PENGARUH MODIFIKASI PERMUKAAN KARBON AKTIF BATUBARA MENGGUNAKAN SURFAKTAN SODIUM DODECYL SULFATE (SDS) TERHADAP SERAPAN LOGAM Fe DAN Mn DALAM AIR ASAM TAMBANG ARTIFISIAL
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
Air Asam Tambang (AAT) adalah salah satu permasalahan lingkungan terjadi dari perusahaan pertambangan khususnya pertambangan batubara, sehingga harus dilakukan pengolahan atau treatment secara tepat. Treatment AAT pada tahun 2021 menggunakan karbon aktif batubara 60 mesh yang memiliki komposisi 60% batubara dan 40% ZnCl2 yang diaplikasikan untuk penyerapan logam Fe dan Mn pada AAT Artifisial, penyerapan yang diperoleh sebesar 9,97% untuk logam Mn. Pada Penelitian dengan metode eksperimen ini dilakukan modifikasi permukaan karbon aktif menggunakan surfaktan Sodium Dodecyl Sulfate (SDS) untuk meningkatkan jumlah serapan terhadap logam Mn. Penelitian ini menggunakan variabel berupa konsentrasi awal larutan AAT artifisial dan konsentrasi surfaktan untuk karbon aktif termodifikasi. Karakterisasi karbon aktif dilakukan dengan analisa bilangan iodin. Berdasarkan penelitian sebelumnya, penelitian ini mengalami kenaikan penyerapan pada logam Mn. Tingkat penyerapan logam Mn paling optimal ada pada karbon aktif 1,5CMC yaitu sebesar 19,43% dengan konsentrasi awal larutan Air Asam Tambang sebesar 4,565 mg/L. Variasi konsentrasi surfaktan 1,5CMC ini mampu menaikkan pH menjadi 4,27 dengan pH awal 2,94. Dari hasil yang telah diperoleh perlu dilakukan penelitian lebih lanjut untuk meningkatkan serapan terhadap logam Mn dengan bahan dasar dari batubara.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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