Search for collections on EPrints Repository UNTIRTA

OPTIMASI UKURAN PARTIKEL RESIDU ASAM TEREFTALAT PADA UNIT KRISTALISASI DENGAN MODEL HIBRIDA MEKANISTIK DAN KECERDASAN BUATAN

Primadya, Pradipta (2026) OPTIMASI UKURAN PARTIKEL RESIDU ASAM TEREFTALAT PADA UNIT KRISTALISASI DENGAN MODEL HIBRIDA MEKANISTIK DAN KECERDASAN BUATAN. Master thesis, Fakultas Teknik Universitas Sultan Ageng Tirtayasa.

[img] Text (Fulltext)
Primadya Pradipta_7780240017_Fulltext.pdf

Download (7MB)
[img] Text (Bab 1)
Primadya Pradipta_7780240017_01.pdf

Download (2MB)
[img] Text (Bab 2)
Primadya Pradipta_7780240017_02.pdf

Download (1MB)
[img] Text (Bab 3)
Primadya Pradipta_7780240017_03.pdf

Download (833kB)
[img] Text (Bab 4)
Primadya Pradipta_7780240017_04.pdf

Download (2MB)
[img] Text (Bab 5)
Primadya Pradipta_7780240017_05.pdf

Download (585kB)
[img] Text (Daftar Pustaka)
Primadya Pradipta_7780240017_Ref.pdf

Download (474kB)
[img] Text (Lampiran)
Primadya Pradipta_7780240017_Lamp.pdf

Download (4MB)
[img] Text (Cek Plagiasi)
Primadya Pradipta_7780240017_CP.pdf

Download (11MB)

Abstract

Produksi asam tereftalat (PTA) menghasilkan residu yang berpotensi mencemari lingkungan, seperti asam benzoat, asam p-toluic, dan logam berat. Kristalisasi merupakan salah satu metode untuk mengolah residu ini dengan menghasilkan kristal berukuran seragam sehingga pemisahan lebih efisien. Penelitian ini bertujuan mengoptimalkan parameter proses kristalisasi, yaitu waktu pendinginan dan laju pendinginan, dengan pendekatan hibrida mekanistik–machine learning. Model mekanistik dikembangkan berdasarkan persamaan Arrhenius sederhana dan persamaan turunan kompleks, sedangkan model machine learning menggunakan XGBoost Regression dan Differential Evolution. Hasil fitting parameter model hibrida sederhana menunjukkan kondisi optimum pada 17,9 jam dan 0,48 K/jam, dengan RMSE 8,33 µm. Model hibrida lengkap tidak mampu memberikan prediksi yang baik dengan RMSE 18,94 µm. Pada model machine learning, kondisi optimum diberikan pada 17,9 jam dan 0,82 K/jam, dengan prediksi lebih baik pada RMSE 3,0 µm. Hasil ini menunjukkan bahwa pendekatan machine learning lebih akurat dibanding model hibrida, meskipun keduanya tetap relevan untuk mendukung optimasi proses kristalisasi residu PTA.

Item Type: Thesis (Master)
Contributors:
ContributionContributorsNIP/NIM
Thesis advisorTeguh, KurniawanUNSPECIFIED
Thesis advisorSaepurahman, SaepurahmanUNSPECIFIED
Subjects: Q Science > QD Chemistry
T Technology > T Technology (General)
T Technology > TP Chemical technology
T Technology > TS Manufactures
Divisions: 08 Pascasarjana > 84104-Magister Teknik Kimia
Depositing User: Mr Primadya Pradipta
Date Deposited: 06 Feb 2026 01:23
Last Modified: 06 Feb 2026 01:23
URI: http://eprints.untirta.ac.id/id/eprint/57918

Actions (login required)

View Item View Item