Hasil Pencarian  ::  Simpan CSV :: Kembali

"Peningkatan kebutuhan kemasan multilayer menjadi kontributor terbesar atas permasalahan sampah plastik di sektor makanan dan minuman. Salah satu jenis kemasan multilayer yang paling sering digunakan sebagai kemasan adalah laminated foil. Nilai laminated foil yang rendah dalam industri daur ulang karena kompleksitas yang tinggi membuat evaluasi menyeluruh dalam penggunaan laminated foil dengan metode Life Cycle Assessment diperlukan. Penggunaan mesin pembelajaran dapat menjadi solusi untuk perhitungan skor LCA yang user-friendly. Rangkaian penelitian ini terdiri dari studi literatur, pengumpulan data produk, pembuatan dataset, perumusan standar LCA, dan diakhiri dengan pembuatan algoritma dari program pembelajaran mesin berbasis deep learning. Proses studi literatur menghasilkan informasi penting yang kemudian digunakan untuk proses pengumpulan data kemasan di tempat retail serta pembuatan dataset yang melibatkan perangkat lunak Microsoft Excel dan OpenLCA. Pembuatan program mesin pembelajaran kemudian dapat dilakukan dan menjadi pembahasan penting dalam penelitian ini. Untuk menghasilkan suatu program yang optimal, terdapat berbagai parameter yang diuji. Parameter tersebut adalah test size, random state, hidden layer dan densitas neuron, learning rate, batch size, serta epochs. Penelitian ini menghasilkan suatu program dengan akurasi 97,09% yang dapat digunakan untuk melakukan prediksi skor LCA kemasan Laminated Foil.

---

The increasing need for multilayer packaging is the biggest contributor to the problem of plastic waste in the food and beverage sector. One of the types of multilayer packaging that is most often used as packaging is laminated foil. The low value of laminated foil in the recycling industry due to its high complexity makes a thorough evaluation of the use of laminated foil with the Life Cycle Assessment method is necessary. The use of machine learning can be a user-friendly solution for calculating LCA scores. This series of research consists of literature study, product data collection, dataset creation, LCA standard formulation, and ends with algorithm development from deep learning-based machine learning program. The literature study process produces important information which then used for the process of collecting packaging data at retail places as well as making datasets involving Microsoft Excel and OpenLCA software. The building of machine learning programs then be done and becomes an important discussion in this research. To produce an optimal program, there are various parameters that are tested. These parameters are test size, random state, number of layers and dense, learning rate, batch size, and epochs. This study resulted in a program with an accuracy of 97.09% which can be used to predict the LCA score of Laminated Foil packaging.

"

"

Sampah plastik merupakan suatu permasalahan yang harus diperhatikan. Hal ini disebabkan oleh sifat yang dimilikinya yaitu sulit untuk diuraikan sehingga dapat mencemari lingkungan sekitar jika tidak segera diatasi. Oleh karena itu, diperlukan suatu sistem yang bersifat user friendly untuk membantu proses evaluasi pada produk kemasan plastik secara menyeluruh dengan menggunakan pendekatan Life Cycle Assessment (LCA) untuk mempermudah kerja pengguna serta meningkatkan kesadaran terkait dampak lingkungan yang ditimbulkan dari produk kemasan plastik. Untuk memperoleh sistem tersebut, perlu melalui beberapa tahapan dimulai dari studi literatur, pengumpulan data produk, pembuatan dataset, perumusan standar LCA, hingga pembuatan algoritma dari program pembelajaran mesin berbasis deep learning. Pembuatan dataset dilakukan menggunakan fitur random number yang terdapat pada software Microsoft excel. Sedangkan, untuk pengumpulan data produk serta perumusan standar LCA dilakukan berdasarkan database ecoinvent 3.7.1 yang disediakan oleh software openLCA. Metode deep learning digunakan untuk meningkatkan efisiensi di dalam melakukan pengolahan data. Di dalam proses pembuatan algoritma deep learning, dilakukan optimasi parameter yang terlibat seperti test size, random state, jumlah layer dan dense, learning rate, batch size, serta epochs agar dapat memperoleh akurasi yang optimum. Dari penelitian yang telah dilakukan, diperoleh hasil akhir berupa program prediksi skor LCA untuk produk kemasan botol plastik dengan menggunakan metode pembelajaran mesin berbasis deep learning dengan tingkat akurasi sebesar 92%.

---

Plastic waste is a matter of concern. This is due to the nature it possesses i.e. it is difficult to decipher so it can pollute the surrounding environment if it is not addressed immediately. Therefore, it is necessary to have a user-friendly system to assist the evaluation process on plastic packaging products thoroughly by using the Life Cycle Assessment (LCA) approach to facilitate user to work as well as to raise awareness related to the environmental impact caused from plastic packaging products. To obtain such systems, it is necessary to go through several stages, start from literature studies, product data collection, dataset creation, formulation of LCA standards, until algorithm creation from deep learning-based machine learning programs. The dataset creation is performed using the random number features contained on Microsoft excel software. Whereas, for product data collection and formulation the LCA standards are performed based on the 3.7.1 ecoinvent database provided by the openLCA software. Deep learning methods are used to improve efficiency inside performing data processing. Inside the process of creating deep learning algorithms, involved parameter optimizations such as test size, random state, number of layers and denses, learning rate, batch size, as well as epochs are performed to obtain optimum accuracy. From the research already conducted, the final result was obtained in the form of an LCA score prediction program for plastic bottle packaging products using a deep learning-based machine learning method with an accuracy rate of 92%.

"

"Modifikasi permukaan aluminium secara elektrokimia merupakan suatu proses yang tengah berkembang pesat saat ini. Modifikasi permukaan secara elektrokimia pada awalnya lebih diarahkan pada peningkatan nilai ketahanan korosi, peningkatan kekerasan, dan juga peningkatan nilai estetika. Namun pada perkembangannya, salah satu proses elektrokimia, yaitu anodisasi, telah berkembang menjadi suatu proses modifikasi permukaan yang bertujuan untuk diaplikasikan pada teknologi berbasis nanoteknologi. Pemanfaatan lapisan oksida pada permukaan aluminium hasil proses anodisasi dilakukan dengan memanfaatkan pori (porous anodic alumina) yang terbentuk sebagai template pada pembuatan material yang berbasis pada nano teknologi seperti quantum-dot arrays, photonic crystals, magnetic memory arrays, nanowire dan berbagai alat mikroelektronik lainnya.Penelitian ini bertujuan untuk mengetahui pengaruh perubahan konsentrasi larutan elektrolit terhadap ketebalan lapisan oksida yang terbentuk pada permukaan aluminium. Penelitian dilakukan dengan menggunakan sampel logam berupa aluminium foil (pure aluminium, 96.49%Al) dengan permukaan anodisasi sebesar 2X2 cm. Larutan elektrolit yang digunakan adalah asam oksalat dengan variasi konsentrasi 0.4 M, 0.5 M, 0.6 M. Tegangan pada proses adalah 32.5 Volt, temperatur dijaga pada rentang 4°C - 16°C, dan diaduk dengan menggunakan magnetic stirrer 500 rpm.Hasil yang diperoleh melalui penelitian ini adalah bahwa tidak terjadi perubahan warna yang signifikan pada proses anodisasi dengan larutan asam oksalat. Nilai ketebalan lapisan oksida yang terbentuk akan semakin meningkat pada peningkatan konsentrasi asam oksalat. Nilai kekerasan pada sampel aluminium foil tidak dapat dilakukan dengan menggunakan metode microhardness tester.

---

Modification of aluminum surface with electrochemistry methods are developing rapidly nowadays. This surface modification were initially intended to increase the corrosion resistance, hardness, properties and improving the aesthetic appearance of aluminum. Recently, one of these electrochemistry methods, anodizing, were developed into one of the surface modification that can be applied in nanotechnology. Oxide layer which formed by anodizing process in the aluminum surface could be used as template for microelectronic nanotechnology material such as quantum-dot arrays, photonic crystals, magnetic memory arrays, nanowire because of it porous anodic alumina texture.

This research is conducted to found the effect of electrolyte concentration changes on thickness of oxide layer formed in aluminum surface. This research is carried out with aluminum foil sample (pure aluminum, 96.49% Al) with anodizing surface measured 2X2 cm. Electrolyte which used in this research is oxalic acid with concentration variation 0.4 M, 0.5 M, 0.6 M. This process using 32.5 Volt potential, temperature were kept in range of 4°C - 16°C, and the electrolyte were stirred electromagnetically at 500 rpm.

The result from this research shows that the colour of oxide layer by anodizing of aluminum in oxalic acid solution was transparent. By anodizing in oxalic acid, the thickness of formed oxide layer was dependent with the increase of concentration. Hardness testing on aluminum foil or oxide layer could?nt use to obtain hardness number in this research."

"Saat ini nanoteknologi berkembang dengan sangat pesat karena menghasilkan sifat yang menarik dan berbeda dengan teknologi yang dihasilkan dalam ukuran makroskopis. Produk-produk nanoteknologi berbasis nanostructure materials telah banyak dikaji dan dikembangkan, beberapa diantaranya adalah carbon nanotube, quantum dots, dan nano porous membrane. Sintesis nanostructure materials tersebut dapat dilakukan dengan template nano porous aluminum oxide hasil proses anodisasi. Sifat dan struktur nanoporous aluminum oxide tersebut sangat dipengaruhi oleh beberapa variabel proses anodisasi seperti waktu anodisasi, jenis dan konsentrasi larutan elektrolit, tegangan dan rapat arus, dan juga temperatur.Pembuatan nano porous aluminum oxide dari aluminium foil untuk aplikasi nanostructure materials telah dilakukan dengan metoda anodisasi. Proses anodisasi dilakukan dengan kenaikan temperatur 10 °C, 20 °C, dan 30 °C dalam campuran larutan asam sulfat 3 M dan asam oksalat 0,5 M, pada kondisi tegangan 15 volt, dan waktu anodisasi 30 menit. Pengamatan diameter pori dilakukan dengan alat FESEM sedangkan pengukuran ketebalan dilakukan dengan alat SEM. Hasil pengamatan menunjukkan bahwa pada kondisi temperatur 10 °C dan 20 °C tidak terbentuk lapisan nano porous alumina sedangkan pada temperatur 30 °C terbentuk nano porous dengan keteraturan near-ordered dengan diameter ratarata 25 nm. Pengujian ketebalan oksida menunjukkan bahwa semakin tinggi temperatur menyebabkan kenaikan ketebalan rata-rata oksida. Ketebalan lapisan oksida mengalami kenaikan berturut-turut 351 nm, 652 nm, dan 770 nm pada temperatur 10 °C, 20 °C, dan 30 °C.

---

Recently, nanotechnology grows fast because it develops interesting features and different from technology produced on macroscopic scale. Nanotechnology products like nanostructure materials have been studied and developed. Some of them are carbon nanotube, quantum dots, and nano porous membrane. Fabrication of nanostructure materials can be done by template of nano porous aluminum oxide from anodizing process. Properties and structure of the nano porous aluminum oxide was influenced by several variables from anodizing process like time, type and concentration of solution, voltage and current density, and temperature.

Fabrication of nano porous aluminum oxide from aluminum foil for nanostructure materials application have been done from anodizing process in this research. Anodizing process was done on different temperature 10 °C, 20 °C, and 30 °C in mixing solution of sulfuric acid 3 M and oxalic acid 0.5 M, voltage 15 volt, anodizing time 30 minute. Observation of pores diameter was done by FESEM and measurement of oxide thickness was done by SEM. The result shows that there is no formation of porous alumina on temperature 10 °C and 20 °C. In other hand, there is formation of near-ordered nano porous aluminum oxide on temperature 30 °C with 25 nm average diameters. Measurement of thickness show that oxide thickness increases when temperature is raised. Oxide film thickness increases 351 nm, 652 nm, and 770 nm on temperature 10 °C, 20 °C, and 30 °C, respectively."

"Aluminium merupakan salah satu material logam yang banyak digunakan serta dikembangkan pada berbagai macam aplikasi. Untuk meningkatkan kualitas aluminium, baik sifat fisik maupun mekanisnya, dilakukan beberapa perlakuan terhadap aluminium tersebut. Salah satu proses yang dilakukan adalah dengan rekayasa permukaan melalui proses anodisasi. Dalam proses anodisasi, pada permukaan aluminium akan terbentuk lapisan aluminium oksida yang amat keras dan tahan terhadap korosi.Saat ini pengembangan proses anodisasi dikembangkan dalam pengetahuan tentang nanoteknologi. Melalui proses anodisasi yang dilakukan diharapkan lapisan yang dihasilkan memiliki kebaikan sifat-sifat mekanis seperti ketebalan, kekerasan, dan karakteristik diameter pori yang sesuai agar nantinya dapat digunakan pada aplikasi nanoteknologi seperti pembuatan carbon nanotube, nanoporous membrane, ataupun quantum dots. Salah satu parameter yang terpenting dan menentukan karakteristik permukaan hasil anodisasi adalah konsentrasi dan jenis elektrolit yang digunakan.Penelitian kemudian dilakukan untuk memahami pengaruh dari besarnya penambahan konsentrasi elektrolit terhadap karakteristik dari lapisan oksida yang dihasilkan pada permukaan aluminium foil. Pada penelitian ini digunakan elektrolit tetap asam oksalat 0,5 M, serta variabel bebas penambahan asam sulfat 0,12 M, 0,24 M, 0,36 M, dan 0,48 M.Hasil penelitian kemudian menunjukkan bahwa lapisan oksida yang dihasilkan benar merupakan lapisan Al2O3 dan dengan meningkatnya konsentrasi asam sulfat lapisan oksida yang dihasilkan akan memiliki permukaan yang semakin pekat warna kelabu-nya serta meningkat ketebalannya, hingga mencapai ketebalan tertinggi sekitar 14,51 µm pada konsentrasi 0,36 M namun menurun hingga ketebalan 9,95 µm pada konsentrasi 0,48 M. Kekerasan lapisan yang dihasilkan tidak valid karena alat pengujian yang digunakan kurang mendukung untuk jenis sampel yang digunakan.

---

Aluminium is one of the most common metal that has been used and developed in wide application. To enhance the quality of aluminium (physical and mechanical properties), some process have been done to the aluminium itself. One of the process is by changing its surface properties with anodizing process. In anodizing process, the aluminium oxide layer would be formed on the surface, and it has great hardness and good corrosion resistance.

At the present, the anodizing process has been developed for the knowledge of nanotechnology. By anodizing, it is hoped that the layer produced would have good mechanical properties like thickness, hardness, and good pore diameter characteristic. Then, with it good properties, it can be used in nanotechnology application like in the manufacturing of carbon nanotube, nanoporous membrane, and quantum dots. One of the most important parameter to the characteristic of the anodizing surface layer is the use of electrolyte.

This experiment was conducted to study the effect of increasing electolyte concentration to the characteristic of the oxide layer that produced at the surface of aluminium foil. The experiment used 0,5 M oxalic acid mixed with 0,12 M, 0,24 M, 0,36 M, and 0,48 M sulfuric acid.

The results showed that the oxide layer was Al2O3 layer. With the increase of sulfuric acid concentration, the oxide layer would be darker in the colour of gray and has some increasing in thickness. The highest thickness was about 14,51 µm in the addition of 0,36 M electrolytic concentration, but it is decreased to the 9,95 µm thickness when the concentration increased up to 0,48 M. The hardness of the layer could not be tested. The hardness testing machine used was not supported the kind of sample that were tested."

"Data dari Asosiasi Industri Plastik Indonesia (INAPLAS) dan Badan Pusat Statistik (BPS), sampah plastik di Indonesia mencapai 64 juta ton per tahun. Dampak lingkungan yang ditimbulkan dari limbah kemasan plastik sangatlah signifikan dalam satu siklus hidup kemasan plastik. Sejauh ini, upaya untuk meningkatkan kesadaran masyarakat terhadap dampak lingkungan sampah plastik menggunakan suatu metode asesmen secara komprehensif belum banyak dilakukan. Salah satu metode yang dapat dilakukan adalah life cycle assessment (LCA). LCA adalah metode sistematis untuk menganalisis secara kuantitatif dampak lingkungan suatu produk pada seluruh siklus hidup produk. Kendala dalam melakukan LCA salah satunya adalah proses yang kompleks untuk mengidentifikasi produk pada keseluruhan siklus hidupnya sehingga dibutuhkan metode asesmen LCA yang user-friendly dan mempermudah dalam melakukan LCA. Salah satu solusi yang dapat digunakan untuk mengatasi keterbatasan itu adalah dengan membangun model deep learning untuk memprediksi skor LCA pada produk kemasan plastik detergen cair yang dapat mempersingkat waktu serta meningkatkan efisiensi dalam melakukan asesmen LCA. Hasil penelitian berupa program prediksi skor LCA untuk produk kemasan plastik detergen cair menggunakan metode eco-indicator 99 dengan menggunakan jumlah dataset 240 terdiri dari 8% data real, 75% data dummy, 17% data hybrid. Parameter model lainnya antara lain test size 0,2, random state 6, batch size 64, dengan 3 hidden layer dan dense 64,32,16, epoch 1000 dan learning rate 0,01. Program menghasilkan akurasi optimum sebesar 99,39% yang dihasilkan dari regression metrics menggunakan R2 score.

---

Data from the Indonesian Plastic Industry Association (INAPLAS) and Badan Pusat Statistik (BPS), plastic waste in Indonesia reaches 64 million tons per year. The environmental impact of plastic packaging waste is very significant in a plastic packaging life cycle. So far, efforts to increase public awareness of the environmental impact of plastic waste have used a comprehensive assessment methods have not been widely carried out. One method that can be used is life cycle assessment (LCA). LCA is a systematic method for quantitatively analyzing the environmental impact of a product over the entire product life cycle. One of the obstacles in conducting LCA is the complex process of identifying products throughout their life cycle, so a user-friendly and easier LCA assessment method is needed. One solution that can be used to overcome these limitations is to build a deep learning model to predict LCA scores on liquid detergent plastic packaging products which can shorten time and increase efficiency in conducting LCA assessments. The result of the research is an LCA score prediction program for liquid detergent plastic packaging products using the eco-indicator 99 method using a total of 240 datasets consisting of 8% real data, 75% dummy data, 17% hybrid data. Other model parameters include test size 0.2, random state 6, batch size 64, with 3 hidden layers and dense 64,32,16, epoch 1000 and learning rate 0.01. The program produces an optimum accuracy of 99.39% resulting from regression metrics using the R2 score."

"Nanoporous anodic aluminum oxide (AAO) layers were successfully fabricated on aluminum foil through an anodizing process in oxalic acid and mixed electrolytes of sulfuric and oxalic acid. The effect of electrolyte resistivity on the morphology of nanoporous AAO, such as pore diameter and pore density, was investigated. The nanoporous AAO layers‘bmorphology was examined using field emission scanning electron microscopy (FE-SEM) and analyzed using image analysis software. The results showed that anodizing in mixed electrolytes (sulfuric and oxalic acid) produced a much smaller pore diameter and a much higher pore density at lower voltage compared to anodizing in a single oxalic acid. For the anodizing process in oxalic acid, the pore diameters ranged from 14 to 52 nm, and the pore density ranged from 34?106 pores in 500×500 nm2. The anodizing process in the mixed electrolytes resulted in pore diameters within the range of 7?14 nm, and the pore densities were within the range of 211?779 pores in 500×500 nm2. Overall, increasing the electrolyte resistivity within the same solution leads to decreased pore diameter."

"Bahan bakar nabati menjadi salah satu alternatif menggantikan bahan bakar fosil. Salah satu bahan dasar yang digunakan dalam penyediaan bahan bakar nabati adalah pohon jarak. Pohon jarak diuntungkan karena jarak bukan sumber non-pangan. Sintesis minyak nabati dapat menghasilkan biofuel, seperti biogasoline, bioavtur, bioLPG, dan renewable diesel yang ramah lingkungan. Penelitian ini dilakukan untuk menganalisis tahapan daur hidup produksi BBN dengan metode yang digunakan adalah Life Cycle Assessment (LCA), dengan lingkup cradle-to-gate yang meliputi tahap pembukaan lahan, perkebunan, ekstraksi minyak, sintesis BBN, dan transportasi distribusi, untuk mengetahui emisi yang dihasilkan dari semua proses tersebut seperti Analisis ditinjau dari aspek emisi, yaitu CO2, CH4, N2O, CO, NOx, SOx, dan NMVOCs. Dari keseluruhan proses produksi BBN berbasis jarak, pada tahapan sintesis menghasilkan menghasilkan CO2 terbesar, yaitu senilai 2052% per 1 Ton produk BBN. Hal ini dikarenakan pada sintesis BBN dipengaruhi oleh besarnya utilitas seperti kompresor, pompa, dan heat exchanger. Berdasarkan simulasi unisim, laju alir bahan baku minyak nabati pada proses sintesis BBN berpengaruh terhadap presentase produk terhadap bahan baku minyak jarak, semakin kecil laju alir bahan baku maka yield produk BBN akan semakin tinggi. Didapatkan hasil bahwa yield produk BBN sebesar 79% pada laju alir sebesar 100kg/h, sedangkan pada laju alir 1000kg/h yield produk BBN sebesar 38%. Laju alir berpengaruh sebesar 13% produk samping CO2 terhadap produk BBN. Sehingga, perubahan laju alir bisa dikatakan berpengaruh kecil terhadap emisi CO2 yang dihasilkan.

---

Biofuels are one of the alternatives to replace fossil fuels. One of the basic materials used in the provision of biofuel is the jatropha tree. The jatropha tree benefits because it is not a non-food source. Synthesis of vegetable oils can produce biofuels, such as biogasoline, bioavtur, bioLPG, and environmentally friendly renewable diesel. This research was conducted to analyze the life cycle stages of biofuel production with the method used is the Life Cycle Assessment (LCA), with a cradle-to-gate scope which includes the stages of land clearing, plantations, oil extraction, biofuel synthesis, and distribution transportation, to determine emissions. the results of all these processes such as analysis in terms of emissions aspects, namely CO2, CH4, N2O, CO, NOx, SOx, and NMVOCs. From the whole process of distance based biofuel production, the synthesis stage produces the largest CO2, which is worth 2052% per 1 ton of biofuel product. This is because the synthesis of biofuels is influenced by the amount of utility such as compressors, pumps, and heat exchangers. Based on the unisim simulation, the flow rate of vegetable oil raw materials in the biofuel synthesis process affects the product percentage of castor oil raw materials, the smaller the flow rate of raw materials, the higher the yield of biofuel products. The results showed that the biofuel product yield was 79% at a flow rate of 100kg / h, while at a flow rate of 1000kg / h the yield of biofuel products was 38%. The flow rate affected by 13% of CO2 byproducts on biofuel products. Thus, changes in flow rate can be said to have little effect on the resulting CO2 emissions."

"Industri tahu yang tersebar di wilayah DKI Jakarta dengan teknologi yang masih tradisional, penggunaan kayu bakar dan tidak adanya fasilitas pengolahan limbah cair berpotensi untuk memberikan dampak bagi lingkungan. Untuk menganalisis potensi dampak lingkungan yang dihasilkan dapat menggunakan pendekatan Life Cycle Assessment terhadap daur hidup produksi tahu untuk dua industri tahu di kecamatan Mampang Prapatan dan Jagakarsa, Jakarta Selatan. Analisis dampak dilakukan dengan metode change-oriented yaitu menggunakan tiga skenario untuk membandingkan penggunaan bahan bakar kayu, LPG dan adanya fasilitas pengolahan limbah cair untuk unit fungsional 1 kg tahu. Batasan sistem yang digunakan yaitu gate to gate dan pengolahan data menggunakan software OpenLCA serta metode CML-IA Baseline untuk metode penilaian dampak. Skenario penggunaan sampah kayu sebagai bahan bakar dan tanpa adanya pengolahan limbah cair pada daur hidup produksi tahu menghasilkan dampak tertinggi yaitu dampak GWP sebesar 3.73902 kg CO2 eq, acidification sebesar 0.02424 kg SO2 eq, eutrophication sebesar 0.02215 kg PO4 eq, human toxicity sebesar 2.55568 kg 1.4-DB eq dan photochemical oxidation sebesar 0.00090 kg C2H4 eq. Dengan analisis kontribusi diketahui proses perebusan merupakan hotspot dengan rata-rata kontribusi dampak sebesar 88.18% dengan sampah kayu sebagai kontributor utama. Pada industri tahu yang menggunakan LPG sebagai bahan bakar, hotspot terletak pada proses penggilingan kedelai dengan energi listrik sebagai kontributor utama. Rekomendasi perbaikan dengan penerapan cleaner production dan pembangunan fasilitas pengolahan limbah cair pada industri tahu diharapkan dapat menurunkan potensi dampak lingkungan yang dihasilkan.

---

The tofu industry, which is spread throughout the DKI Jakarta area, using traditional technologies, relies on firewood, and lacks wastewater treatment facilities, all of which have the potential to harm the environment. A life cycle assessment (LCA) approach can be applied for two tofu industries in the Mampang Prapatan and Jagakarsa sub-districts, South Jakarta, to analyse the potential environmental impacts. The impact analysis used a change-oriented LCA method with three scenarios to compare the use of wood fuel, LPG, and wastewater treatment facilities for the 1 kg tofu functional unit. Impact analysis was performed using OpenLCA software and the CML-IA Baseline method with a gate-to-gate system boundary. The scenario of using wood waste as fuel and without wastewater treatment in the life cycle of tofu production resulted the highest impact GWP of 3.73902 kg CO2 eq, acidification of 0.02424 kg SO2 eq, eutrophication of 0.02215 kg PO4 eq, human toxicity of 2.55568 kg 1.4-DB eq and photochemical oxidation of 0.00090 kg C2H4 eq. With contribution analysis, the use of wood waste as fuel in the boiling process is a main contributor to all impact categories with an average impact contribution of 88.18%. In the tofu industry that employed LPG as fuel, the hotspot lay in the soybean milling process, with electricity as the main contributor. Recommendations for improvement with the implementation of cleaner production and the construction of wastewater treatment facilities in the tofu industry are expected to reduce the potential environmental impacts produced."

"Penelitian ini berfokus pada pengaplikasian teknologi deep learning, secara khusus menggunakan Residual Network (ResNet101) dalam prediksi perencanaan dosis untuk pasien kanker paru-paru. Tiga variasi input data diproses untuk dilatih dan diuji menggunakan ResNet, dan kemudian dievaluasi untuk menentukan variasi input yang paling akurat. Tujuan utama penelitian ini adalah memahami mekanisme kerja deep learning dalam prediksi perencanaan dosis, mengevaluasi akurasi prediksi menggunakan ResNet, dan menganalisis kinerja model pada masing-masing variasi input data. Metodologi yang digunakan melibatkan penggunaan model input dan output untuk menghasilkan kurva distribusi-volume dosis (DVH) prediksi dan aktual. DVH merupakan kurva yang digunakan untuk mengukur seberapa besar dosis yang diterima dalam persentase volume pada organ tertentu. Evaluasi dilakukan menggunakan metode Mean Absolute Error (MAE) dari persentase volume prediksi dan referensi masing-masing pasien pada rentang dosis yang ditentukan yaitu 0-60 Gy dengan lebar bin sebesar 0,25 Gy. Hasil evaluasi menunjukkan bahwa variasi data input A memberikan nilai MAE sebesar 11,24% ± 10,58%, variasi data input B memberikan MAE sebesar 12,79% ± 11,27%, dan variasi data input C memberikan MAE sebesar 12,22% ± 12,13%. Hasil tersebut memperlihatkan bahwa variasi data input A memiliki tingkat akurasi terbaik dengan nilai error dan standar deviasi terendah. Evaluasi juga melibatkan penggunaan train-val loss untuk masing-masing model yang dilatih. Temuan ini menunjukkan bahwa penggunaan citra CT sebagai channel 1, gabungan ROI tanpa ROI target sebagai channel 2, dan ROI target sebagai channel 3 memberikan prediksi perencanaan dosis yang paling akurat untuk pasien kanker paru-paru.

---

This study focuses on the application of deep learning technology, specifically using Residual Network (ResNet101), to predict dosage planning for lung cancer patients. Three variations of input data were processed for training and testing using ResNet, and then evaluated to determine the most accurate input variation. The primary objectives of this research are to understand the mechanism of deep learning in dosage planning prediction, evaluate prediction accuracy using ResNet, and analyze model performance for each input data variation. The methodology involved using input and output models to generate predicted and actual dose-volume histogram (DVH) curves. DVH is a curve used to measure the dose received as a volume percentage in a specific organ. Evaluation was conducted using the Mean Absolute Error (MAE) method from the volume percentage prediction and reference for each patient within a dose range of 0-60 Gy with a bin width of 0,25 Gy. The evaluation results showed that input data variation A yielded an MAE of 11,24% ± 10,58%, input data variation B yielded an MAE of 12,79% ± 11,27%, and input data variation C yielded an MAE of 12,22% ± 12,13%. These results indicate that input data variation A had the best accuracy with the lowest error and standard deviation. Evaluation also included using train-val loss for each trained model. These findings suggest that using CT images as channel 1, a combination of ROIs excluding the target ROI as channel 2, and the target ROI as channel 3 provides the most accurate dosage planning prediction for lung cancer patients."