Integrasi Filler Berbasis Limbah Pertanian terhadap Sifat Material Bioplastik Polylactic Acid (PLA): Tinjauan Literatur Terstruktur
Notice bibliographique
Résumé
Krisis lingkungan akibat akumulasi plastik berbasis minyak bumi mendorong pengembangan material alternatif yang lebih ramah lingkungan. Polylactic Acid (PLA), sebagai bioplastik biodegradable dari sumber terbarukan, menjanjikan solusi pengganti plastik konvensional, namun sifatnya yang rapuh dan produksinya yang mahal membatasi penggunaannya. Kajian ini bertujuan untuk menganalisis pengaruh penambahan filler berbasis limbah pertanian terhadap peningkatan sifat fisik dan mekanik PLA. Studi ini merupakan tinjauan literatur terstruktur dengan menganalisis 32 artikel ilmiah dari 2017–2025. Hasil kajian menunjukkan bahwa filler dari limbah seperti sekam padi (5% berat) dapat meningkatkan tensile strength hingga 55%, yield stress sebesar 88%, dan menurunkan laju transmisi oksigen (OTR) hingga 52%. Kulit delima (15% berat) memperkuat komposit dengan peningkatan modulus tarik sebesar 42% dan impact strength sebesar 41%. Biochar dari biomassa karbonisasi juga meningkatkan kekakuan dan stabilitas termal hingga suhu degradasi awal naik 15–18°C. Sebaliknya, filler dari tapioka dan cangkang telur menunjukkan penurunan kekuatan mekanik pada konsentrasi tinggi (>20–30%). Pemanfaatan limbah pertanian sebagai filler dalam PLA berpotensi meningkatkan performa material sekaligus mendukung ekonomi sirkular. Namun, keberhasilannya sangat tergantung pada jenis filler, komposisi, dan kesesuaian interaksi antarfasa. Kajian lanjutan diperlukan untuk mengoptimalkan formulasi komposit.
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 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) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».