sample 3 Diketahui:
Zeolit
Relativ N2Gas Relati N2Gas P / P0 1 c 1
( P / P0 ) ( P / P0 )
e adsorb ve adsorb V (1 P / P0 ) cVm cVm
Pressur ed Pressu ed
𝑐−1 1
e P/Po Vgas re Vgas 𝑚= 𝑏=
(cc/g) P/Po (cc/g) 𝑐𝑉𝑚 𝑐𝑉𝑚
STP STP 𝑃 𝑃⁄𝑃0
0.97 29.594 0.45 14.019 𝑥= 𝑦=
𝑃0 𝑉(1 − 𝑃⁄𝑃𝑜 )
0.93 22.579 0.41 13.677
0.89 20.536 0.37 13.362 Ditanya:
0.85 19.387 0.33 13.055
Plot antara Relative Pressure (P/Po) dengan volume
0.81 18.557 0.29 12.760 N2 Gas adsorbed Vgas(cc/g) STP. Bagaimanakah pola
0.77 17.906 0.25 12.466 kurva yang terbentuk, linier, melengkung atau ada
0.73 17.315 0.21 12.162 kecenderungan linier?? Apakah titik-titik data cenderung
0.69 16.757 0.17 11.836 membentuk suatu hubungan.
0.65 16.219 0.13 11.463 Data-data dapat dilinearisasi sesuai dengan
0.61 15.707 0.09 11.007 persamaan isothermal BET yakni ,
0.57 15.229 0.05 10.368
P / P0 1 c 1
0.53 14.797 0.01 9.077 ( P / P0 ) ( P / P0 )
0.49 14.391 0 0 V (1 P / P0 ) cVm cVm
P / P0
dengan membuat harga Y = V (1 P / P0 ) dan harga X= P/Po, dapatkah anda = memperoleh
data-data pola kurva yang cenderung membentuk grs lurus/linier setelah diplot.
Dengan materi komputasi numerik khususnya metode Regresi Linear, Tunjukkan
persamaan yang bisa anda peroleh.
Tentukan konstanta persamaan adsorpsi isotermis BET yakni Vm dan c dengan metode
eliminasi
Berdasarkan persamaan diatas, hitunglah Volume gas hasil perhitungan persamaan BET.
Buatlah plot antara Volume (N2Gas adsorbed Vgas) gas hasil Perhitungan dengan Volume
gas data-data dari pengukuran Uji adsorpsi BET.
Jawab:
X Y
0.97 29.594
0.93 22.579
0.89 20.536
0.85 19.387
0.81 18.558
0.77 17.906
0.73 17.315
0.69 16.757
0.65 16.219
0.61 15.707
0.57 15.229
0.53 14.797
0.49 14.391
0.45 14.019
0.41 13.667
0.37 13.362
0.33 13.055
0.29 12.76
0.25 12.466
0.21 12.162
0.17 11.836
0.13 11.463
0.09 11.007
0.05 10.368
0.01 9.077
0 0
30 y = -0.6194x + 23.14
25
20
V
15
10
0
0.65
0.97
0.93
0.89
0.85
0.81
0.77
0.73
0.69
0.61
0.57
0.53
0.49
0.45
0.41
0.37
0.33
0.29
0.25
0.21
0.17
0.13
0.09
0.05
0.01
0
P/P0
Berikut ini merupakan tabel regresi linier dari data di atas:
X Y X^2 y^2 XY Tabel tersebut dibuat untuk
0.97 1.092564 0.9409 1.193696 1.059787 mempermudah perhitungan mencari
0.93 0.58841 0.8649 0.346227 0.547222 persamaan garis dengan menggunakan
0.89 0.393987 0.7921 0.155225 0.350648 metode Least Square secara manual
𝑃⁄
0.85 0.292292 0.7225 0.085435 0.248448 𝑃
dengan x = P/P0 dan 𝑦 = 𝑉(1−𝑃0
0.81 0.229721 0.6561 0.052772 0.186074 ⁄𝑃 )
0
0.77 0.186967 0.5929 0.034957 0.143964
Dengan menggunakan Ms. Excel,
0.73 0.156148 0.5329 0.024382 0.113988
maka diperoleh persamaan garisnya:
0.69 0.132828 0.4761 0.017643 0.091652
0.65 0.114504 0.4225 0.013111 0.074428 y = -0.0222x + 0.4474
0.61 0.09958 0.3721 0.009916 0.060744
0.57 0.087043 0.3249 0.007577 0.049615
0.53 0.076209 0.2809 0.005808 0.040391
0.49 0.066763 0.2401 0.004457 0.032714
0.45 0.058362 0.2025 0.003406 0.026263
0.41 0.050846 0.1681 0.002585 0.020847
0.37 0.043953 0.1369 0.001932 0.016263
0.33 0.037728 0.1089 0.001423 0.01245
0.29 0.03201 0.0841 0.001025 0.009283
0.25 0.026739 0.0625 0.000715 0.006685
0.21 0.021857 0.0441 0.000478 0.00459
0.17 0.017305 0.0289 0.000299 0.002942
0.13 0.013035 0.0169 0.00017 0.001695
0.09 0.008985 0.0081 8.07E-05 0.000809
0.05 0.005076 0.0025 2.58E-05 0.000254
0.01 0.001113 0.0001 1.24E-06 1.11E-05
0 0 0 0 0
12.25 3.834026 8.0825 1.963346 3.101764
Maka, dapat dibuat ke dalam grafik.
s
1.2
Kurva P/P0 terhadap
y = -0.0222x + 0.4474
0.8
0.6
0.4
0.2
0
0.97
0.65
0.93
0.89
0.85
0.81
0.77
0.73
0.69
0.61
0.57
0.53
0.49
0.45
0.41
0.37
0.33
0.29
0.25
0.21
0.17
0.13
0.09
0.05
0.01
0
-0.2
1
𝑐 = 0.4474 𝑐=
𝑐𝑉𝑚
1 1
0.4474 = 𝑐𝑉 0.4474 = 0.9504𝑉
𝑚 𝑚
Ditanya:
Jawab :
Energi aktivasi E adalah adalah ukuran dari sensitivitas suhu konstanta laju. Sebuah E yang
tinggi sesuai dengan peningkatan secara cepat konstanta laju dengan suhu. Dari persamaan
Arrhenius
Secara umum semua soal menentukan konstanta-konstanta yang terdapat dlm persamaan dgn
least square minimization.
kT = kO (-E/RT)
kO = factor pre-eksponensial
E = Energi aktivasi
T = suhu (K = 273.15 + C)
Turunkan persamaan hasil linerisasi seperti dalam kuliah dengan metode Least square sesuai
dgn soal dengan prosedur buatlah persamaan liniernya, buatlah persamaan SSE (Sum of Square
of Error), turunkan persamaaan terhadap parameter yg dicari, dan susunlah dalam deretan
persamaan
Berdasarkan rumus di atas, persamaan tersebut dapat diturunkan menjadi dalam Ln agar lebih
sederhana menjadi:
𝐸
ln 𝑘𝑇 = ln 𝑘0 −
𝑅𝑇
𝑦 = ln 𝑘𝑇
𝑎 = ln 𝑘0
𝐸
𝑏=−
𝑅
1
𝑥=
𝑇
Tunjukkan dan Dapatkan persamaan Polinomial Simultan Linier hasil regressi lineair dgn
least square minimization dan buatlah matriknya sesuai dengan soal yang dikerjakan.
1/T Ln (K)
0.00353 0.732367894
0.00346 1.519513205
0.00339 2.109000344
0.00333 2.726544784
0.00326 3.346389145
0.00321 3.83081295
0.00314 4.537961436
1
Dengan 𝑥 = 𝑇 dan 𝑦 = ln 𝑘𝑇 , maka dapat dibuat ke dalam tabel regresi linear seperti berikut:
x y x^2 y^2 xy
0.00353 0.732367894 1.24609E-05 0.536363 0.002585
0.00346 1.519513205 1.19716E-05 2.30892 0.005258
0.00339 2.109000344 1.14921E-05 4.447882 0.00715
0.00333 2.726544784 1.10889E-05 7.434046 0.009079
0.00326 3.346389145 1.06276E-05 11.19832 0.010909
0.00321 3.83081295 1.03041E-05 14.67513 0.012297
0.00314 4.537961436 9.8596E-06 20.59309 0.014249
0.02332 18.80258976 7.78048E-05 61.19375 0.061527
b = (n∑XY-(∑X)(∑Y))/(n∑X^2-(∑X)^2 )
Grafik
b = 0.617
y = 0.617x + 0.218
a =(∑X^2∑Y-(∑X)(∑XY))/(n∑X^2-(∑X)^2 ) R² = 0.9974
a = 0.218
ln (k)
Persamaan garis y = 0.617x + 0.218
Tunjukkan dan Dapatkan persamaan Polinomial Simultan Linier hasil regressi lineair dgn
least square minimization dan buatlah matriknya sesuai dengan soal yang dikerjakan.
𝑎 = ln 𝑘0
𝑘0 = 𝑒 𝑎 = 𝑒 0.218 = 1.243
𝐸
𝑏=−
𝑅
𝐽
𝐸 = −𝑏𝑅 = −0.617 × 8.314 × 104 = 51297 ⁄𝑚𝑜𝑙