputusan.
SPSS merupakan sebuah program komputer statistik yang berfungi untuk
membantu dalam memproses data-data statistik secara tepat dan cepat, serta menghasilkan
berbagai output yang dikehendaki oleh para pengambil keputusan. Statistik dapat diartikan
sebagai suatu kegiatan yang bertujuan untuk mengumpulkan data, meringkas atau
menyajikan data kemudian menganalisis data dengan menggunakan metode tertentu, dan
menginterpretasikan hasil dari analisis tersebut. Ilmu statistik ini dapat ditemui di berbagai
disiplin ilmu seperti ekonomi, jurnalistik, psikologi, dan lain-lain. Sebagai contoh, dalam
bidang ilmu manajemen ilmu statistik ini berfungsi untuk membantu dalam pengambilan
keputusan atas suatu masalah tertentu. Dalam penghitungan statistik, alat yang sering
digunakan adalah olah data SPSS.
Program olah data SPSS ini telah digunakan di berbagai bidang persoalan seperti
riset pasar, pengendalian dan perbaikan mutu, serta riset-riset sains. Program SPSS ini
sangat populer karena sering kali dijadikan sebagai alat untuk mempermudah proses
pengolahan data. Sampai saat ini, program SPSS masih tetap dipakai dalam berbagai
bidang seperti ilmu keuangan, telekomunikasi, retail, farmasi, militer, broadcasting, riset
pemasaran, databasemarketing, penilaian kredit, peramalan bisnis, penilaian kepuasan
konsumen, dan lain sebagainya. Program olah data SPSS ini sangat membantu dalam
proses pengolahan data, sehingga hasil olah data yang dicapai juga dapat
dipertanggungjawabkan dan terpercaya.

c) Model Persamaan Monod dan MichaelisMenten

Model Persamaan Monod &MichaelisMenten


- Monod:

Dengan S = konsentrasi substrat


μ = koefisien kenaikan spesifik rate
μmax = kenaikan rate spesifik maksimum
Ks = koefisien spesifik dari hilangnya substrat
- Michaelis-Menten:
Dengan Vinit = volume awal
Vmax = volume maksimum
KM = konstanta Michaelis-Menten
[S] = konsentrasi substrat
BAB II
ISI

2.1 Metodologi Penelitian

Material dan Metode


a) BacterialStrain dan Komposisi Media
T. neapolitana (DSMZ 4359T) dibeli dari Deutsche
SammlungvonmikroorganismenundZellkulturen (Braunschweig, Jerman).Bakteri
ditumbuhkan secara anaerob menurut d'Ippolito dan Dipasquale dalam versi modifikasi
dari media kultur ATCC 1977.

Medium kultur ini mengandung (g / L):


NaCl 10,0; KCl 0,1 ;MgCl2.6H2O 0,2 ; NH4Cl 1,0; K2HPO4 0,3; CaCl2.2H2O 0,1; sistein-
HCl 1,0; ekstrak ragi 2,0; tryptone 2.0; glukosa5.0; resazurin (indikator redoks) 0,001; 10
ml / L dari kedua filtersterilized vitamin dan pelarut traceelement (media DSM141) dalam
1 L suling H2O.

Mathematical modeling
a) Estimasi Parameter Kinetik
Korelasi antara tingkat penyerapan spesifik substrat konsumsi dan konsentrasi substrat
diberikan melalui kinetika MichaeliseMenten. Persamaan 5 digunakan ketika konsentrasi
substrat tunggal (S) dapat membatasi laju degradasi dan akumulasi pertumbuhan senyawa
inhibitor diabaikan. Metode non-linear leastsquare diaplikasikan pada persamaan kinetika
MichaeliseMenten untuk menghitung parameter kinetik.
Persamaan kinetika Untuk Simulasi dari data eksperimen berdasaskan model ADM1
Tahapan Perhitungan :

Menghitung pH inhibisi
IpH= factor inhibisi
pHLL = pH Lower Limit
pHUL = pH Upper Limit

Menghitung konsumsi substrat


k = Laju spesifik maksimum (T-1)
ks = semi-saturationconstant (ML-3)
Si = SAc, SLac, SH2, SCO2
Ac= Asam Asetat (ML-3)
Lac = Asam Laktat (ML-3)
CO2 = Karbon diokasida (ML-3)
X = konsentrasi Biomass(ML-3)
Y = Koefisien Yield Biomass
Kd = Laju Peluruhan Endogen(T-1)

Pembentukan Produk
fi = fac, flac,fH2, fCO2 = Koefesien stoikiometri produk

2.2 Hasil Eksperimen


Hasil product formation dari setiap substrat dengan retang waktu tertentu. Hasil yang pertama
dilakukan pada pH 6.5 untuk Sac, Slac, SH2 adalah sebagai berikut: Data Sac untuk t sekian tidak
ditampilkan semua tetapi jumlahnya diberikan: row t dan Sac: 169. Data Slac untuk t sekian: row t
dan Slac: 81. Data SH2 untuk t sekian: row t dan SH2: 473.

ta Sac tb Slac Tc SSH2


0 5 0 5 0 5.00E+00
0.352288 5.211729 0.91696 5.563848 0.196768 5.20E+00
0.704576 5.801861 1.83392 7.121042 0.393535 5.80E+00
1.056864 6.753661 2.750881 9.727553 0.590303 6.81E+00
1.409152 8.118184 3.667841 13.78268 0.78707 8.37E+00
47.42313 2.78E+21 4.584801 20.06249 0.983838 1.07E+01
47.61542 3.43E+21 47.49754 6.55E+10 47.91545 2.26E+60
47.80771 4.24E+21 47.74877 7.49E+10 47.95773 2.57E+60
48 5.23E+21 48 8.56E+10 48 2.93E+60

Hasil yang dilakukan pada pH 7: Data Sac untuk t sekian tidak ditampilkan semua tetapi
jumlahnya diberikan: row t dan Sac: 217. Data Slac untuk t sekian: row t dan Slac: 105. Data SH 2
untuk t sekian: row t dan SH2: 605
ta Sac tb Slac Tc SH2
0 5.00E+00 0 5 0 5
0.309441 5.21E+00 0.833682 5.626931 0.176293 5.212615
0.618881 5.82E+00 1.667364 7.398674 0.352587 5.839277
0.928322 6.82E+00 2.501047 10.50551 0.52888 6.932562
1.237763 8.27E+00 3.334729 15.60951 0.705174 8.63751
1.547203 1.03E+01 3.973778 21.61387 0.881467 11.21939
4.78E+01 4.32E+27 47.8677 6.68E+13 47.86084 2.21E+77
4.79E+01 4.86E+27 47.93385 6.99E+13 47.93042 2.91E+77
4.80E+01 5.48E+27 48 7.32E+13 48 3.85E+77

Hasil yang dilakukan pada pH 7.5: Data Sac untuk t sekian tidak ditampilkan semua tetapi
jumlahnya diberikan: row t dan Sac: 169. Data Slac untuk t sekian: row t dan Slac: 81. Data SH 2
untuk t sekian: row t dan SH2: 473
ta Sac tb Slac tc SH2
0 5 0 5 0 5
0.352288 5.211729 0.91696 5.563848 0.196768 5.203202
0.704576 5.801861 1.83392 7.121042 0.393535 5.796678
1.056864 6.753661 2.750881 9.727553 0.590303 6.81492
1.409152 8.118184 3.667841 13.78268 0.78707 8.370668
1.76144 10.00969 4.584801 20.06249 0.983838 10.67097
47.61542 3.43E+21 47.49754 6.55E+10 47.91545 2.26E+60
47.80771 4.24E+21 47.74877 7.49E+10 47.95773 2.57E+60
48 5.23E+21 48 8.56E+10 48 2.93E+60

2.2 Analisis
Data yang telah diperoleh langsung dilakukan analisis baik secara teknis kerja maupun secara
hasil yang diperoleh.

2.2.1 Analisis Teknis


A. PERANGKAT
Perangkat yang digunakan sebagai berikut: untuk perangkat keras digunakan laptop ASUS
NOTEBOOK SE OS WINDOWS 10th. Untuk perangkat lunak yang digunakan adalah MATLAB
R2015a, IBM SPSS STATISTIC 20.

B. ALGORITMA
Langkah yang pertama dilakukan adalah melakukan eksplorasi jurnal untuk mendapatkan info
yang dibutuhkan. Data yang diperoleh bisa memenuhi atau tidak memenuhi. Apabila memenuhi
maka bisa langsung dilakukan perumusan pada program matlab, tetapi jurnal kelompok kami
tidak memenuhi, maka perlu dilakukan pencarian data dari sumber jurnal lain. Setelah didapatkan
data dari sumber yang lebih lengkap perlu dilakukan perumusan pada MATLAB dengan metode
monod. Data yang telah diperoleh dari jurnal dilakukan penginputan ke dalam MATLAB. Jika
terdapat error setelah input data, perlu direvisi ulang rumusan MATLAB sampai berhasil. Input
data yang berhasil akan memberikan output dari MATLAB. Output yang didapatkan telah
memberikan matriks yang sesuai untuk dilakukan input pada program SPSS. Setelah input ke
dalam SPSS selesai, maka akan didapatkan output berupa regresi. Jika Regresi yang didapatkan
baik, akan di analisis lebih lanjut apakah regresi tersebut merupakan fungsi eksponensial atau
fungsi linier. Apabila pada kondisi lain regresi yang didapatkan tidak baik, perlu dilakukan
pembuatan kurva untuk mencari product formation (dSi/dt) pada titik tertinggi (Si max) dan
dibandingkan masing-masing laju product formation (dSi/dt) dari setiap produk yang spesifik
yaitu Acetate, lactate, H2 dengan berbagai kondisi pH. Untuk regresi fungsi eksponensial yang
menunjukkan (𝑦 = 𝑐. 𝑒 𝑏𝑥 ) perlu dibuat kurva linear yaitu log y = bx + log c. dari persamaan
tersebut didapatkan nilai b yang merupakan laju product formation (dSi/dt) dan dibandingkan
masing-masing laju product formation (dSi/dt) dari setiap produk yang spesifik yaitu Acetate,
lactate, H2 dengan berbagai kondisi pH. Langkah terakhir adalah melakukan uji hipotesis dengan
mengasumsikan pH optimum adalah 7,5

C. STRUKTUR DATA
Struktur Data
Matlab

Untuk pH 6.5
SacSlac SH2
Untuk pH 7
Sac Slac SH2

Untuk pH 7.5
SacSlac S H2
SPSS
Variabel terikat : S (Konsentrasi Substrat)
Variabel bebas : t (waktu)

Untuk pH 6.5

Sac SH2 Slac

Untuk pH 7

Sac SLac SH2


Untuk pH 7
Sac Slac SH2

2.2.2 Analisis Hasil

Setelah persamaan pada MATLAB ditentukan dan dilakukan input-output data, didapatkan tabel S
terhadap t. Data tersebut dimasukkan dalam SPSS untuk mencari persamaan linear. Nilai r square
yang didapatkan sangat rendah, sehingga perlu penentuan persamaan yang lain. Hasil yang
didapatkan untuk garis linear berbagai pH diberikan sebagai berikut: pH 6.5  Sac (r2=0.127),
SH2 (r2=0.053), Slac (r2=0.267). Untuk pH 7  Sac (r2=0.113), Slac (r2=0.233), SH2 (r2=0.033).
Untuk pH 7.5 Sac (r2= 0.127), Slac (r2=0.267), SH2 (r2=0.053).
Penentuan persamaan garis yang sesuai menggunakan software SPSS dengan memilih regresi
persamaan bentuk kurva. Dipilih macam garis linear, logaritma, kuadratik, kubik, dan
eksponensial. Didapatkan sebagai berikut:
Didapatkan bahwa nilai R square tertinggi adalah grafik eksponensial, maka digunakan persamaan
eksponensial yaitu y = c*e^(b*x). Pada hasil penelitian didapati data eksponensial sebagai berikut:
pH 6,5
Sac / ta  y = 0.5035e1.045x R² = 0.999
Slac / tb  y = 1.5882e0.5099x R² = 0.999
Sh2 / tc  y = 0.0051e2.9818x R² = 0.9992
pH 7,0
Sac / ta  y = 0.2451e1.3463x R² = 0.9991
Slac / tb  y = 1.1041e0.6571x R² = 0.9991
Sh2 / tc  y = 0.0007e3.8371x R² = 0.9992
pH 7,5
Sac / ta  y = 0.5035e1.045x R² = 0.999
Slac / ta  y = 1.5882e0.5099x R² = 0.999
Sh2 / tc  y = 0.0051e2.9818x R² = 0.9992
Kemudian untuk mencari nilai perbandingan dSi/dt untuk asetat, alanin, dan H2 terhadap variasi
pH, dianalisis dari data di atas. Persamaan y = c*e^(b*x) dapat diturunkan menjadi log y = b*x +
log c. Sehingga dilakukan pencarian persamaan grafik log Si vs t. Didapati nilai:

Dark Fermentation Linear pada pH 6,5


70
y = 1.295x - 2.2907
60
R² = 0.9992
50 Sac/ta
40 Slac/tb
log Si

30 y = 0.4538x - 0.298 Sh2/tc


R² = 0.999
20 Linear (Sac/ta)
Linear (Slac/tb)
10
y = 0.2215x + 0.2009
Linear (Sh2/tc)
0 R² = 0.999
0 10 20 30 40 50 60
-10
t

Dark Fermentation pada pH 7,0


90
80 y = 1.6664x - 3.171
70 R² = 0.9992

60 Sac/ta

50 Slac/tb
log Si

40 y = 0.5847x - 0.6106 Sh2/tc


R² = 0.9991
30 Linear (Sac/ta)
20 Linear (Slac/tb)
10 y = 0.2854x + 0.043 Linear (Sh2/tc)
0 R² = 0.9991
-10 0 10 20 30 40 50 60
t

Didapati bahwa
Dark Fermentation pada pH 7,5
70

60
y = 1.295x - 2.2907
50 R² = 0.9992 Sac/ta
40 Slac/tb
log Si

30 y = 0.4538x - 0.298 Sh2/tc


R² = 0.999
20 Linear (Sac/ta)
Linear (Slac/tb)
10
y = 0.2215x + 0.2009 Linear (Sh2/tc)
0 R² = 0.999
0 10 20 30 40 50 60
-10
t

BAB III
PENUTUP

3.1 Kesimpulan

3.2 Log Diskusi

Diskusi 1

Hari / Tanggal : Senin, 15 April 2016

Tempat : Landas Kimia

Waktu : 13.00 WIB

Agenda Diskusi : Deskripsi awal dan penjabaran hasil pemahaman masing-


masing anggota kelompok

Capaian Diskusi : Pemahaman mengenai sumber yang digunakan

Diskusi 2

Hari / Tanggal : Senin, 16 April 2016


Tempat : Landas Kimia

Waktu : 16.00 WIB

Agenda Diskusi : Diskusi dan Penelaahan kembali mengenai metode komputasi yang
digunakan serta pemilihannya

Capaian Diskusi : Memperoleh metode analisis yang sesuai untuk data yang tersedia

3.3 Pembagian Kerja

No Nama Tugas Presentase

1 Dwinda Widi Abstrak, Pendahuluan Materi 16,67%

2 Francis N. A Analisis Data 16,67%

3 Haris Nurhidayat Analisis Hasil 16,67%

4 Randy Chandra Analisis teknik 16,67%

5 Recilia M. G Pendahuluan Materi, Kesimpulan 16,67%

6 Wiwit Kurniati Metodologi Penelitian, Eksperimen 16,67%


Daftar Pustaka

Anda mungkin juga menyukai