Karbon Aktif dari Limbah Plastik dan Machine Learning Tingkatkan Kualitas Air Limbah Domestik

Ilustrasi By AI

FORMOSA NEWS - Tim peneliti dari Soegijapranata Catholic University dan Sriwijaya University mengembangkan model optimasi adsorpsi berbasis machine learning untuk meningkatkan kualitas air limbah domestik menggunakan karbon aktif dari limbah plastik. Riset yang dipimpin Ikbal Oktaviansyah ini dipublikasikan pada 2026 di Formosa Journal of Science and Technology. Hasilnya menunjukkan bahwa karbon aktif berbahan plastik bekas mampu menyaingi bahkan melampaui produk komersial, dengan akurasi prediksi model kecerdasan buatan mencapai R² hingga 0,99. Temuan ini penting karena menawarkan solusi ganda: mengurangi sampah plastik sekaligus memperbaiki kualitas air limbah rumah tangga secara lebih efisien dan berkelanjutan.

Masalah Ganda: Sampah Plastik dan Limbah Cair Domestik

Produksi plastik global telah melampaui 400 juta ton per tahun. Sebagian besar berakhir di tempat pembuangan akhir atau mencemari sungai dan laut. Di sisi lain, air limbah domestik mengandung bahan organik, nutrien berlebih, logam berat, hingga senyawa farmasi yang berisiko menurunkan kadar oksigen terlarut dan memicu eutrofikasi.

Teknologi adsorpsi menggunakan karbon aktif давно dikenal efektif menyerap polutan. Namun, bahan baku konvensional seperti batu bara dan tempurung kelapa memerlukan biaya dan energi tinggi. Penelitian ini menyoroti pendekatan berbeda: mengubah limbah plastik seperti PET dan PVC menjadi karbon aktif melalui proses pirolisis dan aktivasi kimia.

Bagaimana Penelitian Dilakukan

Tim menggunakan metode Systematic Literature Review (SLR) dengan menelusuri publikasi periode 2021–2025 dari basis data Scopus, Web of Science, ScienceDirect, dan Google Scholar. Dari 309 artikel awal, disaring menjadi 10 studi berkualitas tinggi yang dianalisis mendalam.

Peneliti memetakan:

• Karakteristik fisik dan kimia karbon aktif berbasis plastik
• Parameter operasional paling berpengaruh dalam proses adsorpsi
• Performa berbagai algoritma machine learning dalam memprediksi dan mengoptimalkan kapasitas serap

Pendekatan ini memungkinkan integrasi antara teknologi material dan kecerdasan buatan untuk mendapatkan kondisi operasi paling efisien tanpa uji coba berulang yang mahal.

Karakteristik dan Kinerja Karbon Aktif Plastik

Hasil sintesis menunjukkan karbon aktif dari limbah PET dan PVC memiliki:

• Luas permukaan spesifik (BET): 800–1.500 m²/g
• Kapasitas adsorpsi maksimum: hingga 1.086 mg/g
• Efisiensi penghilangan polutan: 97–99% untuk zat warna dan minyak
• Daya guna ulang: 70–90% setelah lima siklus regenerasi

Biaya produksi diperkirakan sekitar US$13,75/kg, dengan jejak karbon 5,92 kg CO₂/kg, lebih rendah dibanding karbon aktif komersial.

Parameter paling dominan yang memengaruhi efisiensi penghilangan adalah:

• Luas permukaan spesifik material
• Konsentrasi awal polutan

Keduanya menyumbang lebih dari 43% variasi performa sistem.

Peran Machine Learning: Prediksi Sangat Akurat

Berbagai algoritma diuji untuk memodelkan hubungan kompleks antara parameter proses dan kapasitas adsorpsi. Hasilnya:

• Extreme Gradient Boosting (XGBoost): R² 0,95–0,97
• Gaussian Process Regression (GPR): R² hingga 0,99; RMSE 4,29 mg/g
• Support Vector Regression (SVR): korelasi hingga 0,9989
• Artificial Neural Network (ANN): R² 0,92–0,96

Model GPR yang dikombinasikan dengan algoritma metaheuristik seperti simulated annealing mampu meningkatkan kapasitas adsorpsi hingga 15,40% dibanding kondisi awal eksperimen.

Menurut Ikbal Oktaviansyah dari Soegijapranata Catholic University, integrasi machine learning memungkinkan identifikasi kondisi optimal secara cepat dan presisi. “Model prediktif ini dapat menjadi alat bantu keputusan dalam desain sistem pengolahan air limbah yang adaptif dan hemat energi,” tulisnya dalam publikasi tersebut.

Dampak bagi Industri dan Kebijakan

Temuan ini memiliki implikasi luas:

1. Industri pengolahan air dapat mengurangi biaya operasional melalui optimasi berbasis data.
2. Pemerintah daerah mendapat alternatif teknologi yang mendukung ekonomi sirkular.
3. Pengelola sampah plastik memperoleh nilai tambah dari limbah yang sebelumnya tidak bernilai.
4. Sektor pendidikan dan riset mendapat kerangka ilmiah untuk integrasi material maju dan AI dalam rekayasa lingkungan.

Dengan sistem monitoring sensor dan model AI, instalasi pengolahan air limbah domestik berpotensi beroperasi secara adaptif terhadap fluktuasi kualitas air masuk.

Menuju Sistem Pengolahan Air yang Lebih Cerdas

Studi ini menyimpulkan bahwa kombinasi karbon aktif berbasis limbah plastik dan optimasi machine learning menyediakan fondasi ilmiah kuat untuk pengembangan sistem pengolahan limbah cair yang:

• Efisien
• Berbiaya kompetitif
• Ramah lingkungan
• Mendukung target SDGs, khususnya air bersih dan produksi berkelanjutan

Kerangka yang dikembangkan membuka peluang implementasi skala industri dengan pendekatan berbasis data dan kecerdasan buatan.

Profil Penulis

Ikbal Oktaviansyah, S.T., M.T.

Dosen dan peneliti di Soegijapranata Catholic University. Bidang keahlian: teknik lingkungan, pengolahan limbah, dan pemodelan komputasi.

Ridwan Sanjaya, S.T., M.T.

Akademisi di Soegijapranata Catholic University dengan fokus pada rekayasa proses dan optimasi sistem.

Budi Setiawan, S.T., M.T.

Peneliti bidang material dan teknologi lingkungan di Soegijapranata Catholic University.

Piestie Hawa, S.T., M.T., Ph.D.

Dosen di Sriwijaya University dengan spesialisasi pengelolaan sumber daya air dan teknologi adsorpsi.

Sumber Penelitian

Oktaviansyah, I., Sanjaya, R., Setiawan, B., & Hawa, P. (2026). Plastic Waste-Based Activated Carbon Adsorption Optimization Model Using Machine Learning to Improve the Quality of Domestic Liquid Waste. Formosa Journal of Science and Technology, Vol. 5(2), 479–502.

URL : https://journalfjst.my.id/index.php/fjst

DOI: https://doi.org/10.55927/fjst.v5i2.12