Astuti, Ely Setyo and Prof. Ir. ING. Wardana, M.Eng., Ph.D and Dr. Ir. Achmad As’ad Sonief, MT. (2022) Sintesis silica quantum dots dari sekam padi dan perannya terhadap proses fotosintesis pada tanama. Doktor thesis, Universitas Brawijaya.
Abstract
Penelitian ini bertujuan untuk mengungkap fenomena peran katalis silika quantum dots sekam padi terhadap proses fotosintesis pada tanaman. Penelitian ini dimulai dengan membangun konsep model ilmiah untuk mensintesis, mengkarakterisasi dan menentukan energi gap silika Quantum dots (Si-QDs) sekam padi. Tahap kedua adalah dengan membangun konsep model ilmiah untuk mengungkapkan peran Si-QDs sekam padi terhadap proses fotosintesis pada tanaman. Tahap ketiga, membangun kerangka konsep untuk mengklasifikasikan warna daun tanaman dari pengaruh penambahan Si- QDs menggunakan machine learning. Penjelasan ilmiah yang memadai berkaitan dengan teori silica quantum dots , fotosintesis, spektrum gelombang cahaya tampak, IR dan UV, tanaman hidroponik, artificial light serta machine learning. Tahap pertama adalah verifikasi dengan karya eksperimental dengan mensitesis silika quantum dots dari sekam padi yang dibakar dengan suhu tunggu 1100oC dengan waktu pembakaran 6 jam. Untuk memperkecil ukuran abu sekam padi – Chorcoal Particles Rice Husk (CPs-RHs) dengan menggunakan High Energy Milling (HEM). Hasil menunjukkan bahwa HEM menyebabkan elektron tereksitasi, delokalisasi, nanocrack dan fracture hingga menyebabkan Charcoal Nano Particles Rice Husk (CNPs-RHs) berukuran < 100nm. Larutan KOH dan HCl berperan penting dalam proses sintesa silica dengan mencabik-cabik partikel hingga menjadi Si- QDs yang berukuran 0.368 – 2.5 nm. Hasil analisa menunjukkan struktur yang paling efisien adalah struktur hexagonal yang menyerap panjang gelombang 250 – 400 nm dengan warna biru keunguan. Hasil terbaik sintesis terdiri dari Si dan O sebesar 97% dan pengotor 3 % yang terdiri dari K, Fe, dan Ca. Hasil penyerapan puncak panjang gelombang diperoleh Energi gap sebesar 1.59 – 2.36 eV dan HOMO-LUMO sebesar 127 kcal/mol. Semakin kecil ukuran Si-QDs , energi gap yang dihasilkan semakin besar. Hal ini disebabkan karena effect kurungan quantum. Verifikasi karya eksperimental kedua adalah menyemprotkan silika cair pada tanaman. Obyek penelitian ini adalah sayuran lettuce (Lactuta Sativa L) atau sering disebut selada keriting dengan sistem Artificial Light hidroponik. Variasi perlakuan sayuran lettuce tanpa dan dengan penambahan Si-QDs dengan frekuensi penyemprotan 1×, 3× dan 5×. Hasil pengujian dan analisa menunjukkan bahwa Si-QDs berperan sebagai kolektor cahaya pada panjang gelombang sekitar 250-400nm dan mentransfer ke molekul klorofil untuk digunakan mengeluarkan O2 dan mengeksitasi elektron dan proton yang diperoleh dari hasil oksidasi air. Elektron dan proton inilah yang akan ditansfer ke siklus Calvin melalui membrane tilakoid untuk disintesa menjadi karbohidrat. Verifikasi karya eksperimental yang ketiga, melakukan pengukuran intensitas warna daun setelah 2 hari penyemprotan Si-QDs. Standar perlakuan dan pengukuran dilakukan dengan mengkondisikan pengaturan cahaya, suhu, dan waktu pengamatan yang sama. Pengukuran intensitas cahaya yang dipancarkan oleh daun sayuran lettuce menggunakan sensor cahaya RGB-IR. Untuk merekam data intensitas cahaya tampak secara simultan menggunakan Arduino Uno. Data perekaman intensitas cahaya digunakan untuk mengklasifikasikan warna daun tanaman dengan menggunakan Machine Learning. Klasifikasi menggunakan machine learning dengan software Orange Data Mining dengan 4 macam algoritma diperoleh akurasi KNN sebesar 68.75 %, Neural Network 79.68%, Random Forest 93.75% dan SVM 96.87 %. Dari hasil tersebut menunjukkan akurasi terbaik menggunakan algoritma SVM.
English Abstract
This study aims to reveal the phenomenon of the role of silica quantum dots catalyst in rice husk on the process of photosynthesis in plants. This research was started by developing a scientific model concept to synthesize, characterize and determine the gap energy of silica Quantum dots (Si-QDs) of rice husk. The second stage is to build a scientific model concept to reveal the role of rice husk Si-QDs in the process of photosynthesis in plants. The third stage, building a conceptual framework for classifying plant leaf colors from the effect of adding Si-QDs using machine learning. Adequate scientific explanations related to the theory of silica quantum dots , photosynthesis, visible light spectrum, IR and UV, hydroponic plants, artificial light and machine learning. The first stage is verification by experimental work by synthesizing silica quantum dots from rice husks which are burned with a waiting temperature of 1100oC with a burning time of 6 hours. To reduce the size of rice husk ash – Chorcoal Particles Rice Husk (CPs-RHs) using High Energy Milling (HEM). The results show that HEM causes excited electrons, delocalization, nanocrack and fracture to cause Charcoal Nano Particles Rice Husk (CNPs-RHs) < 100nm in size. KOH and HCl solutions play an important role in the silica synthesis process by tearing the particles into Si-QDs with a size of 0.368 – 2.5 nm. The results of the analysis show that the most efficient structure is the hexagonal structure which absorbs wavelengths of 250 – 400 nm with a purplish-blue color. The best results of the synthesis consisted of 97% Si and O and 3% impurities consisting of K, Fe, and Ca. The results of absorption at the peak wavelength obtained energy gap of 1.59 – 2.36 eV and HOMO-LUMO of 127 kcal/mol. The smaller the size of the Si-QDs, the larger the gap energy produced. This is due to the quantum confinement effect. 36 eV and HOMO-LUMO of 127 kcal/mol. The smaller the size of the Si-QDs, the larger the gap energy produced. This is due to the quantum confinement effect. 36 eV and HOMO-LUMO of 127 kcal/mol. The smaller the size of the Si-QDs, the larger the gap energy produced. This is due to the quantum confinement effect. The second experimental work verification is spraying molten silica on plants. The object of this research is lettuce (Lactuca Sativa L) or often called curly lettuce with the Artificial Light hydroponic system. Variation of lettuce vegetable treatment without and with spraying Si-QDs solution with spraying frequency of 1x, 3x and 5x. Test and analysis results show that Si-QDs act as light collectors at a wavelength of around 250-400nm and transfer them to chlorophyll molecules to be used to remove O2 and excite electrons and protons obtained from the oxidation of water. These electrons and protons will be transferred to the Calvin cycle through the thylakoid membrane to be synthesized into carbohydrates. Verification of the third experimental work, measuring the intensity of leaf color after 2 days of spraying Si-QDs. Treatment and measurement standards were carried out under the same conditions of light, temperature, and observation time. Measurement of the intensity of light emitted by lettuce leaves using an RGB-IR light sensor. To record visible light intensity data simultaneously using Arduino Uno. The light intensity recording data is used to classify the color of plant leaves using Machine Learning. Classification machine learning with Orange Data Mining software with 4 kinds of algorithms obtained KNN accuracy of68.75 %, Neural Network 79.68 %, Random Forest 93.75 % and SVM 96.87 %. The results show the best accuracy using the SVM algorithm.
Item Type: | Thesis (Doktor) |
---|---|
Identification Number: | 0622070002 |
Uncontrolled Keywords: | Silika Quantum dots sekam padi, nanocrack, energy gap, fotosintesis tanaman, Artificial Light hidroponik, Machine Learning .- Silika Quantum Dots rice husk, nanocrack, energy gap, plant photosynthesis, Hydroponic Artificial Light, Machine Learning |
Subjects: | 600 Technology (Applied sciences) > 621 Applied physics > 621.8 Machine engineering |
Divisions: | Fakultas Teknik > Teknik Mesin |
Depositing User: | Endang Susworini |
Date Deposited: | 04 Apr 2023 04:13 |
Last Modified: | 04 Apr 2023 04:13 |
URI: | http://repository.ub.ac.id/id/eprint/197914 |
Text (DALAM MASA EMBARGO)
Ely Astuti.pdf Restricted to Registered users only until 31 December 2024. Download (11MB) |
Actions (login required)
View Item |