Professional Documents
Culture Documents
Abstract
The applicable of asymmetrical structure in oscillatory flow field for sediment transport and
water quality controls was examined by analysing the magnitude and direction of periodical
average of flow velocity around the structure. The one direction of periodical average of flow
velocity can be generated by asymmetrical structure because of the difference resistance between
two structure edges. In this study, the periodical average velocity is referred as residual currents
and it will be calculated by using numerical method. Vertical two-dimensional numerical
simulations based on Reynolds-averaged Navier-Stokes equations (:RANS) and the k- turbulent
model were performed to examine oscillatory flows around an asymmetrical structure. A quarter
cylinder was used as an asymmetrical structure and a half cylindroid was taken as symmetrical
structure. The residual currents generated by both structures were compared to know the water
circulation pattern that can evoke substance tranport. Various values of Keulegan-Carpenter
number (KC) were consider to probe their effect to hydrodynamic forces. It is found that the
asymmetrical structure can generate residual currents that flow from the area behind the
structure to the other side and cover a large area of the computation domain. In contrast, the
symmetrical structure generate two separate residual currents circulation behind and in the front
the structure. This study aslo reveals that the increasing of KC number let the hydrodynamic
force to decrease. According to this research It seems that the asymmetrical structure shows the
potential to transport substances in a relatively longer space.
Key words: residual currents, substance transport, and asymmetrical structure.
INTRODUCTION
Sedimentation and erosion problems which are prevalent require proper and inexpensive
prevention methods. In general, coastal protection structures function is to dissipate energy that
travel to the shore, therefore the structures was constructed massively and require an expensive
budget. The movement of sediment on the beach is affected by ocean currents caused by tides
and waves. Hence, by adjusting the current direction, the sediment drift can be can be used to
direct the movement of sediment. In addition, water pollution in stagnant sea areas especially in
the semi enclosed bay is the main cause of water deterioration because of the lack of water
exchange with the open sea. In order to improve bay water quality, it is needed to evoke larger
circulation that can trigger water exchange with open sea.
Both problems indicate that substance transport such us sediment and pollutant can be
controlled by adjusting the water flow magnitude and direction. In the resent years, several
methods have been proposed in order to overcome this problem. Some of them are based on the
generation of the water circulation in the wide area by using natural energy such as tides
(Komatsu et al., 1997) and waves (Komatsu et al., 2001; Oshikawa et al., 2005; Kawano et al.,
2006). Hence, they make it possible to move the water of a stagnant sea area to the open sea.
Such methods use structures that have an asymmetrical shape to generate a net flow in one
direction under periodical flows.
According to the research conducted by Komatsu et al. (2001), the asymmetrical
structures placed under surface gravity waves or inside oscillatory flows can produce a net
resistance in a particular direction, resulting in a net flow in the direction which is referred to as
the wave-induced residual current. Furthermore, Oshikawa et al. (2003) performed laboratory
experiments with a U-tube oscillatory flow to examine the resistance properties of the
asymmetrical structures. They used a quarter sphere and a hemisphere to conduct their
experiments with different values of the Keulegan-Carpenter number (Keulegan and Carpenter,
1950) for the same value of Reynolds number (Re). Findings of these experiments indicated that
a residual hydrodynamic force, which is defined as time averaged hydrodynamic force for one
period of an oscillatory flow, can be generated by the quarter sphere. Moreover, Oshikawa and
Komatsu (2007) carried out numerical simulations by means of three-dimensional DNS (: Direct
Numerical Simulation) to investigate the hydrodynamic forces and the velocity distributions
influenced by an asymmetrical structure and a symmetrical structure. From the results of the
experiments and the simulations, they found that the residual hydrodynamic forces decrease with
the increasing of KC, however, only three values of KC that were used seem to be insufficient to
clearly understand the effects of KC on the residual hydrodynamics forces. In the simulations,
they also applied different values of Re for the same values of KC and found that there was no
significant change in the hydrodynamic force regarding the increase of Re. Their simulation
Numerical Analysis of Possibility to Utilize an Asymmetrical Structure in Oscillatroy Flow for
Controling Sediment Transport and Water Quality in Coastal Water Area
(Andi Rusdin, et al.)
109
results also showed that the asymmetrical structures were able to generate the residual currents.
However, they could not determine the effects of KC number on the magnitude of the residual
currents.
The aim of the present work is to examine the effects of an asymmetrical structure in
oscillatory flows on the generation of the residual currents based on numerical simulations. The
hydrodynamic forces acting on an asymmetrical structure and a symmetrical structure are
investigated. The simulations are performed for various KC to determine the effect of the KC on
residual currents around the asymmetrical structure. In addition, the flow patterns around the
asymmetrical structure are compared with the symmetrical structure in order to ascertain the
substance transport potential by the residual currents.
MATHEMATICAL FORMULATION
The oscillatory flow around a structure is resolved based on the vertical two-dimensional
Reynolds-averaged Navier-Stokes (:RANS) equations with a turbulent closure model. The
equations for an incompressible flow can be expressed as follows (i and j = 1, 2):
ui
(1)
=0
xi
ui
u
ui
1 p
+ uj i =
+
xi x j e x j
t
x j
(2)
e = + t
(3)
where ui is the velocity, p is the pressure, is the density of fluid, is the coefficient of
kinematic viscosity, and t is the coefficient of kinematic eddy viscosity. The eddy viscosity is
calculated by applying k- turbulent model. The turbulent kinematic energy k and the dissipation
of turbulent kinematic energy are determined from the following equations:
k ui k
t
+
=
+
t
xi
xi k
+ Pk
xi
ui
t
2
+
=
+ + C 1Pk C 2
k
k
t
xi
xi x
(5)
(6)
1 u u
Pk = t i + j
2 x j xi
(7)
where the values of empirical constants used are C = 0.09, C1 = 1.44, C2 = 1.92, k =
1.0, = 1.3.
The governing equations are discretized by means of the finite-difference method and
written in the Cartesian-staggered grid based on a code developed by Isobe at al. (1999). In
addition, the donor scheme is adopted to calculate the advection terms; the second-order central
difference scheme is applied for the diffusion terms; and the forward scheme is used for the
pressure term. Time integration of these equations is resolved by using the Euler method.
COMPUTATIONAL CONDITIONS
The numerical simulations were performed under the same conditions of the laboratory
tests by Oshikawa et al. (2003). They were conducted in oscillatory flow fields in a closed water
tank with a structure placed on the bottom at the middle of the tank. In these experiments, the
structures used were a quarter sphere as an asymmetrical structure and a hemisphere as a
symmetrical one. Even though both of the shapes had 5.0cm of the radius, the longitudinal
lengths of the structures were different. In other words, the x-directional representative length of
the quarter sphere was D=5.0cm and the hemisphere was 2D=10.0cm.
In the present work, the simulations are carried out for a Reynolds number Re (=UoL/)
which is equal to 27000 with various kinds of KC (=UoT/L). Uo donates the amplitude of the xdirectional velocity at the water surface of the oscillatory flow, T is an oscillatory period, and L
indicates a representative length scale.
COMPUTATIONAL DOMAIN AND BOUNDARY CONDITIONS
The computational domain is 300.0cm long and 30.0cm high, namely 60D 6D (see Fig.
1a). The numerical grid used in our calculations is a stretched rectangular grid. The grid size
within the structure and at the first grid near the wall boundaries is D/25 (2.0mm). The criteria of
grid stretching is restricted to 0.9 xi/xi-1, zi/zi-1 1.1 in order to suppress the influence of
grid stretching. In the x-direction the maximum stretching is bounded to the maximum value of
2.5cm. Fig. 1b shows a part of the computational grid for the case of the quarter cylinder.
At the top of the computational domain, the free slip boundary is set for the flow velocity,
and the condition in which the normal gradient equals zero is used for the pressure, k and . For
the fixed boundary, the standard logarithmic law is applied for velocities and a zero normal
Numerical Analysis of Possibility to Utilize an Asymmetrical Structure in Oscillatroy Flow for
Controling Sediment Transport and Water Quality in Coastal Water Area
(Andi Rusdin, et al.)
111
gradient is used to determine the pressure. The boundary conditions of k and at the fixed
boundary are defined by means of the wall function method. The velocity components and
pressures at the right side and the left side boundaries are based on the analytical solution for an
oscillatory flow (Lamb, 1932). The periodic boundaries can be written as follows:
u ( z , t ) = U o sin (t ) U o e z sin (t z )
(8)
p
= U o cos t
x
(9)
a.
b.
c.
d.
Residual Current
The substance transport such as pollutants and sediments transport is affected greatly by
the water movement. The distance and the movement direction of the substance transported in
the water are strongly affected by the magnitude and the direction of the flow. Therefore, it is
important to understand clearly the flow pattern of the residual currents around the asymmetrical
structure. Fig. 4 illustrates the dimensionless velocity vector of the residual currents around a
quarter cylinder and a half cylindroid for KC=5. The residual currents were determined by
averaging the velocity for one period of the oscillation time, and these currents were normalized
by Uo.
In Fig. 4a, the asymmetrical structure shows the potential to transport substances in a
relatively longer space. The residual currents are generated by the asymmetrical structure near
the bottom (0 < z/D 2) and flow in a relatively large area (x/D34). In the area near to the top
boundary, the positive x-directional currents are created as compensated flows of the bottom
residual currents. In contrast, the symmetrical structure is not able to encourage substance
transport (see Fig. 4b). The residual currents are symmetrical and only flow in two small separate
areas at the right and the left side of the structure.
Fig. 3.
a.
b.
Fig. 4. The non-dimensional velocity vectors and streamlines of the residual currents for
KC=5; a. Quarter cylinder; b. Half cylindroid.
CONCLUSIONS
The findings reveal that the asymmetrical structures in oscillatory flow field can produce
the residual hydrodynamic forces and the residual currents around the structures. The
hydrodynamic force generated by the asymmetrical structure seems to increase with the
decreasing of KC. The rise of this force is manly due to the increase of the inertia force which is
Numerical Analysis of Possibility to Utilize an Asymmetrical Structure in Oscillatroy Flow for
Controling Sediment Transport and Water Quality in Coastal Water Area
(Andi Rusdin, et al.)
115
greater than the drag force in the low KC number. The circulation of residual currents around the
asymmetrical structure covers the domain area. In other hand, the symmetrical structure
provokes two separate residual current circulations at the left and right side of the computational
domain. The wave orbital velocity in the sea can be categorized as an oscillatory flow. The
findings indicate that asymmetrical structures below waves can be used for controling sediment
transport and water quality at the coastal water by generating residual currents that flow in
certaian direction. However, further research is necessary to study the effect of the Reynolds
number (Re) on the generation of residual currents.
REFERENCES
[1]
Isobe M., Takahashi S., Yu S. P., Sakakiyama T., Fujima K., Kawasaki K., Jiang Q.,
Akiyama M., and Oyama H., Interim Report on Deveopment of Numerical Wave Flume for
Maritime Structure Design, Proc. Civil Eng. in the Ocean, JSCE, Vol.15, pp321-326,
(1999), (in Japanese).
[2] Kawano T., Hatta M. P., Fujita K., Matsuda J., Oshikawa H., and Komatsu T.,
Characteristic of Wave-Induced Residual Currents in the One-Way Pipe, Annual Journal
of Hydraulics Engineering , JSCE, Vol.50, (2006), (in Japanese).
[3] Keulegan G. M., and Carpenter L. H., Forces on Cylinders and Plates in an Oscillating
Fluid, J. of Research of National Bureau of Standards, Vol. 60, No.5, pp423-440, (1958)
[4] Komatsu T., Yano S., and Kohasgi N., Control and Creation of Tidal Residual Current in
a Semi-Enclosed Bay by Bottom Roughness with Directional Resistance Characteristic,
Proc. of the 27th Congress of IAHR, B, pp. 653-658 (1997).
[5] Komatsu T., Saita T., Kohashi N., Adachi T., and Shibata T., Control of Sediment
Transport by BaNK Blocks with Directional Resistance Properties, Proc. 29th IAHR,
Theme E, pp. 340-346, (2001).
[6] Lamb S.H., Hydrodynamics, 6th Edition, CAMBRIDGE, pp.622-623, (1932).
[7] Oshikawa H., Komatsu T., and Shibata T., An Experimental Study on Resistance
Properties of an Asymmetrical Bottom Roughness in Oscillatory Flow, Proc. of the 30th
Congress of IAHR, A, pp. 611-618, (2003).
[8] Oshikawa H., Komatsu T., and Hashida M., Control of substance transport due to plural
submerged asymmetrical roughness in wave fields, Environmental Hydraulics and
Sustainable Water Management, Vol. 1, pp.1017-1022, (2005).
[9] Oshikawa H., and Komatsu T., Characteristics of Oscillatory Flows around a Submerged
Asymmetrical Structure, Proc. 32nd IAHR, CD-ROM, 10p, (2007).
[10] Sumer B. M. and Fredse J., Hydrodynamics around Cylindrical Structures, World
Scientific, London, pp.130-133, (1999).
Numerical Analysis of Possibility to Utilize an Asymmetrical Structure in Oscillatroy Flow for
Controling Sediment Transport and Water Quality in Coastal Water Area
(Andi Rusdin, et al.)
116
1.
Pendahuluan
Data memegang peran yang sangat penting dalam analisis berbagai hal termasuk
didalamnya untuk pemodelan aliran terkait dengan penelusuran banjir. Penulusuran banjir adalah
cara (prosedur, analisis) matematik yang digunakan untuk melacak aliran melewati sistem
hidrologi (Chow, 1988 dalam Sri Harto, 2000). Dalam praktek terdapat dua jenis penelusuran
aliran (banjir) yaitu penelusuran hidrologis (hydrologic routing) dan penelusuran hidraulik
(hydraulic routing). Penelusuran hidrologis merupakan penelusuran yang hanya mampu
memberikan informasi tentang aliran di satu titik dalam satu bagian sungai sebagai fungsi waktu
(lumped routing), sehingga penelusuran ini memberikan hasil yang kurang akurat dibandingkan
dengan penelusuran hidraulik. Penelusuran banjir perlu dilakukan berkaitan dengan upaya
pengendalian banjir agar tidak menimbulkan masalah dan resiko yang besar bagi masyarakat
pemukim di sekitarnya. Pada setiap kejadian banjir, di setiap titik di sepanjang alur sungai akan
terjadi kenaikan muka air dan akan kembali normal setelah banjir surut. Elevasi muka air banjir
pada setiap titik di sepanjang sungai tersebut tidak akan pernah diperoleh dengan pengukuran
secara rutin dengan menetapkan liku kalibrasi dan mencari debit rancangan (Sri Harto, 2000).
Hal yang dapat dilakukan adalah mengetahui hidrograf pada satu titik di sebelah hulu dan
melakukan penelusuran (routing) pada titik-titik sebelah hilir.
Terkait dengan keperluan penelusuran banjir, data yang digunakan umumnya adalah data
hasil pengukuran lapangan yang input secara manual ke dalam model yang digunakan.
Kelemahan cara ini adalah proses input data menjadi lebih lama dan interpolasi data di dalam
model menjadi sangat kasar, sehingga dimungkinkan berpengaruh terhadap hasil simulasi. Oleh
karena itu untuk mengantisipasi hal tersebut, dapat menggunakan data DEM dalam format TIN,
yang diproses melalui analisis Sistem Informasi Geografis.
2.
Tinjauan Pustaka
Perilaku aliran di sungai khususnya banjir merupakan salah satu kasus aliran tidak
permanen dan tidak seragam (unsteady non uniform flow). Aliran tidak permanen dan tidak
seragam ditunjukkan dengan adanya perubahan parameter (debit, tinggi muka air dan kecepatan)
yang kontinyu terhadap ruang (jarak) dan waktu selama periode tertentu. Pada awal kejadian
banjir, muka air sungai naik dimulai dari bagian hulu (ustream) dan menjalar ke hilir
(downstream), demikian juga sama halnya pada saat muka air turun. Perbedaan mendasar antara
banjir datang dan banjir surut adalah kemiringan muka air. Kemiringan muka air pada saat banjir
datang lebih besar dari pada kemiringan muka air pada saat banjir surut, sehingga untuk muka air
(h) yang sama Qdatang>Qsurut dengan menganggap koefisien kekasaran Manning (n) tetap.
Puncak gelombang banjir akan berkurang (turun) selama menjalar ke hilir, dengan demikian
muka air tertinggi yang dicapai di suatu tampang tidak sama dengan puncak gelombang banjir di
tampang tersebut.
Model hidrodinamik HEC-RAS adalah paket model penelusuran hidraulik 1-D (one
dimensional hydrodynamic model) yang dikembangkan oleh USACE-HEC dengan menerapkan
teknik numerik untuk simulasi aliran di sungai baik aliran permanen maupun aliran tidak
permanen. Persamaan hidrodinamik untuk aliran tidak permanen yang digunakan dalam model
ini adalah prinsip konservasi massa dan konservasi momentum yang dikembangkan oleh SaintVenant (USACE, 2002). Pada prinsipnya model HEC-RAS dapat diterapkan untuk simulasi
aliran pada sungai tunggal (single river reach), sungai majemuk (dendritic river system) dan
sistem jaringan tertutup (looped system) pada 3 keadaan rezim aliran yakni subkritik, superkritik
dan gabungan keduanya. Simulasi aliran dengan model ini dapat juga diaplikasikan di sungai
dengan beberapa bangunan lintang yang terdapat di dalamnya seperti bendung, pilar jembatan,
gorong-gorong (culvert) dan bangunan navigasi sungai serta dapat dikombinasikan dengan
penggunaan pompa.
Persamaan dasar yang digunakan pada model HEC-RAS adalah persamaan konservasi
massa Saint Venant dan persamaan momentum. Konservasi massa menyatakan sifat dan prinsip
kontinyuitas massa yakni laju bersih aliran yang masuk ke dalam suatu kontrol volume sama
dengan laju perubahan tampungan di dalam kontrol volume tersebut, yang dapat dinyatakan
dengan :
Q
A
t
q =0
(1)
QV
x
+ gA
+ Sf = 0
(2)
dengan x=panjang penggal sungai (m), t = waktu (detik), A=luas penampang melintang
sungai (m2), V=kecepatan aliran (m/det), h=tinggi permukaan di atas referensi (m), g=percepatan
gravitasi (m/det2), Sf=kemiringan gesek (friction slope), q= aliran lateral (m3/det/m)
Prinsip-prinsip dasar aliran yaitu prinsip kontinuitas dan prinsip kekekalan momentum
inilah yang selanjutnya merupakan dasar algoritma program yang digunakan oleh model HECRAS. Selain memiliki kemampuan untuk melakukan pemodelan dengan perhitungan aliran tak
tunak dengan tinjauan satu dimensi, HEC-RAS juga dilengkapi dengan kemampuan
memodelkan sedimen dan kualitas air dengan tinjauan satu dimensi juga. Program ini dapat
menangani jaringan saluran air secara penuh dengan memodelkan aliran subkritis, superkritis,
aliran mixed untuk kalkulasi aliran tunak dan sedimen. Perhitungan dasarnya mengikuti prosedur
pemecahan kalkulasi energi aliran satu dimensi. Kehilangan energi dievaluasikan terhadap friksi
yang terjadi pada saat pengaliran (persamaan manning), kontraksi dan ekspansi saluran (dengan
koefisiennya yang dikalikan dengan kecepatan alir).
Persamaan kontinyuitas dan momentum pada aliran tidak permanen diselesaikan dengan
skema numerik beda hingga implisit. Metode yang digunakan pada skema ini adalah metode
empat titik (four-point scheme). Metode empat titik dikembangkan oleh Preissmann dengan
menggunakan kombinasi antara skema implisit dan skema eksplisit. Simulasi numerik dari
metode ini akan stabil (selain dipengaruhi oleh Courant Number) terjadi pada faktor pembobot
waktu (time weighting factor) = 0.5, relatif dan kurang stabil pada 0.5 < 1 dan tidak stabil
pada 0 < 0.5 (Liggett dan Cunge, 1975 dalam HEC-RAS Hydraulic Refference, 2002). Oleh
karena kestabilan numerik terjadi pada rentang implisit, sehingga secara umum metode ini
dikategorikan sebagai metode semi implisit atau implisit
Kedua persamaan kontinyuitas dan momentum (1 dan 2) diselesaikan dengan metode
beda hingga implisit skema empat titik dan dapat disederhanakan menjadi :
(3)
(4)
Suku dalam kurung pada ruas sebelah kiri adalah koefisien persamaan hasil dari
aproksimasi beda hingga dan ruas sebelah kanan adalah konstanta, dan nilai variabel dari seluruh
koefisien persamaan-persamaan tersebut dapat diperoleh dengan metode matriks eliminasi
Gauss.
Untuk dapat menyelesaikan matriks tersebut diperlukan 2 kondisi awal dan batas (batas
hulu dan batas hilir). Kondisi awal biasanya digunakan aliran dasar (base flow) dari suatu
hidrograf banjir rancangan. Sedangkan kondisi batas hulu dinyatakan dalam bentuk hidrograf
aliran (flow hydrograf) dan kondisi batas hilir dinyatakan dalam bentuk hidrograf tinggi muka air
(biasanya fluktuasi pasang surut) atau sering juga dinyatakan dengan rating curve.
3.
NEGERI
BENGKUDU
BIAU
ELEVASI (M)
10
8
6
4
2
EL. DASAR
0
0
1000
2000
3000
4000
5000
6000
7000
8000
9000
10000
LANTIKADIGO
Plan: Plan 01
10/1/2011
LANTIKADIGO HILIR
12
Legend
EG Q1
WS Q1
Crit Q1
10
Ground
LOB
ROB
Elevation (m)
137
133
135
122
124
126
128
131
120
118
108
110
113
116
89
92
94
97
99
102
105
53
55
57
59
61
63
65
67
69
72
74
76
78
81
84
86
30
32
33
35
37
39
41
43
45
47
49
51
26
28
4
7
11
13
15
17
19
20
22
24
2
0
2000
4000
6000
8000
10000
Plan: Plan 01
10/1/2011
LANTIKADIGO
Plan: Plan 01
P4
.035
.035
.035
.035
7.5
Bank Sta
5.0
Elevation (m)
Ground
5.5
Legend
EG Q1
9.5
WS Q1
6.0
.035
10.0
EG Q1
6.5
.035
10.5
Legend
7.0
Elevation (m)
10/1/2011
P59
9.0
Ground
8.5
Bank Sta
8.0
4.5
7.5
4.0
7.0
3.5
WS Q1
6.5
20
40
60
80
100
120
20
40
60
80
100
120
140
Station (m)
Station (m)
terhadap kecepatan aliran. Apabila kemiringan garis energi rendah maka kecepatan aliran akan
menjadi rendah. Jika merujuk pada persamaan kontinyuitas massa, dengan memberikan debit
aliran (Q) yang konstan maka semakin kecil kecepatan aliran (U), luas tampang basah (A)
semakin besar. Hal ini memberikan informasi bahwa peningkatan luas tampang basah berarti
peningkatan elevasi muka air. Hal ini bisa saja disebabkan oleh kondisi pasang surut di batas
hilir, sehingga diperkirakan salah satu penyebab timbulnya luapan pada ruas-ruas simulasi.
Sebelumnya telah disebutkan bahwa pada ruas tengah simulasi Sungai Lantikadigo,
kemiringan dasar cenderung negatif. Hal ini diperkirakan disebabkan oleh peristiwa
pendangkalan dasar yang terjadi pada ruas hilir sampai di muara. Pengaruhnya adalah
dimungkinkan terjadinya fenomena aliran balik (back water) atau fenomena pembendungan
khususnya pada debit rendah. Berdasarkan peninjauan lapangan dan pemetaan profil memanjang
Sungai Lantikadigo, di muara terjadi fenomena pendangkalan dasar sangat intensif. Dapat
disimpulkan bahwa terjadinya pendangkalan muara (sekaligus pembelokan) adalah efek dari
perubahan (perbedaan) debit pada musim kemarau dan musim penghujan yang sangat signifikan
dan faktor angkutan sedimen di muara.
Berdasarkan kenampakan geometri dan hasil simulasi dapat diperkirakan penyebab banjir
di Sungai Lantikadigo adalah faktor perubahan morfologi dan geometri sungai diantaranya
morfologi sungai yang berbelok-belok (meandering) yang menyebabkan terjadinya
pembendungan aliran akibat terhambatnya aliran pada salah satu sisi saluran, terjadinya
pendangkalan dasar akibat adanya sedimentasi sebagi hasil erosi DAS di hulu (DAS kritis)
menyebabkan aliran menjadi lambat dan kapsitas angkut aliran menjadi rendah, penyempitan
penampang sungai di bagian hilir dan pengaruh muka air pasang di muara yang menyebabkan
kurva aliran balik kearah hulu.
Daftar Pustaka
[1] Cahyono, M., Pemodelan Hidraulik Aliran dan Angkutan Polutan di Saluran dan Sungai,
Institut Teknologi Bandung, Bandung 2009.
[2] Christoper, E.T., Olivera, F., and Maidment, D., Floodplain Mapping Using HEC-RAS and
ArcView GIS, CRWS-University of Texas, Austin, 1999.
[3] Delis, A.I., Skeels, C.P., and Ryrie, S.C., Implicit High-Resolution Methods for Modelling
One-Dimensional Open Channel Flow, Journal of Hydraulic research, 34(5), 369-382,
2000.
[4]
IG. Tunas dan Tanga, A., Simulasi Hidraulika Aliran Banjir Berbasis Sistem Informasi
Geografis, Prosiding Seminar Nasional ITN Malang (ISBN-978-979-3984-30-8), Juli
2010.
[5] I G. Tunas dan Tanga, A., Model Transformasi Hujan-Aliran Berbasis Hidrograf Satuan
Untuk Analisis Banjir, Prosiding Seminar Nasional Sain dan Teknologi II Universitas
Lampung, November 2008.
[6] Kironoto, B.A., Diktat Kuliah Hidraulika Transpor Sedimen, PPS-Teknik
Sipil,Yogyakarta, 1997.
[7] Maryono, A., Eko-Hidraulik Pembangunan Sungai, Magister Sistem Teknik-UGM,
Yogyakarta, 2002.
[8] Mudjiatko, Pengaruh Belokan Saluran Terhadap Konfigurasi Dasar dan Seleksi Butiran
Sedimen, Tesis S2 Pascasarjana UGM, Yogyakarta, 2000.
[9] Miller, S. N., Watershed Modeling Using ArcView GIS, USDA-ARS, Arizona, 2001.
[10] Siswoko, 2002, Banjir, Masalah Banjir dan Usaha Mengatasinya, HATHI, Jakarta, 2002.
[11] Sri Harto Br., Hidrologi : Teori, Masalah dan Penyelesaian, Nafiri Offset, Yogyakarta,
2000.
[12] USACE, HEC-RAS River Analysis System Hydraulic Reference Manual, USACE-HEC,
Davis C.A., Washington, 2002.
Abstract
Silicon thin films have been deposited using 10% silane (SiH4) in H2 dilution by Very High
Frequency Plasma Enhanced Chemical Vapor Deposition (VHF-PECVD) technique. The
resulted thin film characteristics were systematically studied as a function of the deposition
parameter. In this study, the structural phase transition from amorphous to microcrystalline thin
film was obtained using the power discharge up to 20W. The diffraction peaks of
microcrystalline silicon structure were seen at the diffraction angles of ~28o and ~48o,
respectively for <111> and <220> crystal orientation of silicon.
Keywords: amorphous, microcrystalline, VHF-PECVD technique
1. Introduction
In the current energy crisis, the search for a viable alternative to hydrocarbons has taken
many paths: nuclear, wind, solar, etc. Solar cells provide an attractive form of limitless
alternative energy. The placement of solar cells can be unobtrusive and provide not only a source
of thermal energy, but electricity. However, the development and implementation of effective
photovoltaic cells is hindered by two primary components: cost and efficiency. More than 80%
of solar cells currently produced are crystalline silicon solar cells. Nearly all of the other 20% are
developed as amorphous silicon solar cells. However, the use of crystalline silicon has several
financial disadvantages. The complex processing steps and need for large amounts of high purity
silicon stock have driven the cost of these solar cells up. Recent interest has shifted from waferbased silicon solar cells to thin film crystalline silicon. Low temperature depositions from the gas
phase allow for the use of cheap substrates.
In actual application, the stability issues of thin film solar cells have forced the film
The Effect Of Power Discharge To The Structural Properties Of Silicon Thin Film
Prepared By Vhf-Pecvd Technique
(Ida Usman, et al.)
128
thickness to small values in order to cut the carrier moving distance inside the bulk before being
collected at the electrodes. A stacked-cell, known as multijunction solar cell, approach was
developed where multiple thin cells of different band-gaps were stacked together, in order to
compensate insufficient absorption of light in solar cells. Therefore, hydrogenated amorphous
silicon (a-Si:H) and hydrogenated microcrystalline silicon (c-Si:H) commonly used in
multijunction solar cell. However, the knowledge of the microstructure in the transition region of
a-Si:H to c-Si:H is remain unknown. Extensive studies of c-Si:H properties have been
conducted due to highly complex microcrystalline structure forms, depending upon the
deposition conditions [3,18]. Great efforts have also been made to increase the growth rates of
silicon thin film by using new technique and exploring new plasma regimes. Among them, highpressure conventional Plasma Enhanced Chemical Vapor Deposition (PECVD) using 13.56 MHz
radio frequency (rf) in high power regime [1,8,15] and Very High Frequency PECVD (VHFPECVD) using 70 MHz rf [14,16-19] are the successful methods. Hence, attention was focused
on the VHF-PECVD, due to the advantages of high plasma density and less ion bombardment.
VHF plasma is more suitable for high rate, high quality deposition than conventional PECVD. In
this paper, we firstly focused power discharge on the structural properties of resulted thin films.
2. Experiment
An electrode system with capacitive coupling is used inside the chamber. Figure 1 shows
the schematic diagram of our PECVD chamber. Plasma gas is generated using 70 MHz rf power.
The thin films were deposited onto Corning 7059 glass substrates using 10% SiH4 gas diluted in
H2 as gas source. In order to investigate the influence of power discharge, the used power
discharge was varied from 6W to 70W.
Basically, this study represents the continuation of our previous study. Therefore, the used
parameter depositions are based to previous result, that are 70 sccm of gas flow rate, 250 oC of
substrate temperature, and 300 mTorr of chamber pressure. The structural properties of resulted
thin films were then analyzed using both of X-ray Diffraction (XRD) and Ultraviolet Visible
(UV-Vis) spectrometry measurement.
The Effect Of Power Discharge To The Structural Properties Of Silicon Thin Film
Prepared By Vhf-Pecvd Technique
(Ida Usman, et al.)
129
power
discharge
gas
inlet
Electrodes
transparent
window
heater
Substrate
valve
to rotary
pump
The Effect Of Power Discharge To The Structural Properties Of Silicon Thin Film
Prepared By Vhf-Pecvd Technique
(Ida Usman, et al.)
130
silicon proceeds through four phases: incubation, nucleation, growth, and steady state [7]. As
result, a multilayered structure in the direction of the growth may result. The amorphous
interface layer with the substrate can be attributed to a remnant of the incubation phase, and
many methods have been studied to prevent it [2,12,13].
Despite the complexity of plasma processes, the models have described both a-Si:H and
c-Si:H growth, are generally based on the contribution of radicals, and more precisely on the
SiH3 radical. However, besides SiH3, the presence of atomic hydrogen can substantially change
the reactivity of the surface and thus affect the material properties. Moreover, several
experiments have shown that ions are important in creating a dense a-Si:H network and that the
flux of ions is large enough to contribute significantly to the growth rate. Furthermore, the ion
energy has been shown to be extremely important in determining the transport properties in both
a-Si:H and c-Si:H materials. While, the ion energy strongly dependent to the used rf power
discharge.
In this study, the influence of VHF plasma power discharge has been investigated. Figure
2 show the optical bandgap of film determined from Ultraviolet Visible (UV-Vis) measurement
data. As can be seen in Figure 2(a) and Figure 2(b) that the optical band gap decreases as the
increasing of plasma power from 6W to 40W. The optical band gaps were then immediately
increased when the plasma was generated by using higher power discharge more than 40W. We
believed that it affected by the increasing of hidrogen content (CH) when the plasma dominated
by the very simple hydrogen radicals. These results indicate that the increase power discharge
can effectively promote the decomposition of SiH4 and provide more H, which is the favorable
radical for the crystallization of the deposited silicon film.
1.66
1.84
1.64
1.82
1.80
1.78
1.76
1.74
1.72
1.70
1.62
1.60
1.58
1.56
1.54
1.52
1.50
8
10
12
RF power discharge (watt)
14
16
1.48
10
20
30
40
50
60
RF power discharge (watt)
70
80
(b)
(a)
The Effect Of Power Discharge To The Structural Properties Of Silicon Thin Film
Prepared By Vhf-Pecvd Technique
(Ida Usman, et al.)
131
Fig. 2. The optical bandgap of resulted silicon thin film as a function of rf power
discharge
6W
300
Intensity (cps)
8W
200
10W
100
15W
0
20
40
60
80
100
2-theta (deg.)
(a)
<111>
<220>
300
Intensity (cps)
250
60W
200
40W
150
100
20W
50
0
10
20
30
40
50
60
70
80
90
2-theta (deg.)
(b)
Fig. 3. X-ray diffraction pattern for various films prepared at different power discharge
The X-ray diffraction pattern for a scattering angle between 10o to 90o obtained from the
set of silicon films prepared at various power discharges have been presented in Fig. 3. A broad
band centered at around 25o that was consistently present within the diffraction pattern of all the
The Effect Of Power Discharge To The Structural Properties Of Silicon Thin Film
Prepared By Vhf-Pecvd Technique
(Ida Usman, et al.)
132
samples was identified as the contribution from the common amorphous glass substrates.
Spectrum in Fig. 3(a) for 6W and 8W were not show any additional signal that may arise from
the sample and, thereby, signifies an almost a-Si:H nature. However, a minor increase in 10W
and 15W gave rise to very small additional signals at around 28o which correspond to <111>
lattice plane reflections from crystalline silicon. The XRD signal corresponding to around 28o
and 48o became prominent at slightly higher and continued to maintain almost similar intensity
up to 20W of rf power discharge, as shown in Fig. 3(b), thereby, conclusively identifying a
definite fraction of crystalline already been developed within the Si:H network. The structural
transition of silicon film from a-Si:H to c-Si:H was occurred at 15W of power discharge, while
the c-Si:H films of predominant <111> and <220> crystallographic orientations were obtained
at rf power discharge up to 20W.
4. Conclusions
In this study, a set of silicon thin films have been prepared by changing the rf power
discharge to the SiH4 plasma in VHF-PECVD technique at a low substrate temperature of 250
o
C. As result, the optical band gaps of film were decreased as the increasing of plasma power
discharge from 6W to 40W, and were then immediately increased when the plasma was
generated by using higher rf power discharge more than 40W. By using the XRD measurement,
the structural phase transition from amorphous to microcrystalline thin film was obtained using
the rf power discharge up to 20W. The diffraction peaks of microcrystalline silicon structure
were seen at the diffraction angles of ~28o and ~48o, respectively for <111> and <220> crystal
orientation of silicon.
Acknowledgment
We would like to gratitude Direktorat Jenderal Pendidikan Tinggi Republik Indonesia for
the financial support through the Riset Strategis Nasional 2012.
References
[1]
[2]
Ambrosone, G., Coscia, U., Lettieri, S., Maddalena, P., Ambrico, M., Perna, G., Minarini,
C., Microcrystalline Silicon Thin Films Grown at High Deposition Rate by PECVD, Thin
Solid Films 511-512, 280, 2006.
Choi, W.C., Kim, E.K., Min, S.K., Park, C.Y., Kim, J.H., and Seong, T.Y., Direct
Formation of Nanocrystalline Silicon by Electron Cyclotron Resonance Chemical Vapor
The Effect Of Power Discharge To The Structural Properties Of Silicon Thin Film
Prepared By Vhf-Pecvd Technique
(Ida Usman, et al.)
133
[3]
[4]
[5]
[6]
[7]
[8]
Electrical Properties of Thin Intrinsic and n-type Microcrystalline Film, J. Appl. Phys. 81,
7282, 1997.
Kondo, M., Fukawa, M., Guo, L., Matsuda, A., High Rate Growth of Microcrystalline
[9]
Growth and Properties of SiHx Films, J. Vac. Sci. Technol. A15, 298, 1997.
[10] Layadi, N., Roca i Cabarrocas, P., Drevillon, B., and Solomon, I., Real-time
Spectroscopic Ellipsometry Study of the Growth of Amorphous and Microcrystalline
Silicon Thin Films Prepared by Alternating Silicon Deposition and Hydrogen Plasma
Treatment, Phys. Rev. B 52, 5136, 1995.
[11] Matsuda, A., Growth Mechanism of Microcrystalline Silicon Obtained from Reactive
Plasmas, Thin Solid Films 337, 1, 1999.
[12] Murata, K., Ito, M., Hori, M., and Goto, T., Ion Bombardment Effect on Microcrystalline
Silicon Growth Mechanisms and on the Film Properties, J. Vac. Sci. Technol. B17, 1098,
1999.
[13] Park, Y.B. and Rhee, S.W., Effect of Hydrogen Plasma Precleaning on the Removal of
Interfacial Amorphous layer in the Chemical Vapor Deposition of Microcrystalline Silicon
Film on silicon Oxide Surface, Appl. Phys. Lett. 68, 2219, 1996.
[14] Rath, J.K., Franken, R.H.J., Gordijn, A., Schropp, R.E.I., Goedheer, W.J., Growth
Mechanism of Microcrystalline Silicon at High Pressure Conditions, J. Non-Cryst. Solids
The Effect Of Power Discharge To The Structural Properties Of Silicon Thin Film
Prepared By Vhf-Pecvd Technique
(Ida Usman, et al.)
134
The Effect Of Power Discharge To The Structural Properties Of Silicon Thin Film
Prepared By Vhf-Pecvd Technique
(Ida Usman, et al.)
135
Model Hidrodinamika 2 Dimensi Pola Pergerakan Massa Air Kepulauan Seribu pada Musim
Barat
(Sabhan)
136
pola pergerakan tumpahan minyak yang terjadi perairan Kepulauan Seribu, karena kedangkalan
Laut Jawa, transpor volume didominasi oleh angin (Sofian 2001)
Kepulauan Seribu sebagai daerah pemanfaatan yang multi fungsi seperti perikanan
budidaya, transfortasi laut, wisata laut, daerah perlindungan laut dan jalur pelayaran
internasional khususnya kapal tanker. Dari pemanfaatan yang multi fungsi maka perlu di bangun
suatu model pergerakan massa air untuk mengetahui pola gerakan arus dalam dua dimensi.
Penelitian ini bertujuan membangun model hidrodonamika 2D untuk melihat pola pergerakan
massa air Kepulauan Seribu pada musim barat.
Metode
Data yang digunakan dalam pemodelan tumpahan minyak terdiri atas: (1) Data
kedalaman perairan (Batimetri) yang berfungsi sebagai domain model bersumber dari peta Dinas
Hidro-Oseanografi TNI-AL. (2) Data arah dan kecepatan angin yang dikonversi dari data
kecepatan zonal dan kecepetan meredional berfungsi sebagai pembangkit musiman. Data angin
terdiri atas angin pada bulan Januari 2008 dan Juli 2008 dengan interval data setiap 6 jam. Data
Angin diperoleh dengan mengunduh dari IFREMER (French Research Institute for Exploration
of the Sea), (3) Data Pasang-Surut (pasut) digunakan dari Global Sea Level Prediction
(www.dhigroup.com) dan divalidasi dengan data pasut dari dishidros dengan periode waktu yang
sama. Parameter pasut digunakan sebagai kondisi batas yang bervarisai berdasarkan waktu dan
tempat. (4) Data arus laut mooring di Perairan Teluk Jakarta dari Kementrian Kelautan dan
Perikanan direkam dengan menggunakan alat RCM7/8 AANDERAA.
Membangun Batimetri
Membangun domain model skenario dengan mengubah peta manual ke bentuk digital
yang di simpan dalam format (*.xyz). Data format xyz digunakan sebagai data input pada modul
bathymetries (*.batsf) yang tersedia pada Mike Zero. Menetukan batas model kemudian
menginterpolasi titik batimetri untuk mengisi ruang kosong pada grid dengan metode Triangular
Interpolation dengan persamaan: Manyimpan file batimetri dalam format (*.dfs2) yang akan
digunakan dalam modul Flow Model untuk membangun Hidrodinamika. Peta batimetri
Kepulauan Seribu (Gambar 1) dengan kedalaman perairan antara 0-87 m.
Model disimulasikan dalam 2 musim yaitu: musim timur dan musim barat dengan musim
barat diwakili oleh Bulan Januari 2008 dan musim timur diwakili oleh Bulan Juli 2008 dengan
masa simulasi masing-masing 10 hari. Model dibatasi dengan 3 batas terbuka yaitu lintang
Model Hidrodinamika 2 Dimensi Pola Pergerakan Massa Air Kepulauan Seribu pada Musim
Barat
(Sabhan)
137
540'12"LS(b) di sebelah utara di sebelah timur dibatasi oleh bujur 106.40'BT(c) di sebelah barat
berbatasan dengan garis bujur 106.21'48" BT(a) dan batas tertutup Pantai Utara Jawa. Komponen
ini untuk membatasi perhitungan model batas atas dan bawah dari mean sea level yang diproses
oleh model dengan nilai draying depth 0.2 dan flooding depth 0.3.
Angin dari ifremer dalam bentuk kecepatan meredional dan kecepatan zonal dikonversi
kedalam kecepatan dan arah dengan persamaan:
Dengan adalah kecepatan resultan, adalah arah , u adalah kecepatan zonal dan v
adalah kecepatan meredional. Data angin input model hidrodinamika seperti pada Gambar 2.
Konstanta pasut diperoleh dari Global Sea Level Prediction yang dikonversi kedalam
tenggang pasut dengan tenggang pasut untuk musim barat dan musim timur yang bervariasi di
sepanjang garis batas terbuka.Viskositas eddy digunakan untuk alih momentum dari molekul
fluida yang bergerak dengan kecepatan berbeda dan menghasilkan gerakan turbulen. Manning
number
Manning number yang digunakan untuk menggambarkan hambatan dasar perairan
dengan menggunakan persamaan 15. Manning number yang digunakan bervariasi berdasarkan
batimetri Perairan Kepulauan Seribu. Data input dan batimetri dibangun dalam modul model alir
untuk memperoleh model hidrodinamika dengan output berupa tinggi level muka air (m), flux
P(m3/s) dan flux Q(m3/s)
Hasil dan Pembahasan
Pola hidrodinamika yang diamati mengacu pada pola pasang surut perairan Kepulauan
Seribu, yang meliputi: pasang menuju surut pada kondisi MSL (Mean Sea Level) dan surut
menuju pasang pada kondisi MSL. Kondisi pola pasang surut dalam hidrodinamika digunakan
untuk membandingkan pola arus pada setiap kodisi pasut yang berpengaruh terhadap pola
sebaran tumpahan minyak yang terjadi di Kepulauan Seribu.
Kondisi angin pada musim barat terlihat pada windrose Gambar 3 dengan 10% dalam
Model Hidrodinamika 2 Dimensi Pola Pergerakan Massa Air Kepulauan Seribu pada Musim
Barat
(Sabhan)
138
kondisi tenang. Angin dominan bergerak ke timur dengan kecepatan bervariasi 12% dengan
kecepatan 3.8-5.1 m/s, 22% dengan kecepatan 5.1-6.4 m/s, 10% dengan kecepatan 6.4-7.7 m/s
serta sekitar 2 % dengan kecepatan diatas 7.7 m/s. Pola arus yang terbentuk pada kondisi surut
dominan dipengaruhi oleh pola kondisi pasang surut dengan perbedaan level muka air yang
tidak signifikan, pengaruh pola musiman tidak cukup berpengaruh dalam pembetukan pola arus
di Kepulauan Seribu.
Pada saat dalam kondisi MSL surut menuju pasang (Gambar 3), pasang surut merambat
dari timur ke barat dari bidang batas terbuka sehingga arus merambat mengikuti perambatan
pasut dengan kecepatan maksimun 0.5 m/s. genangan air laut mulai naik ditandai dengan
semakin menyempitnya daerah yang berwarna kuning pada daerah sekitar pantai jika
dibandingkan dengan kondisi pada saat surut terendah.
Pola arus pada kondisi MSL pasang menuju surut (Gambar 4) bervariasi oleh pengaruh
pasut dan angin serta keberadaan pulau-pulau kecil dimana ditemukan pola arus yang lebih
tinggi pada celah antara pulau, pasang surut merambat dari timur ke barat. Indikasi bawha air
mulai mengalami surut juga terlihat pada daerah yang berwarna kuning didekat pantai yang
menandakan daerah intertidal mengalami kekeringan. Secara umum pada musim barat pola arus
bergerak ke barat di laut lepas sedangakan pada daerah dekat dengan garis pantai kecepatan arus
cenderung melemah.
Verifikasi Model
Verifikasi pasang surut antara hasil model dengan data dari BAKOSURTANAL
memperlihatkan korelasi yang cukup baik untuk musim barat dengan tingakat korelasi 97.17%,
hal ini mengindikasikan bahwa hasil model hidrodinamika yang dibuat mendekati kodisi
sebenarnya yang terjadi di daerah penalitian yaitu Kepulauan Seribu. Hasil korelasi antara
pasang surut hasil model dengan pasang surut hasil prediksi dapat dilihat pada Gambar 5 untuk
musim barat diwakili oleh Bulan Januari tahun 2008.
Kesimpulan
Pola arus di perairan Kepulauan Seribu pada musim barat cenderung dipengaruhi oleh
pasang surut dibandingkan dengan arus musiman. Pola arus permukaan bergerak mengikuti pola
perambatan pasang surut, pada saat dalam kondisi MSL (surut menuju pasang), pasang surut
merambat dari timur ke barat dari bidang batas terbuka sehingga arus merambat mengikuti
perambatan pasut dengan kecepatan 0-0.5 m/s. Secara umum pada musim barat pola arus
Model Hidrodinamika 2 Dimensi Pola Pergerakan Massa Air Kepulauan Seribu pada Musim
Barat
(Sabhan)
139
bergerak ke barat di laut lepas sedangakan pada daerah dekat dengan garis pantai kecepatan arus
cenderung melemah.
Daftar Pustaka
[1]
[2]
[3]
[4]
Model Hidrodinamika 2 Dimensi Pola Pergerakan Massa Air Kepulauan Seribu pada Musim
Barat
(Sabhan)
140
Model Hidrodinamika 2 Dimensi Pola Pergerakan Massa Air Kepulauan Seribu pada Musim
Barat
(Sabhan)
141
Gambar 2 Arah dan kecepatan angin pada musim barat (a) dan musim timur (b).
Model Hidrodinamika 2 Dimensi Pola Pergerakan Massa Air Kepulauan Seribu pada Musim
Barat
(Sabhan)
142
Model Hidrodinamika 2 Dimensi Pola Pergerakan Massa Air Kepulauan Seribu pada Musim
Barat
(Sabhan)
143
Model Hidrodinamika 2 Dimensi Pola Pergerakan Massa Air Kepulauan Seribu pada Musim
Barat
(Sabhan)
144
Observasi (m)
Model (m)
0,5
0
-0,5
-1
Gambar 5 Grafik pasang surut antara model dengan data Bakosurtanal selama 2 minggu
perekaman Bulan Januari di musim barat
Model Hidrodinamika 2 Dimensi Pola Pergerakan Massa Air Kepulauan Seribu pada Musim
Barat
(Sabhan)
145
Safaruddin A. Prasad
Staf dosen pada Jurusan Fisika FMIPA Universitas Hasanuddin, Makassar
e-mail : auroraprasad2000@yahoo.com
Abstrak
Dalam paper ini, diusulkan sebuah metode identifikasi tutupan lahan untuk data pengideraan
jauh menggunakan gabungan sistem neuro-fuzzy dan sistem pakar (expert system) yang
kemudian disebut dengan Neuro-Fuzzy Expert System (NFES). JST adalah bagian dari neurofuzzy yang memiliki kemampuan untuk mengenal pola-pola kompleks, dan mengklasifikasinya
ke dalam beberapa kelas yang diinginkan, namun mungkin terjadi misklasifikasi. Dengan
menambahkan sistem pakar fuzzy ke dalam JST menggunakan basis pengetahuan geografi,
misklasifikasi dapat dikurangi, sehingga dapat memperbaiki hasil klasifikasi, dibandingkan
dengan metode back-propagation dari JST. Unjuk kerja identifikasi dan klasifikasi dengan NFES
diverifikasi menggunakan data citra Landsat-ETM7 dengan obyek daerah Mandai, Kabupaten
Maros, Sulawesi Selatan. Dari hasil verifikasi, diperoleh misklasifikasi hanya sebesar 3,19%,
jauh lebih kecil dibandingkan dengan jika menggunakan metode back-propagation dengan
misklasifikasi mencapai 12,3%.
Keywords : klasifikasi tutupan lahan, neuro-fuzzy, expert system, JST, NFES.
1. Pendahuluan
NFES dapat dibagi ke dalam dua sub-sistem yang terdiri dari sistem neuro-fuzzy dan
sistem pakar (expert system). Sistem neuro-fuzzy merupakan kombinasi JST dan sistem fuzzy.
Kedua model ini masing-masing mempunyai area tinjauan yang bebas satu sama lain. Koneksi
antara satu dengan yang lain hanya bersifat marginal akan tetapi dapat terlihat bahwa kombinasi
antara keduanya memberikan sumbangan untuk pemecahan beberapa masalah.
Lotfi A. Zadeh memperkenalkan konsep himpunan fuzzy pada tahun 1965. Pada tahun
1974, E.H. Mamdani menemukan sebuah prosedur inferensi fuzzy, yang mengatur langkah
Desain dan Implementasi Neuro-Fuzzy Expert System untuk Klasifikasi Tutupan Lahan
(Safaruddin A. Prasad)
146
( A, x)
(1)
Desain dan Implementasi Neuro-Fuzzy Expert System untuk Klasifikasi Tutupan Lahan
(Safaruddin A. Prasad)
147
dimana
sebuah himpunan didefinisikan sebagai sebuah ruang X kontinu. Jika X adalah diskrit maka tanda
dengan interval 0 s/d 40, dan E(A) adalah kondisi hangat. Berdasarkan pernyataan linguistik
E(A), dapatlah didefinisikan fungsi keanggotaan ( A, x) seperti pada gambar 1, yang
menyatakan tingkat keanggotaan x pada E(A).
1
Fungsi
keanggotaan
untuk kondisi
hangat
Grade
a
Fungsi
keanggotaan
untuk kondisi
dingin
0
0
15
20
40
Temperatur (C)
(2)
B ' = A'.( A B ),
dimana tanda titik/dot (.) menyatakan sebuah komposisi relasi fuzzy A dan (A x B), yang
Desain dan Implementasi Neuro-Fuzzy Expert System untuk Klasifikasi Tutupan Lahan
(Safaruddin A. Prasad)
148
didefinisikan oleh
(B' , y ) = max{ ( A' , x ), ( A B, x, y ) x X }.
(4)
Resultan dari persamaan ini umumnya merupakan suatu nilai terdistribusi pada Y.
Sementara, defuzifikasi digambarkan sebagai pusat area atau pusat massa (gravity) yang
didefinisikan oleh
y=
(B' , y ) ydy
(B' , y )dy
(5)
x2 adalah sedang
x1 adalah kecil
y adalah sedang
Sample rule :
Rule 1 : IF x1 adalah kecil
untuk Rule 1
y adalah besar
x2 adalah kecil
untuk Rule 2
x2
max (OR
unifikasi)
THEN
adalah
besar.
Defusifikasi
(pusat gravitasi)
dimana A (j11) ,..., A (jnn ) adalah suku-suku linguistik, yang dinyatakan oleh himpunan fuzzy
Desain dan Implementasi Neuro-Fuzzy Expert System untuk Klasifikasi Tutupan Lahan
(Safaruddin A. Prasad)
149
(j11) ,..., (jnn ) . C j n adalah sub-himpunan pola dan menyatakan kelas ke-j. Pola-pola
merupakan tuple input x = ( x1 , x 2 ,..., x n ) n . Hal ini dianggap bahwa sub-himpunan pola
dapat dibagi ke dalam kelas-kelas, sedemikian sehingga setiap pola dapat direlasikan dengan
sebuah kelas C j . Setiap nilai x i dari tuple input dipartisi menjadi q i himpunan fuzzy
1(i ) ,..., qi(i ) . Klasifikasi didefinisikan oleh aturan (rule) dasar dengan k aturan fuzzy R1 ,..., R k .
2.2
Arsitektur NFES
Aturan-aturan IF-THEN yang dibangun dalam model NFES merupakan gambaran dari
sebuah arsitektur kombinasi dalam model NFES, sebagaimana diperlihatkan pada gambar 4.
Sebuah sistem NFES dapat dibangun dari pengetahuan parsial menyangkut pola-pola, dan dapat
diperhalus dengan pembelajaran, atau dapat dimulai dengan sebuah basis aturan kosong yang
diisi dengan pembuatan aturan-aturan dari data pelatihan.
Untuk tiap variabel masukan yang digunakan pada jaringan, harus ditentukan berapa
jumlah himpunan fuzzy yang digunakan untuk membagi domain dari variabel masing-masing.
Dengan pembagian domain untuk tiap variabel dan suku-suku linguistik maka klasifikasi
dapatlah dilakukan dan diperoleh hasilnya [6].
Tiap lapisan dalam NFES (gambar 3) diasosiasikan dengan langkah tertentu dalam proses
inferensi fuzzy. Secara rinci, setiap lapisan mengandung pengertian sebagai berikut :
Lapisan-1 :
Lapisan masukan. Tiap neuron pada lapisan ini mentransmisikan signal
crisp ke neuron yang bersesuaian di lapisan berikutnya.
yi(1) = xi(1)
Lapisan-2 :
Lapisan fuzifikasi. Neuron-neuron dalam lapisan ini menyatakan
himpunan fuzzy. Sebuah neuron fuzifikasi menerima masukan crisp dan menentukan tingkat
keanggotaannya di dalam himpunan fuzzy neuron.
Fungsi aktivasi dari sebuah keanggotaan neuron merupakan himpunan untuk fuzzy yang
mencirikan himpunan fuzzy neuron. Himpunan yang digunakan adalah himpunan segitiga
(triangular sets), dan oleh karena itu, fungsi aktivasi untuk neuron pada lapisan-2 di-set ke
dalam fungsi keanggotaan segitiga. Sebuah fungsi keanggotaan segitiga dapat dicirikan oleh dua
parameter {a,b} sebagai berikut :
Desain dan Implementasi Neuro-Fuzzy Expert System untuk Klasifikasi Tutupan Lahan
(Safaruddin A. Prasad)
150
yi( 2 )
if xi( 2 ) a
0,
2
2 xi( 2 ) a
b
b
b
(
2
)
0,
if xi a +
Lapisan-3 :
Aturan fuzzy. Tiap neuron dalam lapisan ini berkorespondensi dengan
sebuah aturan fuzzy. Sebuah neuron aturan fuzzy menerima masukan dari neuron-neuron
fuzifikasi yang menyatakan himpunan-himpunan fuzzy pada aturan yang menyertainya. Sebagai
contoh, neuron R1 berkorespondensi dengan aturan R1, menerima masukan dari neuron-neuron
PR1, PR2, dan PR3.
Pada suatu sistem neuro-fuzzy, interseksi/irisan dapat di-interpretasikan dengan operator
perkalian (product operator). Jadi keluaran dari neuron pada lapisan-3 diperoleh sebagai :
yi( 3) = x1(i3) x 2( 3i ) ... x ki( 3)
y R( 31) = PR1 PR 2 PR 3 = R1
Lapisan-4 :
Keluaran fungsi keanggotaan. Neuron-neuron pada lapisan ini
menyatakan himpunan fuzzy yang digunakan sebagai konsekuensi dari aturan-aturan fuzzy.
Sebuah neuron keluaran fungsi keanggotaan mengkombinasikan semua masukannya dengan
menggunakan operasi gabungan (union). Operasi ini dapat di-implementasikan dengan
probabilistic-OR sebagai berikut :
yi( 4 ) = xi(14 ) x 2( 4i ) ... x ki( 4 )
(4)
yOi
= R 2 R 3 R 4 R 6 R 7 R 8 = O1
Lapisan-5 :
Defuzifikasi. Neuron pada lapisan ini merupakan keluaran tunggal dari
neuro-fuzzy expert system. Semua neuron pada lapisan-4 dikombinasikan dalam suatu operasi
gabungan (union) terhadap hasil operasi perkalian, sehingga ia merupakan komposisi jumlahperkalian (sum-product composition).
y=
Selanjutnya, semua neuron di-defuzifikasi untuk menjadi masukan bagi neuron pada
lapisan berikutnya.
Lapisan-6 :
Keluaran jaringan. Neuron pada lapisan ini merupakan akumulasi dari
seluruh rangkaian proses pada jaringan NFES. Pada implementasi NFES, neuron pada lapisan-6
muncul sebagai peta klasifikasi.
Desain dan Implementasi Neuro-Fuzzy Expert System untuk Klasifikasi Tutupan Lahan
(Safaruddin A. Prasad)
151
Gambar 3 memperlihatkan arsitektur dari model NFES sebagai arsitektur JST dengan
empat lapisan terselubung (hidden layers), satu lapisan masukan dan satu lapisan keluaran. Pada
arsitektur dari model NFES ini diperlihatkan struktur paralel dan aliran data yang melewati
model, masing-masing untuk pembelajaran (backward path) dan klasifikasi (forward path).
Aplikasi model ini pada pemrosesan data citra akan meningkatkan hasil klasifikasi dan citra
klasifikasinya dapat divisualisasikan.
2.3
Algoritma NFES
Berikut ini diperkenalkan algoritma dari model NFES untuk mengidentifikasi tutupan
lahan. Algoritma NFES tersebut dapat dituliskan secara rinci sebagai berikut :
Langkah-1 : Tentukan fungsi keanggotaan ke-m untuk input ke-k
Langkah-2 : Generasikan rule untuk klas ke-j
Langkah-3 : Lakukan training dan hitung kesalahan
(x
3
j =
k =1 i =1
k
i
Gik
3* N
Langkah-6 :
Langkah-7 :
j < t THEN C j = {x | x C j }
Desain dan Implementasi Neuro-Fuzzy Expert System untuk Klasifikasi Tutupan Lahan
(Safaruddin A. Prasad)
152
x1
Lapisan-2
Lapisan-3
x11
R1
x12
R2
. . .
Lapisan-1
R3
x1m
R4
x21
R5
Lapisan-4
Lapisan-5 Lapisan-6
C1
C2
x2
x22
OA
R6
R7
x2m
. . .
. . .
. . .
C3
R8
xi1
Cj
xi2
. . .
xk
. . .
R9
Rn-1
xim
Rn
Rancangan Eksperimen
Logika fuzzy digunakan dalam paper ini oleh karena pada kenyataan di lapangan sangat
sulit menemukan kondisi tutupan lahan yang homogen. Apalagi pengamatan dilakukan pada
daerah yang cukup luas, dimana senantiasa ditemukan piksel yang menandai kelas campuran.
Hal ini penting dalam polarisasi daerah dimana batas-batas antara kelas dapat didefinisikan
dengan mudah dan daerah yang mempunyai karakteristik yang mirip atau hampir sama dapat
diklasifikan dalam satu kelas pada sebuah citra penginderaan jauh [4].
Klasifikasi data citra menggunakan neuro-fuzzy expert system (NFES) dibagi menjadi
tiga bagian, yakni pra-proses dengan metode fuzzy c-mean, pengenalan pola dengan neuro-fuzzy,
dan pengecekan dengan representasi pengetahuan.
3.1
Desain dan Implementasi Neuro-Fuzzy Expert System untuk Klasifikasi Tutupan Lahan
(Safaruddin A. Prasad)
153
d ( x1 , x2 )
= x1 x2
= ( x1 x2 ) ( x1 x2 )
t
1/ 2
1/ 2
= x12i x22i
i =1
(6)
Citra Asli
Band-1(Red)
Band-2 (Green)
Band-3 (blue)
Pra-proses dengan
Metode Fuzzy C-Mean
Pengenalan dengan
Neuro-Fuzzy
Pengecekan dengan representasi
pengetahuan
...
Pengecekan
Basis
Pengetahuan
...
Klasifikasi
optimal
?
Tidak
Ya
Hasil Klasifikasi
Klasifikasi Akhir
SSE
(x M ) (x M )
t
C i xC i
xM
C i xC i
(7)
Desain dan Implementasi Neuro-Fuzzy Expert System untuk Klasifikasi Tutupan Lahan
(Safaruddin A. Prasad)
154
dimana Mi adalah rata-rata (mean) dari cluster ke-i dan xCi adalah pola yang diberikan
pada cluster tersebut [7][8].
3.2
Pada bagian ini, dilakukan empat tahap proses. Tahap pertama adalah melakukan proses
fuzifikasi dari nilai crisp. Tahap kedua adalah mengedit fungsi keanggotaan, termasuk
menentukan jumlah fungsi keanggotaan untuk tiap masukan, tahap ketiga adalah melakukan
pelatihan (training) dan pengujian (testing) dan tahap keempat adalah melakukan defuzifikasi
untuk keperluan klasifikasi awal.
Selanjutnya hasil klasifikasi awal dibandingkan dengan data ground truth kemudian diuji
keakuratannya. Jika sudah akurat maka akan dapat dilakukan klasifikasi akhir. Jika belum akurat,
maka akan didefinisikan kembali fungsi-fungsi keanggotaan. Gambar 4 memperlihatkan skema
prosedur klasifikasi tutupan lahan dari model NFES.
3.3
Jika pada klasifikasi awal masih ditemukan jumlah mis-klasifikasi yang besar, maka
proses diteruskan dengan melakukan pengecekan untuk memperbaharui basis aturan.
Selanjutnya, basis aturan ini akan menjadi basis pengetahuan yang baru dalam proses pelatihan
selanjutnya pada bagian neuro-fuzzy.
Pada paper ini, pengolahan data citra dilakukan menggunakan sebuah CPU IBM-PC Intel
Pentium 4 (clock 2.4 GHz, 512 MB RAM) dengan sistem operasi windows ME. Kode sumber
dari program ditulis dan dikompilasi/ diinterpretasi menggunakan Borland C++ Builder dan
Matlab 6.1.
Tahap awal dari proses klasifikasi, dikelompokkan sebanyak 184023 piksel dari data citra
masukan (483 x 381) ke dalam 729 kelas dengan pra-proses menggunakan FCM. Data sampel
diambil dari citra fcc (false color composite) dari tiga saluran, seperti diperlihatkan pada gambar
6.
Selanjutnya, di dalam NFES dilatih data pelatihan menggunakan tiga variabel masukan,
masing-masing mewakili saluran-1 yang ditandai sebagai merah (red), saluran-2 sebagai hijau
(green), dan saluran-3 sebagai biru (blue). Masing-masing data input terdiri dari enam fungsi
keanggotaan yang diambil dari hasil pra-proses dan klasifikasi pola-pola masukan.
Basis aturan (tabel-3) dibangun dengan asumsi bahwa nilai piksel fcc (sampel uji) terdiri
dari nilai-nilai 0, 49, 101, 150, 202, 251, dan 255. Beberapa pernyataan linguistik akan muncul
Desain dan Implementasi Neuro-Fuzzy Expert System untuk Klasifikasi Tutupan Lahan
(Safaruddin A. Prasad)
155
sebagai pertanyaan kepada seorang pakar. Beberapa pertanyaan tersebut antara lain adalah:
apakah nilai piksel saluran-1 lebih kecil dari 49?, apakah nilai piksel saluran-2 lebih besar dari
101?, apakah nilai piksel saluran-3 lebih kecil dari 150?, dan seterusnya. Beberapa pernyataan
akan merupakan gabungan dengan relasi AND, OR, atau yang lainnya sebagai premis dalam
kaidah produksi. Sehubungan dengan nilai-nilai piksel yang muncul pada fcc, maka
dikelompokan enam kategori premis (antecedent) seperti diperlihatkan pada tabel-1, dan
menghasilkan kaidah produksi yang diperlihatkan pada tabel-3.
Tabel-1. Kategori premis untuk kaidah produksi
Kate
Sim
Arti
gori Premis
bol dalam symbol
rentang
1
Paling
0
2
rendah
(PR)
x 49
3
Rendah
49 <
4
sedang
(RS)
x 101
5
Sedang
101
6
bawah
(SB)
< x 150
Sedang
150
atas
(SA)
< x 202
Tinggi
202
sedang
(TS)
< x 251
Paling
251
tinggi (PT)
< x 255
4.
4.1
Hasil klasifikasi
Pada tabel-2, disajikan hasil klasifikasi tutupan lahan di daerah Mandai, kabupaten
Maros, Sulawesi Selatan serta luas areal tutupan lahan dengan asumsi setiap piksel mewakili luas
areal sebesar 30 m2. Klasifikasi dilakukan menggunakan NFES, dalam sebuah bentuk sistem
Desain dan Implementasi Neuro-Fuzzy Expert System untuk Klasifikasi Tutupan Lahan
(Safaruddin A. Prasad)
156
pakar berbasis pengetahuan. Pembangunan basis aturan mengacu kepada penggunaan dua hal
yaitu, informasi peta (rupa bumi) dan pengetahuan geografis.
Sebagai implementasi metode NFES, diperagakan citra hasil klasifikasi pada gambar 8,
yang memperlihatkan areal Laut/Air, Hutan, Sawah, Tambak, Vegetasi, PJLT (Pemukiman,
Jalan, Lahan Tandus) dan areal tertutup Awan. Dari hasil perhitungan, diperoleh data hasil
klasifikasi yang diperlihatkan pada tabel-2. Sedangkan training kesalahan dengan metode backpropagation menghasilkan error sebesar 6.6365 untuk 100 iterasi, dan 0.68957 untuk 1000
iterasi, seperti diperlihatkan pada gambar 6. Sementara dengan menggunakan metode yang
diusulkan, diperoleh error/kesalahan sebesar 0.00013376.
5.
Kesimpulan
Dengan menggunakan metode NFES, dapat dilakukan klasifikasi tutupan lahan dengan
telah mengurangi misklasifikasi. Dengan menggunakan back-propagation dari JST,
misklasifikasi bisa mencapai 20% ( hasil investigasi diperoleh sebesar 12.3%), sedangkan
dengan menggunakan NFES yang telah diuji-cobakan pada data LandSat-ETM7 dengan studi
kasus pada daerah Mandai, kabupaten Maros, Sulawesi Selatan, misklasifikasi hanya mencapai
3,19%.
Desain dan Implementasi Neuro-Fuzzy Expert System untuk Klasifikasi Tutupan Lahan
(Safaruddin A. Prasad)
157
R1
PR
R2
R3
RS
R4
R5
SB
R6
I1
R7
SA
R8
O1
R9
TS
R10
R11
PT
R12
O2
R13
R14
PR
R15
O3
R16
RS
R17
R18
SB
I2
R19
O4
R20
SA
Agregasi
Output
R21
R22
TS
R23
O5
R24
PT
R25
R26
PR
R27
O6
R28
RS
R29
R30
O7
R31
SB
R32
I3
R33
SA
R34
R35
TS
R36
R37
PT
R38
Testing data
Checking data
Desain dan Implementasi Neuro-Fuzzy Expert System untuk Klasifikasi Tutupan Lahan
(Safaruddin A. Prasad)
158
(a)
(b)
(c)
(d)
Gambar 7. (a) Citra Landsat ETM7 saluran-1 tahun 2001, (b) Citra Landsat ETM7
saluran-2 tahun 2001, (c) Citra Landsat ETM7 saluran-3 tahun 2001, (d) Citra fcc dari
inset a,b, dan c.
Desain dan Implementasi Neuro-Fuzzy Expert System untuk Klasifikasi Tutupan Lahan
(Safaruddin A. Prasad)
159
Desain dan Implementasi Neuro-Fuzzy Expert System untuk Klasifikasi Tutupan Lahan
(Safaruddin A. Prasad)
160
52
563
1
5769
60
928
1
8278
18
720
5
616
11
189
3
357
19
50
5
85
31
932
9
580
86
3
17
8145
18
4023
58
78
96.
81 %
3.1
9%
2
59
5
3444
5
5207
1
763
REFERENCES
[1]
[2]
[3]
[4]
Funabashi, M. et al., 1995, Fuzzy and neural hybrid expert system: Synergetic AI, IEEE
Expert, pp. 32-40.
Skidmore et al, 1996, An operational GIS expert system for mapping forest soil,
Photogrammetric Engineering & Remote Sensing, Vol.62, No.5, pp. 501-511.
Maeda, A. et al., 1991, A fuzzy-based expert system building tool with self-tuning
capability for membership function, Proc. World Congress on Expert Systems, Pergamon
Press, New York, pp. 639-647.
Murai, H., Omatu, S. (1997), Remote sensing image analysis using a neural network and knowledge-based
processing, Int. J. Remote Sensing, Vol.18, No.4, pp. 811-828.
Desain dan Implementasi Neuro-Fuzzy Expert System untuk Klasifikasi Tutupan Lahan
(Safaruddin A. Prasad)
161
[5]
[6]
[7]
[8]
[9]
[10]
[11]
[12]
[13]
Enbutu, I. Et al., 1994, Integration of multi-AI paradigms for intelligent operation support
systems: Fuzzy rule extraction from a neural network, Water Science and Technology,
vol. 28, no. 11-12, pp. 333-340.
Jang, J. S. R., 1993, "ANFIS: Adaptive-Network-based Fuzzy Inference Systems," IEEE
Transactions on Systems, Man, and Cybernetics, Vol. 23, No. 3, pp. 665-685.
Prasad, S.A., Sadly, M., Sardy, S., "Landsat TM Image data Classification of Land Cover
by Fuzzy C-Mean", Proc of the Int. Conf. on Opto-electronics and Laser Applications
ICOLA'02, pp. D36-D39, October 2-3, 2002, Jakarta, Indonesia. (ISSN : 979-8575-03-2)
Sangthongpraow, U., Thitimajshima, P., and Rangsangseri, Y. (1999), Modified Fuzzy CMeans for Satellite Image Segmentation, GISdevelopment.net
Nauck, U., Kruse, R., 1999, Design and implementation of a neuro-fuzzy data analysis
tool in java, Thesis Diploma, Braunschweig.
Simpson, J.J. and Keller, R.H., 1995, An Improved Fuzzy Logic Segmentation of Sea Ice,
Clouds, and Ocean in Remotely Sensed Arctic Imagery, Remote Sens. Environ., Vol.54,
pp. 290 312.
R. Kruse, J. Gebhardt and F. Klawonn, 1995, Fuzzy Systeme, 2. erweiterte Auflage,
Teubner, Stuttgar.
Jang, J. S. R., 1991, "Fuzzy Modeling Using Generalized Neural Networks and Kalman
Filter Algorithm," Proc. of the Ninth National Conf. on Artificial Intelligence (AAAI-91),
pp. 762-767.
Schanc, R.C., 1988, What is AI, anyway?, AI Applications, 2(2-3), Vol.12, No.16.
Tabel-3 Produksi Rule
Rule
1
Pernyataan
linguistic
IF R paling rendah AND
G paling rendah AND B
paling rendah
IF R paling rendah AND
G paling rendah AND B
rendah sedang
IF R paling rendah AND
G paling rendah AND B
sedang bawah
IF R paling rendah AND
G paling rendah AND B
sedang atas
Keputusan
(THEN)
Hutan,
Vegetasi
Air,
Vegetasi,
Tambak
Air
Air
Desain dan Implementasi Neuro-Fuzzy Expert System untuk Klasifikasi Tutupan Lahan
(Safaruddin A. Prasad)
162
10
12
13
14
15
16
17
18
19
20
Vegetasi
Air, Tambak
Air
Air
Hutan,
Vegetasi
Tambak
Sawah,
Vegetasi
Tambak,
Sawah,
Vegetasi
Tambak
Vegetasi
Tambak
Sawah
Sawah
Sawah
Desain dan Implementasi Neuro-Fuzzy Expert System untuk Klasifikasi Tutupan Lahan
(Safaruddin A. Prasad)
163
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
Tambak,
PJLT
Sawah, PJLT
Sawah
Sawah
Sawah
Tambak
PJLT
PJLT
Tambak
Sawah
PJLT
PJLT
PJLT
PJLT
PJLT
Desain dan Implementasi Neuro-Fuzzy Expert System untuk Klasifikasi Tutupan Lahan
(Safaruddin A. Prasad)
164
Awan
37
IF R tinggi sedang AND
G tinggi sedang AND B
sedang bawah
IF R tinggi sedang AND
G tinggi sedang AND B
sedang atas
IF R tinggi sedang AND
G tinggi sedang AND B
tinggi sedang
38
39
PJLT
PJLT
Awan
Awan, PJLT
Tabel-4. Hasil klasifikasi dengan metode Backpropagation Neural Network (BPNN)
Ground
Hasil klasifikasi
truth
Laut/ai Huta Sawa Tamba Vegetas PJLT Awa Total
PA(%
r
n
h
k
i
n
)
Laut/air 49580 36
0
2647
0
0
0
52263 94.87
Hutan
1531
5093 0
360
459
0
0
53289 95.59
9
Sawah
0
0
10052 610
405
0
0
11067 90.83
Tambak 401
805
1501 15680
0
870
32
19289 81.29
Vegetas 0
0
876
0
8717
14
0
9607
90.74
i
PJLT
0
0
101
0
828
1406 12
15001 93.73
0
Awan
Total
51512
5178
0
UA (%)
96.25
98.38
30
28
805
863
12530 19327
10409
1497
2
849
16137
9
80.22
83.75
93.91
94.82
81.13
93.28
92.85
Desain dan Implementasi Neuro-Fuzzy Expert System untuk Klasifikasi Tutupan Lahan
(Safaruddin A. Prasad)
165
PA
=
91.4
8%
UA
=
89.7
8%
OA
=
92.8
5%
MK
=
12.3
0%
Awa
Total
PA
Laut/air
49994
2243
314
12
52563
95.1
Hutan
5701
2780
1089
43
60928
93.5
Sawah
535
16932 0
314
939
18720
90.4
Tambak
9746
1025
418
11189
87.1
Vegetas
479
1471
1950
75.4
PJLT
5542
8008
1831
63
31932
57.3
Awan
90
773
863
89.5
Total
49994
5979
22953 20848
3911
1980
836
17814
UA (%)
100
95.35
73.77
37.61
92.48
92.46
46.75
86.5
Keterangan : MK = mis-klasifikasi
Desain dan Implementasi Neuro-Fuzzy Expert System untuk Klasifikasi Tutupan Lahan
(Safaruddin A. Prasad)
166
PA
=
84.0
9%
UA
=
76.9
2%
OA
=
86.5
9%
MK
=
3.19
%
1. Introduction
The tropospheric aerosols at boundary layer and high altitude coulds have been identified
as one of important regulators of the radiation balance of the earth-atmosphere system. In
particular, optically thin cloud is of great interest since the increse in areas covered by clouds,
partly induced by contrails, are expected to enhace the green house effect. These considerations
have motivated researchers to elucidate the physical preperties of high clouds and boundary
layer, especially their radiative properties, i.e; reflection, backscattering, and extinctions. The
atmosphere aerosols have large influence on the earth atmosphere system, and their
characteristics are one of important parameters for global climate system. To understand the
causes responsible for this environmental effects, it is necessary to observe the physical
properties of aerosol by using Laser radar or lidar (light detection and ranging). S .Hancock, et al.
[1].
In the geometrical optics approximation, the problems are described by transfer equation
with corresponding boundary condition; This equation is very difficult to solve by classical
Field of View (FOV) Variations to Estimate The Cloud Layers of Lidar Sensing Using Monte
Carlo Method
(Syamsir Dewang dan Abdullah)
167
method of computation; however, it is necessary to estimate the real phase function, in the
medium and polarization. For calculating the radiation scattered in an inhomogeneuos medium,
the problem must be solved by calculation of the intensity multiply scattered light. In certain
cases, it can be carried out by Monte Carlo Method. Here, the monte Carlo technique consists of
computational simulation. In calculation, a statistical estimate for the physical model of a process
is called direct simulation. In this case, the mathematical problem is to fine an optimal way of
computational sampling. K. F. Evans[2]
This research using lidar data for detecting the cloud layers. The number of scatterers can be
estimated by determination of multiple scattering-to single scattering (MSS) ratio by variation of
field-of-view (FOV) of detection telescope.
2. Theory
The multiple scattering of a photon must be taken into account in any study of light
reflection and transmission from aerosol and cloud. The present study of light scattering of cloud
was made by Monte Carlo method This method has already been applied to many diverse
physical and mathematical problems. Light pulses, which propagate through atmospheres,
undergo multiple scattering before the receiver of the lidar system. It is difficult to calculate
numerical values of physical properties of aerosol and cloud. Here, the intensity of light
scattered from one volume element into second element is in the field of view and integrating
over all pairs of volume elements. The Monte Carlo method can be applied to any problems. The
advantage of this method for study of radiative transfer in planetary atmosphere are as follows:
Zhixiong Guo. et al.[3].
The calculation may be performed for any single scattering function regardless of the
degree of anisotropy. The volume averaged scattering function at many wavelengths is extremely
anisotropic for aerosols and water droplets in the atmosphere. Any relevant parameter such as the
single scattering, number density of molecular and aerosol scattering centers, and the various
sections are very optical depth in the atmosphere in any desired fashion. Furthermore. the
radiation reflected from planetary surface may follow any desired distribution. The light
reflected from any real surface varies greatly with both incident and reflected angle. And any
reasonable number of polar and azimuthal angles may be selected.The average mean optical path
of both the reflected and transmitted photon may easily be calculated.
In this Monte Carlo method, photon histories were constructed using the phase function.
The single scatter and extinction coefficent of the medium are generated by random number to
choose scattering sites and scattering angles from probability density distribution.The initial
Field of View (FOV) Variations to Estimate The Cloud Layers of Lidar Sensing Using Monte
Carlo Method
(Syamsir Dewang dan Abdullah)
168
laser pulse was assumed to have zero angular and radial divergence. The probability that the
photon would return directly to the receiver was calculated at each colliision site. This
probability is given by:. W.Widada,et al. [4]
........
(1)
Where: r is the distance which would be travelled by a photon in the scattering medium
if it returned directly to the receiver in (km), is extinction coefficent of aerosol and cloud in
(km-1). Here, .r are the optical depth between the collision site and the receiver. R is the
distance between the collision site and the lidar receiver. is the angle between direction of
propagation of the photon and direction to receiver, and P() is the phase function.
The monostatic lidar problem utilizes the geometry, which is shown in Figure 1, It is
assumed that all scattering occurs within a truncated cone whose axis was coincident with the
lidar axis. Table 1 gives of each problem considered, the extinction coefficient . The distance H
separate the lidar and the scattering medium. The r1 and r2 are the bounding surfaces of the
conical section, and the receiver fields of view (FOV). The axis of the angular view of the
receiver was considered to be coincident with the lidar axis.
Table 1. Parameter Characterizing Various Models of turbid atmosphere.
Mediu .(m- H(m r1(m r2(
FOV
1
m
)
)
)
m)
(mrad)
Haze
0.01
1000 85
170
5,30
Cloud
0.01
1000 85
170
5,10,
20,30
Fog
0.01
12.5 50
100
1.5
(Cloud)
Ns
0.01
1000 100
200
5
Cloud
Rain
0.002 1000 1000 1500 3.50
(30 mm
h-1)
The probability of n_th order photon scattering Pn(R) is adopted for the emission of a
single photon. For each calculation, there were used the photon trajectories using random
variables. The probability of photon was detected instead of the number of photon reaching the
receiving telescope. The average of the trials provides the relative lidar signal for the case of one
photon emission. Multiplication of the number of total photon then gives the number of received
photons. So, the probability that a photon undergoes n times of multiple scattering is given by:
Field of View (FOV) Variations to Estimate The Cloud Layers of Lidar Sensing Using Monte
Carlo Method
(Syamsir Dewang dan Abdullah)
169
. . . . . . . . . . . . . . . . (2)
Where
) is probability of received photon, n denotes the incidence angle to the
telescope (with an area Ar) measured from the optical axis. n the extinction coefficient which is
equal to the scattering coefficient 1 for non-absorbing medium. P(n) is the scattering phase
function, Ln the free path length of the n_th scattering photon and the receiver. G(R) is the
geometrical form factor of the lidar optics with the distance R computed at half the distance of
the total-path distance of the total path length of the photon. Pn(R) is zero if n is greater than the
FOV of the receiver. For convenience, the original of the coordinate system is taken to coincide
with the detector position. When the photon is located inside the FOV angle, G(R) is equal to
unity. K. F. Evan, et al. [5]. The calculation may use the particle size distribution such as Cloud
C, Table 1, which determine the phase function P(n) of scattering. The scatters can be assumed
as the spherical and optically homogeneous.
2.1 Stokes Vektor
For determining the phase function P(n) in Eq. (2), we applied the Stokes vektor for
estimating the intensity and polarization of the multiply scaterred radiation in a spherical-shell
atmosphere. Here , the Monte Carlo algorithm is described to estimate the linear functional of
the solution of the integral equation as follows: R. Laudon [6]
,) . . . . . . . . . (3)
Where I is a vector function representing the light intensity, f is the vector function for
the collision density, is the source distribution density, is a vector function that has bounded
components.
The polarization can be written in stokes-vector functions:
. . . . . . .(4)
It is known that I 0, we can write as:
hence
The incident light is supposed to be initially unpolarized, i.e.
The stokes vector after scattering is then given by:
. . . . . . . . . . . (5)
The scattering matrix can be written in terms of the volume angular scattering coefficient
Field of View (FOV) Variations to Estimate The Cloud Layers of Lidar Sensing Using Monte
Carlo Method
(Syamsir Dewang dan Abdullah)
170
with the phase function. The scattering transformation of stoke vector is represented by matrix as
follows:. L.R. Bissonnette [7]
(6)
Where:
: is the angular scattering coefficient, and P1() and P2() refer to
scattered light component polarized perpendicular and parallel to the plane of observation. And
P3() and P4() are the rotation of the polarization plane and eliptical polarization. When
incident light is linearly polarized. The degree of polarization of this light is:
. . . . . . . . . . . . (7)
In such a case, if the plane of incident polarization lies at other than 0 or 180 deg to the plane of
observation, the scattered light has varying amounts of elliptical polarization.
3. Method
The Monte Carlo method is used for solving the multiple scattering processes. The scattering
angle n and phase function P(n) is considered for multiple scattering analyzes. The free path
length (Ln) is determined in Eq (2) as follows:
Ln=rn=
. . . . . . . . . . . . (8)
Where:
the scattering angle is determined as cos n =Zn/ rn. where xn, yn, zn are the new three dimensions
coordinate of multiple scattering. The simple of multiple scattering using Monte Carlo method in
three dimensions coordinate such as in Fig 1.
Field of View (FOV) Variations to Estimate The Cloud Layers of Lidar Sensing Using Monte
Carlo Method
(Syamsir Dewang dan Abdullah)
171
n
Ln(xn,yn,zn)
R
Scattering plane
Figure 1. Three dimensions coordinate for multiple scattering by Monte Carlo Method.
The mothod for this determination is computed by the following scheme:
a. The original position is simulated by a source distribution. Here, the lidar signal of photon
trajectories using random variables, phase function of cloud distribution model P(n) in
scattering angle n are read as input data. The FOV radius and receiver area of telescope, and
wavelength () are also as input variables.
b. The free path length Lnof the n_th scattering photon and is intended to calculate the altitude
between photon scattering with receiver such as in Fig (1). The phase function P(n) is
analyzed by Stoke vektor to evaluate the scattering characteristics of the photon scattered.
Here, the simulation is assumed to N=20.000 of the scatteres photons. The components
polarized are perpendicular and parallel to tha plane of observation.
c. The multiple scattering can be calculated by substitute the of above three steps such as in Eq
(2),
d. The multiple scattering-to-single scattering (MSS) ratios are determined by different FOV to
detect the double layers of cloud.
Furthermore, this research used the Micro Pulse Lidar (MPL). The laser wavelength is 532 nm
(Nd:YLF) and the pulse energy of 5 J/pulse. The repetition frequency of the laser operationis
2.5 kHz. The receiver is a 0.2 m diameter Cassegrangian teleacope. In order to reduce the
influence of the background noise, an optical filter with a narrow bandwidth (=0.2 nm)
Field of View (FOV) Variations to Estimate The Cloud Layers of Lidar Sensing Using Monte
Carlo Method
(Syamsir Dewang dan Abdullah)
172
Input the Lidar parameters, such as: Telescope ares, FOV, Extinction Coef.
Looping for Monte Carlo Method in range R in each layer, and photon
maximum
Stop
of 1 mrad. It shows of the original single scattering lidar signal. And the calculation by Monte
Carlo method at FOV = 1 mrad and extinction coefficient of 5 km-1 produced the multiple
scattering signal effect. The simulation shows a lower signal of the multiple scattering from the
near the origin. Furthermore, the efffect of the number of scatterer can be estimated by
calculating of multiple scattering-to-single scattering (MSS) ratio observed using different field
of view (FOV) angles of the detection telescope. The signal of MSS ratio for FOV = 0.1 mrad
can be shown in figure 3.This figure shows that the lower and upper layer of cloud cant be
distinguished. The separation of upper and lower layer can be distinguished in Fig. 4 for FOV
starting from 1 mrad. The MSS ratio vs. the penetration depth or heights in different FOV values
were shown in figure 5. For extinction coefficient = 5 km-1. It is apparent from the figure that
the MSS ratio gradually increases with increasing the penetration
depth.
Figure 2. The Lidar signal for single and multiple scattering in two layers of cloud.
Figure 3. The Multiple Scattering-to-single scattering (MSS) ratio for FOV is 0.1 mrad of
detection telescope.
Field of View (FOV) Variations to Estimate The Cloud Layers of Lidar Sensing Using Monte
Carlo Method
(Syamsir Dewang dan Abdullah)
174
Figure 4. The Multiple Scattering-to-single scattering (MSS) ratio for FOV is 1 mrad of
detection telescope.
shows that the double layer can be detected from the MSS ratio for lidar system with FOV larger
than 1 mrad. However the multiple scattering effects are small for FOV less than 1 mrad, in this
case, the second layer cannot be detected from the MSS ratio. The multiple scattering by two
clouds require further study, in order to be able to extract more information from this effect.
Acknowledgement
The writer is deeply indepted to Prof. Nobuo Takeuchi from Center for Environmental Remote
Sensing (CEReS), Chiba University, Japan, for his supervising and providing lidar data.
References
[1]
[2]
[3]
[4]
[5]
[6]
[7]
Field of View (FOV) Variations to Estimate The Cloud Layers of Lidar Sensing Using Monte
Carlo Method
(Syamsir Dewang dan Abdullah)
176
intended to measure the difference value of scanning parameter from dose radiation of patient.
Measuring the output value of dose is in CTDI (computer Tomoghraphy dose index) unit.
Furthermore, relation of diffrence thickness of slice vs. the difference of expose factor (kV, mAs)
with the value of radiation dose was derived by patient. The Maximum CTDI value of difference
of thickness factor is 38.43 mGy at 3 mm slice. And the minimum CTDI value is 34.19 mGy at 5
mm slice. The resuls show that slice thickness do not influence significant towards CTDI values.
Key words: Optical physics, Xray, Computer Tomoghraphy (CT), dose radiationi.
1.
Pendahuluan
Analisis Dosis Radiasi yang Diterima Pasien pada Pemeriksaan Computer Tomography
(CT) Scan
(Syamsir Dewang, Syamsiah)
178
2. Landasan Teori
Detektor sinar X memiliki sistem ionisasi Chamber. Beberapa spesifikasi dalam detektor
sinar X meliputi efisiensi absorpsi Quantum, Respon temporal yang cepat dan merupakan dasar
dalam sistem computer tomoghraphy (CT) scanner. Sistem CT Scen membagi obyek dalam
irisan/slice dengan ketebalan 0.5. sampai 10 mm, dan setiap slice menerima/ menyerap radiasi
dalam bentuk dosis radiasi. Ukuran dosis radiasi yang diterima pasien dapat diuraikan seperti
berikut:
Dosis Radiasi Computed Tomography
( CT) Scanner
CTDI adalah pengukuran dosis radiasi CT Scan yang berasal dari satu potongan irisan.
Nilai CTDI dirumuskan sebagai luasan (area) scanning terhadap tebal irisan objek yang dapat
ditulis seperti berikut :2
(1)
Dimana :
T = tebal irisan
CTDI merupakan parameter besaran dosis paparan ( eksposure ) di dalam area/luasan
irisan scan yang berdekatan. CTDI dihitung jumlah dosis radiasi sepanjang aksis membujur
(longitudinal), objek tubuh yang terscan D(z) dibagi ketebalan irisan potongan daerah yang
terscan, secara matematis dapat dirumuskan berikut ini: 3
(2)
Dimana:
n = jumlah irisan
D(z) = distribusi dosis
T = ketebalan irisan
(z) = jarak aksis longitudinal
Analisis Dosis Radiasi yang Diterima Pasien pada Pemeriksaan Computer Tomography
(CT) Scan
(Syamsir Dewang, Syamsiah)
179
3. Metoda Penelitian
Peralatan yang digunakan pada penelitian ini adalah: Pesawat CT-Scan, Pen Dosimeter
sebagai detektor radiasi untuk mengukur keluaran radiasi pesawat CT Scan. Alat tulis dan
kamera sebagai alat dokumentasi
4. Prosedur Penelitian
Pesawat CT Scan dihidupkan, mengatur pen dosimeter utamanya adalah daerah bilik
ionisasi yang berukuran 15x7 mm tepat berada pada pertengahan gantry. Mengatur nilai variabel
yang akan dilakukan penelitian
Lakukan scanning satu kali, dengan mencatat nilai dosis radiasi yang diterima oleh alat ukur
radiasi (pen dosimetri), untuk dipakai berikutnya pen dosimeter direset terlebih dahulu untuk
mengenolkan nilainya
5.
a.
Penelitian ini mengukur beberapa variasi nilai arus tabung, serta variasi faktor nilai
tegangan tabung Sinar X untuk menentukan nilai CTDI. Gambanr 1 menunjukkan hasil
pengukuran nilai arus tabung terhadap nilai CTDI. Hasil yang diperoleh menunjukkan bahwa
nilai CTDI semakin besar, dengan peningkatan nilai arus tabung.
Nilai CTDI (mGy)
70
60
50
40
30
20
10
0
60
80
100
120
140
160
180
200
Gambar 1. Grafik hubungan nilai arus tabung (mA) dengan nilai CTDI pada pesawat CT Scan
b. Nilai CTDI dengan variasi faktor tegangan tabung (kV)
Selanjutnya dilakukan penelitian variasi perubahan tegangan tabung yang dimaksudkan
untuk mengamati pengaruh sifat daya tembus (penetrasi) terhadap objek atau pasien dalam
menentukan nilai CTDI pada pemeriksaan CT Scan. Hasil yang diperoleh menunjukkan
kenaikan nilai tegangan tabung dari 120 kV ke nilai 140 kV menyebabkan kenaikan nilai CTDI
berkisar 1,4 kali. Hasil tersebut tidak memberikan pengaruh yang besar terhadap dengan variasi
Analisis Dosis Radiasi yang Diterima Pasien pada Pemeriksaan Computer Tomography
(CT) Scan
(Syamsir Dewang, Syamsiah)
180
39
CTDI (mGy)
38
37
36
35
34
33
0
10
12
CTDI (mGy)
Waktu penyinaran (scanning time) pada pemeriksaan dengan modalitas CT Scan sangat
berpengaruh terhadap nilai CTDI, seperti ditunjukkan pada Gambar 3
90
80
70
60
50
40
30
20
10
0
0
Analisis Dosis Radiasi yang Diterima Pasien pada Pemeriksaan Computer Tomography
(CT) Scan
(Syamsir Dewang, Syamsiah)
181
Analisis Dosis Radiasi yang Diterima Pasien pada Pemeriksaan Computer Tomography
(CT) Scan
(Syamsir Dewang, Syamsiah)
182
[8]
Bontranger, MA, RT(R), 2001 Textbox of Radiographic Positioning and Related Anatomy,
Mosby : Philadelphia
[9] ComputedTomographyImageFormation,www,sprawls.org/reourcces/CTIMG/clasroom.ht
m
[10] Sprawls,2001,Textbox of Radiographic Positioning and related Anatomy,Philadelphia :
Mosby
Analisis Dosis Radiasi yang Diterima Pasien pada Pemeriksaan Computer Tomography
(CT) Scan
(Syamsir Dewang, Syamsiah)
183
fungsi pesawat sinar-X radiodiagnostik yang bertujuan untuk menjamin bahwa setiap parameter
penyinaran pada pesawat teruji akurasi kinerjanya atau fungsinya sesuai dengan spesifikasi alat
dan bila terjadi penyimpangan harus berada dalam nilai batas toleransi yang ditentukan. Adapun
jenis pengujian yang dilakukan adalah uji konsistensi dan linieritas, uji HVL dan dan uji
konsistensi Titik Fokus terhadap produksi sinar X.
Hasil yang didapat menunjukkan bahwa dalam uji Linieritas dan Konsistensi, tingkat
kesejajaran pada berbagai nilai arus tabung tidak melebihi 10% dengan linearitas output radiasi
untuk setiap tegangan tabung berturut-turut 3,3% pada pengaturan 50kV, 3,7% pada pengaturan
60kV, 3,5% pada pengaturan 70kV, 2,4% pada pengaturan 80kV, dan 1,1% pada pengaturan
90kV, pada Uji HVL, untuk tegangan tabung 70kV dihasilkan nilai HVL adalah 3,2mmAl,
untuk tegangan tabung 80kV dihasilkan nilai HVL adalah 3,4mmAl, dan untuk tegangan tabung
90kV dihasilkan nilai HVL adalah 3,8mmAl; pada Uji Titik Fokus, penggunaan Beam
Allignment 10 cm menghasilkan penyimpangan sudut sebesar 4,4 (FFD 50cm), 4,8 (FFD
70cm), 3,6 (FFD 90cm), 3,2 (FFD 110cm), dan 2,8 (FFD 130cm), sedangkan pada
penggunaan Beam Allignment 20cm dan 30cm menghasilkan penyimpangan sudut yang besar.
I. Pendahuluan
Salah satu bidang kajian dalam ilmu fisika adalah fisika inti dan fisika modern, dimana
dalam teori dan prinsipnya diaplikasikan dalam berbagai bidang. Salah satu diantaranya adalah
bidang kesehatan atau kedokteran. Setelah berkembangnya ilmu fisika dari fisika klasik menjadi
fisika kuantum yang menggunakan prinsip gelombang, ditemukanlah sinar X yang dimanfaatkan
dalam bidang kedokteran yang dapat menembus obyek untuk menggambarkan organ dalam
tubuh manusia.
Program keselamatan dan kesehatan kerja dalam medan radiasi pengion tersebut
dilakukan secara berkala pada jangka waktu tertentu, sehingga dapat mendeteksi perkembangan
ketidaknormalan fungsi peralatan dan sekaligus dapat diketahui tindakan perbaikan yang
mungkin sangat diperlukan sebelum terjadi kerusakan yang signifikan terhadap kualitas citra.
Program ini disebut Program Jaminan Kualitas (Quality Assurance) dan Program Control
Kualitas (Quality Control) yang bertujuanmeyakinkan bahwa fasilitas Sinar X diagnostik akan
menghasilkan gambar berkualitas tinggi secara konsisten denganminimal paparan dari pasien
dan segi penyembuhan personel.Beberapa kegiatan uji yang termasuk dalam program Quality
Control terdiri dari ReproduksibilitasKeluaran radiasi Sinar X, Linearitasdan kemampuan untuk
memproduksi nilai mA, Reproduktifitas dan akurasi dari timer, Reproduktifitas dan akurasidarik
Vp, Akurasi sumber-to-film indikator jarak, Cahaya/Sinar Xbidang kongruensi, Nilai HVL (filter
Aluminium), Konsistensi Titik Fokus dan Entrance Skin Exposure.
Teknik Kualitas kontrol yang dilakukan dalam penelitian ini yaitu pemantauan (atau
pengujian) danpemeliharaan terhadap komponen sistem Sinar X dan kemampuan produksi
radiasi oleh pesawat meliputi Uji HVL, Uji Linieritas dan konsistensi, serta Uji Titik Fokus
(Focal Spot). Sedangkan uji karakteristik dalam hal ini dilakukan sehubungan dengan produksi
sinar X (kualita output radiasi) dengan energy efektif yang bergantung factor eksposi yang
diberikan.
II. TEORI RINGKAS
Pesawat sinar-X modern pada dasarnya membangkitkan sinar-X dengan cara
membombardir target logam dengan elektron yang berenergy tinggi dan kecepatan tinggi.
Elektron atom yang tertumbuk akan terpental dari orbitnya, meninggalkan hole yang segera diisi
oleh elektron dari kulit luar disertai pelepasan foton (cahaya elektromagnetik)yang disebut sinarX karakteristik.Pada saat berkas elektron menabrak target, sebagian besar energi elektron
tersebut hilang dalam bentuk panas, sebagian energi lainnya hilang untuk memproduksi sinar-X.
Sinar-X yang terbentuk melalui proses ini mempunyai energi sama dengan selisih energi antara
kedua tingkat energi elektron tersebut. Adapun mekanisme lain yang mungkin terjadi adalah
emisi foton yang dialami oleh elektron cepat yang dibelokkan oleh inti atom target atas
konsekuensi dari interaksi coulomb antara inti atom target dengan elektron cepat. Proses
pembelokkan ini melibatkan perlambatan dan karenanya memerlukan emisi energi berupa foton.
Mekanisme ini disebut bremsstrahlung (bahasa jerman dari radiasi pengereman).
Produksi sinar X melalui mekanisme terakhir tersebut yang dimanfaatkan dalam bidang
kesehatan khususnya dalam bidang radiologi. Perkembangan teknologi telah memberikan
banyak sumbangan tidak hanya dalam perluasan wawasan ilmu dan kemampuan diagnostik
radiologi, akan tetapi juga dalam proteksi radiasi pada pasien-pasien yang mengharuskan
pemberian radiasi kepada pasien serendah mungkin sesuai dengan kebutuhan klinisnya.Selama
radiasi sinar-X menembus bahan atau materi dan terjadi tumbukan foton dengan atom-atom
bahan yang akan menimbulkan ionisasi didalam bahan tersebut, kejadian inilah yang
memungkinkan timbulnya efek radiasi terhadap tubuh, baik yang bersifat non stokastik, stokastik
maupun efek genetik.Ketaatan terhadap Prosedur kerja dengan radiasi, Standar pelayanan
radiografi, Standar Prosedur pemeriksaan radiografi semua perangkat dimaksudkan untuk
meminimalkan tingkat paparan radiasi yang diterima oleh pekerja radiasi, pasien maupun
lingkungan dimana pesawat radiasi pengion dioperasikan.
Standar kelayakan pengujian parameter dalam Program Quality Control (QC) Pesawat
sinar-X seperti yang tercantum dalam tabel 1 berikut :
Frekuensi
Toleransi
Tahunan 2,1 mmAl
Per 6 bulanan 2% SID
Tahunan
50%
Tahunan
10%
Tahunan
5% > 10m
20% 10ms
Tahunan
10%
Tahunan
100 lux
(Sumber : Radiation Safety Act 1975, Diagnostic X-Ray Equipment Compliance Test 2001)
Linearitas output radiasi adalah kemampuan pesawat radiografi untuk menghasilkan
keluaran radiasi yang proporsional (konstan) terhadap pada penggunaan berbagai mAs
(kombinasi arus dan waktu paparan sinar-X).
Penentuan Output Radiasi menggunakan persamaan berikut :
Nilai HVL adalah nilai ketebalan filter untuk mengurangi intensitas sinar-X menjadi setengah
dari dosis mula-mula. Nilai ini merupakan nilai paparan radiasi sinar X yang keluar (melewati
filter) harus mendekati setengah (1/2D0) dari nilai paparan radiasi tanpa menggunakan filter.
Untuk mengetahui nilai HVL dari filter Aluminium, maka digunakan persamaan sebagai
berikut :
Kesejajaran pusat berkas sinar-X (titik focus) adalah ketepatan diagnose secara presisi
dan akurasi dalam menentukan lokasi atau tempat gangguan dalam tubuh manusia. Misalnya :
untuk menentukan pengangkatan tumor pada jaringan tubuh manusia, apabila informasi letak
tumor ada penyimpangan maka akan mengakibatkan kesalahan lokasi pembedahan dan atau
kesalahan diagnostikSecara teori sudut penyimpangan maksimal yang direkomendasikan adalah
30.
Sudut kesejajaran ditentukan dengan menggunakan persamaan berikut :
collimator test tool dan beam alligment test diatas permukaan kaset dengan variasiketinggian
beam alligment test tool 10 cm, 20 cm dan 30 cm.
IV. Hasil dan Bahasan
1. Uji Linieritas
Adapun hasil pengukuran nilai paparan radiasi untuk setiap kV dapat dilihat pada tabel 2 berikut
:
Tabel 2. Hasil Paparan radiasi berbagai mAs dan kV
Arus
(mAs
4
10
16
Terlihat bahwa paparan radiasi akan meningkat seiring meningkatnya nilai tegangan dan
kombinasi arus-waktu yang diberikan. Dengan menetapkan nilai paparan radiasi maksimum dan
minimum yang diperoleh dari perubahan arus untuk setiap tegangan, maka nilai linieritas
dihitung dengan menggunakan persamaan yang ada. Adapun nilai linieritas yang diperoleh
seperti yang tercantum pada tabel 3 berikut :
Tabel 3. Nilai Ouput dan Linieritas
Tegangan
(kV)
50
60
70
80
90
Nilai arus waktu (mAs) merupakan salah satu faktor yang menentukan banyaknya sinarX yang dihasilkan oleh suatu tabung pesawat sinar-X. Perubahan mAs tidak melebihi nilai
penyimpangan (linieritas) 10% sehingga meskipun arus dirubah tetap masih dianggap linier.
2. Uji Nilai HVL
Berikut merupakan nilai paparan radiasi (D0, D1, D2) yang diperoleh dari setiap
pengukuran dengan variasi tegangan seperti yang tercantum pada tabel 4 berikut :
Tabel 4. Hasil pengukuran Paparan radiasi dan HVL dengan variasi tegangan
Tegangan
(kV)
70
80
90
0,15
tegangan
50kV
0,125
tegangan
60kV
0,1
0,075
tegangan
70kV
0,05
tegangan
80kV
0,025
0
4 mAs
10 mAs
16 mAs
tegangan
90kV
V. Kesimpulan
1. Toleransi kelayakan setiap pesawat sinar X akan mempengaruhi keluaran radiasi sinar X,
sehingga control kualitas tetap akan terjaga untuk menghasilkan citra yang berkualitas dan
keselamatan radiasi terhadap pasien dan pekerja radiasi tetap dalam batas yang
diperbolehkan.
2. Linieritas dari output radiasi pada variasi perubahan mAs konsisten dengan tegangan yang
diberikan, HVL dari filter yang digunakan pada setiap perubahan factor eksposi memberikan
keluaran radiasi yang mendekati pada pengukuran tanpa penggunaan filter, serta ketidak
sejajaran titik focus akan menghasilkan informasi yang menyimpang tentang letak/posisi
kelainan dalam tubuh pasien.
3.
Penggunaan Pesawat dalam jangka waktu lama tanpa upaya perbaikan akan mempengaruhi
citra radiografi yang dihasilkan.
DAFTAR PUSTAKA
[1]
FFD 130cm
X (cm) (0)
0,6
2,8
1,8
4,0
4,2
5,8
1,5
dilakukan terutama di wilayah perairan Indonesia yang memiliki luas perairan sekitar 6,1 km2
(BAKOSURTANAL, 2006).
Selain itu, secara fisis, wilayah perairan Indonesia dengan luas 2/3 dari luas wilayah
secara keseluruhan, tentu saja memiliki karakteristik yang cukup unik. Terletak pada daerah
ekuator, diapit oleh 2 benua, yaitu Benua Asia dan Benua Australia, serta 2 Samudera, yaitu
Samudera Pasifik dan Samudera Hindia. Salah satu fenomena fisis yang menarik di perairan ini
adalah pola arus dan besarnya kecepatan arus yang teramati. Arus yang ada di laut merupakan
gabungan antara arus pasang surut dan arus non pasang surut (Humaesoh, 2008). Pasang surut
tidak hanya mempengaruhi lapisan di bagian teratas saja, melainkan seluruh massa air dan
energinya pun sangat besar. Pada perairan-perairan pantai, terutama di teluk-teluk atau selat-selat
yang sempit, gerakan naik-turunnya muka air akan menimbulkan terjadinya arus pasang surut.
Mengingat luasnya wilayah perairan Indonesia dan seiring dengan keterbatasan informasi
dan data-data hasil pengukuran di lapangan, analisis arus pasang surut di perairan Indonesia,
akan sangat efektif jika memanfaatkan pemodelan matematika melalui pendekatan secara
numerik. Dalam studi ini, pemodelan 2D arus pasang surut di perairan Indonesia dilakukan
dengan memanfaatkan Model Numerik 2D Coherens (A Coupled Hydrodynamical-Ecological
Model for Regional and Shelf Seas) (Luyten dkk, 1999) yang merupakan model yang sudah
teruji tingkat akurasinya dan sangat baik untuk digunakan pada pemodelan arus pasang surut
maupun model hidrodinamika lainnya.
Tujuan yang ingin dicapai dalam penelitian ini adalah menganalisis pola arus pasang
surut di wilayah perairan Indonesia berdasarkan hasil pemodelan.
1.1 Arus Pasang Surut
Arus laut adalah gerakan massa air laut yang berpindah dari satu tempat ke tempat lain.
Arus di permukaan laut terutama disebabkan oleh tiupan angin, sedang arus di kedalaman laut
disebabkan oleh perbedaan densitas massa air laut. Pada umumnya arus terjadi sepanjang pantai
disebabkan oleh perbedaan muka air pasang dan surut tiap jam di sepanjang estuari yang
dipengaruhi volume dari arah hulu sungai (upstream) menuju hilir sungai (downstream),
sehingga perilaku arus dipengaruhi pola pasang surut.
Arus pasang surut disebabkan oleh adanya fenomena pasang surut air laut. Arus pasang
surut berubah arah sesuai dengan tipe pasang surutnya. Permukaan air laut senantiasa berubahubah setiap saat karena gerakan pasang surut, keadaan ini juga terjadi pada tempat-tempat sempit
seperti teluk dan selat, sehingga menimbulkan arus pasang surut (tidal current). Gerakan arus
pasang surut dari laut lepas yang merambat ke perairan pantai akan mengalami perubahan, faktor
yang mempengaruhinya antara lain adalah berkurangnya kedalaman (Mihardja dkk, 1994).
Model Numerik 2D Pola Arus Pasang Surut di Wilayah Perairan Indonesia
(Yutdam Mudin)
195
(uh) (vh)
(1)
+
+
=
0
t
x
y
Dengan :
(2.1)
= Komponen kecepatan arus yang dirata-ratakan terhadap kedalaman dalam arah sumbu y
(m/det)
t
= Waktu (det)
x, y = Koordinat kartesius
+ ) (m)
(2)
2 v 2 v
v
v
v
by
+u
+v
=
g
+
+ Ah 2 + 2
h
t
x
y
x
y
x
(3)
u=
1
udz
h h0
v=
1
vdz
h h0
(4)
(5)
=
bx ru u + v
2
(6)
=
by rv u + v
(7)
Dengan :
Model Numerik 2D Pola Arus Pasang Surut di Wilayah Perairan Indonesia
(Yutdam Mudin)
197
+ ) (m)
b. Pasang Surut
Nilai pasang surut di setiap daerah model diperoleh dari perhitungan numerik
COHERENS. Hasil model menunjukkan bahwa nilai Amplitudo dan fasa dari pasang surut di
daerah penelitian sangat bervariasi. Pada pemodelan ini, ditentukan 7 titik yang tersebar di
beberapa perairan Indonesia sebagai titik pengambilan data pasang surut dari hasil pemodelan.
Fasa awal dari data pasang surut di 7 titik yang berbeda seperti terlihat pada Tabel 1 berikut:
Tabel 1. Nilai Beda Fasa
No
1.
Samudera Hindia
2.
3.
Samudera Hindia
bagian Timur
4.
Selat Makassar
5.
Laut Seram
6.
7.
Samudera Pasifik
Koordinat
800'00,00LS dan
11030'00,00BT
1000'00,00LS dan
11300'00,00BT
400'00,00LU dan
10730'00,00BT
230'00,00LS dan
11800'00,00BT
300'00,00LS dan
12500'00,00BT
930'00,00LS dan
13300'00,00BT
300'00,00LU dan
13530'00,00BT
Beda
fasa
()
97,85
71,32
5,53
28,67
18,51
0,12
78,81
Nilai pasang surut pada 7 titik acuan setiap 1 jam selama 30 hari.Berdasarkan grafik pasang surut
yang diperoleh menunjukkan beberapa perbedaan kondisi pasang surut di wilayah penelitian
berbeda-beda yaitu:
1) Kondisi Batimetri Wilayah Indonesia Barat
Daerah Wilayah Indonesia bagian barat tipe pasang surutnya ada 2 yaitu tipe pasang surut
campuran condong harian ganda (Mixed Tide, Prevailing Semi Diurnal) yang merupakan pasang
surut yang terjadi dua kali pasang dan dua kali surut dalam sehari tetapi terkadang terjadi satu
kali pasang dan satu kali surut dengan memiliki tinggi dan waktu yang berbeda terjadi di
Samudera Hindia (Gambar 3.2) dan Laut Cina Selatan (Gambar 3.3) Sedangkan untuk daerah
Samudera Hindia bagian timur (Gambar 3.4) tipe pasang surutnya campuran condong harian
tunggal (Mixed Tide, Prevailing Diurnal) yang merupakan pasang surut yang tiap harinya terjadi
Model Numerik 2D Pola Arus Pasang Surut di Wilayah Perairan Indonesia
(Yutdam Mudin)
201
satu kali pasang dan satu kali surut tetapi terkadang dengan dua kali pasang dan dua kali surut
yang sangat berbeda dalam tinggi dan waktu.
Tinggi Pasut
4 (m)
3
2
1
0
-2
t (jam)
1
25
49
73
97
121
145
169
193
217
241
265
289
313
337
361
385
409
433
457
481
505
529
553
577
601
625
649
673
697
721
-1
-3
-4
Gambar 3.2.Grafik pasang surut di Perairan Samudera Hindia bulan januari tahun 2010
(800'00,00LS dan 11030'00,00BT)
Tinggi Pasut
6 (m)
4
2
t (jam)
1
25
49
73
97
121
145
169
193
217
241
265
289
313
337
361
385
409
433
457
481
505
529
553
577
601
625
649
673
697
721
0
-2
-4
-6
Gambar 3.3.Grafik pasang surut di Laut Cina Selatan (titik 2) bulan januari tahun 2010
(1000'00,00LS dan 11300'00,00BT)
Tinggi Pasut
3 (m)
2
1
t (jam)
1
25
49
73
97
121
145
169
193
217
241
265
289
313
337
361
385
409
433
457
481
505
529
553
577
601
625
649
673
697
721
0
-1
-2
-3
Gambar3.4.Grafik pasang surut Di Perairan Samudera Hindia bagian timur bulan januari tahun
2010 (400'00,00LU dan 10730'00,00BT)
2) Kondisi Batimetri Wilayah Indonesia Tengah
Daerah Wilayah Indonesia bagian tengah (Gambar 3.5) tipe pasang surutnya campuran
condong harian ganda (Mixed Tide, Prevailing Semi Diurnal).
Tinggi Pasut
3 (m)
2
1
0
t (jam)
1
25
49
73
97
121
145
169
193
217
241
265
289
313
337
361
385
409
433
457
481
505
529
553
577
601
625
649
673
697
721
-1
-2
-3
-4
Gambar 3.5.Grafik pasang surut di Selat Makassar bulan januari tahun 2010 (230'00,00LS dan
11800'00,00BT)
3) Kondisi Batimetri Wilayah Indonesia Timur
Sama halnya dengan daerah Wilayah Indonesia bagian tengah, wilayah Indonesia bagian
timur (Gambar 3.6 3.8) tipe pasang surutnya campuran condong harian ganda (Mixed Tide,
Prevailing Semi Diurnal).
Tinggi Pasut
3 (m)
2
t (jam)
-1
1
25
49
73
97
121
145
169
193
217
241
265
289
313
337
361
385
409
433
457
481
505
529
553
577
601
625
649
673
697
721
-2
-3
-4
Gambar 3.6.Grafik pasang surut di Laut Seram bulan januari tahun 2010
00'00,00LS
(3
12500'00,00BT)
dan
Tinggi Pasut
10 (m)
5
t (jam)
-5
1
25
49
73
97
121
145
169
193
217
241
265
289
313
337
361
385
409
433
457
481
505
529
553
577
601
625
649
673
697
721
-10
Gambar 3.7.Grafik pasang surut di Laut Timor dan Laut arafuru bulan januari tahun 2010
(930'00,00LS dan 13300'00,00BT)
Tinggi Pasut
2 (m)
1
t (jam)
1
25
49
73
97
121
145
169
193
217
241
265
289
313
337
361
385
409
433
457
481
505
529
553
577
601
625
649
673
697
721
0
-1
-2
-3
Gambar 3.8 Grafik pasang surut di Perairan Samudera Pasifik bulan januari tahun 2010
Model Numerik 2D Pola Arus Pasang Surut di Wilayah Perairan Indonesia
(Yutdam Mudin)
203
Gambar 3.9.Pola arus pasang surut saat pasang maksimum purnama di Perairan Samudera
Hindia
Gambar 3.10.Pola arus pasang surut saat pasang maksimum purnama di Laut Cina Selatan
Gambar 3.11.Pola arus pasang surut saat pasang maksimum purnama di Perairan Samudera
Hindia bagian timur
b) Kondisi Arus saat Pasang Maksimum Wilayah Indonesia Tengah
Pola arus saat pasang maksimum di Selat Makassar (Gambar 3.12) bergerak dari arah
Selat Makassar bagian selatan kemudian ke arah perairan Sulawesi Tengah. Kecepatan arus
pasang surutnya cukup besar berkisar 0,01 1,94 m/s.
Gambar 3.12.Pola arus pasang surut saat pasang maksimum purnama di Selat Makassar
c) Kondisi Arus saat Pasang Maksimum Wilayah Indonesia Timur
Pola arus pasang surut saat pasang maksimum di Laut Seram (Gambar 3.13) hampir
seragam ke arah Perairan Samudera Pasifik. Kecepatan arus pasang surutnya berkisar antara
0,011,62 m/s. Arus pasang surut saat pasang maksimum di Laut Timor dan Laut Arafuru
(Gambar 3.14) bergerak menuju Laut Banda dengan nilai kecepatan arusnya berkisar antara
Model Numerik 2D Pola Arus Pasang Surut di Wilayah Perairan Indonesia
(Yutdam Mudin)
205
0,012,97 m/s. Perairan Samudera Pasifik (Gambar 3.15) arusnya bergerak seragam dari
Perairan Samudera Pasifik bagian barat ke arah Perairan samudera Pasifik bagian tenggara
dengan nilai kecepatan arus pasang surutnya adalah 0,011,54 m/s.
Gambar 3.13.Pola arus pasang surut saat pasang maksimum purnama di Laut Seram
Gambar 3.14.Pola arus pasang surut saat pasang maksimum purnama di Laut Timor dan Laut
Arafuru
Gambar 3.15.Pola arus pasang surut saat pasang maksimum purnama di Perairan Samudera
Pasifik
2) Arus Saat Surut Minimum
a) Kondisi Arus saat Surut Minimum Wilayah Indonesia Barat
Perairan Samudera Hindia arus pasang surut saat surut minimum (Gambar 3.16) bergerak
dominan ke arah Perairan Samudera Hindia bagian barat laut . Kecepatan arus pasang surut
untuk kondisi ini menunjukkan pergerakan arus dengan nilai kecepatan arus berkisar 0.011,34
m/s. Pola arus pasang surut di Laut Cina Selatan saat surut minimum (Gambar 3.17) bergerak
bervariasi, ada yang bergerak ke arah Laut Jawa dan ada pula yang bergerak ke arah Laut Cina
Selatan bagian timur laut. Kecepatan arus pasang surut saat surut minimum berkisar antara 0,01
Model Numerik 2D Pola Arus Pasang Surut di Wilayah Perairan Indonesia
(Yutdam Mudin)
206
1,59 m/s. Perairan Samudera Hindia bagian timur arus pasang surut saat surut minimum
(Gambar 3.18) bergerak seragam ke arah pantai wilayah Yogyakarta dan Jawa Barat dengan nilai
kecepatan arusnya yaitu 0,011,24 m/s.
Gambar 3.16.Pola arus pasang surut saat surut minimum purnama di Perairan Samudera Hindia
Gambar 3.17.Pola arus pasang surut saat surut minimum purnama di Laut Cina Selatan
Gambar 3.18.Pola arus pasang surut saat surut minimum purnama di Perairan Samudera Hindia
bagian timur
Gambar 3.19.Pola arus pasang surut saat surut minimum purnama di Selat Makassar
c) Kondisi Arus saat Surut Minimum Wilayah Indonesia Timur
Pola arus di Laut Seram saat surut minimum (Gambar 3.20) bergerak ke arah Laut Banda.
Kecepatan arus pasang surutnya menunjukkan perubahan pergerakan arus dengan nilai kecepatan
arus berkisar 0,011,51 m/s. Arus di Laut Timor dan Laut Arafuru saat surut minimum bergerak
hampir seragam (Gambar 3.21), arusnya ke arah Laut Timor dan Laut Arafuru bagian tenggara
dengan nilai kecepatan arus pasang surutnya cukup besar berkisar 0,013,55 m/s. Perairan
Samudera pasifik, arus pasang surut saat surut minimum (Gambar 3.22) dominan bergerak ke
arah Perairan Samudera Pasifik bagian barat laut dan membelok ke arah Perairan Samudera
Pasifik bagian utara. Kecepatan arus pasang surutnya berkisar antara 0,011,48 m/s.
Gambar 3.20.Pola arus pasang surut saat surut minimum purnama di Laut Seram
Gambar 3.21.Pola arus pasang surut saat surut minimum purnama di Laut Timor dan Laut
Arafuru
Gambar 3.22.Pola arus pasang surut saat surut minimum purnama di Perairan Samudera Pasifik
Secara ringkas nilai kecepatan arus tersebut dapat dilihat pada tabel di samping ini:
Tabel 2. Kecepatan Arus Pasang Surut di wilayah Indonesia
Kecepatan
Arus
No
Lokasi
Waktu
Pasut
(m/s)
Pasang
0,011,79
purnama
1. Samudera Hindia
Surut purnama 0,011,34
Pasang
0,011,66
purnama
2. Laut Cina Selatan
Surut purnama 0,011,59
Pasang
0,011,91
Samudera Hindia bagian
purnama
3.
timur
Surut purnama 0,011,24
Pasang
0,011,94
purnama
4. Selat Makassar
Surut purnama 0,011,26
Pasang
0,011,62
purnama
5. Laut Seram
Surut purnama 0,011,51
Pasang
0,012,97
6. Laut Timor & Laut Arafuru purnama
Surut purnama 0,013,55
Pasang
0,011,54
purnama
7. Samudera Pasifik
Surut purnama 0,011,48
3.2 Pembahasan
a. Analisis Kondisi Arus dengan Batimetri
Berdasarkan hasil model pola arus saat pasang maksimum dan surut minimum di Laut
Timor dan Laut Arafuru sangat berbeda jika dibandingkan dengan Perairan Samudera Hindia.
Model Numerik 2D Pola Arus Pasang Surut di Wilayah Perairan Indonesia
(Yutdam Mudin)
209
Arus pada saat pasang maksimum di Laut Timor dan Laut Arafuru memiliki arus yang sangat
kuat, terlihat pada hasil penelitian dimana kecepatan arusnya berkisar 0,01-2,97 m/s sedangkan
Perairan Samudera Hindia besar kecepatan arusnya berkisar 0,01-1,79 m/s. Adanya perbedaan
besar arus dikarenakan di Laut Timor dan Laut Arafuru merupakan Perairan dangkal dimana
kedalamannya 0 499 meter sedangkan di Perairan Samudera Hindia menunjukkan tingkat
kemiringan sangat tinggi dengan nilai kedalaman mencapai 5000 meter.
Berdasarkan batimetri wilayah Indonesia, terlihat hasil model yang diperoleh ada
perubahan besar nilai kecepatan dan arah arus pasang surut dari perairan dangkal ke perairan
dalam dan sebaliknya ada pula perubahan besar kecepatan dan arah arus pasang surut dari
perairan dalam ke perairan dangkal. Hal ini tampak jelas jika ditinjau kondisi arus Laut Seram,
Laut Timor dan Laut Arafuru saat surut menuju pasang dan pasang menuju surut. Saat surut
menuju pasang, arus di Laut Seram sebesar 1,91 m/s (Gambar 3.23) menuju ke Laut Timor dan
Laut Arafuru yang besar kecepatan berubah menjadi 3,24 m/s (Gambar 3.24) sehingga
perubahan besar arus antara keduanya adalah 1,33 m/s. Sedangkan arus saat pasang menuju surut
di Laut Timor dan Laut Arafuru (Gambar 3.25) bergerak ke arah Laut Seram (Gambar 3.26)
dengan kecepatan arusnya 3,51 m/s kemudian kecepatan arusnya berubah menjadi 1,32 m/s,
tidak hanya kecepatan arusnya yang berubah tetapi arah arusnya berubah pula. Perubahan besar
kecepatan antara Laut Timor, Laut Arafuru dan Laut Seram adalah 2,19 m/s.
Gambar 3.23.Pola arus pasang surut saat surut menuju pasang purnama di Laut Seram
Gambar 3.24.Pola arus pasang surut saat surut menuju pasang purnama di Laut Timor dan Laut
Arafuru
Gambar 3.25.Pola arus pasang surut saat pasang menuju surut purnama di Laut Timor dan Laut
Arafuru
Gambar 3.26.Pola arus pasang surut saat pasang menuju surut purnama di Laut Seram
Jika hasil model pola arus dihubungkan dengan kondisi batimetri yang ada di daerah
penelitian, terlihat bahwa kondisi batimetri memiliki pengaruh yang besar terhadap pola arus
pasang surut baik arah dan kecepatan arusnya. Apabila ditinjau dari kondisi batimetri ini terlihat
bahwa arus memiliki kecepatan yang lebih besar jika menuju ke Perairan dangkal. Hal ini
membuktikan bahwa pada hasil model kondisi batimetri mempunyai pengaruh yang kuat karena
jika dihubungkan dengan batimetri di daerah penelitian, arus pada daerah yang memiliki
batimetri dengan kedalaman yang besar memiliki arus dengan kecepatan yang kecil dan
sebaliknya pada batimetri dengan kedalaman yang kecil atau daerah dangkal, arus yang bergerak
memiliki kecepatan yang besar.
b. Analisis Kondisi Arus dengan Pasang Surut
Arus pasang surut (tidal current) terjadi terutama karena gerakan pasang surut air laut.
Perubahan arus pasang surut harian sangat dipengaruhi oleh tipe pasang surut yang terjadi
disetiap perairan. Data pasang surut di analisis dengan metode harmonik dengan mendapatkan
hasil Mean Sea Level (MSL) yang kemudian dikorelasikan dengan data batimetri. Berdasarkan
hasil penelitian ini, arus yang terjadi hanya ditinjau karena adanya pengaruh gaya luar berupa
gaya pasang surut. Hal ini disebabkan karena dalam menentukan arah pergerakan pola arus di
suatu perairan khususnya di wilayah Indonesia, pasang surut air laut merupakan faktor yang
paling dominan menentukan arah pergerakan arus di suatu perairan. Dari hasil pemodelan arus
Model Numerik 2D Pola Arus Pasang Surut di Wilayah Perairan Indonesia
(Yutdam Mudin)
211
pasang surut dapat dilihat bagaimana pola arus yang bergerak sebagai akibat dari kondisi pasang
surut setiap perairan di wilayah Indonesia. Untuk penelitian ini, wilayah Indonesia dibagi
menjadi 3 yaitu:
1) Perairan Indonesia Bagian Barat
Pada kondisi pasang purnama di Perairan Samudera Hindia (Gambar 3.9), kecepatan arus
pasang surut lebih besar dibandingkan dengan arus pasang surut saat surut purnama (Gambar
3.16). Arah arus terlihat berbeda pada saat pasang purnama dan surut purnama, hal ini terlihat
pada hasil penelitian bahwa pada saat pasang purnama arus pasang surut di Perairan Indonesia
bergerak ke arah Perairan Samudera Hindia bagian barat dengan kecepatan 0,01-1,79 m/s
sedangkan saat surut purnama arus pasang surutnya bergerak ke Perairan Samudera Hindia
bagian barat laut dengan kecepatan 0,01-1,34 m/s.
Untuk arus saat pasang purnama di Laut Cina Selatan (Gambar 3.10) memiliki kecepatan
yang lebih besar daripada saat surut purnama (Gambar 3.17). Pola arus pasang surut pada saat
pasang purnama bergerak berlawanan arah dengan surut purnama, terlihat pada hasil penelitian
bahwa pada saat kondisi pasang purnama arus bergerak ke arah perairan Singapura dengan
kecepatan 0,01-1,66 m/s sedangkan saat surut purnama arusnya bergerak ke arah Laut Jawa
dengan kecepatan 0,01-1,59 m/s.
Dari hasil model (Gambar 3.11) pola arus pasang surut saat pasang purnama di Perairan
Samudera Hindia bagian timur dengan saat surut purnama (Gambar 3.18), kecepatan yang
diperoleh cukup berbeda tetapi arah arusnya sama. Kecepatan arus saat pasang purnama 0,011,92 m/s sedangkan saat surut purnama kecepatan arusnya berkisar 0,01-1,24 m/s. Arah arus saat
pasang purnama dan surut purnama bergerak menuju pantai wilayah Yogyakarta dan Jawa Barat.
2) Perairan Indonesia Bagian Tengah
Berdasarkan hasil penelitian yang diperoleh pola arus pasang surut saat pasang purnama
di Selat Makassar (Gambar 3.12) memiliki kecepatan arus yang lebih besar dibandingkan dengan
arus saat surut purnama (Gambar 3.19). Arah arus pasang surut saat pasang purnama dan surut
purnama bergerak berlawanan arah, hal ini terlihat pada hasil penelitian bahwa pada saat pasang
purnama arusnya bergerak ke arah Laut Sulawesi dengan kecepatan 0,01-1,94 m/s sedangkan
saat surut purnama arusnya bergerak menuju Laut Bali dengan kecepatan 0,01-1,26 m/s.
3) Perairan Indonesia Bagian Timur
Arus pasang surut pada saat pasang purnama di Laut Seram (Gambar 3.13) dan surut
purnama di Laut Seram (Gambar 3.20), terlihat bahwa arus saat pasang purnama bergerak
Model Numerik 2D Pola Arus Pasang Surut di Wilayah Perairan Indonesia
(Yutdam Mudin)
212
dengan kecepatan yang lebih besar jika dibandingkan saat surut purnama. Arah arus pada kondisi
pasang purnama bergerak menuju Perairan Samudera Pasifik dengan kecepatan 0,01-1,62 m/s
dan saat surut purnama arah arus pasang surutnya bergerak menuju Laut Flores dengan
kecepatan 0,01-1,51 m/s.
Dari hasil simulasi (Gambar 3.14), pola arus pasang surut yang dihasilkan pada saat
pasang purnama di Laut Timor dan Laut Arafuru memiliki kecepatan arus yang lebih kecil jika
dibandingkan dengan saat surut purnama (Gambar 3.21). Arah arus pada kondisi saat pasang
purnama dan surut purnama bergerak berlawanan arah, hal ini terlihat pada hasil penelitian
bahwa pada kondisi saat pasang purnama arusnya bergerak menuju pantai wilayah Irian Jaya
Tengah dan saat surut purnama arusnya bergerak menuju Laut Timor dan Laut Arafuru bagian
selatan.
Pola arus pasang surut yang dihasilkan saat pasang purnama di Perairan Samudera
Pasifik (Gambar 3.15) dan saat surut purnama di Perairan Samudera Pasifik (Gambar 3.22)
memiliki perbedaan kecepatan dan arah arusnya. Arah arus pasang surut saat pasang purnama
dan surut purnama di Perairan Samudera Pasifik bergerak berlawanan arah, hal ini terlihat pada
hasil simulasi dimana arah arus pasang surut saat pasang purnama bergerak ke arah Perairan
Samudera Pasifik bagian tenggara dengan kecepatan arusnya 0,01-1,54 m/s sedangkan saat surut
purnama bergerak ke arah Perairan Samudera Pasifik bagian barat laut.
Arus di Laut Timor dan Laut Arafuru ini merupakan arus yang paling cepat saat pasang
purnama dengan kecepatannya berkisar 0,012,97 m/s. Hal ini disebabkan karena kondisi
batimetri di Laut Arafuru yang relatif dangkal sementara massa air yang masuk dari Laut Timor
dan Laut Banda sangat besar menyebabkan terjadi penumpukan massa air di Laut Arafuru. Pada
saat pasang menuju surut arus bergerak lebih besar berkisar 0,01-3,51 m/s, hal ini disebabkan
karena massa air yang bergerak lebih banyak sehingga arus yang dihasilkan juga lebih besar.
Berdasarkan hasil penelitian ini, tipe pasang surut yang diperoleh sesuai dengan hasilhasil penelitian yang dilakukan sebelumnya dengan di lokasi penelitian yang ditinjau adalah
Perairan Samudera Hindia, Laut Cina Selatan, Perairan Samudera Hindia bagian Timur, Selat
Makassar, Laut Seram, Laut Timor, Laut Arafuru dan Perairan Samudera Pasifik. Untuk wilayah
bagian barat Indonesia, memiliki tipe pasang surut campuran condong harian ganda (Mixed Tide,
Prevailing Semi Diurnal) dan pasang surutnya bertipe campuran condong harian tunggal (Mixed
Tide, Prevailing Diurnal), sedangkan daerah Indonesia bagian tengah dan timur memiliki tipe
pasang surut campuran condong harian ganda (Mixed Tide, Prevailing Semi Diurnal). Adanya
perbedaan tipe pasang surut ditentukan oleh frekuensi air pasang dengan surut setiap harinya.
Hal ini menunjukkan adanya perbedaan gaya pembangkit pasang surut di beberapa lokasi
penelitian.
Model Numerik 2D Pola Arus Pasang Surut di Wilayah Perairan Indonesia
(Yutdam Mudin)
213
Jika hasil model pola arus dihubungkan dengan kondisi pasang surut di daerah penelitian,
terlihat bahwa kondisi permukaan air laut memiliki pengaruh yang besar terhadap pola arus
pasang surut baik arah dan kecepatan arusnya. Kondisi pasang surut yang ada di suatu perairan
mempengaruhi arus pasang surutnya di perairan tersebut. Apabila ditinjau dari hasil model arus
pasang surut dengan ketinggian permukaan air laut di Laut timor dan Laut Arafuru memiliki nilai
kecepatan dan arah yang berbeda. Pada saat pasang purnama, arus pasang surut (Gambar 3.14)
dan ketinggian permukaan air laut (Gambar 3.27) di Laut Timor dan Laut Arafuru terlihat bahwa
kecepatan arusnya melemah atau
kecepatannya
mengecil saat ketinggian pasang surut
berkisar -13,06 sampai -5,76 meter. Perubahan kecepatan arusnya dari 2,97 m/s menjadi 1,49 m/s
sedangkan pada saat surut purnama, arus pasang surut (Gambar 3.21) dan ketinggian permukaan
air laut (Gambar 3.28) menunjukkan bahwa arus pasang surut bergerak ke arah pantai wilayah
Irian Jaya tengah dan Laut Arafuru bagian timur dimana ketinggian permukaan air lautnya cukup
besar berkisar 7,21 22,06 meter. Perubahan kecepatan arusnya dari 1,78 m/s menjadi 3,55 m/s.
Gambar 3.27.Peta pasang surut saat pasang maksimum purnama di Laut Timor dan Laut Arafuru
Gambar 3.28.Peta pasang surut saat surut minimum purnama di Laut Timor dan Laut Arafuru
Hal ini membuktikan bahwa, semakin tinggi permukaan air laut maka semakin kecil
kecepatan arus pasang surutnya dan sebaliknya semakin rendah permukaan air laut maka
kecepatan arus yang dihasilkan akan semakin besar pula. Daerah perairan Laut Cina Selatan
Model Numerik 2D Pola Arus Pasang Surut di Wilayah Perairan Indonesia
(Yutdam Mudin)
214
terjadi arus pasang surut yang saling bertabrakan yang satu dengan yang lain, hal tersebut
dikarenakan adanya penumpukan massa air di daerah tersebut. Kondisi ini diperkirakan di
perairan Laut Cina Selatan keadaan batimetri yang dangkal berkisar 0 499 meter dimana massa
air mengalir dari perairan Laut Cina Selatan bagian utara ke Selat Karimata mengakibatkan
adanya penumpukan massa air di perairan Laut Cina Selatan bagian Selatan. Sebagian dari
massa air tersebut akan merembes keluar menuju Selat Malaka. Fenomena ini dirasakan di pantai
Malaysia dan Singapura karena letaknya dekat dengan Perairan Laut Cina Selatan. Selain itu,
akibat adanya penumpukan massa air pada daerah tersebut karena hembusan angin yang terus
menerus akan tetapi pada penelitian parameter angin diabaikan. Penumpukan massa air ini
menyebabkan adanya perbedaan tekanan pada permukaan laut, meskipun perbedaan
tekanan yang terjadi nilainya kecil, akan tetapi karena sifat air yang selalu mencari
keseimbangan maka pergerakan massa airnya secara mendatar. Penumpukan massa air ini
merupakan fenomena arus air dari permukaan akan bergerak ke bawah (Down Welling Current)
yang merupakan aliran massa air dari permukaan ke lapisan laut yang lebih dalam. Fenomena ini
terjadi karena disebabkan oleh 2 faktor yaitu bertemunya 2 atau lebih, arus di permukaan air
yang saling berlawanan arah, apabila beberapa arus permukaan air saling bertemu maka arus air
dari permukaan akan bergerak ke bawah dan kontur permukaan dasar laut (batimetri) seperti
terdapatnya dasar laut yang sangat curam dan menyempit.
4. Kesimpulan dan Saran
4.1 Kesimpulan
Berdasarkan hasil model yang diperoleh dapat disimpulkan bahwa :
1. Pola arus pasang surut di wilayah Perairan Indonesia hasil keluaran model COHERENS
sangat dipengaruhi oleh kondisi batimetri (topografi kedalaman) dan ketinggian permukaan
air laut (pasut). Pola pergerakan maupun kecepatan arus berubah sesuai dengan perubahan
waktu (pasang purnama dan surut purnama). Kecepatan arus di wilayah Perairan Indonesia
saat pasang purnama lebih besar dibandingkan kecepatan arus saat surut purnama.
Kecepatan arus yang bergerak di wilayah Perairan Indonesia berkisar 0,01 m/s sampai 3,55
m/s. Arah arus di wilayah Perairan Indonesia saat pasang purnama dominan bergerak ke
arah Perairan Australia sedangkan saat surut purnama, arusnya bergerak ke arah Perairan
Laut Malaysia, Singapura dan Philipina
2. Pola arus pasang surut saat pasang purnama di wilayah Perairan Indonesia Bagian barat
yaitu di Perairan Samudera Hindia bergerak ke arah Perairan Samudera Hindia bagian barat
sebesar 0,01-1,91 m/s, di perairan Laut Cina Selatan arusnya bergerak ke arah Laut Cina
Selatan bagian barat sebesar 0,01-1,66 m/s dan Perairan Samudera Hindia bagian timur
Model Numerik 2D Pola Arus Pasang Surut di Wilayah Perairan Indonesia
(Yutdam Mudin)
215
3.
4.
arusnya bergerak ke arah pantai Yogyakarta dan jawa barat dan ada pula yang bergerak ke
Perairan Samudera Hindia bagian selatan sebesar 0,01-1,79 m/s. Sedangkan pola arus
pasang surut saat surut purnama di wilayah Perairan indonesia bagian barat yaitu di Perairan
Samudera Hindia bergerak ke arah Perairan Samudera Hindia bagian barat laut sebesar 0,011,34 m/s, arus di Laut Cina Selatan bergerak ke arah Laut Jawa dan ada pula yang bergerak
ke arah Laut Cina Selatan bagian timur laut sebesar 0,01-1,59 m/s dan pola arus pasang
surut di Perairan Samudera Hindian bagian timur bergerak ke arah pantai Yogyakarta dan
Jawa Barat sebesar 0,01-1,24 m/s.
Pola arus pasang surut saat pasang purnama di Wilayah Perairan Indonesia bagian Tengah
yaitu Perairan Selat Makassar, arus bergerak ke arah pantai Sulawesi Tengah sebesar 0,011,94 m/s. Sedangkan pola arus pasang surut saat surut purnama di Perairan Selat makassar
bergerak ke arah Selat Makassar bagian selatan sebesar 0,01-1,26 m/s.
Pola arus pasang surut di Wilayah Perairan Indonesia bagian Timur, di perairan Laut Seram
arus bergerak ke arah Samudera Pasifik sebesar 0,01-1,62 m/s, Laut Timor dan Laut Arafuru
arusnya bergerak ke arah Laut Banda sebesar 0,01-2,97 m/s sedangkan di Perairan
Samudera Pasifik arusnya bergerak ke arah Perairan samudera Pasifik bagian tenggara
sebesar 0,01-1,54 m/s. Sedangkan saat surut purnama di Laut Seram arusnya bergerak ke
Laut Banda sebesar 0,01-1,51 m/s, Laut Timor dan Laut Arafuru bergerak ke arah Laut
Timor dan Laut Arafuru bagian tenggara sebesar 0,01-3,55 m/s dan di Perairan Samudera
Pasifik arusnya bergerak ke arah Samudera Pasifik bagian barat laut dan membelok ke arah
Perairan Samudera Pasifik bagian utara sebesar 0,01-1,48 m/s.
4.2 Saran
Dalam penelitian ini, model pola arus pasang surut hanya dipengaruhi oleh adanya pasang
surut dan batimetri. Untuk pengembangan lebih lanjut, parameter yang mempengaruhi bisa
diperbanyak, misalnya dengan menambahkan parameter angin sebagai gaya pembangkit arus.
DAFTAR PUSTAKA
[1] BAKOSURTANAL, 2006, Atlas Sumberdaya Kelautan, Bogor, BAKOSURTANAL.
[2] Humaesoh, S., 2008, Analisis Harmonik Komponen Arus Pasang Surut dengan Metode
Admiralty dan Metode Analisis Spektrum di Pulau Derawan Kalimantan Timur, ITB,
Bandung (http://digilib.itb.ac.id), diakses tanggal 19 Oktober 2010.
[3]
[4]
Luyten J.P., Jones, J.E., Proctor, R., Tabor, A., Wild-Alle, P.T.K., 1999, COHERENS (A
Coupled Hydrodynamical-Ecological Model for Regional and Shelf Seas), Belanda.
Mihardja, D. K., S. Hadi, dan M. Ali, 1994, Pasang Surut Laut, Kursus Intensive
[5]
[6]
[7]
[8]
[9]
Oseanografi bagi perwira TNI AL, Lembaga Pengabdian pada Masyarakat dan jurusan
Geofisika dan Meteorologi, Institut Teknologi Bandung, Bandung.
Nontji, A., 1987, Laut Nusantara, Penerbit Djambatan, Jakarta.
Pradiko, H., 2003, Penulusuran Solusi Numerik Model Pergerakan Arus di Perairan
Muara Sungai Cisadane, Universitas Pasundan
Supiyati, 2005, Model Hidrodinamika Pasang Surut di Perairan Pulau Baai Bengkulu,
Jurnal Gradien, Vol.1 No.2, Edisi Juli-Desember, Universitas Bengkulu, Indonesia.
Van Rijn, L,C.,1990, Principle of Fluid Flow and Surface Waves in Rivers, Estuaries, Seas
and Oceans, Aqua Publications, Netherlands.
Wyrtki, K. 1961, Physical Oceanography of Southeast Asean Waters. Naga Report ,I. 2.
The University of California, La Jolla, California.