%20(1)%20(1)%20(1).png)
editor by,
* Ade Ardian Lubis (Mahasisiwa Fisika FMIPA -Universitas Sumatera Utara-Medan - Pencinta Teknologi Nano Biomaterial Berbasiskan Phyton, NIM : 250801048)
* Muhammad
Sontang Sihotang
Departemen Fisika FMIPA, Universitas Sumatera Utara, Medan, Indonesia
ABSTRAK
Limbah
tulang ikan merupakan sumber biomineral yang potensial untuk dikonversi menjadi
material bernilai tambah berbasis kalsium fosfat, khususnya hidroksiapatit (Hydroxyapatite/HAp). Kajian ini akan mengusulkan suatu kerangka analisis multiskala berbasis Python
untuk ekstraksi, karakterisasi, analisis kuantitatif dan interpretasi fisik
kalsium fosfat yang berasal dari limbah tulang ikan, dengan fokus pada
pengembangan hidroksiapatit berstruktur nano. Kerangka penelitian
mengintegrasikan karakterisasi eksperimental, meliputi X-ray diffraction (XRD),
Fourier-Transform Infrared Spectroscopy (FTIR), Scanning / Transmission Electron
Microscopy (SEM / FE-SEM / TEM), Energy-Dispersive X-ray Spectroscopy (EDS),
analisis unsur, distribusi ukuran partikel, serta karakterisasi permukaan,
dengan pengolahan data berbasis Python.
Python
digunakan bukan hanya sebagai perangkat visualisasi, tetapi sebagai mesin
analisis komputasional untuk melakukan pra-pemrosesan data, deteksi puncak XRD
dan FTIR, estimasi ukuran kristalit, segmentasi citra SEM / FE-SEM / TEM,
pengukuran distribusi ukuran partikel, analisis rasio Ca/P, analisis korelasi,
serta pemodelan hubungan antara kondisi proses, struktur, ukuran partikel, dan
sifat material. Pendekatan ini selanjutnya dikembangkan menjadi kerangka
multiskala yang menghubungkan material makroskopik, mikrostruktur,
nanostruktur, susunan ion dan molekul, struktur atom, nukleus, nukleon, hingga
perspektif fisika partikel fundamental.
Hubungan
antara hidroksiapatit nanostruktur dan fisika partikel energi tinggi tidak
diposisikan sebagai proses pengecilan ukuran material secara mekanik menuju
quark atau Higgs Boson, melainkan sebagai hierarki deskripsi materi berdasarkan
skala panjang, energi, struktur dan interaksi fundamental. Kerangka ini
diharapkan dapat menghasilkan pendekatan baru yang mengintegrasikan valorisasi
limbah biologis, material kalsium fosfat, nanoteknologi, analisis komputasional
berbasis Python, fisika multiskala, serta perspektif fisika materi fundamental.
Kata
kunci : limbah tulang ikan, kalsium
fosfat, hidroksiapatit, nano-hidroksiapatit,
Python, analisis multiskala, fisika material, distribusi ukuran partikel,
fisika nuklir, fisika partikel fundamental.
PENDAHULUAN
Latar
belakang
Peningkatan
jumlah limbah hasil pengolahan ikan merupakan salah satu persoalan lingkungan
sekaligus peluang pengembangan material berbasis biomassa. Tulang ikan
merupakan salah satu fraksi limbah yang mengandung mineral kalsium fosfat dalam
jumlah signifikan dan berpotensi dikonversi menjadi material bernilai tambah.
Salah
satu material yang paling menarik adalah hidroksiapatit:
[Ca{10}(PO4_6(OH_2],
yang secara struktur dan komposisi memiliki kemiripan dengan fase mineral an-organik
pada jaringan tulang biologis.
Pemanfaatan
tulang ikan sebagai sumber hidroksiapatit memiliki dua keuntungan strategis.
Pertama, limbah biologis dikonversi menjadi material fungsional. Kedua, proses
tersebut dapat dikembangkan menuju material berukuran mikro dan nano yang mempunyai
karakteristik permukaan dan antarmuka yang berbeda dibandingkan material
berukuran makro.
Ketika
ukuran partikel diperkecil dari skala makro menuju mikro dan nano, rasio luas
permukaan terhadap volume meningkat secara
signifikan. Untuk model partikel berbentuk bola :
[\frac{A}{V}=\frac{6}{d}]
sehingga:
[d\downarrow
\quad \Rightarrow \quad \frac{A}{V}\uparrow]
Perubahan
tersebut dapat mempengaruhi energi permukaan, reaktivitas, interaksi antarmuka,
adsorpsi, dispersi, stabilitas koloid, serta sifat fisik dan kimia material.
Oleh
sebab itu, penelitian mengenai tulang ikan tidak cukup hanya diarahkan pada
pertanyaan:
"Apakah
tulang ikan dapat menghasilkan kalsium fosfat ?"
Pertanyaan
yang lebih fundamental adalah:
Bagaimana
perubahan struktur materi dari skala makro, mikro hingga nano mempengaruhi
sifat material, dan bagaimana struktur tersebut dapat dipahami dalam hierarki
materi hingga skala atomik, nuklir, dan partikel fundamental ?
Kesenjangan
penelitian
Penelitian
mengenai hidroksiapatit yang berasal dari sumber biologis umumnya berfokus
pada:
·
metode ekstraksi;
·
fase kristal;
·
ukuran partikel;
·
morfologi;
·
rasio Ca/P;
·
sifat permukaan;dan
·
aplikasi biomedis atau material.
Namun,
data dari berbagai instrumen sering dianalisis secara terpisah.
XRD
memberikan informasi kristalografi.
FTIR
memberikan informasi ikatan dan gugus fungsi.
SEM / FESEM
/ TEM memberikan informasi morfologi.
EDS / ICP
memberikan informasi komposisi unsur.
BET
memberikan informasi luas permukaan.
DLS
memberikan informasi ukuran hidrodinamik.
Penelitian
ini mengusulkan agar seluruh informasi tersebut diintegrasikan melalui
analisis komputasional berbasis Python.
Dengan
demikian:
[Data_{eksperimen}
\rightarrow
Python
\rightarrow
Feature\ extraction
\rightarrow
Multiscale\ analysis
\rightarrow
Structure-Property\ relationship]
menjadi
inti metodologi penelitian.
TUJUAN PENELITIAN
Penelitian
ini bertujuan untuk:
1.
Mengembangkan
metode pemanfaatan limbah tulang ikan sebagai sumber kalsium fosfat dan menghasilkan
hidroksiapatit dengan ukuran mikro hingga nano ;
2.
Mengkarakterisasi
struktur kristal, komposisi,
morfologi, ukuran partikel, dan sifat permukaan ;
3.
Mengukur
distribusi ukuran partikel secara
Kuantitatif ;
4.
Menganalisis
hubungan antara ukuran partikel,
struktur kristal, komposisi, dan sifat
permukaan ;
5.
Membangun
Model multiskala dari material
makroskopik hingga nano-struktur ;
6.
Menghubungkan
secara konseptual struktur material
dengan struktur atomik, nuklir, dan
fisika partikel
fundamental.
7. Mengembangkan sistem analisis data berbasis
Python;
KERANGKA KONSEPTUAL PENELITIAN
Kerangka
utama penelitian dapat dinyatakan:
[\boxed{Limbah\
Tulang\ Ikan\rightarrow
Kalsium\ Fosfat\rightarrowHidroksiapatit\rightarrow
Nano-Hidroksiapatit}]
Kemudian
dilakukan analisis multiskala:
[\boxed{Makro\rightarrowMikro\rightarrowNano
\rightarrowAtom\rightarrowNukleus\rightarrow
Nukleon\rightarrowQuark}]
Sedangkan
perspektif fisika fundamental diteruskan melalui:
[Quark +
Lepton + Boson\rightarrowStandard\ Model
\rightarrowHiggs\ Field]
Penting
ditegaskan bahwa dua rangkaian tersebut merupakan hierarki struktur dan
deskripsi fisika, bukan jalur perubahan fisik langsung dari tulang ikan
menjadi Quark atau Higgs boson.
4. HIRARKI SKALA MATERI
|
No. |
Skala |
Orde
panjang |
Objek Utama |
Pendekatan
Fisika |
|
|
|
|
|
|
|
1. |
Makro |
(10^{-3}-10^0) m |
Tulang / material |
Fisika material |
|
2. |
Mikro |
(10^{-6}) m |
Pori, grain, mikrostruktur |
Material physics |
|
3. |
Nano |
(10^{-9}) m |
Nano-HAp |
Nanoscience |
|
4. |
Atom |
(\sim10^{-10}) m |
Ca, P, O, H |
Atomic physics |
|
5. |
Femto meter |
(10^{-15}) m |
Nukleus |
Nuclear physics |
|
6. |
Sub-nuklir |
(<10^{-15}) m |
Nukleon / quark |
Particle physics |
|
7. |
Skala energi tinggi |
sangat kecil |
Partikel Fundamental |
High Energy Physics |
Istilah
seperti atto (10⁻¹⁸ m), zepto (10⁻²¹ m) dan yocto (10⁻²⁴ m) dapat
digunakan untuk menunjukkan orde skala panjang secara konseptual, tetapi tidak
boleh ditafsirkan sebagai ukuran partikel HAp yang dapat dicapai melalui proses
penggilingan.
METODOLOGI PENELITIAN
Bahan
Bahan
utama:
·
limbah tulang ikan;
·
air de-ionisasi;
·
bahan pencuci/deproteinasi;
·
bahan pengatur pH jika digunakan;
·
bahan pendukung proses ekstraksi.
Jenis
ikan lele, sumber limbah tulang ikan lele, kondisi awal, dan massa bahan harus
dicatat secara sistematis.
PREPARASI LIMBAH TULANG IKAN
Tahapan
umum:
[Tulang\
ikan\rightarrowPencucian\rightarrow
Penghilangan\ jaringan\ organik\rightarrow
Pengeringan\rightarrowPenghalusan\rightarrowEkstraksi/kalsinasi\rightarrowCaP/HAp]
Parameter
proses yang harus dicatat:
·
temperatur;
·
waktu;
·
pH;
·
ukuran awal;
·
metode penggilingan;
·
atmosfer proses;
·
laju pemanasan;
·
metode pendinginan.
Parameter
tersebut kemudian menjadi input dataset Python.
KARAKTERISASI MATERIAL
XRD
XRD
digunakan untuk memperoleh:
·
fase kristal;
·
posisi puncak;
·
intensitas;
·
FWHM;
·
kristalinitas;
·
ukuran kristalit.
Estimasi
ukuran kristalit dapat dilakukan dengan persamaan Scherrer:
[D=\frac{K\lambda}{\beta\cos\theta}]
Namun
koreksi pelebaran instrumental harus dilakukan apabila data memungkinkan.
FTIR
FTIR
digunakan untuk mengidentifikasi:
·
gugus fosfat;
·
hidroksil;
·
karbonat;
·
sisa komponen organik.
Data FTIR
selanjutnya dianalisis menggunakan Python untuk:
·
baseline correction;
·
smoothing;
·
peak detection;
·
peak area;
·
peak intensity;
·
peak position.
SEM/ FE-SEM
/ TEM
SEM / FE-SEM
/ TEM digunakan untuk memperoleh:
·
morfologi;
·
bentuk partikel;
·
agregasi;
·
ukuran partikel;
·
distribusi partikel.
Citra
digital kemudian diproses menggunakan Python.
ANALISIS CITRA BERBASIS PYTHON
Alur:
[Citra\rightarrowPreprocessing\rightarrow
Thresholding\rightarrowSegmentation\rightarrow
Particle\ detection\rightarrowMeasurement]
Parameter
yang dapat diperoleh:
·
diameter ekuivalen;
·
luas;
·
perimeter;
·
aspect ratio;
·
circularity;
·
eccentricity;
·
distribusi ukuran.
Untuk
partikel ke-(i):
[d_i=Equivalent\
Diameter_i]
dan:
[\bar
d=\frac{1}{N}\sum_{i=1}^{N}d_i.]
Distribusi
dapat dilaporkan dengan:
[D_{10},D_{50},D_{90}.]
PERBEDAAN PARTICLE SIZE DAN CRYSTALLITE SIZE
Ini
merupakan aspek penting dalam artikel.
[D_{particle}\neq
D_{crystallite}]
secara
umum.
Particle
size diperoleh
terutama melalui mikroskopi atau teknik distribusi partikel.
Crystallite
size dapat
diestimasi dari pelebaran puncak XRD.
Sebuah
nanopartikel dapat terdiri atas beberapa crystallite.
Oleh
karena itu, interpretasi hasil harus membedakan:
[Particle]
dengan:
[Crystallite.]
ANALISIS KOMPOSISI DENGAN PYTHON
Data EDS /
ICP / XPS dimasukkan ke dalam dataset:
|
Unsur |
Konsentrasi |
|
Ca |
[data] |
|
P |
[data] |
|
O |
[data] |
|
Mg |
[data] |
|
Na |
[data] |
|
lainnya |
[data] |
Rasio
utama:
[Ca/P]
dibandingkan
dengan nilai teoritis HAp:
[Ca/P=1.667.]
Penyimpangan
dapat menunjukkan substitusi ionik, fase lain, atau variasi komposisi bahan
biologis.
ANALISIS LUAS PERMUKAAN
Untuk
model bola:
[A=4\pi
r^2]
[V=\frac{4}{3}\pi
r^3
]
sehingga:
[\frac{A}{V}=\frac{6}{d}.]
Dengan
Python dapat dibuat kurva:
[Surface/Volume=f(Particle\
Size)]
untuk
menunjukkan transisi:
[Makro\rightarrow
Mikro\rightarrow Nano.]
INTEGRASI DATA PYTHON
Seluruh
data digabungkan menjadi satu matriks:
[X=[T, t,
pH, Ca/P, Dp, D_c, Crystallinity, BET,
Zeta, FTIR, XRD ].
Dengan:
·
(T) = temperatur;
·
(t) = waktu;
·
(D_p) = particle size;
·
(D_c) = crystallite size.
Selanjutnya
dilakukan:
·
korelasi;
·
regresi;
·
analisis multivariat;
·
clustering;
·
machine learning.
MACHINE LEARNING
Model
dapat digunakan untuk memprediksi:
[D_p=f(T,t,pH)]
atau:
[Crystallinity=f(T,t,pH).]
Algoritma
yang dapat diuji:
·
Linear Regression;
·
Random Forest;
·
Gradient Boosting;
·
Support Vector Regression;
·
Neural Network.
Evaluasi
menggunakan:
[R^2][RMSE][MAE.]
Validasi
silang (cross-validation) harus digunakan untuk mencegah overfitting.
ANALISIS MULTISKALA
Hasil
eksperimen dapat disusun:
[Processing\rightarrowComposition\rightarrow
Crystal\ Structure\rightarrowParticle\ Size
\rightarrowSurface\rightarrowProperty]
Ini
merupakan inti dari multiscale structure–property relationship.
Contoh:
[Temperatur\rightarrowKristalinitas]
[Kristalinitas\rightarrowUkuran\
kristalit]
[Ukuran\rightarrowLuas\
permukaan]
[Luas\
permukaan\rightarrowInteraksi\ permukaan].
HUBUNGAN DENGAN FISIKA ATOMIK
Hidroksiapatit
terdiri atas unsur:
[Ca,\ P,\
O,\ H.]
Setiap
unsur terdiri atas atom.
Secara
sederhana:
[Atom=Nukleus+Elektron.]
Nukleus
terdiri atas:
[Nukleus=Proton+Neutron.]
Proton
dan neutron selanjutnya merupakan partikel komposit yang tersusun dari quark
dan gluon dalam kerangka QCD.
Dengan
demikian:
[HAp\rightarrowAtom\rightarrowNukleus
\rightarrowNukleon\rightarrowQuark.]
HUBUNGAN DENGAN HIGH ENERGY PHYSICS
Pada
skala sangat kecil, peningkatan resolusi struktur membutuhkan momentum transfer
yang semakin besar.
Secara
heuristik:
[\lambda\sim\frac{\hbar
c}{E}.]
Dengan:
[\hbar
c\approx197.3;MeV,fm.]
Sehingga:
[E\approx\frac{197.3}{L(fm)}MeV.]
Hubungan
ini memungkinkan Python membuat peta panjang–energi:
[Length\
Scale\leftrightarrowEnergy\ Scale.]
Namun,
hubungan ini merupakan interpretasi fisika fundamental
dan bukan proses transformasi HAp menjadi partikel
elementer.
DARI QUARK MENUJU HIGGS FIELD
Dalam
Standard Model, materi fundamental mencakup:
Quarks
·
up;
·
down;
·
charm;
·
strange;
·
top;
·
bottom.
Leptons
·
electron;
·
muon;
·
tau;
·
neutrino.
Serta
boson pembawa interaksi dan Higgs boson.
Secara
konseptual:
[Quarks+Leptons+Bosons\rightarrowStandard\
Model.]
Higgs
boson berkaitan dengan eksitasi kuantum dari Higgs field.
Dengan
demikian, penelitian ini tidak menyatakan bahwa hidroksiapatit mengandung Higgs
boson, melainkan Menempatkan struktur HAp dalam HIERARKI FUNDAMENTAL MATERI.
HASIL YANG DIHARAPKAN
Karena
data eksperimen belum tersedia, nilai numerik tidak boleh dibuat secara
hipotetik.
Hasil
yang akan dimasukkan meliputi:
Tabel 1.
Karakteristik bahan
|
Sampel |
Ca / P |
Fase |
Kristalinitas |
Ukuran kristalit |
|
S1 |
[ ] |
[ ] |
[ ] |
[ ] |
|
S2 |
[ ] |
[ ] |
[ ] |
[ ] |
|
S3 |
[ ] |
[ ] |
[ ] |
[ ] |
Tabel 2. Distribusi ukuran
partikel
|
Sampel |
D10 |
D50 |
D90 |
Mean |
SD |
|
S1 |
[ ] |
[ ] |
[ ] |
[ ] |
[ ] |
|
S2 |
[ ] |
[ ] |
[ ] |
[ ] |
[ ] |
|
S3 |
[ ] |
[ ] |
[ ] |
[ ] |
[ ] |
FIGUR UTAMA YANG DIREKOMENDASIKAN
Untuk
artikel Q1, minimal dirancang enam figur utama.
Figure 1
Kerangka
konseptual penelitian
[Fish\
Bone\rightarrowCaP\rightarrowNano-HAp
\rightarrowAtomic\rightarrowNuclear\rightarrow
Particle.]
Figure 2
XRD dan
analisis Python
Raw data
→ pre-processing → peak detection → crystallite size.
Figure 3
SEM / FESEM
/ TEM dan particle-size distribution
Citra →
segmentation → histogram → D10/D50/D90.
Figure 4
Hubungan
ukuran partikel dengan surface-to-volume ratio.
Figure 5
Correlation
matrix dan machine-learning model.
Figure 6
Peta
multiskala materi dan energi
[Macro\rightarrowMicro\rightarrowNano\rightarrow
Atomic\rightarrowNuclear\rightarrowQuark
\rightarrowStandard\ Model.]
NOVELTY PENELITIAN
Novelty
penelitian ini bukan sekadar:
"Menghasilkan
hidroksiapatit dari tulang ikan."
Novelty
yang lebih kuat adalah:
Novelty 1
Mengembangkan
fish-bone-derived calcium phosphate sebagai material bernilai tambah
dalam kerangka ekonomi sirkular.
Novelty 2
Mengintegrasikan
karakterisasi material multi-instrumen ke dalam Python-enabled computational
workflow.
Novelty 3
Mengubah
data SEM / FE-SEM / TEM dan XRD menjadi parameter kuantitatif yang dapat
dibandingkan lintas skala.
Novelty 4
Membangun
structure–property relationship berbasis data.
Novelty 5
Mengembangkan
multiscale physics framework yang secara konseptual menghubungkan nano-material
dengan struktur atomik, nuklir, dan fundamental.
Novelty 6
Menggunakan
analisis panjang–energi untuk menjelaskan perbedaan antara skala material
dan skala fisika partikel energi tinggi.
SIGNIFIKANSI ILMIAH
Penelitian
ini menempatkan limbah tulang ikan bukan sekadar sebagai sumber kalsium, tetapi
sebagai titik awal untuk mempelajari transformasi
materi secara multiskala.
Secara
konseptual:
[\boxed{Limbah\rightarrowMaterial\rightarrow
Nanomaterial\rightarrowStruktur Atomik
\rightarrowStruktur Nuklir\rightarrow
Materi Fundamental}]
Python
berfungsi sebagai jembatan komputasional yang memungkinkan berbagai data
eksperimen diterjemahkan menjadi parameter fisik yang
dapat dibandingkan.
Dengan
demikian, penelitian ini berada pada irisan:
·
Zero Waste
·
Circular Economy
·
Biomaterials
·
Nanotechnology
·
Computational Materials Science
·
Multiscale Physics
·
Fundamental Physics.
KETERBATASAN PENELITIAN
Beberapa
batasan perlu ditegaskan.
Pertama,
ukuran partikel yang diperoleh dari SEM / FE-SEM / TEM tidak identik dengan
ukuran hidrodinamik dari DLS.
Kedua,
ukuran kristalit yang diperoleh dari XRD bukan secara otomatis ukuran partikel.
Ketiga,
tulang ikan merupakan bahan biologis sehingga variasi spesies, habitat, umur,
dan proses pengolahan dapat menyebabkan variasi komposisi.
Keempat,
machine learning membutuhkan dataset yang cukup besar dan berkualitas.
Kelima,
hubungan dengan Quark dan Higgs field merupakan interpretasi
fundamental, bukan bukti bahwa proses pengolahan material menghasilkan quark
atau Higgs boson.
KESIMPULAN
Penelitian
ini mengembangkan suatu kerangka
Analisis
Multiskala Berbasis Python untuk mengubah limbah tulang ikan menjadi material
kalsium fosfat dan hidroksiapatit nano-struktur yang dapat dikarakterisasi
secara kuantitatif.
Keunggulan
utama pendekatan ini terletak pada INTEGRASI antara
Karakterisasi Eksperimental dan Analisis Komputasional.
Python
dapat digunakan untuk mengolah data X-RD, FT-IR, SEM/FE-SEM / TEM, EDS / ICP,
distribusi ukuran partikel, luas permukaan, serta hubungan struktur–sifat.
Kerangka
multiskala selanjutnya memungkinkan struktur material dipahami melalui
hierarki:
[Makro\rightarrowMikro\rightarrowNano\rightarrow
Atom\rightarrowNukleus\rightarrowNukleon\rightarrow
Quark\rightarrowStandard\ Model.]
Higgs
field ditempatkan pada tingkat Fisika Fundamental sebagai bagian dari Kerangka Standard Model, bukan sebagai Komponen Hidroksiapatit.
Dengan
demikian, pendekatan ini membuka peluang pengembangan Penelitian
Lintas Disiplin yang menggabungkan valorisasi limbah tulang ikan, material kalsium fosfat,
nano-HAp, komputasi Python, fisika material, fisika nuklir dan perspektif
fisika partikel fundamental.
ARAH PENGEMBANGAN PENELITIAN
Tahapan
berikutnya yang diperlukan adalah:
Tahap 1 —
Eksperimen
[Fish\
bone\rightarrow CaP/HAp]
Tahap 2 —
Karakterisasi
[XRD+FTIR+SEM/FE-SEM-TEM+EDS/ICP+BET+DLS]
Tahap 3 —
Python
[Raw\
Data\rightarrowProcessing\rightarrow
Feature\rightarrowModel]
Tahap 4 —
Optimasi
[Machine\
Learning\rightarrowOptimal\ Processing]
Tahap 5 —
Multiscale Physics
[Macro\rightarrowMicro\rightarrowNano\rightarrow
Atomic\rightarrowNuclear\rightarrowParticle.]
Tahap 6 —
Publikasi
Artikel
eksperimental → artikel komputasional → perspective
e / review fisika
fundamental.