UI - Tesis Membership :: Kembali

UI - Tesis Membership :: Kembali

Optimasi pembuatan herbisida glyphosate menggunakan response surface method (RSM) dan artificial neural network genetic algorithm (AAN-GA) = Optimization of herbicide glyphosate making using response surface method (RSM) and artificial neural network genetic algorithm (ANN-GA)

Dewi Lesmawaty; Isti Surjandari Prajitno, supervisor; Erlinda Muslim, supervisor; Amar Rachman, examiner; Amalia Suzianti, examiner; Boy Nurtjahyo Moch., examiner; Maya Arlini Puspasari, examiner (Fakultas Teknik Universitas Indonesia, 2013)

 Abstrak

Pengembangan produk baru merupakan hal yang sangat penting dalam menjaga
pertumbuhan perusahaan. Herbisida glyphosate dengan kemampuannya yang
spesifik dan efektif dalam menghambat enzim 5-enolpyruvylshikimate-3-
phosphate synthase (EPSPS) menjadi herbisida yang luas dipakai di seluruh dunia
termasuk di Indonesia yaitu sebesar 51% pasar pada Maret 2013. Proses
pembuatan produk baru ammonium glyphosate 400 g/L SL dilakukan melalui dua
metode optimasi yaitu Response Surface Method (RSM) dan Artificial Neural
Network-Genetic Algorithm (ANN-GA). Kemampuan prediksi respon RSM dan
ANN dibandingkan melalui nilai root mean squared error (RMSE). Dari hasil
prediksi RSM, RMSE untuk pembuatan ammonium glyphosate berbasa NH4OH
dan berbasa NH4HCO3 secara berturut-turut adalah 44.37 dan 73.2. Sedangkan
dengan prediksi ANN RMSE untuk pembuatan ammonium glyphosate berbasa
NH4OH dan berbasa NH4HCO3 secara berturut-turut adalah 122.04 dan 143.80.
Pada penelitian ini juga ditunjukkan bahwa RSM memiliki kemampuan lebih
baik dalam menentukan kondisi optimal jika dibandingkan dengan ANN-GA.
Berdasarkan hasil optimasi, formulasi ammonium glyphosate berbasa NH4OH
dapat menurunkan biaya sebesar 3.71% dan dengan berbasa NH4HCO3 dapat
menurunkan biaya 11.08% dari komposisi yang sudah ada.

New product development is very important for the companies to maintain the
growth. Since its specificity and affectivity in inhibits 5-enolpyruvylshikimate-3-
phosphate synthase (EPSPS), glyphosate becomes a worldwide herbicide
including in Indonesia with 51% market size in March 2013. The making of the
proposed new product, ammonium glyphosate 400 SL, is optimized by the two
methodologies Response Surface Method (RSM) and hybrid of Artificial Neural
Network-Genetic Algorithm (ANN-GA). Prediction capability of the RSM and
ANN model were determined by comparing the root mean squared error (RMSE).
From the RSM prediction, the RMSE for the NH4OH and NH4HCO3 experiment
were 44.37 and 73.2, respectively. And from the ANN prediction, the RMSE for
the NH4OH and NH4HCO3 experiment were 122.04 and 143.80, respectively. In
this study, RSM also showed its superiority in determine the optimum condition
for making ammonium glyphosate compared to the ANN-GA. Based on the
optimization result, NH4OH base formulation gave the 3.71% cost saving and
NH4HCO3 base formulation gave 11.08% cost saving compared to the existing
product.

 File Digital: 1

Shelf
 T35224-Dewi Lesmawaty.pdf :: Unduh

LOGIN required

 Metadata

Jenis Koleksi : UI - Tesis Membership
No. Panggil : T35224
Entri utama-Nama orang :
Entri tambahan-Nama orang :
Entri tambahan-Nama badan :
Program Studi :
Subjek :
Penerbitan : Depok: Fakultas Teknik Universitas Indonesia, 2013
Bahasa : ind
Sumber Pengatalogan : LibUI ind rda
Tipe Konten : text
Tipe Media : unmediated ; computer
Tipe Carrier : volume ; online resource
Deskripsi Fisik : xv, 102 pages: illustration ; 28 cm + appendix
Naskah Ringkas :
Lembaga Pemilik : Universitas Indonesia
Lokasi : Perpustakaan UI, Lantai 3
  • Ketersediaan
  • Ulasan
  • Sampul
No. Panggil No. Barkod Ketersediaan
T35224 15-23-42019757 TERSEDIA
Ulasan:
Tidak ada ulasan pada koleksi ini: 20350116
Cover