Mahasiswa Program Magister Teknik Mesin, Edi Purnomo, melaksanakan Seminar Hasil pada Jumat (20/02), di Ruang M-9 DTMI UGM. Dalam kesempatan tersebut, Edi mempresentasikan hasil penelitian tugas akhirnya yang berjudul “Karakterisasi, Analisis Komposit dengan Filler Limbah PV/MWCNT serta Prediksi Stress & Displacement Menggunakan ANN Berbasis Optimasi”.
Penelitian ini dilatarbelakangi oleh proyeksi peningkatan limbah panel surya secara global. Berdasarkan laporan dari International Renewable Energy Agency (IRENA), limbah photovoltaic (PV) diperkirakan mencapai sekitar 78 juta ton pada tahun 2050. Angka tersebut menunjukkan urgensi pengembangan solusi inovatif untuk memanfaatkan limbah panel surya secara lebih berkelanjutan.
Dalam risetnya, Edi memanfaatkan limbah solar panel atau photovoltaic (PV) yang diolah menjadi bubuk mikro sebagai filler pada matriks komposit Glass Fiber Reinforced Polymer (GFRP). Bubuk limbah PV dipadukan dengan Multi-Walled Carbon Nanotubes (MWCNT) sebagai hybrid filler untuk meningkatkan sifat mekanis material. Proses manufaktur komposit dilakukan menggunakan metode Vacuum Assisted Resin Infusion (VARI) dengan variasi kandungan limbah PV sebesar 1–5% dan MWCNT sebesar 0,1–0,5%.
Hasil pengujian menunjukkan bahwa kombinasi optimal terdapat pada komposisi 2% PV dan 0,4% MWCNT, yang mampu meningkatkan kekuatan tarik hingga 100,5% dibandingkan GFRP tanpa filler, dengan nilai Ultimate Tensile Strength (UTS) mencapai 397,54 MPa. Kekuatan spesifik tertinggi tercatat sebesar 209,62 MPa/g/cm³, menandakan efisiensi material yang sangat baik. Namun demikian, peningkatan kandungan filler juga menyebabkan material menjadi lebih brittle dan kurang ductile.
Karakterisasi lanjutan dilakukan melalui pengujian Differential Scanning Calorimetry (DSC), Scanning Electron Microscopy (SEM), Fourier Transform Infrared Spectroscopy (FTIR), serta pendekatan Digital Image Correlation (DIC). Pengamatan SEM menunjukkan adanya sinergi distribusi tegangan antara partikel PV dan MWCNT, di mana MWCNT berperan sebagai jembatan transfer tegangan dalam matriks. Sementara itu, hasil FTIR mengindikasikan tidak terbentuknya gugus fungsi baru, sehingga interaksi yang terjadi bersifat fisik, bukan kimiawi.
Selain pendekatan eksperimental, penelitian ini juga mengintegrasikan metode Artificial Neural Network (ANN) untuk memprediksi stress dan displacement komposit berbasis optimasi model. Model terbaik untuk prediksi tegangan menggunakan dua hidden layer dengan fungsi aktivasi ReLu dan optimizer Amsgrad, menghasilkan nilai mean square error (MSE) sebesar 28,745 dan koefisien determinasi (R²) 0,9962. Sementara itu, model prediksi pertambahan panjang terbaik menggunakan satu hidden layer dengan optimizer Adam, menghasilkan MSE 0,027219 dan R² sebesar 0,987. Hasil ini menunjukkan bahwa model ANN mampu mempelajari pola data secara akurat dan memberikan prediksi yang sangat baik.
Secara keseluruhan, penelitian ini tidak hanya menghasilkan inovasi material komposit yang lebih kuat dan efisien, tetapi juga menawarkan solusi pemanfaatan limbah panel surya sebagai bagian dari strategi ekonomi sirkular. Pendekatan ini berkontribusi nyata dalam mengurangi potensi pencemaran lingkungan sekaligus mendorong pengembangan teknologi material berkelanjutan.
Kontributor: Andhes Puspitalina, S.Hut.
Penyusun: Gusti Purbo Darpitojati, S.I.Kom.
