Studi Efektivitas Koagulan Kitosan-Kapur Dalam Menurunkan COD, MBAS dan Fosfat pada Limbah Laundry
Notice bibliographique
Résumé
Abstract. Environmental pollution that is often encountered in daily life that comes from laundry waste. Laundry waste includes pollutants or substances that pollute the environment because in it there is a substance called linear alkylbenzene sulphonate (LAS). LAS is a detergent that is classified as hard to brake down by microorganisms (non-biodegradable) so that it can cause environmental pollution. One method that is often used in laundry wastewater treatment is coagulation using chitosan and lime as a coagulant. The purpose of this study was to analyze the efficiency and effectiveness in reducing pollutant levels in laundry waste using chitosan-lime coagulant. This study used a completely randomized design with 200 mg/L chitosan and 0.1-0.5 g lime. The test parameters used were COD, MBAS, and phosphate. Data were analyzed using calculation of efficiency and effectiveness of reduction, linear regression, and one-way ANOVA test. The results showed that under the best conditions, chitosan 200 mg/L and lime as much as 3.5 g resulted in a reduction efficiency of 68.52%, 9.15%, and 92.44%. Chitosan-lime is effective in reducing MBAS and phosphate levels to quality standard, but chitosan-lime coagulant is less effective in reducing COD levels because it still exceeds the the established quality standards
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».