Pengaruh Aktivator HCL dalam Arang Tempurung Kelapa Guna Menurunkan Kadar COD, BOD, dan TSS pada Limbah Cair Tahu
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Indonesia merupakan negara agraris yang sebagian besar penduduknya memiliki mata pencaharian sebagai petani, khususnya di wilayah Cilacap Jawa Tengah. Tanaman kelapa (Cocus nucifera. L) merupakan tanaman tropis yang tumbuh subur di Indonesia dan dikenal oleh masyarakat dan memiliki berbagai kegunaan. Namun, pemanfaatan tanaman kelapa umumnya hanya terbatas pada daging buahnya saja untuk diolah menjadi santan, sehingga bagian lain dari tanaman kelapa, seperti tempurung kelapa cenderung berpotensi sebagai limbah dan kurang dimanfaatkan secara optimal[1]. Tempurung kelapa dapat dijadikan arang aktif menggunakan aktivator HCL dengan metode yang sederhana dan ekonomis. Jumlah konsentrasi aktivator yang digunakan adalah 1N dan 3N. Dengan menggunakan metode adsorbsi dan filtrasi untuk mengolah limbah cair tahu didapatkan penurunan kadar COD, BOD, dan TSS yang berbeda. Pada penggunaan aktivator HCL 1N didapat hasil penurunan COD, BOD, dan TSS secara berurutan sebesar 20%, 23%, dan 73%. Hasil tersebut diperoleh setelah sampel mengalami adsorbsi dan filtrasi selama 2 jam. Sedangkan efektivitas penggunaan aktivator HCL 3N menghasilkan penurunan kadar COD, BOD, dan TSS sebesar 28%, 31%, dan 76%.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découle