APLIKASI KOMBINASI MACHINE LEARNING TERHADAP ANALISIS VOLTAMMOGRAM PULSA DIFERENSIAL CAMPURAN GADOLINIUM, DYSPROSIUM DAN EUROPIUM MENGGUNAKAN ELEKTRODE KERJA BORON DOPED DIAMOND
No Thumbnail Available
Date
2023-07-13
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Abstract
Logam tanah jarang (LJT) merupakan komoditas mineral yang saat ini banyak
dicari dan dibutuhkan oleh banyak negara, LTJ memiliki kemiripan dalam sifat
kimia dan sifat fisika yang membuat penentuannya sangat sulit dan rumit.
Penelitian akan LTJ menuntut para peneliti untuk mencari metode analisis yang
efektif serta efisien, salah satunya yakni elektrokimia. Teknik elektrokimia
memiliki peran penting dalam penentuan LTJ. Jika dibandingkan dengan teknik X-ray fluorescence spectrometry (XRF), metode ini memiliki sensitivitas yang relatif
lebih tinggi. Tujuan dari penelitian ini adalah untuk mendeteksi kandungan Gd, Dy,
dan Eu dalam campuran tanpa dilakukan pemisahan kimia dengan menggunakan
metode voltammetri differential pulse voltammetry (DPV) dan elektrode kerja
boron doped diamond (BDD) yang dikombinasikan dengan machine learning.
Larutan training set campuran Gd, Dy, dan Eu dibuat sebanyak 125 variasi
konsentrasi yang kemudian diukur menggunakan metode voltammetri DPV.
Dengan menggunakan elektroda kerja BDD, puncak arus Eu muncul secara terpisah
dari puncak arus Gd, dan Dy yakni pada potensial -0,6 V, sedangkan Gd dan Dy
muncul dalam satu puncak arus pada potensial -1,4 V dengan perolehan LoD dan
LoQ Eu sebesar 3,040 ppm 9,211 ppm, Gd dengan perolehan LoQ dan LoD sebesar
7,475 dan 17,201 ppm, serta LoD dan LoQ Dy sebesar 22,652 dan 5,676 ppm.
Sedangkan pada seleksi algoritma dan penambahan preprocess pada machine
learning didapat model terbaik yakni pada algoritma GLMNET untuk Eu dengan
R2 0,8 dan Dy dengan R2 0,3, serta SVM untuk Gd dengan R2
sebesar 0,5, algoritma tersebut berhasil memprediksi kedekatan %Recovery campuran LTJ Eu, Gd, dan
Dy dengan %Recovery sebenarnya.
Description
Keywords
Voltammetri, BDD, Logam Tanah Jarang