OPTIMASI KOMPOSISI MIXED MATRIX MEMBRANE POLIMER-MOF UNTUK APLIKASI PEMISAHAN GAS CO2/N2

Wita Putri Nirwani, - (2024) OPTIMASI KOMPOSISI MIXED MATRIX MEMBRANE POLIMER-MOF UNTUK APLIKASI PEMISAHAN GAS CO2/N2. S1 thesis, Universitas Pendidikan Indonesia.

Abstract

Perubahan iklim yang disebabkan oleh emisi CO2 dari pembakaran bahan bakar fosil mendorong pengembangan teknologi pemisahan gas CO2. Mixed Matrix Membrane (MMM) berbasis Metal-Organic Frameworks (MOF) dan polimer merupakan salah satu material yang banyak digunakan untuk pemisahan gas CO2/N2. Namun, proses sintesis dan optimasi komposisi MMM dengan polimer dan MOF yang berbeda membutuhkan waktu dan biaya yang signifikan jika dilakukan melalui eksperimen. Pada penelitian ini, Machine Learning (ML) dengan algoritma Artificial Neural Network (ANN) dikembangkan untuk memperoleh komposisi dan karakteristik MMM yang optimum. Data eksperimental dari literatur dianalisis menggunakan korelasi Pearson dan normalisasi data. Model ANN kemudian diperoleh melalui data training untuk memprediksi performa membran. Model ANN yang dihasilkan menunjukkan nilai R² dan RMSE yang baik. Model yang dihasilkan digunakan untuk mempelajari hubungan komposisi dan karakteristik membran untuk menghasilkan performa pemisahan yang optimum. Berdasarkan hasil prediksi ANN, IL-CS dan PGMA-co-POEM merupakan polimer terbaik sebagai penyusun MMM untuk pemisahan gas gas CO2/N2, dengan UiO-66 sebagai fillernya. Hasil optimasi menunjukkan bahwa MMM dengan loading filler MOF tinggi, ketebalan rendah, dan ukuran filler besar memberikan permeabilitas optimal, sedangkan loading filler MOF dan ketebalan yang tinggi, serta ukuran filler kecil lebih menguntungkan untuk selektivitas. Studi ini menunjukkan bahwa optimasi berbasis ANN dapat menjadi pendekatan yang efektif dalam mendesain MMM untuk pemisahan gas CO2/N2 serta memberikan panduan yang lebih efisien dan hemat biaya dibandingkan metode eksperimental konvensional. Climate change driven by CO2 emissions from fossil fuel combustion has accelerated the development of CO2 gas separation technologies. Mixed Matrix Membranes (MMMs) based on Metal-Organic Frameworks (MOFs) and polymers are among the most widely used materials for CO2/N2 gas separation. However, the process of synthesizing and optimizing MMM compositions with various polymers and MOFs can be time-consuming and costly if done solely through experimental methods. In this study, Machine Learning (ML) with an Artificial Neural Network (ANN) algorithm was developed to determine the optimal composition and characteristics of MMMs. An experimental data points from the literature were analyzed using Pearson correlation and data normalization. The ANN model was then trained to predict membrane performance. The resulting ANN model shows good R² and RMSE values. This model was subsequently used to study the relationship between membrane composition and characteristics to achieve optimal separation performance. Based on the ANN predictions, IL-CS and PGMA-co-POEM were identified as the best polymers for MMM components in CO2/N2 gas separation, with UiO-66 as the filler. The optimization results indicate that MMMs with high MOF loading filler, low thickness, and large filler size yield optimal permeability, while high MOF loading filler and thickness, combined with small filler size, are more advantageous for selectivity. This study demonstrates that ANN-based optimization can be an effective approach for designing MMMs for CO2/N2 gas separation, offering more efficient and cost-effective guidance compared to traditional experimental methods.

	Text S_KIM_2009300_Title.pdf Download (862kB)
	Text S_KIM_2009300_Chapter1.pdf Download (255kB)
	Text S_KIM_2009300_Chapter2.pdf Restricted to Staf Perpustakaan Download (691kB)
	Text S_KIM_2009300_Chapter3.pdf Download (253kB)
	Text S_KIM_2009300_Chapter4.pdf Restricted to Staf Perpustakaan Download (1MB)
	Text S_KIM_2009300_Chapter5.pdf Download (217kB)
	Text S_KIM_2009300_Appendix.pdf Restricted to Staf Perpustakaan Download (706kB)

Item Type:	Thesis (S1)
Additional Information:	https://scholar.google.com/citations?view_op=new_articles&hl=en&imq=WITA+PUTRI+NIRWANI# ID Sinta Dosen Pembimbing: Mita Nurhayati: 6745947 Fitri Khoerunnisa: 258263
Uncontrolled Keywords:	Mixed Matrix Membrane (MMM), Machine Learning (ML), Artificial Neural Network (ANN), Metal-Organic Framework (MOF), polymer, pemisahan CO2/N2 Mixed Matrix Membrane (MMM), Machine Learning (ML), Artificial Neural Network (ANN), Metal-Organic Frameworks (MOF), polymer, CO2/N2 separation
Subjects:	Q Science > QD Chemistry
Divisions:	Fakultas Pendidikan Matematika dan Ilmu Pengetahuan Alam > Program Studi Kimia - S1 > Program Studi Kimia (non kependidikan)
Depositing User:	Wita Putri Nirwani
Date Deposited:	17 Sep 2024 01:40
Last Modified:	17 Sep 2024 01:40
URI:	http://repository.upi.edu/id/eprint/125115

Actions (login required)

View Item