PAPER

OPTIMASI PROSES PRODUKSI BIODIESEL DAN

BIOGAS DARI PALM OIL MILL EFFLUENT
(POME) MELALUI BEBERAPA
PENDEKATAN METODE
(STUDI KASUS: POTENSIONAL PADA PT BULUH
CAWANG PLANTATION MILL)

OPTIMIZATION OF PRODUCTION BIODIESEL AND

BIOGAS PRODUCTION FROM PAL OIL MILL
EFFLUENT THROUGH SOME METHODS
(CASE STUDY: POTENSIONAL AT PT BULUH
CAWANG PLANTATION MILL)

Budianto 05032622327001
Widi Handoko 05032682327003

PROGRAM STUDI
MAGISTER TEKNOLOGI INDUSTRI PERTANIAN
FAKULTAS PERTANIAN
UNIVERSITAS SRIWIJAYA
2023
 KATA PENGANTAR

Alhamdulillah, akhirnya makalah ini dapat diselesaikan sesuai rencana.

Makalah yang berjudul “Optimalisasi Proses Produksi Biodesel dan Biogas dari
Palm Oir Mill Effluent (POME) Melalui Beberapa Pendekatan Metode (Studi
Kasus: Petensial pada PT. Buluh Cawang Plantation Mill”) ini merupakan tugas
mata kuliah Metodologi, Etika Riset dan Publikasi Ilmiah.
Rasa terimakasih yang mendalam dihaturkan yang sebesar-besarnya kepada
yang terhormat: Bapak Dr. Ir. Gatot Priyanto, MS dan Prof. Dr. Ir. Daniel Saputra,
MS.A.Eng, selaku Dosen yang mengasuh mata kuliah ini.
Mudah-mudahan makalah ini dapat bermanfaat dan memberi sedikit
sumbangsih bagi khazanah ilmu pengetahuan khususnya di Kampus Universitas
Sriwijaya.

Palembang, 30 November 2023

 BAB 1
PENDAHULUAN

1.1. Latar Belakang

Pertumbuhan perkebunan kelapa sawit yang eksponensial di Indonesia
dengan lonjakan dari 0,3 juta hektar pada tahun 1980 menjadi 14,8 juta hektar
pada tahun 2020 telah memicu kekhawatiran akan deforestasi, pencemaran
lingkungan, dan hilangnya keanekaragaman hayati (Meijaard et al., 2020) .
Ekspansi ini secara signifikan berkontribusi terhadap penipisan hutan primer tua
yang mengakibatkan emisi karbon dan penurunan keanekaragaman hayati secara
substansial (Gaveau et al., 2022). Meskipun mengakui dampak lingkungan, sangat
penting bagi Indonesia untuk menyeimbangkan produksi kelapa sawit yang
berkelanjutan dengan pembangunan ekonomi, pengentasan kemiskinan, dan
lapangan kerja di pedesaan (Qaim et al., 2020). Salah satu strategi penting adalah
mengatasi dampak lingkungan dengan meningkatkan hasil panen di area yang
sudah ada, karena rata-rata hasil panen kelapa sawit masih berada di bawah
tingkat yang dapat dicapai, terutama untuk kelapa sawit yang sudah tua yang
ditanam pada tahun 1980-an (Monzon et al., 2021).
Indonesia dikenal sebagai produsen minyak kelapa sawit terbesar di dunia,
memiliki luas perkebunan mencapai 22,2 juta hektar, menghasilkan jumlah
minyak kelapa sawit mentah (CPO) yang mencapai 31 juta ton setiap tahunnya.
Produksi minyak kelapa sawit ini telah menyebabkan akumulasi jumlah besar
Palm Oil Mill Effluent (POME) yang dibuang sebagai limbah cair. Estimasi
POME adalah 2,5 ton POME per satu ton produksi CPO (Tiong et al., 2021) .
POME mengandung senyawa organik yang sangat tinggi dan umumnya diukur
dengan Chemical Oxygen Demand (COD) dan Biologycal Oxygen Demand
(BOD) yang masing-masing sekitar 30.800 dan 7.800 ppm. COD dan BOD
bahkan dapat mencapai 96.300 dan 53.200 ppm di beberapa perusahaan kelapa
sawit (Prasetyo et al., 2018).
Proyeksi populasi dunia mencapai 9,5 miliar pada tahun 2050, permintaan
akan makanan, air dan minuman diperkirakan akan meningkat seiring dengan
perkiraan kenaikan permintaan global untuk lemak dan minyak menjadi 360 juta
ton pada tahun 2043. Lonjakan ini akan menimbulkan tantangan lingkungan,
terutama terkait pembuangan limbah pabrik minyak kelapa sawit (POME), suatu
produk sampingan yang menyertai setiap ton minyak kelapa sawit mentah (CPO)
yang diproduksi (Romes et al., 2022). POME kaya akan air, minyak, total padatan
dan padatan tersuspensi, merupakan perhatian lingkungan utama karena
kemampuannya untuk larut dengan mudah dalam air, melepaskan partikel
tersuspensi dan menyebabkan polusi lingkungan. Perjuangan untuk mengolah
POME hingga mencapai batas pembuangan yang aman merupakan tantangan
berkelanjutan bagi pabrik minyak kelapa sawit. Penanganan dampak lingkungan
dari pembuangan POME menjadi tugas berbagai pihak di industri minyak kelapa
sawit beriringan dengan meningkatnya permintaan global (Chong et al., 2021).
POME dapat dimanfaatkan sebagai sumber karbon bagi mikroba karena
kandungan senyawa organik yang sangat tinggi. POME dapat digunakan sebagai
bahan baku untuk produksi hidrogen untuk energi hijau (Prasetyo et al., 2018).
Berbagai metode pengolahan air limbah telah ada seperti sistem kolam
terbuka konvensional tetapi terbukti tidak efisien dan gagal memenuhi batas
pembuangan yang ketat yang ditetapkan oleh otoritas lingkungan. Digester
Anaerobik (AD) berlapis-lapis sebagai alternatif terutama di pabrik kelapa sawit
modern, memberikan pengurangan yang lebih baik dalam kontaminasi air serta
penangkapan gas metana dan CO2 (Audu et al., 2023) . Sifat kompleks POME
yang dipengaruhi oleh musim tanam dan efisiensi penggilingan menimbulkan
tantangan untuk pencernaan anaerobik yang stabil dan berdampak pada produksi
biogas. Transisi Industri 4.0 menerapkan analisis big data dan machine learning,
termasuk jaringan saraf tiruan, sistem inferensi neural fuzzy adaptif (ANFIS), dan
Response SurfaceMethodology (RSM) akan menjadi krusial untuk
mengoptimalkan kinerja AD (Lok et al., 2020) . Model-model tersebut telah
terbukti efektif dalam memprediksi produksi biogas dan komposisi metana dalam
berbagai studi, memberikan wawasan untuk mekanisme kontrol yang lebih baik
dan optimalisasi proses. Implementasi praktisnya pada fasilitas industri skala
besar masih terbatas meskipun berhasil diaplikasikan pada pabrik skala pilot
(D. J. S. Chong et al., 2023).
 Buah tandan segar kelapa sawit menghasilkan sekitar 25% minyak kelapa
sawit mentah (CPO) atau 65% dari daging (mesokarp) buahnya dan minyak kernel
kelapa sawit mentah (CPKO) dari biji atau intinya. CPO telah digunakan dalam
beberapa bahan penting untuk aplikasi makanan dan non-makanan. Banyak
penggunaan CPO disebabkan oleh komposisi asam lemak jenuh (0,5% miristik,
41,8% palmitat, dan 3,7% stearat) dan tak jenuh (44,4% oleat dan 9,7% linoleat)
yang hampir seimbang (Bahadi et al., 2021). Ini melayani banyak kebutuhan CPO
non-ekonomi seperti CPO asam lemak bebas tinggi (HFFA-CPO) untuk produk
non-pangan seperti biolubrikan. HFFA-CPO biasanya diproduksi selama periode
panen FFB pada musim hujan atau musim pengawasan yang kurang baik, seperti
FFB yang belum matang atau terlalu matang (Nor et al., 2022).
Dampak buruk dari bahan bakar fosil, minyak bumi, dan bahan berbasis
minyak bumi seperti pelumas, telah mendorong minat peneliti dan industri
terhadap minyak nabati sebagai sumber bahan baku alternatif (Anis et al., 2022) .
Secara khusus, banyak karya sekarang fokus pada modifikasi sifat kimia minyak
nabati agar cocok menggantikan pelumas konvensional yang tidak ramah
lingkungan yang berasal dari bahan bakar fosil. Akibatnya, HFFA-CPO didorong
menjadi bahan baku utama untuk berbagai industri produk oleokimia, termasuk
produksi biolubrikan, biodiesel, dan bioplastik (Zhao et al., 2023) . Dengan
kemajuan teknologi oleokimia saat ini dan alasan yang tidak ekonomis, HFFA-
CPO semakin diminati sebagai bahan baku untuk produksi biolubrikan hijau
(Nor et al., 2022)
.

1.2. Urgensi Pemilihan Research Style Optimasi

Research style optimasi, seperti desain Box-Behnken dari metodologi
respons permukaan (RSM), diperlukan untuk mengoptimalkan proses produksi
biodiesel dari limbah cair kelapa sawit (POME) menggunakan lipase Candida
rugosa yang diimobilisasi (Ng et al., 2023) . Metode ini memungkinkan peneliti
untuk memilih parameter-parameter yang ingin dioptimalkan, menjalankan
eksperimen sesuai dengan desain yang telah ditentukan, dan menganalisis hasil
eksperimen menggunakan perangkat lunak seperti Design Expert®
(Rafiq et al., 2021)
. Dengan pendekatan ini, peneliti dapat mengidentifikasi kondisi optimal
untuk parameter-parameter yang diuji dan memastikan keandalan dari hasil
optimalisasi yang didapatkan melalui analisis statistik (Matinja et al., 2019).
Selain itu, pendekatan ini juga memungkinkan peneliti untuk memprediksi
hasil optimalisasi berdasarkan model regresi yang dikembangkan, sehingga
memungkinkan untuk memperkirakan hasil eksperimen yang belum dilakukan
(Mishra et al., 2018) . Hal ini dapat membantu dalam perencanaan dan
pengambilan keputusan terkait dengan proses produksi biodiesel dari POME, serta
memastikan bahwa hasil optimalisasi sesuai dengan standar kualitas dan
spesifikasi yang ditetapkan (Rishanty et al., n.d.) . Dengan demikian, pendekatan
research style optimasi seperti desain Box-Behnken dari metodologi respons
permukaan (RSM) memainkan peran penting dalam memastikan efisiensi dan
keberhasilan dalam proses produksi biodiesel, serta memungkinkan
pengembangan model yang dapat digunakan untuk memprediksi hasil optimalisasi
di masa depan (Matinja et al., 2019).
 BAB II
LANDASAN TEORI (PERSAMAAN/MODEL) DAN
PENGGUNAANNYA

2.1. Metode Permukaan Respon / Response Surface Methodology (RSM)

Metode permukaan respon (RSM) merupakan sekumpulan teknik
statistika yang berguna untuk menganalisa permasalahan dimana beberapa
variabel bebas mempengaruhi variabel respon dan tujuan akhirnya adalah untuk
mengoptimalkan variabel respon (Ghofar, 2022) . Metode ini pertama kali
diajukan pada tahun 1951 oleh Box dan Wilson (Rahmawati & Sutanto, 2012).
Beberapa contoh hasil penelitian yang menerapkan metode ini adalah:
a. Untuk optimasi proses pembuatan nanoemulsi tiamin-kitosan dengan
perlakuan gelombang mikro menunjukkan bahwa faktor-faktor yang
berpengaruh terhadap viskositas adalah besarnya daya (Watt), waktu (detik),
dan jumlah surfaktan (mL) (Ghofar, 2022).
b. Untuk optimalisasi proses sealing pada pengemasan produk makanan jelly
merk Big Stick menunjukkan bahwa faktor-faktor yang berpengaruh terhadap
presentase produk nonBS adalah lamanya waktu pressing kemasan dan suhu
yang digunakan pada proses sealing (Rahmawati & Sutanto, 2012).
c. Optimisasi penghilangan COD dari palm oil mill effluent (POME). Korelasi
konsentrasi dan pH POME, dan tekanan transmembran (TPM) dari membran
Reverse Osmosis (RO) telah dioptimasi menggunakan metode respon
permukaan dengan model polinomial orde kedua dengan desain Box Behken
yang terdiri dari 17 runing. Untuk menentukan apakah model cukup cocok
untuk merepresentasikan data percobaan; telah diindikasikan menggunakan
tabel ANNOVA (p-value, lack of fit and R2 values). Faktor utama yang
mempengaruhi penghilangan COD merupakan konsentrasi dan Ph POME
(Said et al., 2016)
Kualitas produk dan efisiensi proses menjadi pemikiran utama
perusahaan yang sadar akan adanya persaingan ketat dalam dunia industri,
termasuk industri makanan yaitu produk makanan. Metode permukaan respon
berguna menganalisis permasalahan dimana beberapa variabel bebas
mempengaruhi respon dengan tujuan mengoptimalkan respon tanpa memerlukan
data yang begitu banyak. Metode permukaan respon dapat mengoptimalkan
setting mesin pada perusahaan Injection Moulding sehingga menghasilkan
produksi yang optimum (Rahardjo dan Iman, 2002), Margianti (2009)
menggunakan permukaan respon sebagai metode untukmengoptimalkan
komposisi faktor pelapisan kertas.

2.2. Persamaan / Model

Pada penelitian Said, 2016 menggunakan Box Behken untuk

merancang eksperimen (DOE) dengan menggunakan software Design Expert
versi 6.0. Tujuan penentuan DOE adalah untuk mengurangi jumlah percobaan dan
memperoleh hasil respon optimal (Y) melalui interaksi (X) dari seluruh faktor
yang terlibat. Pada penelitian ini diasumsikan konsentrasi COD, namun yang
menjadi faktor adalah konsentrasi POME, pH larutan, dan tekanan
transmembran. Setelah melakukan percobaan, koefisien model polinomial
ditentukan dengan menggunakan rumus:

Βo: koefisien konstan

Βi: linier koefisien
Βii: koefisien kuadrat
Βij: koefisien interaksi
Plot tiga dimensi dan plot kontur dua dimensi diperoleh berdasarkan pengaruh
interaksi kedua faktor tersebut. Dari plot-plot tersebut dapat diidentifikasi wilayah
optimalnya (Said et al., 2016)
A. Analisis Regresi:
a. Regresi Linier Sederhana:
b. Regresi Linier Berganda

c. Metode Kuadrat Terkecil untuk estimasi parameter

d. Analisis Varian Regresi

e. Lack of Fit:
B. Permukaan Respon
 BAB III
VARIABLE (INDEPENDEN/DEPENDEN), DESAIN
PERCOBAAN DAN PROSEDUR DASAR

3.1. Variable Independen / Dependen

Metode Permukaan Respon adalah suatu metode yang digunakan untuk
mencari hubungan antara variabel independen dan variabel dependen kemudian
mengoptimalkan hubungan tersebut. Dalam konteks ini, variabel dependen adalah
variabel yang ingin dioptimalkan atau diprediksi berdasarkan variabel independen.
Variabel independen, di sisi lain, adalah variabel yang digunakan sebagai faktor
atau input dalam model untuk memprediksi atau mengoptimalkan variabel
dependen. Dalam penelitian mengenai treatment limbah POME, beberapa variabel
dependen yang mungkin terlibat adalah nilai COD (Chemical Oxygen Demand)
dan TSS (Total Suspended Solids) Variabel dependen ini dapat digunakan untuk
mengukur tingkat pencemaran dan kualitas limbah POME yang ingin
dioptimalkan.
Sementara itu, variabel independen yang mungkin terlibat dalam
optimasi limbah POME dapat bervariasi tergantung pada tujuan penelitian dan
faktor-faktor yang ingin dipertimbangkan. Beberapa contoh variabel independen
yang mungkin terlibat adalah:
a) Jenis dan konsentrasi koagulan yang digunakan dalam proses treatment.
b) Parameter-parameter operasional seperti suhu, pH, dan waktu kontak dalam
proses koagulasi dan adsorpsi .
 c) Metode pretreatment yang digunakan sebelum proses treatment limbah
POME, seperti penggunaan NaOH dan enzim selulase.
d) Faktor-faktor lain yang dapat mempengaruhi kualitas limbah POME, seperti
jenis dan konsentrasi bahan pengikat (binder).

3.2. Desain Percobaan dan Prosedur Dasar

Desain Percobaan dan Prosedur Dasar Optimasi of Palm Oil Mill
Effluent Treatment dengan menggunakan metode Response Surface Methodology
(RSM) dapat melibatkan beberapa langkah berikut:
a) Identifikasi Variabel: Identifikasi variabel yang akan dioptimalkan dan
variabel yang mempengaruhinya. Variabel dependen yang umum dalam
optimasi limbah POME adalah nilai COD (Chemical Oxygen Demand) dan
TSS (Total Suspended Solids). Variabel independen dapat mencakup faktor-
faktor seperti jenis dan konsentrasi koagulan, parameter operasional (suhu,
pH, waktu kontak), metode pretreatment, dan faktor-faktor lain yang
mempengaruhi kualitas limbah POME.
b) Desain Eksperimen: Pilih desain eksperimen yang sesuai untuk
mengoptimalkan variabel dependen dengan memvariasikan variabel
independen. Desain eksperimen yang umum digunakan dalam RSM adalah
Central Composite Design (CCD) atau Box-Behnken Design (BBD) Desain
ini memungkinkan eksplorasi yang efisien terhadap ruang desain dan
memperoleh data yang cukup untuk membangun model matematika yang
dapat digunakan untuk optimasi.
c) Pelaksanaan Eksperimen: Lakukan eksperimen sesuai dengan desain yang
telah dipilih. Variabel independen akan divariasikan sesuai dengan titik-titik
percobaan yang ditentukan oleh desain eksperimen. Data yang diperoleh
dari setiap percobaan akan dicatat.
d) Analisis Data: Analisis data dilakukan untuk membangun model
matematika yang menggambarkan hubungan antara variabel independen dan
dependen. Metode RSM digunakan untuk membangun model respons yang
dapat digunakan untuk memprediksi dan mengoptimalkan variabel
 dependen. Model ini dapat berupa persamaan polinomial atau model
statistik lainnya.
e) Optimasi: Setelah membangun model respons, langkah selanjutnya adalah
melakukan optimasi untuk mencari kombinasi variabel independen yang
menghasilkan nilai variabel dependen yang diinginkan. Metode optimasi
yang umum digunakan adalah metode numerik seperti metode gradien atau
metode simplex.
f) Verifikasi dan Validasi: Setelah mendapatkan hasil optimasi, langkah
terakhir adalah melakukan verifikasi dan validasi terhadap hasil yang
diperoleh. Hal ini dapat dilakukan dengan melakukan percobaan tambahan
untuk memverifikasi hasil optimasi dan memastikan bahwa hasil yang
diperoleh dapat diterapkan secara praktis.
Secara Teknis POME mentah dikumpulkan dari pabrik kelapa sawit.
POME diolah terlebih dahulu menggunakan membran Adsorpsi dan Ultrafiltrasi
untuk mengurangi padatan tersuspensi. Karakterisasi sampel umpan dan permeat
dilakukan dan dianalisis menggunakan spektrofotometer pencatatan data portabel
DR/2010 (HACH, USA). POME mentah sebanyak 10 L diumpankan ke kolom
adsorpsi menggunakan dosing pump. Laju aliran tetap konstan pada 2 ml/menit.
POME diumpankan di bagian atas dan mengalir ke bawah sepanjang gravitasi,
dan mengalir ke tangki sampel umpan membran UF.
Permeate dari membran UF juga sekaligus berfungsi sebagai feed
untuk membran RO. Pada membran RO dilakukan optimasi proses dengan
bantuan Response Surface Method (RSM). Fluks permeat dikumpulkan dan
diukur secara gravimetri dengan timbangan elektronik. Permeat dianalisis
untuk menentukan konsentrasi parameter.
Untuk mendapatkan peramalan penghilangan COD digunakan
Matlab 7.10.0 (R2010b The Math Works, Inc dengan algoritma Lavenberg-
Marquardt (LM). Pada algoritma LM terdapat dua fungsi aktivasi yang valid
yaitu fungsi tan sigmoid pada lapisan tersembunyi dan a fungsi linier pada
output layer. Data masukan akan dibagi menjadi tiga bagian yaitu 70%
untuk data latih, 15% untuk data validasi, dan 15% untuk data uji. Jika
bobot dan bias sudah ditentukan, ANN siap untuk praktik atau pelatihan.
Aliran multi-layer ANN dapat dilatih untuk fungsi matematika tingkat lanjut
(regresi nonlinier) atau penentuan pola.
Rangkaian yang terbangun terdiri dari tiga lapisan meliputi lapisan
isian, satu lapisan tersembunyi dan lapisan keluaran. Seperti yang telah kita pilih,
tiga kondisi yaitu konsentrasi POME, pH, tekanan transmembran dan waktu
filtrasi sebagai variabel bebas pada lapisan masukan sedangkan COD sebagai
variabel terikat pada lapisan keluaran terhadap struktur enam neuron pada lapisan
tersembunyi.

BAB IV
PENYAJIAN HASIL DAN INTERPRETASI DATA
(PERSAMAAN/MODEL YANG DIPEROLEH, CARA VALIDASI,
PEMBAHASAN)

Persamaan model yang dikembangkan menggunakan desain Box-

Behnken dari metodologi respons permukaan (RSM) digunakan untuk
memprediksi hasil optimalisasi produksi biodiesel dari limbah cair kelapa sawit
(POME) menggunakan lipase Candida rugosa yang diimobilisasi. Hasil dari
persamaan model ini kemudian divalidasi dengan hasil eksperimen yang
dilakukan. Hasil validasi menunjukkan bahwa hasil eksperimen produksi
biodiesel secara eksperimental sejalan dengan respons yang diprediksi oleh model
(Matinja et al., 2019).
Hasil dari persamaan model ini juga digunakan untuk membandingkan
sifat-sifat bahan bakar biodiesel yang dihasilkan dengan standar kualitas dan
spesifikasi yang ditetapkan. Hasilnya menunjukkan bahwa sifat-sifat bahan bakar
biodiesel yang dihasilkan pada kondisi optimal sesuai dengan standar ASTM
D6751, ERIA, dan EN 14214 . Misalnya, titik nyala biodiesel yang dihasilkan
pada kondisi optimal adalah 181°C, yang lebih tinggi dari level minimum yang
ditetapkan oleh standar (130.0°C) (Matinja et al., 2019).
Hasil validasi dan perbandingan dengan standar kualitas, dapat
disimpulkan bahwa persamaan model yang dikembangkan dalam penelitian ini
dapat diandalkan untuk memprediksi hasil optimalisasi produksi biodiesel dari
POME. Hal ini memungkinkan untuk perencanaan dan pengambilan keputusan
terkait dengan proses produksi biodiesel, serta memastikan bahwa hasil
optimalisasi sesuai dengan standar kualitas dan spesifikasi yang ditetapkan
(Matinja et al., 2019) . Persamaan model ini juga dapat digunakan untuk
memahami interaksi antara faktor-faktor independen yang mempengaruhi
produksi biodiesel, serta untuk memperkirakan hasil produksi biodiesel dari
POME berdasarkan kondisi operasional yang berbeda. Hal ini dapat membantu
dalam pengembangan model yang dapat digunakan untuk memprediksi hasil
optimalisasi di masa depan dan memastikan efisiensi dalam proses produksi
(Matinja et al., 2019).

BAB V
KESIMPULAN

Kesimpulan dari penelitian ini adalah bahwa produksi biodiesel dari

limbah cair kelapa sawit (POME) menggunakan lipase Candida rugosa yang
diimobilisasi telah berhasil dioptimalkan. Desain Box-Behnken dari metodologi
respons permukaan (RSM) digunakan untuk mengidentifikasi kondisi optimal
untuk parameter-parameter yang diuji, seperti rasio metanol/POME, waktu reaksi,
berat dari butiran yang diimobilisasi, dan kecepatan pengadukan. Hasil
optimalisasi menunjukkan bahwa rendemen tertinggi dari metil ester asam
palmitat (PAME) dan metil ester asam oleat (OAME) diperoleh pada kondisi
optimum. Sifat-sifat bahan bakar biodiesel yang dihasilkan juga ditemukan sesuai
dengan standar kualitas dan spesifikasi.
Penelitian ini juga melakukan validasi model untuk transesterifikasi
minyak yang diekstraksi dari POME. Hasil validasi menunjukkan bahwa model
yang dikembangkan dapat memprediksi hasil optimalisasi produksi biodiesel dari
POME dengan baik. Selain itu, persamaan regresi untuk produksi biodiesel dari
POME ditentukan menggunakan hasil eksperimen, dan hasilnya menunjukkan
bahwa rendemen tertinggi dari OAME dan PAME diperoleh dari kondisi spesifik.
Proses ini diharapkan dapat mengurangi biaya produksi biodiesel dan mengatasi
masalah lingkungan yang terkait dengan pembuangan POME.
 Selain itu, penelitian ini juga mencakup karakterisasi butiran PVA-
alginat-sulfat menggunakan FESEM, analisis profil asam lemak dari minyak yang
diekstraksi dari POME, serta eksperimen transesterifikasi dan analisis rendemen
metil ester asam lemak berdasarkan interaksi antara faktor-faktor independen.
Persamaan regresi untuk produksi biodiesel dari POME ditentukan menggunakan
hasil eksperimen, dan hasilnya menunjukkan bahwa rendemen tertinggi dari
OAME dan PAME diperoleh dari kondisi spesifik. Proses ini diharapkan dapat
mengurangi biaya produksi biodiesel dan mengatasi masalah lingkungan yang
terkait dengan pembuangan POME.
Penelitian ini menunjukkan bahwa penggunaan lipase Candida rugosa
yang diimobilisasi dalam produksi biodiesel dari limbah cair kelapa sawit
(POME) dapat dioptimalkan menggunakan desain Box-Behnken dari metodologi
respons permukaan (RSM). Hasil optimalisasi menunjukkan bahwa rendemen
tertinggi dari metil ester asam palmitat (PAME) dan metil ester asam oleat
(OAME) diperoleh pada kondisi optimum. Sifat-sifat bahan bakar biodiesel yang
dihasilkan juga ditemukan sesuai dengan standar kualitas dan spesifikasi. Selain
itu, persamaan regresi untuk produksi biodiesel dari POME ditentukan
menggunakan hasil eksperimen, dan hasilnya menunjukkan bahwa rendemen
tertinggi dari OAME dan PAME diperoleh dari kondisi spesifik.
 DAFTAR PUSTAKA

Anis, U., Millati, R., & Hidayat, C. (2022). Optimization of Crude Palm (Elaeis
guineensis) Oil Bleaching using Zeolite-Fe by Response Surface
Methodology. AgriTECH, 42(1), 23. https://doi.org/10.22146/agritech.48114

Audu, J. O., Ibrahim, N., Ibrahim, Z., Dagang, W. R. Z. W., Yahya, A., Hussin,
H., Padzillah, M. H., & Abdul-Wahab, M. F. (2023). Optimization of the
operational parameters for mesophilic biohydrogen production from palm oil
mill effluent using enriched mixed culture. Biomass Conversion and
Biorefinery, 13(6), 4915–4931. https://doi.org/10.1007/s13399-021-01488-9

Bahadi, M., Salih, N., & Salimon, J. (2021). D-Optimal design optimization for the
separation of oleic acid from Malaysian high free fatty acid crude palm oil
fatty acids mixture using urea complex fractionation. Applied Science and
Engineering Progress, 14(2), 175–186.
https://doi.org/10.14416/J.ASEP.2021.03.004

Chong, D. J. S., Chan, Y. J., Arumugasamy, S. K., Yazdi, S. K., & Lim, J. W.
(2023). Optimisation and performance evaluation of response surface
methodology (RSM), artificial neural network (ANN) and adaptive neuro-
fuzzy inference system (ANFIS) in the prediction of biogas production from
palm oil mill effluent (POME). Energy, 266.
https://doi.org/10.1016/j.energy.2022.126449

Chong, J. W. R., Chan, Y. J., Chong, S., Ho, Y. C., Mohamad, M., Tan, W. N.,
Cheng, C. K., & Lim, J. W. (2021). Simulation and optimisation of integrated
anaerobic-aerobic bioreactor (IAAB) for the treatment of palm oil mill
effluent. Processes, 9(7). https://doi.org/10.3390/pr9071124
Gaveau, D. L. A., Locatelli, B., Salim, M. A., Husnayaen, Manurung, T., Descals,
A., Angelsen, A., Meijaard, E., & Sheil, D. (2022). Slowing deforestation in
Indonesia follows declining oil palm expansion and lower oil prices. PLoS
ONE, 17(3 March). https://doi.org/10.1371/journal.pone.0266178

Ghofar, A. A. (2022). APLIKASI METODE PERMUKAAN RESPON UNTUK

OPTIMASI PRODUKSI NANOEMULSI TIAMIN-KITOSAN DENGAN
PERLAKUAN GELOMBANG MIKRO AHMAD ABDUL GHOFAR, Drs.
Iqmal Tahir, M.Si. Universitas Gajah Mada, 1(2022), 62.

Lok, X., Chan, Y. J., & Foo, D. C. Y. (2020). Simulation and optimisation of full-
scale palm oil mill effluent (POME) treatment plant with biogas production.
Journal of Water Process Engineering, 38.
https://doi.org/10.1016/j.jwpe.2020.101558

Matinja, A. I., Mohd Zain, N. A., Suhaimi, M. S., & Alhassan, A. J. (2019).
Optimization of biodiesel production from palm oil mill effluent using lipase
immobilized in PVA-alginate-sulfate beads. Renewable Energy, 135, 1178–
1185. https://doi.org/10.1016/j.renene.2018.12.079

Meijaard, E., Brooks, T. M., Carlson, K. M., Slade, E. M., Garcia-Ulloa, J.,
Gaveau, D. L. A., Lee, J. S. H., Santika, T., Juffe-Bignoli, D., Struebig, M. J.,
Wich, S. A., Ancrenaz, M., Koh, L. P., Zamira, N., Abrams, J. F., Prins, H. H.
T., Sendashonga, C. N., Murdiyarso, D., Furumo, P. R., … Sheil, D. (2020).
The environmental impacts of palm oil in context. In Nature Plants (Vol. 6,
Issue 12, pp. 1418–1426). Nature Research. https://doi.org/10.1038/s41477-
020-00813-w

Mishra, P., Singh, L., Ab Wahid, Z., Krishnan, S., Rana, S., Amirul Islam, M.,
Sakinah, M., Ameen, F., & Syed, A. (2018). Photohydrogen production from
dark-fermented palm oil mill effluent (DPOME) and statistical optimization:
Renewable substrate for hydrogen. Journal of Cleaner Production, 199, 11–
17. https://doi.org/10.1016/j.jclepro.2018.07.028

Monzon, J. P., Slingerland, M. A., Rahutomo, S., Agus, F., Oberthür, T., Andrade,
J. F., Couëdel, A., Rattalino Edreira, J. I., Hekman, W., van den Beuken, R.,
Hidayat, F., Pradiko, I., Purwantomo, D. K. G., Donough, C. R., Sugianto, H.,
Lim, Y. L., Farrell, T., & Grassini, P. (2021). Fostering a climate-smart
intensification for oil palm. Nature Sustainability, 4(7), 595–601.
https://doi.org/10.1038/s41893-021-00700-y

Ng, D. K. S., Wong, S. L. X., Andiappan, V., & Ng, L. Y. (2023). Mathematical
optimisation for sustainable bio-methane (Bio-CH4) production from palm oil
mill effluent (POME). Energy, 265.
https://doi.org/10.1016/j.energy.2022.126211

Nor, N. M., Salih, N., & Salimon, J. (2022). Optimization and lubrication
properties of Malaysian crude palm oil fatty acids based neopentyl glycol
 diester green biolubricant. Renewable Energy, 200, 942–956.
https://doi.org/10.1016/j.renene.2022.09.112

Prasetyo, J., Sumbogo Murti, S. D., Senda, S. P., Latief, A. D., Dwi Husodo
Prasetyo, R., Hastuti, Z. D., Yanti, F. M., Juanda, F., Permana, E., & Muis, L.
(2018). Palm Oil Mill Effluent (POME) utilization for bio-hydrogen
production targeting for biofuel: Optimization and scale up. E3S Web of
Conferences, 67. https://doi.org/10.1051/e3sconf/20186702003

Qaim, M., Sibhatu, K. T., Siregar, H., & Grass, I. (2020). Environmental,
Economic, and Social Consequences of the Oil Palm Boom.
https://doi.org/10.1146/annurev-resource-110119

Rafiq, W., Napiah, M., Habib, N. Z., Sutanto, M. H., Alaloul, W. S., Khan, M. I.,
Musarat, M. A., & Memon, A. M. (2021). Modeling and design optimization
of reclaimed asphalt pavement containing crude palm oil using response
surface methodology. Construction and Building Materials, 291.
https://doi.org/10.1016/j.conbuildmat.2021.123288

Rahmawati, F., & Sutanto, H. T. (2012). Optimalisasi Proses Sealing Pada

Pengemasan Produk. Universitas Negeri Surabaya, 4(2012), 1–6.

Rishanty, A., Tri Sambodo, M., Silalahi, M., & Hambali, E. (n.d.). Zero-Waste
Bioenergy to Lower Energy Transition Risks in Indonesia.
https://ssrn.com/abstract=4427700

Romes, N. B., Wahab, R. A., Abdul Hamid, M., & Hashim, S. E. (2022). D-
optimal design-assisted Elaeis guineensis leaves extract in olive oil-sunflower
seed nanoemulsions: development, characterization, and physical stability.
Journal of Dispersion Science and Technology, 43(2), 289–301.
https://doi.org/10.1080/01932691.2020.1839484

Said, M., Ba-Abbad, M. M., & Wahab Mohammad, A. (2016). Indonesia Journal
of Fundamental and Applied Chemistry Optimization of Palm Oil Mill
Effluent Treatment by Applying RSM and ANN. IJFA, 1(2016), 7–13.

Tiong, J. S. M., Chan, Y. J., Lim, J. W., Mohamad, M., Ho, C. D., Ur Rahmah, A.,
Kiatkittipong, W., Sriseubsai, W., & Kumakiri, I. (2021). Simulation and
optimization of anaerobic co-digestion of food waste with palm oil mill
effluent for biogas production. Sustainability (Switzerland), 13(24).
https://doi.org/10.3390/su132413665

Zhao, J., Elmore, A. J., Lee, J. S. H., Numata, I., Zhang, X., & Cochrane, M. A.
(2023). Replanting and yield increase strategies for alleviating the potential
decline in palm oil production in Indonesia. Agricultural Systems, 210.
https://doi.org/10.1016/j.agsy.2023.103714