Implementasi Pencarian Material Adsorpsi Carbon Capture Storage Berbasis MOF Memanfaatkan Metode Deep Learning - Dalam bentuk pengganti sidang - Artikel Jurnal

MOCH HANAFI SONY S

Informasi Umum

Kode

23.04.6561

Klasifikasi

620.118 - MATERIALS - ENGINEERING

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Skripsi

Dilihat

25 kali

Informasi Lainnya

Abstraksi

<div class="WACEditing EditMode EditingSurfaceBody FireFox WACViewPanelDisableLegacyKeyCodeAndCharCode usehover" contenteditable="false" id="WACViewPanelClipboardElement" spellcheck="false" style="overflow: hidden; visibility: visible; direction: ltr;" tabindex="0"> <div class="OutlineElement Ltr SCXW219269131 BCX2" style="direction: ltr;"> <p class="Paragraph SCXW219269131 BCX2" paraeid="{9fecf001-bb7d-4590-bcf9-a8db405deaf9}{214}" paraid="1191848031" style="font-weight: normal; font-style: normal; vertical-align: baseline; background-color: transparent; color: windowtext; text-align: justify; margin-left: 0px; margin-right: 0px; padding-left: 0px; padding-right: 0px; text-indent: 0px;">Carbon capture storage (CSS) material merupakan bahan yang cukup penting dalam kehidupan kita saat ini. Bahan ini berperan sebagai penyerap gas radikal bebas yang mengandung karbon yang selama ini menjadi pencemar udara. Salah satu efek yang kita kenal adalah efek rumah kaca (global warming) yang diakibatkan oleh lapisan karbon di atmosfer bumi yang meningkat, sehingga menyebabkan pemanasan global. Disisi lain kita mencoba secara aktif mereduksi jumlah gas buang yang mengandung carbon dengan berbagai cara. Salah satu di antaranya adalah dengan memanfaatkan material yang dapat menangkap gas karbon, baik itu dalam bentuk cairan, membran, maupun sorbents padat. Pada penelitian ini akan dilakukan perhitungan/prediksi dari properti thermodinamik dari beragam absorbents, hingga meningkatkan kemampuan absorpsi dengan memanfaatkan teknologi pembelajaran mesin menggunakan metode Convolutional Neural network dan Artificial neural Netwok. Kemudian kita juga dapat memprediksi material absorbent yang pontesial terhadap penangkapan karbon. Sehingga kita dapat mengidentifikasi bahan yang paling cost effective dari beragam opsi adsropbents, yang di dalamnya melibatkan pemilihan solid adsorbents dan penyusunan konfigurasi proses. Kita pun akan melakukan pengembangan model pembelajaran mesin dalam mendapatkan nilai akurasi yang tinggi sehingga dapat mendapatkan hasil prediksi yang optimal. </div>

<div class="OutlineElement Ltr SCXW219269131 BCX2" style="direction: ltr;"> <p class="Paragraph SCXW219269131 BCX2" paraeid="{9fecf001-bb7d-4590-bcf9-a8db405deaf9}{252}" paraid="434019210" style="font-weight: normal; font-style: normal; vertical-align: baseline; background-color: transparent; color: windowtext; text-align: left; margin-left: 0px; margin-right: 0px; padding-left: 0px; padding-right: 0px; text-indent: 0px;">Kata Kunci : carbon capture, neural network, akurasi, carbon, absorsi, machine learning </div> </div>