Pembahasan .4 Hasil Analisis XRD

Gambar4.52 GrafikBerat Jenis Berdasarkan Penambahan Dalam 20Komposisi Dari Gambar 4.52terlihat bertambahnya Berat Jenis beton terbesar pada Abu Sekam Padi pada komposisi 20. 4.2 Pembahasan 4.2.4 Hasil Analisis XRD Gambar 4.53XRD Abu Boiler Kelapa Sawit Berdasarkan XRD Abu Boiler Kelapa Sawit unsur yang memiliki Wt terbesar adalah Calcium Titanium OxideCaTiO 3 dengan 0,859 diikuti Silicon Oxide SiO 2 dengan 0,831 diurutan kedua dan Alumunium Silicate Hydroxide Al 2 Si 2 O 5 OH 4 dengan 0,703 diurutan ketiga. 2040,00 2060,00 2080,00 2100,00 2120,00 2140,00 2160,00 2180,00 2200,00 2220,00 2240,00 7 14 21 28 60 Be r a t J e n is K g m 3 Hari SP KS SP+KS Universitas Sumatera Utara Gambar 4.54 XRD Abu Sekam Padi Berdasarkan XRD Abu Sekam Padi unsur yang memiliki Wt terbesar adalah Silicon Oxide SiO 2 dengan 0,842 diikuti Tantalum Oxide Ta 2 O 5 dengan 0,678 diurutan kedua dan Calcium Carbonate CaCO 3 dengan 0,669 diurutan ketiga. Gambar 4.55 XRD Beton Berdasarkan XRD Beton unsur yang memiliki Wt terbesar adalah Calcium Carbonate CaCO 3 dengan 0,942 diikuti dengan Silicon Oxide SiO 2 dengan 0,918 diurutan kedua. Gambar 4.56 XRDAbu Sekam Padi 5 Berdasarkan XRD Abu Sekam Padi 5 unsur yang memiliki Wt terbesar adalah Calcium Carbonate CaCO 3 dengan 0,946 diikuti Calsium Hydroxide CaOH 2 dengan 0,922 diurutan kedua dan Silicon Oxide SiO 2 dengan 0,910 diurutan ketiga. Universitas Sumatera Utara Gambar 4.57 XRDAbu Boiler Kelapa Sawit5 Berdasarkan XRD Abu Boiler Kelapa Sawit 5 unsur yang memiliki Wt terbesar adalah Calcium Carbonate CaCO 3 dengan 0,938 diikuti Silicon Oxide SiO 2 dengan 0,885 diurutan kedua dan Calsium Hydroxide CaOH 2 dengan 0,764 diurutan ketiga. Gambar 4.58 XRDAbu Sekam Padi + Abu Boiler Kelapa Sawit 5 Berdasarkan XRD Abu Boiler Kelapa Sawit unsur yang memiliki Wt terbesar adalah Calsium Hydroxide CaOH 2 dengan 0,785 diikuti Calcium Carbonate CaCO 3 dengan 0,752 diurutan kedua dan Silicon Oxide SiO 2 dengan 0,694 diurutan ketiga.

4.2.5 Hasil Analisis Sifat Mekanik

4.2.5.1 Uji Kuat Tekan

Tabel 4.5Descriptive StatisticsUji Kuat Tekan Mean Std. Deviation N KT 398.40633 67.712881 60 Sampel 2.00 .823 60 Usia 3.00 1.426 60 Komposisi 2.50 1.127 60 1. Korelasi Universitas Sumatera Utara Tabel 4.6CorrelationsUji Kuat Tekan KT Sampel Usia Komposisi Pearson Correlation KT 1.000 -.003 .515 -.661 Sampel -.003 1.000 .000 .000 Usia .515 .000 1.000 .000 Komposisi -.661 .000 .000 1.000 Dari Tabel4.6 dapat dilihat bahwa besar hubungan antara variabel Kuat Tekan KT dengan Sampel adalah -0,003 hal ini menunjukan hubungan negatif. Besar hubungan KT dengan Usia perendaman adalah 0,515 yang berarti ada hubungan positif dan besar hubungan KT dengan Komposisi adalah -0,661 yang berarti ada hubungan negatif. Hal ini dapat disimpulkan bahwa semakin lama perendaman yang dilakukan maka semakin besar Kuat Tekan yang dihasilkan, sedangkan penambahan komposisi campuran dapat mengurangi besar Kuat Tekan. Dari hubungan sampel dengan Kuat Tekan dapat disimpulkan bahwa penambahan Abu Sekam Padi pada sampel dengan komposisi 5 memiliki nilai Kuat Tekan yang lebih baik dibandingkan yang lainnya Abu Boiler Kelapa Sawit atau Campuran Abu Sekam Padi dan Abu Boiler Kelapa Sawit. 2. Model sisaan Tabel 4.7Model Summary b Uji Kuat Tekan Model R R Square Adjusted R Square Std. Error of the Estimate 1 .838 a .702 .686 37.937237 a. Predictors: Constant, Komposisi, Usia, Sampel b. Dependent Variable: KT Pada Tabel4.7 angka R Square adalah 0,702 yaitu hasil kuadrat dari koefisien korelasi 0,838 x 0,838 = 0,702. Standar Error of the Estimate adalah 37,937, pada analisis deskriptif statistik bahwa standar deviasi Kuat Tekan adalah 67,71 yang jauh lebih besar dari standar error, oleh karena lebih kecil daripada standar deviasi Kuat Tekan maka model regresi bagus dalam bertindak sebagai predictor Kuat Tekan. Universitas Sumatera Utara 3. Anova Tabel 4.8ANOVA b Uji Kuat Tekan Model Sum of Squares Df Mean Square F Sig. 1 Regression 189919.919 3 63306.640 43.986 .000 a Residual 80597.103 56 1439.234 Total 270517.022 59 a. Predictors: Constant, Komposisi, Usia, Sampel b. Dependent Variable: KT Dari Tabel4.8di atas dapat dilihat berdasarkan nilai Signifikan, terlihat pada kolom sig yaitu 0,000 lebih kecil daripada 0,05 maka Ho ditolak. Kesimpulan:Terdapat koefisien yang tidak nol atau koefisien berarti, maka dinyatakan bahwa model regresi dapat dipakai untuk memprediksi Kuat Tekan sampel. 4. Koefisien Tabel 4.9Coefficients a Uji Kuat Tekan Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 Constant 424.729 19.894 21.349 .000 Sampel -.250 5.998 -.003 -.042 .967 Usia 24.462 3.463 .515 7.063 .000 Komposisi -39.684 4.381 -.661 -9.059 .000 a. Dependent Variable: KT Constant: Berdasarkan Tabel 4.9, dapat dilihat bahwa nilai sig pada Tabel B adalah 0,000 yang berarti probabilitas 0,000, karena probabilitas kurang dari 0,05 maka ditolak. Berarti bermakna dan diramalkan tidak melalui titik 0,0. Sampel: Berdasarkan Tabel4.9, dapat dilihat bahwa nilai sig pada Tabel B adalah 0,967 yang berarti probabilitas lebih dari 0,05 maka diterima. Artinya B tidak berarti. Universitas Sumatera Utara Usia: Berdasarkan Tabel4.9, dapat dilihat bahwa nilai sig pada Tabel B adalah 0,000 yang berarti probabilitas kurang dari 0,05 maka ditolak. Artinya B berarti. Komposisi: Berdasarkan Tabel4.9, dapat dilihat bahwa nilai sig pada Tabel B adalah 0,000 yang berarti probabilitas kurang dari 0,05 maka ditolak. Artinya B berarti. Berdasarkan analisis di atas maka dapat dibuat model regresi dugaannya yaitu Y = 424,729 + 24,462 X 2 – 39,684 X 3 .

4.2.5.2 Uji Modulus Elastisitas Tabel 4.10Descriptive Uji Modulus Elastisitas

Mean Std. Deviation N ME 25129.44967 2384.192180 60 Sampel 2.00 .823 60 Usia 3.00 1.426 60 Komposisi 2.50 1.127 60 1. Korelasi Tabel 4.11CorrelationsUji Modulus Elastisitas ME Sampel Usia Komposisi Pearson Correlation ME 1.000 .023 .643 -.603 Sampel .023 1.000 .000 .000 Usia .643 .000 1.000 .000 Komposisi -.603 .000 .000 1.000 Dari Tabel4.11 dapat dilihat bahwa besar hubungan antara variabel Modulus Elastisitas ME dengan Sampel adalah 0,023 hal ini menunjukkan hubungan positif. Besar hubungan ME dengan Usia perendaman adalah 0,643 yang berarti ada hubungan positif dan besar hubungan ME dengan Komposisi adalah -0,603 yang berarti ada hubungan negatif. Hal ini dapat disimpulkan bahwa semakin lama perendaman yang dilakukan maka semakin besar Modulus Universitas Sumatera Utara Elastisitas yang dihasilkan, sedangkan penambahan komposisi campuran dapat mengurangi besar Modulus Elastisitas. Dari hubungan sampel dengan Modulus Elastisitas dapat disimpulkan bahwa penambahan Campuran Abu Sekam Padi dan Abu Boiler Kelapa Sawit pada sampel dengan komposisi 5 memiliki nilai Modulus Elastisitas yang lebih baik dibandingkan yang lainnya Abu Boiler Kelapa Sawit atau Abu Sekam Padi. 2. Model sisaan Tabel 4.12Model Summary b Uji Modulus Elastisitas Model R R Square Adjusted R Square Std. Error of the Estimate 1 .882 a .778 .766 1152.770993 a. Predictors: Constant, Komposisi, Usia, Sampel b. Dependent Variable: ME Pada Tabel4.12 angka R Square adalah 0,778 yaitu hasil kuadrat dari koefisien korelasi 0,882 x 0,882 = 0,778. Standar Error of the Estimate adalah 1152,77 sedangkan pada analisis deskriptif statistik bahwa standar deviasi Modulus Elastisitas adalah 2384,19 yang jauh lebih besar dari standar error, oleh karena lebih kecil daripada standar deviasi Modulus Elastisitas maka model regresi bagus dalam bertindak sebagai predictor Modulus Elastisitas. Universitas Sumatera Utara 3. Anova Tabel 4.13Anova b Uji Modulus Elastisitas Model Sum of Squares Df Mean Square F Sig. 1 Regression 2.610E8 3 8.699E7 65.459 .000 a Residual 7.442E7 56 1328880.963 Total 3.354E8 59 a. Predictors: Constant, Komposisi, Usia, Sampel b. Dependent Variable: ME Dari Tabel4.13 dapat dilihat berdasarkan nilai Signifikan, terlihat pada kolom sig yaitu 0,000 lebih kecil daripada 0,05 maka Ho ditolak. Kesimpulan:Terdapat koefisien yang tidak nol atau koefisien berarti, maka dinyatakan bahwa model regresi dapat dipakai untuk memprediksi Modulus Elastisitas sampel. 4. Koefisien Tabel 4.14 Coefficients a Uji Modulus Elastisitas Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 Constant 24957.306 604.518 41.285 .000 Sampel 67.370 182.269 .023 .370 .713 Usia 1075.359 105.233 .643 10.219 .000 Komposisi -1275.469 133.111 -.603 -9.582 .000 a. Dependent Variable: ME Constant: Berdasarkan Tabel4.14, dapat dilihat bahwa nilai sig pada Tabel B adalah 0,000 yang berarti probabilitas 0,000, karena probabilitas kurang dari 0,05 maka ditolak. Berarti bermakna dan diramalkan tidak melalui titik 0,0. Sampel: Berdasarkan Tabel4.14, dapat dilihat bahwa nilai sig pada Tabel B adalah 0,713 yang berarti probabilitas lebih dari 0,05 maka diterima. Artinya B tidak berarti. Universitas Sumatera Utara Usia: Berdasarkan Tabel4.14, dapat dilihat bahwa nilai sig pada Tabel B adalah 0,000 yang berarti probabilitas kurang dari 0,05 maka ditolak. Artinya B berarti. Komposisi: Berdasarkan Tabel4.14, dapat dilihat bahwa nilai sig pada Tabel B adalah 0,000 yang berarti probabilitas kurang dari 0,05 maka ditolak. Artinya B berarti. Berdasarkan analisis di atas maka dapat dibuat model regresi dugaannya yaitu Y = 24957,306 + 1075,359 X 2 – 1275,469 X 3 .

4.2.6 Hasil Analisis Fisis

4.2.6.1 Uji Daya Serap Air Tabel 4.15Descriptive StatisticsUji Daya Serap Air Mean Std. Deviation N DS 1.35555 .080219 60 Sampel 2.00 .823 60 Usia 3.00 1.426 60 Komposisi 2.50 1.127 60 1. Korelasi Tabel 4.16CorrelationsUji Daya Serap Air DS Sampel Usia Komposisi Pearson Correlation DS 1.000 -.026 -.682 .494 Sampel -.026 1.000 .000 .000 Usia -.682 .000 1.000 .000 Komposisi .494 .000 .000 1.000 Dari Tabel4.16 dapat dilihat bahwa besar hubungan antara variabel Daya Serap DS dengan Sampel adalah -0,026 hal ini menunjukan hubungan negatif. Besar hubungan DS dengan Usia perendaman adalah -0,682 yang berarti ada hubungan negatif dan besar hubungan DS dengan Komposisi adalah 0,494 yang berarti ada hubungan positif. Hal ini dapat disimpulkan bahwa semakin lama Universitas Sumatera Utara perendaman yang dilakukan maka semakin kecil Daya Serap yang dihasilkan, sedangkan penambahan komposisi campuran dapat menambah besar Daya Serap. Dari hubungan sampel dengan Daya Serap dapat disimpulkan bahwa penambahan Abu Sekam Padi pada sampel dengan komposisi 25 memiliki nilai Daya Serap yang lebih baik dibandingkan yang lainnya Abu Boiler Kelapa Sawit atau Campuran Abu Sekam Padi dan Abu Boiler Kelapa Sawit. 2. Model sisaan Tabel 4.17Model Summary b Uji Daya Serap Air Model R R Square Adjusted R Square Std. Error of the Estimate 1 .842 a .709 .694 .044396 a. Predictors: Constant, Komposisi, Usia, Sampel b. Dependent Variable: DS Pada Tabel4.17 angka R Square adalah 0,709 yaitu hasil kuadrat dari koefisien korelasi 0,842 x 0,842 = 0,709. Standar Error of the Estimate adalah 0,044, pada analisis deskriptif statistik bahwa standar deviasi Daya Serap adalah 0,08 yang jauh lebih besar dari standar error, oleh karena lebih kecil daripada standar deviasi Daya Serap maka model regresi bagus dalam bertindak sebagai predictor Daya Serap. 3. Anova Tabel 4.18Anova b Uji Daya Serap Air Model Sum of Squares Df Mean Square F Sig. 1 Regression .269 3 .090 45.543 .000 a Residual .110 56 .002 Total .380 59 a. Predictors: Constant, Komposisi, Usia, Sampel b. Dependent Variable: DS Dari Tabel4.18 dapat dilihat berdasarkan nilai Signifikan, terlihat pada kolom sig yaitu 0,000 lebih kecil daripada 0,05 maka Ho ditolak. Universitas Sumatera Utara Kesimpulan:Terdapat koefisien yang tidak nol atau koefisien berarti, maka dinyatakan bahwa model regresi dapat dipakai untuk memprediksi Daya Serap sampel. 4. Koefisien Tabel4.19Coefficients a Uji Daya Serap Air Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 Constant 1.388 .023 59.616 .000 Sampel -.003 .007 -.026 -.363 .718 Usia -.038 .004 -.682 -9.465 .000 Komposisi .035 .005 .494 6.850 .000 a. Dependent Variable: DS Constant: Berdasarkan Tabel4.19, dapat dilihat bahwa nilai sig pada Tabel B adalah 0,000 yang berarti probabilitas 0,000, karena probabilitas kurang dari 0,05 maka ditolak. Berarti bermakna dan diramalkan tidak melalui titik 0,0. Sampel: Berdasarkan Tabel4.19, dapat dilihat bahwa nilai sig pada Tabel B adalah 0,718 yang berarti probabilitas lebih dari 0,05 maka diterima. Artinya B tidak berarti. Usia: Berdasarkan Tabel4.19, dapat dilihat bahwa nilai sig pada Tabel B adalah 0,000 yang berarti probabilitas kurang dari 0,05 maka ditolak. Artinya B berarti. Komposisi: Berdasarkan Tabel4.19, dapat dilihat bahwa nilai sig pada Tabel B adalah 0,000 yang berarti probabilitas kurang dari 0,05 maka ditolak. Artinya B berarti. Berdasarkan analisis di atas maka dapat dibuat model regresi dugaannya yaitu Y = 1,388 – 0,038 X 2 + 0,035 X 3 . Universitas Sumatera Utara 4.2.3.2.UJI BERAT JENIS Tabel 4.20Descriptive StatisticsUji Berat Jenis Mean Std. Deviation N BJ 2181.86917 31.182480 60 Sampel 2.00 .823 60 Usia 3.00 1.426 60 Komposisi 2.50 1.127 60 1. Korelasi Tabel 4.21CorrelationsUji Berat Jenis BJ Sampel Usia Komposisi Pearson Correlation BJ 1.000 .062 .882 -.162 Sampel .062 1.000 .000 .000 Usia .882 .000 1.000 .000 Komposisi -.162 .000 .000 1.000 Dari Tabel4.21 dapat dilihat bahwa besar hubungan antara variabel Berat Jenis BJ dengan Sampel adalah 0,062 hal ini menunjukan hubungan positif. Besar hubungan BJ dengan Usia perendaman adalah 0,882 yang berarti ada hubungan positif dan besar hubungan BJ dengan Komposisi adalah -0,162 yang berarti ada hubungan negatif. Hal ini dapat disimpulkan bahwa semakin lama perendaman yang dilakukan maka semakin besar Berat Jenis yang dihasilkan, sedangkan penambahan komposisi campuran dapat mengurangi besar Berat Jenis. Dari hubungan sampel dengan Berat Jenis dapat disimpulkan bahwa penambahan Campuran Abu Sekam Padi dan Abu Boiler kelapa sawti pada sampel dengan komposisi 5 memiliki nilai Berat Jenis yang lebih baik dibandingkan yang lainnya Abu Boiler Kelapa Sawit atau Abu Sekam Padi. Universitas Sumatera Utara 2. Model sisaan Tabel 4.22Model Summary b Uji Berat Jenis Model R R Square Adjusted R Square Std. Error of the Estimate 1 .899 a .808 .798 14.019677 a. Predictors: Constant, Komposisi, Usia, Sampel b. Dependent Variable: BJ Pada Tabel4.22 angka R Square adalah 0,808 yaitu hasil kuadrat dari koefisien korelasi 0,899 x 0,899 = 0,808. Standar Error of the Estimate adalah 14,02, pada analisis deskriptif statistik bahwa standar deviasi Berat Jenis adalah 31,18 yang jauh lebih besar dari standar error, oleh karena lebih kecil daripada standar deviasi Berat Jenis maka model regresi bagus dalam bertindak sebagai predictor Berat Jenis. 3. Anova Tabel 4.23Anova b Uji Berat Jenis Model Sum of Squares Df Mean Square F Sig. 1 Regression 46361.603 3 15453.868 78.625 .000 a Residual 11006.875 56 196.551 Total 57368.477 59 a. Predictors: Constant, Komposisi, Usia, Sampel b. Dependent Variable: BJ Dari Tabel4.23 dapat dilihat berdasarkan nilai Signifikan, terlihat pada kolom sig yaitu 0,000 lebih kecil daripada 0,05 maka Ho ditolak. Kesimpulan:Terdapat koefisien yang tidak nol atau koefisien berarti, maka dinyatakan bahwa model regresi dapat dipakai untuk memprediksi Berat Jenis sampel. Universitas Sumatera Utara 4. Koefisien Tabel 4.24Coefficients a Uji Berat Jenis Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 Constant 2130.504 7.352 289.786 .000 Sampel 2.342 2.217 .062 1.056 .295 Usia 19.288 1.280 .882 15.071 .000 Komposisi -4.472 1.619 -.162 -2.763 .008 a. Dependent Variable: BJ Constant: Berdasarkan Tabel4.24, dapat dilihat bahwa nilai sig pada Tabel B adalah 0,000 yang berarti probabilitas 0,000, karena probabilitas kurang dari 0,05 maka ditolak. Berarti bermakna dan diramalkan tidak melalui titik 0,0. Sampel: Berdasarkan Tabel4.24, dapat dilihat bahwa nilai sig pada Tabel B adalah 0,295 yang berarti probabilitas lebih dari 0,05 maka diterima. Artinya B tidak berarti. Usia: Berdasarkan Tabel4.24, dapat dilihat bahwa nilai sig pada Tabel B adalah 0,000 yang berarti probabilitas kurang dari 0,05 maka ditolak. Artinya B berarti. Komposisi: Berdasarkan Tabel4.24, dapat dilihat bahwa nilai sig pada Tabel B adalah 0,008 yang berarti probabilitas kurang dari 0,05 maka ditolak. Artinya B berarti. Berdasarkan analisis di atas maka dapat dibuat model regresi dugaannya yaitu Y = 2130,504 + 19,288 X 2 – 4,472 X 3 . Universitas Sumatera Utara 4.2.4 Hasil Analisis SEM 4.2.4.1 Hasil Analisis SEM Beton Terlihat distribusi partikel dengan pembesaran 750x rata-rata ukuran partikel sebesar 20µm. Gambar 4.59 Morfologi Beton Gambar 4.60 Spektrum Beton Dari hasil morfologi dengan SEM EDX Beton diperoleh unsur yang memiliki peak terbesar adalah Calcium dengan jumlah massa 37,56 kemudian diikuti oleh unsur Oksigen di posisi kedua dengan 37,38 . Universitas Sumatera Utara

4.2.4.2 Hasil Analisis SEM Abu Sekam Padi

Terlihat distribusi partikel dengan pembesaran 750x rata-rata ukuran partikel sebesar 20µm. Gambar 4.61 Morfologi Abu Sekam Padi Gambar 4.62 Spektrum Abu Sekam Padi Universitas Sumatera Utara Dari hasil morfologi dengan SEM EDX Abu Sekam Padi diperoleh unsur yang memiliki peak terbesar adalah Oksigen dengan jumlah massa 44,35 kemudian diikuti oleh unsur Silicon di posisi kedua dengan 24,82 .

4.2.4.3 Hasil Analisis SEM Abu Boiler Kelapa Sawit

Terlihat distribusi partikel dengan pembesaran 750x rata-rata ukuran partikel sebesar 20µm. Gambar 4.63 Morfologi Abu Boiler Kelapa Sawit Gambar 4.64 Spektrum Abu Boiler Kelapa Sawit Universitas Sumatera Utara Dari hasil morfologi dengan SEM EDX Abu Boiler Kelapa Sawitdiperolehunsur yang memiliki peak terbesar adalah Oksigen dengan jumlah massa 43,48 kemudian diikuti oleh unsur Silicon di posisi kedua dengan 12,18.

4.2.4.4 Hasil Analisis SEM Beton dan Abu Sekam Padi

Terlihat distribusi partikel dengan pembesaran 750x rata-rata ukuran partikel sebesar 20µm. Gambar 4.65 Morfologi Beton dan Abu Sekam Padi Gambar 4.66 Spektrum Beton dan Abu Sekam Padi Universitas Sumatera Utara Dari hasil morfologi dengan SEM EDX Beton dan Abu Sekam Padidiperolehunsur yang memiliki peak terbesar adalah Oksigen dengan jumlah massa 43,74 kemudian diikuti oleh unsur Silicon di posisi kedua dengan 16,75.

4.2.4.5 Hasil Analisis SEM Beton dan Abu Boiler Kelapa Sawit

Terlihat distribusi partikel dengan pembesaran 750x rata-rata ukuran partikel sebesar 20µm. Gambar 4.67 Morfologi Beton dan Abu Boiler Kelapa Sawit Gambar 4.68 Spektrum Beton dan Abu Boiler Kelapa Sawit Universitas Sumatera Utara Dari hasil morfologi dengan SEM EDX Beton dan Abu Boiler Kelapa Sawitdiperolehunsur yang memiliki peak terbesar adalah Calcium dengan jumlah massa 25,78 kemudian diikuti oleh unsur Oksigen di posisi kedua dengan 46,33.

4.2.4.6 Hasil Analisi SEM Beton Dengan Campuran Abu Sekam Padi dan Abu Boiler Kelapa Sawit

Terlihat distribusi partikel dengan pembesaran 750x rata-rata ukuran partikel sebesar 20µm. Gambar 4.69 Morfologi Beton Dengan Campuran Abu Sekam Padi dan Abu Boiler Kelapa Sawit Gambar 4.70 Spektrum Beton Dengan Campuran Abu Sekam Padi dan Abu Boiler Kelapa Sawit Universitas Sumatera Utara Dari hasil morfologi dengan SEM EDX Beton Dengan Campuran Abu Sekam Padi dan Abu Boiler Kelapa Sawitdiperolehunsur yang memiliki peak terbesar adalah Calcium dengan jumlah massa 24,93 kemudian diikuti oleh unsur Oksigen di posisi kedua dengan 48,12. 4.2.5 Hasil Analisis XRF 4.2.5.1 Hasil Analisis XRF Abu Sekam Padi Dari hasil analisis XRF menunjukkan bahwa Senyawa SiO 3 mendominasi darikeseluruhan unsur yang ada pada abu sekam padi yaitu sebesar 90,5497 dan diikuti oleh senyawa MnO yaitu sebesar 2,9775 . Gambar 4.71 Analisis XRF Abu Sekam Padi Unsur Kimia Persentase SiO 90.5497 2 AlO 1.4416 3 Fe 2 O 1.4368 3 CoO 0.4005 MnO 2.9775 ZnO 1.2800 3 Rb 2 0.4378 O K 2 1.4761 O Tabel 4.25 Senyawa Unsur Kimia Abu Sekam Padi Universitas Sumatera Utara

4.2.5.2 Hasil Analisis XRF Abu Boiler Kelapa Sawit

Dari hasil analisis XRF menunjukkan bahwa senyawa SO 3 hanya sebesar 71,1958 dan diikuti oleh senyawa Fe 2 O 3 yaitu sebesar 20,0893 dan seterusnya senyawa K 2 O adalah sebesar 5,7392 . Gambar 4.72 Analisis XRF Abu Boiler Kelapa Sawit Unsur Kimia Persentase SiO 71.1958 2 Cu 2 O 0.3105 3 Fe 2 O 20.0893 3 CoO 0.2471 MnO 1.4626 ZnO 0.0352 3 Ti 2 0.9203 O K 2 5.7392 O Tabel 4.26 Senyawa Unsur Kimia Abu Boiler Kelapa Sawit

4.2.5.3 Hasil Analisis XRF Beton dengan campuran Abu Sekam Padi 5

Universitas Sumatera Utara Dari hasil analisis XRF terlihat pada bahwa senyawa SO 3 hanya tertinggal 2,3684 dan yang paling menonjol adalah senyawa CaO 2 sebesar 89,8657 dan diikuti oleh senyawa Fe 2 O 3 sebesar 7,3128 . Gambar 4.73 Analisis XRF Beton Dengan Campuran Abu Sekam Padi 5 Tabel 4.27 Senyawa Unsur Kimia Beton Dengan Campuran Abu Sekam Padi 5 Unsur Kimia Persentase SiO 2.3684 2 CaO 89.8657 2 Fe 2 O 7.3128 3 SoO 0.2323 2 MnO 0.1908 Universitas Sumatera Utara

BAB 5 KESIMPULAN DAN SARAN