skip to main content

Prediksi Potensi Timbulan Limbah Ampas Kopi sebagai Sumber Penghasil Senyawa Bioaktif di Kota Pekanbaru

1Program Studi Fisika, Fakultas Matematika, Ilmu Pengetahuan Alam dan Kesehatan, Universitas Muhammadiyah Riau, Jl. Tuanku Tambusai, Delima, Kec. Tampan, Kota Pekanbaru, Indonesia, Indonesia

2Departemen Teknik Kimia, Fakultas Teknologi Industri dan Rekayasa Sistem, Institut Teknologi Sepuluh Nopember, Surabaya, Indonesia, Indonesia

Received: 7 Sep 2023; Revised: 26 Jan 2024; Accepted: 16 Jun 2024; Available online: 11 Nov 2024; Published: 11 Nov 2024.
Editor(s): Budi Warsito

Citation Format:
Abstract
Prediksi yang akurat dari jumlah timbulan limbah ampas kopi sangat penting untuk pemanfaatan dan pengelolaannya. Metode pemodelan sering digunakan untuk memprediksi timbulan sampah, akan tetapi belum ada penelitian yang membuat suatu model untuk memprediksi timbulan limbah ampas kopi, khususnya di kota Pekanbaru. Model dalam penelitian ini diusulkan untuk membangun pengaruh antara timbulan limbah ampas kopi dan parameter meteorologi (suhu, curah hujan dan kelembaban), jumlah cup terjual per hari, ukuran cup yang digunakan, jenis dan merek kopi, serta metode penyeduhan kopi. Multiple Linear Regression (MLR) metode stepwise digunakan untuk mengembangkan model prediksi timbulan limbah ampas kopi di kota Pekanbaru. Survei kuisioner dan wawancara dilakukan terhadap 90 gerai kopi yang ada di sejumlah lokasi di kecamatan kota Pekanbaru. Pengambilan sampel dilaksanakan berturut-turut selama 8 hari berdasarkan SNI 19-3964-1994. Hasil penelitian ini menunjukkan bahwa sampah yang dihasilkan oleh gerai kopi bervariasi. Rata-rata limbah ampas kopi yang dihasilkan gerai kopi adalah 585,71% gram/hari. Model prediksi yang digunakan menghasilkan nilai rata-rata yang sama dengan rata-rata timbulan limbah ampas kopi hasil observasi, sehingga dapat disimpulkan bahwa seluruh model layak digunakan untuk prediksi timbulan limbah ampas kopi. Keakuratan hasil prediksi di uji dengan menggunakan nilai MAPE, MAD dan RMSE yang menunjukkan bahwa model D merupakan model terbaik. Koefisien determinasi (R2) dari model D sebesar 0,836 untuk timbulan limbah ampas kopi dengan menggunakan variabel bebas yang dipilih (ukuran cup, jumlah cup, curah hujan dan kelembaban).

Note: This article has supplementary file(s).

Fulltext View|Download |  Research Instrument
Untitled
Subject
Type Research Instrument
  View (362KB)    Indexing metadata
 Research Instrument
Untitled
Subject
Type Research Instrument
  View (16KB)    Indexing metadata
Keywords: Ampas kopi; Gerai kopi; Prediksi; Multiple Linear Regression; Stepwise; SPSS

Article Metrics:

  1. Abdulredha, M., Al Khaddar, R., Jordan, D., Kot, P., Abdulridha, A., & Hashim, K. (2018). Estimating solid waste generation by hospitality industry during major festivals: A quantification model based on multiple regression. Waste Management, 77, 388–400
  2. Aguilar, J. A. A., Valencia, M. N. R., & Vera, R. A. A. (2020). Forecast generation model of municipal solid waste using multiple linear regression. Global Journal of Environmental Science and Management, 6(1), 1–14
  3. Ahmad, I., Kusumah, A., Hinggo, H. T., Zaki, H., Ramadhan, R. R., Sulistyandari, & Hardilawati, W. L. (2022). Strategi Keberlanjutan Usaha Coffee Shop OFFTRACK Pekanbaru. ABDIMAS EKODIKSOSIORA: Jurnal Pengabdian Kepada Masyarakat Ekonomi, Pendidikan, Dan Sosial Humaniora, 2(2), 48–52
  4. Azadi, S., & Karimi-Jashni, A. (2015). Verifying the performance of artificial neural network and multiple linear regression in predicting the mean seasonal municipal solid waste generation rate: A case study of Fars province, Iran. Waste Management, 14–23
  5. Badan Pusat Statistik (BPS) Indonesia. (2021). Statistik Kopi Indonesia 2021. BPS-Statistics Indonesia. Indonesia
  6. Badan Pusat Statistik (BPS) Kota Pekanbaru. (2022a). Kota Pekanbaru Dalam Angka 2022. BPS Kota Pekanbaru. Pekanbaru
  7. Badan Pusat Statistik (BPS) Kota Pekanbaru. (2022b). Kota Pekanbaru dalam Angka 2023. BPS Kota Pekanbaru. Pekanbaru
  8. Ballesteros, L. F., Teixeira, J. A., & Mussatto, S. I. (2014). Chemical, Functional, and Structural Properties of Spent Coffee Grounds and Coffee Silverskin. Food and Bioprocess Technology, 7(12), 3493–3503
  9. Beigl, P., Lebersorger, S., & Salhofer, S. (2008). Modelling municipal solid waste generation : A review. Waste Management, 28, 200–214
  10. Dandi, L., Afwa, A., & Hasan, H. (2023). The Influence of Store Atmosphere and Social Media Promotion on Purchase Decisions At Coffee Shop in Pekanbaru (Case Study Rehat Coffe). Jurnal Apresiasi Ekonomi, 11(1), 158–166
  11. Dewantoro, D. H., Wisnalmawati, & Istanto, Y. (2021). Pengaruh Kualitas Produk Terhadap Loyalitas Pelanggan Dimediasi oleh Kepuasan Pelanggan (Survai Pada Coffe Shop Fihi Pekanbaru). Conference on Innovation and Application of Science and Technology (CIASTECH 2021), 21–28
  12. Duli, N. (2019). Metodologi Penelitian Kuantitatif: Beberapa Konsep Dasar Untuk Penulisan Skripsi & Analisis Data Dengan SPSS. Deepublish. Yogyakarta
  13. Ervina, N., Azwar, K., & Susanti, E. (2023). Variabel Makroekonomi Yang Mempengaruhi Pergerakan Ihsg Di Masa Pandemi Covid-19. Widina Bhakti Persada. Bandung
  14. Firdaus, M. M. (2021). Metodologi Penelitian Kuantitatif; Dilengkapi Analisis Regresi Ibm Spss Statistics Version 26.0. CV. DOTPLUS Publisher. Bengkalis
  15. Garcia, I. O., Esteban, O. K., Martin, C., Arenaza, A. M. M., & Vicario, A. A. (2015). Identification of influencing municipal characteristics regarding household waste generation and their forecasting ability in Biscay. Waste Management, 39, 26–34
  16. Ghinea, C., Drăgoi, E. N., Comăniţă, E. D., Gavrilescu, M., Câmpean, T., Curteanu, S., & Gavrilescu, M. (2016). Forecasting municipal solid waste generation using prognostic tools and regression analysis. Journal of Environmental Management, 182, 80–93
  17. Haaland, P. D. (2020). Experimental Design in Biotechnology. CRC Press. New York
  18. Hair Jr, J. F., Page, M., & Brunsveld, N. (2019). Essentials of Business Research Methods. Routledge Taylor & Francis Group. New York
  19. Joesyiana, K., Prihastuti, A. H., & Susanti, D. (2021). The Opportunities and Challenges Analysis of the Coffee Shop Business during the Covid Pandemic 19 in Pekanbaru. Jurnal Pendidikan Ekonomi (JUPE), 10(1), 1–8
  20. Kementerian Koperasi dan Usaha Kecil dan Menengah Republik Indonesia, D. (2023). Data UMKM. Kementerian Koperasi Dan UKM. http://umkm.depkop.go.id/
  21. Khan, D., Kumar, A., & Samadder, S. R. (2016). Impact of socioeconomic status on municipal solid waste generation rate. Waste Management
  22. Kolekar, K. A., Hazra, T., & Chakrabarty, S. N. (2016). A Review on Prediction of Municipal Solid Waste Generation Models. Procedia Environmental Sciences, 35, 238–244
  23. Kumar, A., & Samadder, S. R. (2017). An empirical model for prediction of household solid waste generation rate – A case study of Dhanbad, India. Waste Management, 1–13
  24. McNutt, J., & He, Q. (S). (2018). Spent coffee grounds: A review on current utilization. Journal of Industrial and Engineering Chemistry, 1–38
  25. Noprinah, J. (2022). Dramaturgi Profesi Barista di Norma Coffee Shop dan Cipadas Coffee Shop Pekanbaru. Jom Fisip, 9, 1–15
  26. Nursiyono, J. A., & Nadeak, P. P. . (2016). Setetes Ilmu Regresi Linier. Media Nusa Creative. Malang
  27. Palmieri, N., Fernando, A. L., Suardi, A., Bagnato, V., Pari, R., Stefanoni, W., Latterini, F., Alfano, V., Bergonzoli, S., & Lazar, S. (2021). The Coffee Grounds: Insights By Coffee Shops. European Biomass Conference and Exhibition, April, 26–29
  28. Peraturan Pemerintah Nomor 81 tahun 2012 tentang pengelolaan sampah rumah tangga dan sampah sejenis sampah rumah tangga
  29. Perera, C. L., & Fernando, M. (2020). Comparison of Multiple Linear Regression and Artificial Neural Network Models for the Prediction of Solid Waste Generation in Sri Lanka. Ibai Publishing, 13(1), 3–25
  30. Popli, K., Park, C., Han, S. M., & Kim, S. (2021). Prediction of solid waste generation rates in urban region of Laos using socio-demographic and economic parameters with a multi linear regression approach. Sustainability (Switzerland), 13(303)
  31. Pradina, R. F. P. (2022). Analisis Timbulan Minyak Jelantah Di Tengah Pandemi Covid-19 Di Dukuh Ngringin, Condongcatur, Depok. Universitas Islam Indonesia. Yogyakarta
  32. Prasetyo, A., & Arifin, M. Z. (2017). Analisis Biaya Pengelolaan Limbah Makanan Restoran. Indocamp. Jakarta
  33. Priyatno, D. (2014). Spss 22 Pengolahan Data Terpraktis. CV Andi Offset. Yogyakarta
  34. Pujiono. (2013). Opnimalisasi Prasarana, Sarana Dan Pemanfaatan Sampah Di Kelurahan Uentenaga Bawah, Kecamatan Ampana Kota, Kabupaten Tojo Una-Una. Jurnal Maroso, 1(1)
  35. Ramadhan, R. F., S, W., Saputri, F. R., Pasaribu, J. S., Almaliki, M. F., Prabiantissa, C. N., Fianty, M. I., Mansyur, S. H., & others. (2023). Kecerdasan Buatan Digital. Global Eksekutif Teknologi. Padang
  36. Ramesh, N., Vennila, G., Bari, J. A., Ramesh, S., & MageshKumar, P. (2015). Energy production through organic fraction of municipal solid waste—A multiple regression modeling approach. Ecotoxicology and Environmental Safety, 1–8
  37. Raykov, T., & Marcoulides, G. A. (2012). Basic Statistics: An Introduction with R. Rowman & Littlefield Publishers. United Kingdom
  38. Riyanto, S., & Hatmawan, A. A. (2020). Metode Riset Penelitian Kuantitatif. Deepublish. Yogyakarta
  39. Rosianna, C., Febrina, C., Winanda, Y., & Fionasari, D. (2021). Analysis Of Coffee Shop Marketing Strategy In Increasing Sales During The Covid-19 Period In Pekanbaru City. Research In Accounting Journal, 1(3), 350–361
  40. Santi, I. H., & Sudiasmo, F. (2020). Perceived Usefulness Dan Perceived Ease Of Use Terhadap Behavioral Intention To Use Dan Actual Usage Pada Aplikasi Identifikasi Jenis Kulit Wajah. Jakad Media Publishing. Surabaya
  41. Santoso, S. (2009). Panduan Lengkap Menguasai Statistik dgn SPSS 17 + CD. PT Elex Media Komputindo. Jakarta
  42. Shan, C. S. (2010). Projecting municipal solid waste: The case of Hong Kong SAR. Resources, Conservation and Recycling, 54(11), 759–768
  43. Siagian, D., & Sugiarto. (2000). Metode statistika. Gramedia Pustaka Utama. Jakarta
  44. Sistem Informasi Pengelolaan Sampah Nasional, S. (2022). Timbulan dan Komposisi Sampah Kota Pekanbaru. https://sipsn.menlhk.go.id/sipsn/
  45. Skubina, E. C., Pielak, M., Sałek, P., Ginter, R. K., & Owczarek, T. (2021). Consumer Choices and Habits Related to Coffee Consumption by Poles. International Journal of Environmental Research and Public Health, 18, 1–21
  46. SNI 19-3964-1994. (1994). Metode Pengambilan dan Pengukuran Contoh Timbulan dan Komposisi Sampah Perkotaan. Badan Standar Nasional Indonesia
  47. Sulaiman, I., & Muzaifa, M. (2016). Potensi Limbah Kopi Sebagai Bahan Baku Pektin. Syiah Kuala University Press. Banda Aceh
  48. Susanti, D. S., Sukmawaty, Y., & Salam, N. (2019). Analisis Regresi dan Korelasi. CV IRDH. Malang
  49. Syafrudin, I. (2022). Analisis Strategi Manajemen Operasi Pada Coffee Shop Di Pekanbaru. In Skripsi. Universitas Islam Riau
  50. Tavares, M. P. d F., & Mourad, A. L. (2020). Coffee beverage preparation by different methods from an environmental perspective. International Journal of Life Cycle Assessment, 25(7), 1356–1367
  51. Wardhani, A. K., Israwan, F., Hardiansyah, A., Setiawan, J., Wahyuddin, S., Khikmah, L., Ilham, A., & Nurmuslimah, S. (2022). Teknik Peramalan Pada Teknologi Informasi. PT Global Eksekutif Teknologi. Sumatera Barat
  52. Wulansari, D., Ekayani, M., & Karlinasari, L. (2019). Kajian Timbulan Sampah Makanan Warung Makan. ECOTROPHIC, 13(2), 125–134
  53. Yamin, S. (2021). Tutorial Statistik Spss, Lisrel, Warppls, & Jasp (Mudah & Aplikatif). Dewangga Energi Internasional Publishing. Jawa Barat

Last update:

No citation recorded.

Last update: 2024-11-11 21:38:39

No citation recorded.