Ulil Hamida
Sekolah Tinggi Manajemen Industri Jakarta, Kementerian Perindustrian
Jl. Letjend Suprapto No. 26 Cempaka Putih Jakarta Pusat, Indonesia
e-mail: ulil-h@kemenperin.go.id
diajukan:03/03/2014, direvisi: 01/04/2014, disetujui: 14/04/2014
ABSTRACT
Industrial growth in Indonesia not only causes positive impacts but also has a negative impact on the
environment. Environmental pollution is caused by improper waste management. In reducing the impact of
environmental pollution, enterprise uses chitosan as an alternative coagulant. From the obtained data, analysis is
required to determine the coagulant concentration and pH of waste water. The analysis uses Artificial Neural
Network (ANN), which is expected to provide a better model. ANN architecture used to conduct training is 2-9-1.
With that architecture, performance (indicated by MSE) generated by the model from the training process is
0.0000015, while MSE resulting from the validation process is 0.016731. The concentration of chitosan coagulant
recommended to obtain optimum results is greater than or equal to 500ppm. While the optimum pH value is
greater than or equal to 9.
Keywords: waste treatment, concentration of coagulant, optimum pH, turbidity, chitosan, artificial neural network
ABSTRAK
Pertumbuhan industri di Indonesia yang meningkat selain memberikan manfaat positif juga menimbulkan
dampak negatif terhadap lingkungan perairan, tanah maupun udara. Pencemaran lingkungan tersebut salah
satunya diakibatkan oleh pengolahan limbah yang tidak tepat. Dalam mengurangi dampak pencemaran
lingkungan, perusahaan melakukan pengolahan dengan mencoba alternatif penggunaan koagulan kitosan. Dari
data yang diperoleh, diperlukan analisis yang lebih mendalam untuk menentukan kadar konsentrasi koagulan
dan pH limbah yang tepat untuk pengolahan tersebut. Dalam melakukan analisis digunakan Jaringan Syaraf
Tiruan(JST) yang diharapkan mampu memberikan model yang lebih baik. Arsitektur JST yang digunakan untuk
melakukan training adalah 2-9-1. Dengan arsitektur tersebut, performansi (ditunjukkan dengan MSE) yang
dihasilkan oleh model tersebut untuk proses training adalah 0,0000015, sedangkan MSE yang dihasilkan dari
proses validasi adalah 0,016731. Konsentrasi koagulan kitosan yang disarankan untuk mendapatkan hasil
optimum adalah menggunakan konsentrasi lebih besar atau sama dengan 500ppm. Sedangkan pH yang
memberikan nilai optimum disarankan menggunakan pH lebih besar atau sama dengan 9.
Kata Kunci: pengolahan limbah, konsentrasi koagulan, pH optimum, turbiditas, kitosan, jaringan syaraf tiruan
73
Jurnal Riset Industri (Journal of Industrial Research) Vol. 8 No. 1, April 2014, Hal. 73 - 81
Standar tersebut tertuang dalam PerMen dapat mengikat lemak dan logam berat
Lingkungan Hidup No. 3 Tahun 2010 dan pencemar. Gugus amina yang dimilikinya
dapat dilihat pada Tabel 1. terdiri dari unsur nitrogen (N) yang bersifat
Berdasarkan Tabel 1, salah satu sangat reaktif dan bersifat basa. Limbah cair
kriteria penting dalam standar mutu air hasil yang direaksikan dengan logam berat akan
olahan industri adalah zat padat terlarut berubah menjadi koloid dan menjadi flok.
(TSS). Dalam memenuhi standar tersebut, Dengan keunggulan kitosan tersebut,
salah satu proses yang dilakukan pada dilakukan uji coba penggunaan kitosan
pengolahan limbah cair hasil produksi sebagai koagulan dalam mengolah limbah
adalah dengan melakukan proses yang dihasilkan. Penggunaan tersebut
koagulasi/flokulasi. Salah satu hal yang memerlukan analisis mengenai konsentrasi
perlu diperhatikan adalah penentuan zat koagulan kitosan dan pH limbah yang tepat
koagulan baik jenis dan kadar yang untuk dapat menghasilkan koagulasi yang
digunakan. Penggunaan zat koagulan optimum.
berdasarkan pada jumlah dan kualitas air Dalam mendapatkan nilai konsentrasi
yang akan diolah, kekeruhan, metode koagulan dan pH tersebut, perusahaan
penyaringan serta sistem pembuangan melakukan percobaan dalam bentuk jar-test
lumpur endapan. Jenis koagulan antara lain karena keterbatasan biaya dan waktu.
Alum (Aluminium Sulfat), Ferro Sulfat, dan Terkait dengan permasalahan tersebut,
Poly Aluminium Chlorida (PAC). maka diperlukan analisis tambahan
terhadap data percobaan yang diperoleh.
Tabel 1 Baku Mutu Air Limbah Kawasan Industri Analisis tersebut diperlukan untuk
No. Parameter Satuan Kadar mengetahui konsentrasi koagulan dan pH
Maksimum limbah yang memberikan hasil yang
1 pH - 6-9 optimum. Dalam melakukan analisis
2 TSS mg/L 150
terhadap data percobaan tersebut
3 BOD mg/L 50
digunakan metode Jaringan Syaraf Tiruan
4 COD mg/L 100
5 Sulfida mg/L 1
untuk mengetahui komposisi terbaik dari
6 Amonia (NH3- mg/L 20 konsentrasi koagulan kitosan dan pH limbah
N) untuk mendapatkan turdibiditas terbaik
7 Fenol mg/L 1 dengan menggunakan Jaringan Syaraf
8 Minyak & mg/L 15 Tiruan (JST)/artificial neural network(ANN).
Lemak Berdasarkan permasalahan yang ada,
9 MBAS mg/L 10 penelitian ini bertujuan untuk membangun
10 Kadmium mg/L 0,1 arsitektur model JST untuk memprediksi
11 Krom mg/L 0,5 tingkat konsentrasi koagulan kitosan dan pH
Heksavalen cairan limbah untuk mendapatkan turbiditas
(Cr6++) terbaik. Pada penelitian ini juga dilakukan
12 Krom total (Cr) mg/L 1 perancangan dan implementasi perangkat
13 Tembaga (Cu) mg/L 2 lunak untuk menerapkan arsitektur jaringan
14 Timbal (Pb) mg/L 1
JST yang telah ditentukan sebelumnya.
15 Nikel (Ni) mg/L 0,5
Setelah implementasi, dilakukan penentuan
16 Seng (Zn) mg/L 10
konsentrasi koagulan kitosan dan pH cairan
17 Kuantitas Air 0,8 L
Limbah perdetik limbah untuk mendapatkan turbiditas terbaik
Maksimum per Ha dengan menggunakan JST
Lahan Jaringan Syaraf Tiruan (JST)
merupakan salah satu bagian dari
Kitosan dapat digunakan sebagai pengembangan ilmu komputer dalam
koagulan. Kitosan memiliki keunggulan bidang intelejensia komputasional dan
bersifat biokompatibel yang berarti sebagai banyak diinspirasi oleh cara kerja otak
polimer alam tidak mempunyai efek manusia (Hamida & Suprayogi, 2012).
samping, tidak bercaun, dapat dicerna dan Kemampuan untuk menangani banyak
mudah diuraikan oleh mikroba. Kitosan variabel dalam bentuk yang kompleks
dapat digunakan sebagai koagulan karena menyebabkan model JST dipakai untuk
74
Penentuan Konsentrasi Koagulan …(Ulil Hamida)
75
Jurnal Riset Industri (Journal of Industrial Research) Vol. 8 No. 1, April 2014, Hal. 73 - 81
76
Penentuan Konsentrasi Koagulan …(Ulil Hamida)
turbiditas
X2 pH ……………….
X i Min(X i )
Xˆ i ..............................(1)
Max(X i ) Min(X i )
Pembagian Data Training dan Validasi Arsitektur JST yang diperoleh pada
proses sebelumnya kemudian digunakan
Setelah data penelitian dinormalisai, untuk melakukan training dengan data
selanjutnya, data seluruh data variabel training yang telah ditentukan. Setelah
dibagi menjadi dua yaitu data yang training dilakukan, data validasi kemudian
digunakan untuk melakukan training JST digunakan dalam jaringan tersebut. Setiap
(data in-sample) data yang digunakan untuk pengolahan tersebut kemudian dicatat
validasi (data out-sample). Data yang
77
Jurnal Riset Industri (Journal of Industrial Research) Vol. 8 No. 1, April 2014, Hal. 73 - 81
78
Penentuan Konsentrasi Koagulan …(Ulil Hamida)
79
Jurnal Riset Industri (Journal of Industrial Research) Vol. 8 No. 1, April 2014, Hal. 73 - 81
81
Jurnal Riset Industri (Journal of Industrial Research) Vol. 8 No. 1, April 2014, Hal. 73 - 81
82