Machine Translated by Google

Mempercepat penelitian dunia.

Pemodelan Ekstraksi Soxhlet dari

Minyak serai
Samson Okpo
SSRG International Journal of Chemical Engineering Research (SSRG-IJCER)

Kutip makalah ini Diunduh dari Academia.edu

Dapatkan kutipan dalam gaya MLA, APA, atau Chicago

makalah terkait Unduh Paket PDF dari makalah terkait terbaik

PCII-18-007(1).pdf
muluken Dan pedang

Teknologi ekstraksi
Zaibunnisa Haiyee

Pemodelan empiris kinetika pengeringan dan ekstraksi dengan bantuan gelombang mikro senyawa bioaktif dari…
Prithvi Simha, Mahesh Ganesapillai, Melvin Mathew
Machine Translated by Google

SSRG International Journal of Chemical Engineering Research (SSRG-IJCER) - Volume 7 Edisi 2 Mei hingga Agustus 2020

Pemodelan Ekstraksi Soxhlet dari

Minyak serai
Samson Onoriode Okpo1* dan Ipeghan Jonathan Otaraku2

1Departemen Teknologi Teknik Kimia, Politeknik Negeri Delta, Ozoro, Negara Bagian Delta, Nigeria
2Departemen Teknik Kimia, Universitas Port Harcourt, Nigeria

ABSTRAK maserasi, ekspresi, destilasi destruktif ([9]; [11]; [7]).

Ekstraksi soxhlet minyak sereh dengan pelarut etanol

dilakukan, dan pemodelan regresi dilakukan dengan Teknik ekstraksi soxhlet melibatkan kontak padat/
Microsoft Excel 2010 dan SPSS versi 23. Hasil yang cair untuk menghilangkan satu atau lebih senyawa
diperoleh dari proses ekstraksi dipasang ke dalam model kimia dari bahan padat melalui pelarutan dalam
regresi yang berbeda untuk memilih model yang sesuai refluks cair. Dalam ekstraktor Soxhlet konvensional,
untuk proses ekstraksi menggunakan koefisien regresi bahan padat dimasukkan ke dalam bidal ekstraktor.
(R2 ) dan nilai signifikansi (nilai-p) sebagai dasar Secara bertahap diisi dengan ekstraksi fase cair
pemilihan. Pengaruh ukuran partikel, waktu kontak, dan dengan mengembunkan uap dari labu distilasi.
volume pelarut pada hasil minyak dipertimbangkan dalam Ketika pelarut mencapai tingkat tertentu, siphon
menarik isi bidal ke dalam labu distilasi, sehingga
pemodelan. Model regresi yang diusulkan untuk membawa ekstrak ke dalam cairan curah [20]. Proses
pengaruh ukuran partikel, waktu kontak dan volume dilanjutkan untuk waktu kontak yang dipilih, dan
pelarut pada hasil adalah y = -0,246In(x) +1,4147, y = - masing-masing direplikasi.
0,00002510x2+ 0,01548x- 0,6898 dan y = - Selain itu, [4] telah melaporkan bahwa banyak
0,0000001714x2+ 0,000113x +1,600 masing-masing. aplikasi industri memerlukan model matematika
Hasil optimum pada penerapan model yang diusulkan untuk desain dan kontrol sistem yang efektif. Model
adalah 1,586 untuk ukuran partikel 0,5cm, 1,696 untuk adalah representasi matematis yang disederhanakan
waktu kontak 300 menit, dan 1,6179 untuk volume dari sistem pada titik waktu tertentu dan dimaksudkan
pelarut 300ml. Untuk memaksimalkan hasil minyak serai untuk meningkatkan pemahaman tentang sistem
menggunakan ekstraksi Soxhlet, disarankan ukuran nyata [2]. Oleh karena itu, pemodelan proses
partikel 0,5 cm, waktu kontak 300 menit, dan volume melibatkan keterkaitan bersama sifat-sifat sistem
pelarut 300ml. Akhirnya, persamaan model yang yang dipengaruhi oleh proses. Hasilnya adalah
diusulkan dapat digunakan secara memuaskan untuk seperangkat persamaan matematika, yang merupakan
memprediksi nilai hasil ekstraksi Soxhlet minyak atsiri model proses [27]. Model proses terdiri dari satu set
serai dalam rentang nilai eksperimental yang ditentukan. formulasi matematika atau persamaan yang
memungkinkan kita untuk memprediksi dinamika
Kata kunci: Minyak atsiri, Serai, Pemodelan, proses kimia. Terkadang, untuk mengoptimalkan
Parameter operasi, ekstraksi Soxhlet atau memaksimalkan variabel operasi proses,
insinyur tidak dapat memilih variabel operasi terbaik
I. PENDAHULUAN yang akan meminimalkan biaya operasi atau
Serai merupakan tanaman tahunan tropis (segala memaksimalkan keuntungan pabrik proses kimia.
musim) yang termasuk dalam famili Graminae(Poaceae) Dalam situasi seperti ini, model proses dan informasi
dan genus Cymbopogon. Tanaman ini memiliki daun ekonomi yang tepat digunakan untuk menganalisis situasi yang ada da
yang panjang dan tipis dan banyak dibudidayakan Perlu dicatat bahwa model matematika berguna
sebagai tanaman obat di beberapa bagian daerah dalam mengembangkan prosedur peningkatan skala
tropis dan subtropis di Asia, Afrika, Australia, Eropa, dari skala laboratorium hingga skala pabrik
dan Amerika ([11]; [21]; [25]; [5]) . Daun serai dan percontohan dan kemudian peningkatan skala
minyaknya memiliki rasa seperti lemon karena industri yang memungkinkan strategi alternatif untuk
kandungan citralnya. Daun serai kering mengandung mengevaluasi pemilihan kondisi variabel proses
sekitar 1%-2% minyak atsiri [3]. Minyak memiliki [18]. Dalam pemodelan dengan Microsoft Excel,
warna kuning muda. Komposisi minyak atsiri serai garis tren yang berbeda, termasuk model regresi
memang bervariasi sesuai dengan perlakuan linier, polinomial (kuadrat dan kubik), eksponensial,
agronomi, kondisi iklim, dan lokasi geografis. Banyak logaritmik, dan daya, dapat diperoleh. Namun,
teknik ekstraksi minyak atsiri yang berasal dari Middleton [14] menyarankan bahwa model
tumbuhan termasuk distilasi uap, ekstraksi pelarut, eksponensial dan kekuatan mengubah data sebelum
ekstraksi Soxhlet, hidro-distilasi,
enfleurage, hidro-difusi, fit, menghasilkan kecocokan dan regresi terbaik
yang tidak akurat (R2 ). Selain itu, kurva pangkat dan eksponensial dig

ISSN: 2394 - 5370 www.internationaljournalssrg.org halaman 24

Machine Translated by Google
SSRG International Journal of Chemical Engineering Research (SSRG-IJCER) - Volume 7 Edisi 2 Mei hingga Agustus 2020
kurva tidak dapat memuat data berbahaya atau data
sama dengan nol. Banyak pekerjaan penelitian telah
dilakukan pada pemodelan kinetik dari teknik distilasi
uap, tetapi informasi mengenai pemodelan ekstraksi
Soxhlet minyak sereh langka dalam literatur.
Oleh karena itu, penelitian ini bertujuan untuk
merumuskan model ekstraksi Soxhlet untuk membantu
mencapai hasil minyak serai yang maksimal dengan
memasukkan data eksperimen yang diamati ke dalam
model regresi yang berbeda. Masing-masing koefisien
determinasi (R2 ) dan nilai signifikansi (p-value) akan menjadiHasil
untuk seleksi.
II. BAHAN DAN METODE
A. Pengumpulan dan Persiapan Sampel
Daun serai segar yang digunakan untuk penelitian ini
dipanen dari kebun pribadi di Ozoro yang terletak di 5°
32ÿ 18ÿ LU, 6° 12ÿ 58ÿ BT, Delta State, Nigeria. Pelarut
yang digunakan dalam penelitian ini adalah etanol.
Sampel dicuci dan dikeringkan selama delapan (8) jam
dalam oven untuk mengurangi kadar air. yang kering
Daun serai disimpan dalam kantong tertutup agar
terhindar dari sinar matahari langsung. Setelah itu,
daun serai kering dipotong dengan pisau dengan
berbagai ukuran 0,5cm, 1,0cm, 1,5cm, 2,0cm, dan 2,5cm
untuk menambah luas kontak matriks tanaman.
B. Metode Eksperimen
Eksperimen dilakukan sesuai dengan metode yang
dijelaskan oleh [16] menggunakan ekstraktor Soxhlet
Shuniu GG 17 500 ml. 100g sampel serai ukuran partikel
0,5 cm diukur menggunakan timbangan. Sampel
ditimbang dimasukkan ke dalam bidal ekstraktor, dan
300 ml etanol ditambahkan ke dalam labu. Mantel
pemanas diatur pada suhu yang telah ditentukan
sebelumnya yaitu 78oC sesuai dengan titik didih pelarut.
Eksperimen dilakukan dengan mempertimbangkan
variabel operasi, seperti yang dinyatakan di bawah ini:
sebuah. Pengaruh ukuran partikel (bahan padat)
pada hasil minyak dilakukan dengan
menggunakan 300ml pelarut yang berbeda
dan 100g ukuran partikel - 0,5, 1,0, 1,5, 2,0,
dan 2,5 cm sampel serai selama 60 menit.
Hasilnya dicatat sesuai.
b. Pengaruh waktu kontak terhadap hasil dilakukan
dengan menggunakan 300ml pelarut yang
berbeda dan 100g sampel serai ukuran partikel 0,5cm.
Lima waktu kontak yang berbeda dari interval
60 menit digunakan untuk mempelajari
pengaruh waktu kontak pada hasil. Hasilnya
dicatat sesuai.
c. Pengaruh volume pelarut terhadap rendemen
minyak dilakukan dengan menggunakan 100g
sampel serai ukuran partikel 0,5cm dalam
pelarut 100ml, 150ml, 200ml, 250ml, dan 300ml.
ISSN: 2394 - 5370 www.internationaljournalssrg.org
selama 1 jam. Hasilnya dicatat sesuai.
Setelah itu, susunan eksperimental dibongkar, dan
campuran pelarut minyak yang diekstraksi dikumpulkan,
dipulihkan, dan disuling untuk mendapatkan minyak bebas pelarut.
Hasil minyak yang diperoleh ditimbang, dan persentase
hasil minyak dihitung.
C. Pemodelan Proses Ekstraksi
dasardata eksperimen dijadikan model regresi linier,
polinomial (kuadrat dan kubik), eksponensial, logaritmik,
dan daya menggunakan Microsoft Excel versi 2010 dan
SPSS versi 23.
Keakuratan model ditentukan dengan mengevaluasi
koefisien regresi (R2 ) dan tingkat signifikansi, yang
memberikan ukuran seberapa besar interaksi yang
terjadi antara variabel independen dan dependen.
AKU AKU AKU. HASIL DAN DISKUSI
A. Pengaruh ukuran partikel pada hasil
minyak Hasil data eksperimen yang dipasang ke dalam
model regresi Microsoft Excel yang berbeda disajikan
pada tabel 1. Seperti yang dilaporkan oleh [14], model
eksponensial dan daya mengubah data sebelum fit; sehingga mengakibatk
kecocokan dan regresi terbaik yang tidak akurat (R2 ); oleh karena itu, mereka
tidak dipertimbangkan dalam diskusi ini.
TABEL 1: MODEL PERSAMAAN UNTUK PENGARUH
UKURAN PARTIKEL PADA HASIL
Tipe model Persamaan model R
2
nilai p
Linier y =-0,1826x +1,623 78,84% 0,044
Kuadrat y =0.1363x2 -0.5915x+1.862 y = 94,21% 0,058
Kubik 97,41% 0,204
-0.1227x3 + 0.6883x2 -1.315x +2.1196
81,50% 0,036
Eksponensial y = 1.6328e-0131x
Logaritma y = -0,246In(x)+1,4147 y = 92,76% 0,008
Kekuasaan 1,4057x-0,175 94,15% 0,006
Fitness masing-masing model ditentukan oleh koefisien
determinasi (R2 ) dan signifikansi
nilai. Semakin dekat nilai koefisien
regresi (R2 ) ke 1, semakin baik model empiris cocok
dengan data eksperimen ([29]; [13]; [12]). Dilaporkan
bahwa nilai R2 harus 80% ke atas untuk memiliki
kecocokan yang lebih baik dari model regresi ([17]; [26];
[29]; [10]). Tabel 1 mempertimbangkan model linier,
kuadrat, kubik, dan logaritma, model logaritma memiliki
R2 sebesar 92,76% dan nilai signifikansi 0,008, yang
kurang dari tingkat signifikansi 0,05. Ini berarti model
logaritmik lebih tepat karena cukup mendekati variabel
respon. Hal ini dapat memuaskan digunakan untuk
memprediksi nilai dari variabel respon dalam rentang
data eksperimen.
Nilai R2 yang diperoleh sebesar 92,76% lebih dari 80% yang
direkomendasikan. Hal ini menunjukkan bahwa 92,76% dari respon
halaman 25
Machine Translated by Google

SSRG International Journal of Chemical Engineering Research (SSRG-IJCER) - Volume 7 Edisi 2 Mei hingga Agustus 2020

perubahan variabel dijelaskan oleh variabel independen
(ukuran partikel), membenarkan bahwa model regresi
cocok dengan data. Nilai R2 yang diprediksi sesuai dengan
R2 yang disesuaikan sebesar 90,3%.
Selain itu, nilai signifikansi (p-value) sebesar 0,008 lebih
kecil dari tingkat signifikansi 0,05. Hasil ini juga
menegaskan bahwa model tersebut valid secara statistik
dan signifikan. Model regresi logaritmik yang diusulkan
untuk pengaruh ukuran partikel pada hasil adalah sebagai
diberikan dalam Persamaan 1:
y = -0,246In(x) +1,4147
B. Pengaruh waktu kontak terhadap hasil minyak
Hasil data eksperimen yang dipasang ke dalam model
regresi Microsoft Excel yang berbeda pada efek waktu
kontak pada hasil disajikan pada Tabel 3. Seperti yang
dilaporkan dalam diskusi sebelumnya, model eksponensial
dan daya tidak dipertimbangkan. Dari Tabel 3, di antara
model linier, kuadrat, kubik, dan logaritma, model kuadrat
ditemukan lebih baik dalam hal R2 dan nilai signifikansi.
Persamaan model polinomial (kuadrat) ini ditemukan
cukup untuk prediksi dalam rentang data eksperimen
(1) karena koefisien determinasi (R2 ) ditemukan

menjadi 95,62%.
Dari persamaan model, 1% peningkatan ukuran partikel
(x) akan menghasilkan penurunan 0,00246% dalam hasil minyak (y).
TABEL 3: MODEL PERSAMAAN UNTUK PENGARUH
Kesimpulan ini juga sesuai dengan laporan [22], yang WAKTU KONTAK PADA HASIL
menegaskan bahwa semakin kecil ukuran partikel, hasil
minyak meningkat. Temuan ini juga diamati pada gambar Tipe model Persamaan model R2
1 sebagai ukuran partikel meningkat, hasil minyak nilai p

menurun, atau sebaliknya. Hasil minyak percobaan yang

Linier y = 0,006448x - 0,0573 y 88,84% 0,016
diprediksi hasil minyak dan keluaran sisa ukuran partikel
Kuadrat = -0,00002510x2 + 0,01548x - 0,6898 y = 95,62% 0,044
disajikan pada Tabel 2. Hasil prediksi dan keluaran sisa
Kubik -0,00000025x3 + 0,000110x2 - 0,00576x 98,11% 0,174
diperoleh pada pemasangan data percobaan ke dalam +0,2174
Eksponensial y = 0,2016e0,0082x 83,24% 0,031
model yang diusulkan.
Logaritma y = 0,9856In(x) – 3,8756 y = 93,13% 0,008
TABEL 2: PENGARUH UKURAN PARTIKEL TERHADAP HASIL MINYAK 0,0012x1,3059 Daya 95,08% 0,005

Ukuran Hasil percobaan Hasil minyak Hasil sisa

Partikel (cm) (%) yang diprediksi (%) (%) Nilai R2 yang diprediksi untuk model kuadrat adalah
95,62%, dan nilai p-nya adalah 0,044, yang kurang dari
0,5 1.625 1.586 0,039
tingkat signifikansi 0,05. Nilai ini menunjukkan bahwa
1.0 1,345 1.415 -0.070 waktu kontak menjelaskan 95,62% dari perubahan hasil
1.5 1.319 1.315 0,004
minyak. R2 yang diperoleh lebih tinggi dari 80% yang
direkomendasikan untuk model yang baik ([17]; [10]). Ini
2.0 1.236 1.244 -0,008
berarti bahwa 95,62% dari perubahan variabel respon
2.5 1.223 1.189 0,034 dijelaskan oleh variabel independen (waktu kontak),
mengkonfirmasikan bahwa itu sesuai dengan model
Dari Tabel 2, hasil minyak percobaan tertinggi adalah
regresi. Nilai R2 yang diprediksi sesuai dengan R2 yang
1,625 untuk ukuran partikel 0,5cm, dan ini sesuai dengan
disesuaikan sebesar 91,2%. Selain itu, nilai signifikansi (p-
hasil prediksi 1,586. Hasil yang diperoleh dari hasil
value) sebesar 0,044 lebih kecil dari tingkat signifikansi
eksperimen sesuai dengan hasil prediksi pada semua
0,05. Menurut [28], nilai p kecil menyiratkan efek yang
kasus ukuran partikel yang dipilih.
lebih signifikan pada variabel respon yang sesuai. Hasil
Ini juga membuktikan keandalan model yang diusulkan
ini juga menegaskan bahwa model tersebut
jika digunakan dalam operasi skala besar. Plot hasil
secara statistik valid dan signifikan. Model regresi
minyak percobaan terhadap ukuran partikel disajikan pada
kuadratik orde kedua yang diusulkan untuk pengaruh
Gambar 1.
waktu ekstraksi terhadap hasil diberikan dalam Persamaan
2;
2
y =-0,00002510x2 + 0,01548x- 0,6898 (2)
1.5
Telah dilaporkan bahwa koefisien persamaan regresi
minyak
Hasil
(%) 1 polinomial seperti persamaan model kuadrat tidak dapat
dengan mudah atau mudah ditafsirkan sebagian karena
0,5 tidak sebanding ( [8]; [24] ).
Meskipun demikian, dari persamaan model, 0,6898 adalah
0 perpotongan y, dan karena koefisien suku kuadratnya
0,0 1.0 2.0 3.0 negatif, kurvanya berbelok ke bawah (bentuk cekung),
seperti yang ditunjukkan pada Gambar 2. Untuk menguji
Ukuran (cm)
signifikansi koefisien, p -nilai digunakan untuk memeriksa
signifikansi masing-masing koefisien. Ditemukan bahwa
Gambar 1: Hasil minyak terhadap plot garis ukuran partikel
koefisien linier (x) memiliki nilai p

ISSN: 2394 - 5370 www.internationaljournalssrg.org halaman 26

Machine Translated by Google

SSRG International Journal of Chemical Engineering Research (SSRG-IJCER) - Volume 7 Edisi 2 Mei hingga Agustus 2020

0,016, lebih kecil dari 0,05, yang menunjukkan ditemukan lebih baik dalam hal R2 dan nilai signifikansi.
signifikansinya, sedangkan koefisien suku kuadrat (x2 ) Persamaan model polinomial (kuadrat) ini cukup
memiliki p-value 0,220, yang lebih besar dari 0,05. Oleh memadai untuk prediksi dalam rentang data eksperimen
karena itu, koefisien suku kuadrat tidak signifikan karena koefisien regresinya (R2 )
karena lebih besar dari tingkat signifikansi 0,05. ditemukan 99,55%.
Persamaan model kuadrat secara sederhana
diinterpretasikan sebagai berikut; untuk setiap 60 menit, TABEL 5: MODEL PERSAMAAN UNTUK PENGARUH
hasil rata-rata akan meningkat sebesar 0,0154 secara VOLUME SOLVENT PADA HASIL

linier (x) sedangkan hasil akan berkurang sebesar

Tipe model Persamaan model R2
0,00002510 dalam istilah kuadrat (x2 ). Hasil minyak nilai p
percobaan yang diprediksi hasil minyak, dan keluaran Linier y = 0,000044x +1,606 94,53% 0,006
sisa dari efek waktu ekstraksi disajikan pada Tabel 4. Kuadrat y = -0,0000001714x2 + 0,000113x +1,600 99,55% y = 0,004
Hasil yang diprediksi dan keluaran sisa diperoleh pada Kubik 0,0000000007x3 - 0,0000006x2 + 0,0002x +1,5954
99,75% 0,064
pemasangan data percobaan ke dalam model yang diusulkan.
Eksponensial y = 1,6056e3-05x 94,50% 0,006
TABEL 4: PENGARUH WAKTU EKSTRAKSI TERHADAP MINYAK 99,30% 0,000
Logaritma y = 0,0082In(x)+1,5714 y =
MENGHASILKAN
Kekuasaan 1,572x0,0051 99,28% 0,000
Waktu Hasil percobaan Hasil minyak Hasil sisa
(menit) (%) yang diprediksi (%) (%)
Nilai R2 yang diprediksi untuk model kuadrat adalah
60 0.235 0,149 0,086 99,55%, dan nilai p-nya 0,004, yang lebih kecil dari
120 0,592 0,807 -0,215 tingkat signifikansi 0,05. Nilai ini menunjukkan bahwa
volume pelarut menyebabkan 99,55% perubahan
180 1.412 1.284 0,128
rendemen minyak. Dengan kata lain, 0,45% perubahan
240 1.625 1.581 0,044 tidak dapat dijelaskan oleh model karena faktor lain.
300 1.653 1.696 -0,043
R2 yang diperoleh lebih tinggi dari 80% yang
direkomendasikan untuk model yang baik ([17]; [10]).
Nilai R2 yang diprediksi sesuai dengan R2 yang
Tabel 4 menunjukkan bahwa hasil minyak eksperimental disesuaikan sebesar 99,1%. Selain itu, nilai signifikansi
tertinggi yang diamati adalah 1,653 untuk waktu (p-value) sebesar 0,004 lebih kecil dari tingkat
ekstraksi 300 menit, yang sesuai dengan hasil 1,696 signifikansi 0,05, yang berimplikasi pada pengaruh
yang diprediksi menggunakan model regresi kuadrat. yang lebih signifikan terhadap variabel respon yang
Diamati bahwa perolehan minyak meningkat seiring sesuai [28]. Hasil ini juga menegaskan bahwa model
waktu untuk hasil eksperimen dan prediksi; temuan ini tersebut valid secara statistik dan signifikan. Model
sesuai dengan [15]. Plot hasil percobaan terhadap regresi kuadratik orde kedua yang diusulkan untuk
waktu disajikan pada Gambar 2. pengaruh volume pelarut pada hasil diberikan dalam Persamaan 3:

y = -0,0000001714x2 + 0,000113x +1,600 (3)

2
Menurut ([8]; [24]), koefisien persamaan regresi
1.5 polinomial seperti persamaan model kuadrat menantang
untuk ditafsirkan sebagian karena tidak sebanding.
minyak
Hasil
(%)
1 Terlepas dari klaim ini, dari persamaan model (3), 1,600
adalah perpotongan y, dan karena koefisien suku
0,5
kuadratnya negatif, kurvanya diputar ke bawah (bentuk
cekung), seperti yang ditunjukkan pada Gambar 3.
Untuk menguji signifikansi dari koefisien, nilai p
0
digunakan untuk memeriksa signifikansi masing-masing
0 200 400
koefisien. Ditemukan bahwa koefisien linier (x) memiliki
Waktu ekstraksi (menit) p-value 0,006(p<0,05), yang menunjukkan signifikan,
dan koefisien suku kuadrat (x2 ) memiliki p-value
Gambar 2: Hasil minyak versus plot waktu ekstraksi yang sesuai
0,042(p<0,05). Karena suku-suku linier dan kuadrat
C. Pengaruh Volume Pelarut pada Hasil memiliki nilai-p kurang dari tingkat signifikansi 0,05,
Minyak diskusi ini. Dari Tabel 5, antara model linier, maka suku-suku tersebut signifikan. Hasil ini
kuadrat, kubik, dan logaritma, model kuadrat menunjukkan kemanjuran model sebagai representasi
yang baik dari interaksi antara variabel yang
dipertimbangkan dalam data eksperimen. Persamaan
model kuadrat secara sederhana diinterpretasikan
sebagai berikut: untuk setiap 100ml, hasil rata-rata akan
meningkat sebesar 0,000113 secara linier (x) sedangkan
hasil akan berkurang sebesar

ISSN: 2394 - 5370 www.internationaljournalssrg.org halaman 27

Machine Translated by Google

SSRG International Journal of Chemical Engineering Research (SSRG-IJCER) - Volume 7 Edisi 2 Mei hingga Agustus 2020

0,0000001714 dalam suku kuadrat (x2 ). Hasil [2] Amiya, KJ (2011). “Pemodelan Proses Kimia dan Simulasi Komputer”,
minyak percobaan, hasil minyak yang diprediksi, Edisi Kedua. PHI belajar swasta terbatas, 111 Kawasan Industri
Patparaganj. New Delhi. India.
dan keluaran sisa volume pelarut disajikan pada
Tabel 6. Hasil prediksi dan keluaran sisa diperoleh [3] Carlson, LHC, Machado, RAF, Spricigo, CB, Pereira, LK dan
pada pemasangan data percobaan ke dalam model Bolzan, A., (2001). "Ekstraksi minyak esensial serai dengan karbon
yang diusulkan. dioksida padat."
Jurnal Cairan Superkritis, 21, hal. 33-39.
[4] Ceylan, H. (2007). “Studi Kontrol dan Simulasi untuk Kolom Distilasi
1.62
Paket Multikomponen”, Turki: Sekolah Pascasarjana Ilmu
1.618 Pengetahuan Alam dan Terapan Universitas Teknik Timur
Tengah.
1.616 [5] Chantal, S., Prachakoli, S., dan Ruangviriyachai, C. (2012).
minyak
Hasil
(%)
1.614 “Pengaruh metodologi ekstraksi pada analisis lima senyawa aromatik
volatil utama dari serai wangi dan serai yang tumbuh di Thailand”.
1.612 Jurnal AOAC Internasional, 95: 763-772.
1.61
[6] Desai, MA, Parikh, J., dan De, AK (2014). “Studi pemodelan dan
1.608 optimasi ekstraksi minyak sereh wangi dari Cymbopogon
flexuosus(Steud.)
0 200 400
Wat”. Penelitian dan Desain Teknik Kimia, 92, hal.7
Volume pelarut (ml) 93–803. http://dx.doi.org/10.1016/j.cherd.2013.08.011 [7]
Djouahri, A., Boudarene, L., Meklati, BY (2013). “Pengaruh metode
ekstraksi terhadap komposisi kimia, aktivitas antioksidan dan
antiinflamasi minyak atsiri dari daun Aljazair Tetraclinisarticulata
Gambar 3: Hasil minyak terhadap plot garis volume pelarut
(Vahl) Masters”.
Jurnal
TABEL 6: PENGARUH VOLUME SOLVENT TERHADAP MINYAK
MENGHASILKAN
Internasional Tanaman dan Produk Industri, 44.p.32-36,
https://doi.org/10.1016/j.indcrop.2012.10.021 [8]
Volume Hasil minyak Edwards, JR, dan Parry, ME (1993). "Pada penggunaan persamaan
Hasil Hasil sisa (%)
pelarut regresi polinomial sebagai alternatif untuk perbedaan skor dalam
percobaan (%) yang diprediksi (%)
penelitian organisasi". Jurnal Akademi Manajemen, 36(6):
(ml)
hal.1577-1613.
100 1.609 1.6091 -0,0001 [9] Hesham, HA, Abdurahman, HN dan Rosli, MY (2016).
"Teknik untuk ekstraksi minyak esensial dari tanaman: Sebuah
150 1.613 1.6126 0,0004
tinjauan". Australia J. Dasar & Aplikasi. Sains., 10(16), hlm. 117-127.
200 1.615 1.6153 -0,0003 [10] Joglekar, M. dan May, AT (1987). “Keunggulan produk melalui desain
eksperimen, ” Cereal Foods World, 32 hal. 857– 868.
250 1.617 1.6170 0,0000
[11] Joy , PP , Mathew , S. , Skaria , BP , Mathew , G. , Joseph , A. dan
300 1.618 1.6179 0,0001 Sreevidya , PP (2006). “Stasiun Penelitian Tanaman Aromatik dan
Tanaman Obat Serai”, Odakkali, Asamannor, Kerala, India, hal.1-32.

Dari Tabel 6, nilai volume pelarut, ketika diterapkan [12] Lee, CL, dan Wang, WL (1997). “Statistik Biologis (Beijing, Republik
dalam persamaan model yang diusulkan, hasil Rakyat Tiongkok, Ed.)”. Pers Sains.
[13] Lee, WC, Yusof, S., Hamid, NSA, dan Baharin, BS
ekstraksi yang diprediksi berkisar antara 1,6091% - 1,6179%.
(2006).” Mengoptimalkan kondisi untuk klarifikasi enzimatik jus
Dengan demikian, nilai prediksi dari persamaan pisang menggunakan metodologi permukaan respons (RSM)”.
yang dipasang dan nilai yang diamati sesuai. Hasil Jurnal Teknik Pangan. 73, hal.55-63.
ini juga menunjukkan keandalan model yang [14] Middleton, MR (2010). Pemasangan Kurva Eksponensial yang
Lebih Baik menggunakan Excel. http://www.DecisionToolworks.com/
diusulkan ketika diterapkan dalam produksi skala besar.
ExpCurveFit2010.pdf [15] Nguyen, DBT, Ta, HD dan Nguyen, TD
(2017).
IV. KESIMPULAN “Kinetika dan pemodelan ekstraksi minyak dari serai vietnam dengan
Hasil prediksi rendemen minyak pada penerapan distilasi uap”. Jurnal Sains dan Teknologi Vietnam.55(5A), hlm. 58-65.
berbagai persamaan model adalah 1,586 untuk
[16] Okpo, SO dan Otaraku, IJ (2020). “Karakterisasi GC-FID dan FT-IR
ukuran partikel 0,5cm, 1,696 untuk waktu kontak Minyak Sereh yang Diekstraksi dengan Alat Ekstraksi Soxhlet
300 menit, dan 1,6179 untuk volume pelarut 300ml. Menggunakan Etanol Sebagai Pelarut.” IOSR Journal of
Akhirnya, parameter operasi yang dipelajari memiliki Engineering (IOSRJEN), 10(5), hlm. 33-38.
hubungan yang sehat mengenai hasil minyak. Model [17] Oyekunle, DT, dan Oyekunle, DO (2018). “Produksi biodiesel dari
minyak biji oleander kuning melalui katalis heterogen: evaluasi
yang dipasang cukup mendekati variabel respon kinerja metodologi permukaan respons minitab dan jaringan saraf
(hasil). Oleh karena itu persamaan model dapat tiruan.” Jurnal Material dan Ilmu Lingkungan, 9(8), p.2468–
digunakan secara memuaskan untuk memprediksi
2477
nilai hasil ekstraksi Soxhlet minyak atsiri serai
[18] Reverchon, E. dan Marco, ID (2006). "Ekstraksi cairan superkritis
dalam rentang nilai eksperimental yang ditentukan. dan fraksinasi bahan alam". Jurnal cairan superkritis, vol. 38, hal.
146-166.
REFERENSI [1] [19] Sayyar, S., Zainal, AZ, Yunus, R. Dan Muhammad, A. (20)
Amenaghawon, NA, Okhueleigbe, KE, Ogbeide, SE dan Okieimen, CO 09). “Ekstraksi minyak dari biji jarak pagar optimasi dan
(2014). “Pemodelan Kinetika Destilasi Uap Minyak Atsiri dari Sereh d. kinetika. American Journal of Applied Sciences, 6(7),
(Cymbopogon Spp.)”. Jurnal Internasional Sains dan Teknik hal.1390-1395.
Terapan, 12(2), hlm. 107-115 [20] Schantz, MM dan Hawthorne, SB (1998). “Perbandingan Ekstraksi
Cairan Superkritis dan Ekstraksi Soxhlet untuk

ISSN: 2394 - 5370 www.internationaljournalssrg.org halaman 28

Machine Translated by Google
SSRG International Journal of Chemical Engineering Research (SSRG-IJCER) - Volume 7 Edisi 2 Mei hingga Agustus 2020
penentuan poliklorinasi bifenil dalam Bahan Referensi
Standar Matriks Lingkungan”.
Jurnal Kromatografi A, 816: p.213-220.
[21] Shah, G., Shri, R., Panchal, V., Sharma, N., Singh, B.,
dan Mann, A., (2011). "Dasar ilmiah untuk penggunaan
terapeutik Cymbopogon citratus, Stapf (Lemon grass)", J. Adv.
Farmasi. teknologi. Res., 2 (1), hal.3–8.
[22] Shah, M., Shrivastava, P. dan Singh, N. (2014).
“Ekstraksi minyak atsiri serai dengan bantuan gelombang
mikro: Studi pengaruh metode ekstraksi dan parameter
proses pada proses ekstraksi”. Jurnal Penelitian Kimia
dan Farmasi, 6(11), hal.385-389. Tersedia online
www.jocpr.com [23] Sirisompong, W., Jirapakkul, W.
dan Klinkesorn, U.
(2011). “Optimasi respon permukaan dan karakteristik
lemak kernel rambutan (Nepheliumlappaceum L.) dengan
ekstraksi heksana”. LWT Ilmu dan Teknologi Pangan 44
(9), hal.1946-1951.
[24] Stimson. YA, Carmines. EG dan Zeller, RA (1978).
"Interpretasi Regresi Polinomial", Metode dan penelitian
sosiologis, volume 6, hal. 515-534.
[25] Suryawanshi, MA, Mane, VB dan Kumbhar, GB
(2016). “Metodologi Ekstraksi Minyak Atsiri dari
ISSN: 2394 - 5370 www.internationaljournalssrg.org
Daun serai: pendekatan ekstraksi pelarut”.
Jurnal Riset Internasional Teknik dan Teknologi (IRJET),
3 (8):1775-1780.
[26] Temitayo, OD (2017). “Optimasi Ekstraksi Minyak Biji
Thevetia Peruviana (Yellow Oleander): Studi Kasus Dua
Model Statistik”. Jurnal Internasional Teknik dan
Teknologi Modern, 3(4), 2504–8856.
[27] Upreti, SR (2017). “Pemodelan dan Simulasi Proses untuk
Insinyur Kimia: Teori dan Praktik”, Chichester, Inggris;
Hoboken, NJ: John Wiley & Sons.
[28] Yolmeh,M, Habibi, NM dan Farhoosh, R.(2014).
“Optimasi Ekstraksi Pigmen Alami Berbantuan Ultrasound
dari Biji Annatto dengan Response Surface Methodology
(RSM)”. Kimia Makanan 155: 319–324 [29] Zaibunnisa ,
AH, Norashikin, “Pendekatan
S., Mamot, S.,
desain
dan Osman,
eksperimental
H. (2009).
ekstraksi
senyawa volatil dari daun kunyit (Curcuma domestica)
menggunakan ekstraksi cair bertekanan (PLE)”. LWT, Ilmu
dan Teknologi Pangan, 42: 233-238.
[30] Jack, IR dan Nwachoko, N, "Konstituen ekstrak etanol
daun Bryophyllum Pinnatum" SSRG International Journal
of Applied Chemistry 3.1 (2016): 1-4.
halaman 29