Umar Muhtadin, mahasiswa Magister Teknik Industri UGM melaksanakan ujian tesisnya yang berjudul “Optimasi Penggunaan Malam Daur Ulang pada Proses Pembatikan Manual untuk Produksi Kerajinan Batik Kulit” pada Senin (10/02), bertempat di Ruang Sidang A2 Departemen Teknik Mesin dan Industri (DTMI) UGM. Ujian tesis ini dibimbing oleh Ir. Andi Sudiarso, S.T., M.T., M.Sc., Ph.D., IPM., dengan tim penguji diketuai oleh Ir. Wangi Pandan Sari, S.T., M.Sc.S.T., M.Sc., Ph.D., serta anggota penguji Ir. Muh Arif Wibisono, S.T., M.T., D.Eng., IPM., ASEAN.Eng. dan Prof. Dr.Eng. Ir. Herianto, S.T., M.Eng., IPU, ASEAN Eng.

Dalam tesisnya, Umar mengangkat isu penting terkait keberlanjutan industri batik, khususnya dalam hal pencemaran lingkungan yang diakibatkan oleh limbah malam batik. Malam batik yang sering kali terbuat dari bahan berbasis parafin, microwax, dan resin sintetis, berpotensi mencemari lingkungan, mulai dari ekosistem perairan hingga tanah, yang mengandung bahan kimia berbahaya dan logam berat. ”Penelitian ini bertujuan untuk mengoptimalkan penggunaan malam daur ulang (malam lerob) dalam pembatikan manual pada media kulit sapi full-krom, sebagai alternatif yang lebih ramah lingkungan,” papar Umar.

Dalam abstrak penelitiannya, Umar menjelaskan bahwa meskipun banyak usaha pengolahan limbah batik yang ada, penerapan malam daur ulang masih minim diteliti. Berdasarkan penelitian ini, penggunaan malam daur ulang dapat menjadi solusi yang lebih berkelanjutan dan ekonomis dalam mengurangi ketergantungan pada bahan baku baru, yang sejauh ini menyumbang sekitar 70% dari total biaya produksi batik.

Penelitian ini menggunakan metode Taguchi dengan desain Orthogonal Array L9 (3³) untuk mencari kombinasi parameter yang optimal dalam pembatikan manual. Faktor-faktor yang dianalisis meliputi usia pembatik, ukuran canting, dan suhu malam. Hasil penelitian menunjukkan bahwa tidak terdapat perbedaan yang signifikan antara kualitas batik yang dihasilkan menggunakan malam daur ulang dan malam biasa, dengan nilai p-value sebesar 0,643 (p > 0,05). Hal ini menunjukkan bahwa malam daur ulang dapat menghasilkan kualitas batik yang setara dengan malam biasa.

Sebagai produk dari penelitian ini, Umar berhasil memproduksi sepatu pantofel berbahan kulit sapi full-krom dengan motif ‘parang klitik solo’ menggunakan malam daur ulang. Dengan kombinasi parameter optimal—ukuran canting 1 mm, usia pembatik antara 42 hingga 46 tahun, dan suhu malam 130°C—produksi batik kulit ini berhasil menunjukkan hasil yang setara dengan batik yang menggunakan malam biasa.

Temuan ini memberikan kontribusi positif terhadap keberlanjutan industri batik, dengan mendorong penggunaan malam daur ulang yang lebih ramah lingkungan dan efisien secara ekonomi, sekaligus mendukung diversifikasi produk batik berbasis kulit. Penelitian ini menjadi langkah penting untuk mengurangi pencemaran limbah batik dan mendorong inovasi dalam dunia kerajinan batik tradisional.

Kontributor: Maryanti, A.Md.
Editor: Gusti Purbo Darpitojati, S.I.Kom.

Mahasiswa Program Studi Teknik Mesin, Yulius Tomy Wijaya, melaksanakan ujian tesisnya di Ruang Sidang A-3, Departemen Teknik Mesin dan Industri (DTMI) UGM. Ujian ini dilaksanakan pada pukul pada Jumat (07/02) pukul 09.00 WIB dengan menghadirkan dua pembimbing tesis, yakni Dr. Budi Arifvianto, S.T., M.Biotech., dan Ardi Wiranata, S.T., M.Eng., Ph.D., serta dua penguji yang berkompeten, Ir. Muslim Mahardika, S.T., M.Eng., Ph.D., IPM, ASEAN Eng., dan Muhammad Akhsin Muflikhun, S.T., MSME., Ph.D.

Tesis Yulius yang berjudul “Rancang Bangun Alat Pirolisis Baterai Lithium-Ion Tipe 18650 dengan Sistem Kontinu” bertemakan pengembangan alat pirolisis untuk mendaur ulang baterai lithium-ion tipe 18650. ”Baterai ini, yang banyak digunakan dalam berbagai perangkat elektronik modern seperti laptop, ponsel, dan kendaraan listrik, memiliki kapasitas penyimpanan energi tinggi, namun berisiko terhadap lingkungan apabila dibuang sembarangan,” papar Yulius.

Dalam penelitian ini, Yulius mengembangkan alat pirolisis berbasis sistem kontinu yang dirancang untuk menghilangkan komponen berbahaya seperti binder, separator, dan cairan elektrolit pada baterai bekas. Alat ini dirancang dengan menggunakan pipa stainless dan electric heater yang berfungsi untuk memanaskan baterai pada suhu 420°C dengan waktu tinggal 8 menit per baterai. Alat ini juga dilengkapi dengan sistem penghisap gas yang efektif untuk mengurangi emisi berbahaya selama proses.
Hasil penelitian menunjukkan bahwa alat yang dikembangkan mampu bekerja optimal, dengan hasil simulasi menunjukkan faktor keamanan yang sangat baik sebesar 81,5 dan struktur alat yang aman dengan Von Mises maksimal sebesar 3,068 MPa. Selama pengoperasian, alat efektif dalam menghilangkan plastik, elektrolit, binder, dan separator dari baterai, menghasilkan material blackmass yang terpisah dengan baik.

Penelitian ini memiliki relevansi yang kuat terhadap Tujuan Pembangunan Berkelanjutan (SDGs), khususnya dalam hal SDG 12 (Konsumsi dan Produksi yang Bertanggung Jawab) dan SDG 13 (Perubahan Iklim). Dengan mengembangkan alat untuk mendaur ulang baterai lithium-ion, Yulius turut berkontribusi dalam mengurangi limbah berbahaya dan mengurangi dampak lingkungan dari penggunaan baterai elektronik yang terus meningkat. Inovasi ini berpotensi mengurangi pencemaran dan risiko kebakaran atau ledakan yang dapat ditimbulkan oleh pembuangan baterai yang tidak sesuai prosedur.
Keberhasilan penelitian ini menjadi langkah penting dalam mendukung keberlanjutan lingkungan dan memberikan solusi konkret terhadap masalah pengelolaan baterai bekas.
Semoga dengan adanya penelitian ini, akan ada lebih banyak inisiatif yang mendukung pengembangan teknologi ramah lingkungan untuk masa depan yang lebih berkelanjutan.

Kontributor: Andhes Puspitalina, S.Hut.
Editor: Gusti Purbo Darpitojati, S.I.Kom.

Devi Hasugian, mahasiswa Program Magister Teknik Industri UGM, melaksanakan seminar proposal penelitian dengan judul “Deteksi Polusi Visual Berbasis Deep Learning (Convolutional Neural Network)” pada Rabu (05/02), bertempat di Ruang M-10 Departemen Teknik Mesin dan Industri (DTMI) UGM. Penelitian ini bertujuan untuk mengatasi masalah polusi visual yang semakin marak di lingkungan perkotaan, dengan menggunakan teknologi deep learning untuk mendeteksi elemen-elemen yang menyebabkan gangguan estetika dan kualitas hidup masyarakat.

Seminar ini dipandu oleh dosen pembimbing Devi, Ir. Yun Prihantina Mulyani, S.T., M.Sc., Ph.D., IPM., ASEAN Eng., dan dihadiri oleh penguji yang terdiri dari Achmad Pratama Rifai, S.T., M.Eng., Ph.D., Ir. Ardiyanto, S.T., M.Sc., Ph.D., AEP., serta Ir. Andi Sudiarso, S.T., M.T., M.Sc., Ph.D., IPM.

Polusi visual merupakan gangguan yang timbul akibat keberadaan elemen-elemen yang merusak pemandangan dan estetika suatu tempat, seperti spanduk, papan iklan, sampah, dan grafiti yang dipasang tanpa izin. Elemen-elemen ini bukan hanya berdampak pada keindahan kota, tetapi juga meningkatkan stres, kecemasan, dan mengurangi kualitas hidup masyarakat, serta dapat mempengaruhi konsentrasi dan produktivitas, baik dalam aktivitas industri manufaktur maupun jasa. Penelitian Devi bertujuan untuk mengembangkan sistem deteksi polusi visual menggunakan teknologi Convolutional Neural Network (CNN), yang dapat mengidentifikasi elemen-elemen tersebut secara otomatis dan cepat.

Melalui pendekatan ini, Devi berharap dapat membantu pemerintah dan pihak terkait dalam memantau dan menegakkan aturan mengenai pemasangan iklan, spanduk, dan grafiti yang tidak sesuai dengan ketentuan. ”Dengan memanfaatkan deep learning, sistem yang dikembangkan dapat mendeteksi elemen-elemen polusi visual yang tidak memiliki izin, sehingga dapat mengurangi dampak negatif terhadap lingkungan dan kualitas hidup masyarakat,” papar Devi.

Penelitian ini berkontribusi pada pencapaian beberapa tujuan Sustainable Development Goals (SDGs), khususnya terkait dengan Kota dan Pemukiman yang Berkelanjutan (SDG 11) dan Konsumsi dan Produksi yang Bertanggung Jawab (SDG 12). Teknologi ini diharapkan tidak hanya menjadi solusi untuk meningkatkan estetika dan kenyamanan perkotaan, tetapi juga mendukung pembangunan yang lebih berkelanjutan dan teratur.

Seminar ini merupakan langkah penting dalam mengaplikasikan teknologi canggih untuk memecahkan masalah lingkungan yang sering kali terabaikan, dan diharapkan dapat memberikan kontribusi positif dalam menciptakan kota yang lebih nyaman dan ramah lingkungan.

Kontributor: Maryanti, A.Md.
Editor: Gusti Purbo Darpitojati, S.I.Kom.

Stefani Kumala Dewi Wijayanti, mahasiswa Program Magister Teknik Industri, Departemen Teknik Mesin dan Industri (DTMI) UGM mengadakan seminar proposal dengan judul “Deteksi Sampah Multi Kelas Menggunakan Algoritma Convolutional Neural Network untuk Proses Pemilahan” pada Selasa (04/02), bertempat di Ruang M-12. Seminar ini mengangkat tema pentingnya teknologi dalam pengelolaan sampah perkotaan yang berkelanjutan, sejalan dengan tujuan SDGs terkait keberlanjutan dan konsumsi yang bertanggung jawab.

Seminar ini dipandu oleh dosen pembimbing Stefani, Achmad Pratama Rifai, S.T., M.Eng., Ph.D., dan dihadiri oleh tiga penguji yang merupakan ahli di bidangnya: Ir. Yun Prihantina Mulyani, S.T., M.Sc., Ph.D., IPM., ASEAN Eng., Ir. Nur Mayke Eka Normasari, S.T., M.Eng., Ph.D., IPM., serta Ir. Sinta Rahmawidya Sulistyo, S.T., MSIE., Ph.D., IPM.

Penelitian yang dipresentasikan Stefani bertujuan untuk mengembangkan sistem deteksi sampah otomatis yang berbasis pada algoritma deep learning, khususnya Convolutional Neural Network (CNN), untuk membantu proses pemilahan sampah secara efisien. ”Sistem ini mengklasifikasikan sampah berdasarkan gambar ke dalam 20 kelas yang mencakup berbagai jenis sampah, seperti organik, kertas, kaca, plastik, elektronik (e-waste), hingga logam seperti besi dan aluminium,” papar Stefani.

Untuk mencapainya, Stefani menggunakan dataset yang terdiri dari kombinasi dataset publik dan dataset baru yang menghasilkan gambar sampah terbagi ke dalam kelas-kelas tersebut. Penelitian ini mengimplementasikan teknologi transfer learning dengan algoritma YOLOv4, YOLOv7, dan YOLOv8 yang terkenal dalam bidang visi komputer untuk deteksi objek secara real-time.

Stefani menekankan bahwa pengelolaan sampah yang baik sangat penting dalam mengurangi dampak negatif terhadap lingkungan dan kesehatan masyarakat. Dengan teknologi deteksi berbasis CNN, proses pemilahan sampah dapat dilakukan secara otomatis, memudahkan pengelolaan sampah, dan meningkatkan efektivitas daur ulang. Ini tentu saja berkontribusi pada pencapaian tujuan SDGs, khususnya yang terkait dengan keberlanjutan kota dan konsumsi yang bertanggung jawab.

Seminar ini juga mencerminkan upaya Fakultas Teknik UGM dalam mendukung pengembangan riset yang mengintegrasikan inovasi teknologi dengan isu-isu lingkungan, guna mendorong masyarakat menuju sistem pengelolaan sampah yang lebih ramah lingkungan dan berkelanjutan.

Dengan adanya penelitian ini, diharapkan dapat memberikan solusi praktis bagi pengelolaan sampah yang lebih efektif di perkotaan dan mendukung pembangunan yang lebih ramah lingkungan sesuai dengan prinsip-prinsip SDGs.

Kontributor: Maryanti, A.Md.
Editor: Gusti Purbo Darpitojati, S.I.Kom.