You are on page 1of 110

Prosiding Seminar Nasional Sains I, 3 - 4 Desember 2012

NUMERICAL ANALYSIS OF POSSIBILITY TO UTILIZE AN ASYMMETRICAL

STRUCTURE IN OSCILLATROY FLOW FOR CONTROLING SEDIMENT
TRANSPORT AND WATER QUALITY IN COASTAL WATER AREA

1

Department of Civil Engineering, Tadulako University, Indonesia,

2
Department of Urban and Environmental Engineering, Faculty of Engineering,
Kyushu University, Fukuoka, Japan, oshikawa@civil.kyushu-u.ac.jp

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.

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.)
108

ISSN: 2338 817X

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

ISSN: 2338 817X

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)

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.)
110

1 u u
Pk = t i + j
2 x j xi

ISSN: 2338 817X

(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
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

ISSN: 2338 817X

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)

where = / 2 e and = 2 / T . is the circular constant. The value of e at the

boundary is assumed to be 10 times .

a.

b.

c.

d.

Fig. 1. Computational domain and structure shapes; a. the condition of

computational domain; b. A section of the computational grid for the quarter cylinder; c.
Quarter cylinder; d. Half cylindroid.

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.)
112

Fig. 2. Velocity and turbulence kenetic energy around asymmetrical structure.

RESULTS AND DISCUSSION
The simulations of the oscillatory flow around the asymmetrical and symmetrical
structures were performed in order to show their effects on the generation of the residual
currents. Our research examines the quantity of the differences of the calculations among the
various shapes of the structures and the various values of KC-number. Fig. 2 indicates the
velocity and turbulence kenetic energy distributions. The values of turbulence kenetc energy
around the structure are larger and the velocity magnitudes become larger as the flow
approaching the structure.
Hydrodynamic Force
The effect of the KC value on the hydrodynamic force is shown in Fig. 3. This figure
shows Fx* of the computational results for three kinds of KC number, i.e. 5.0, 8.4, and 10.1. The
simulations reveal that the variation of KC does not change the phases of Fx*. It also shows that
the smaller value of KC creates larger Fx. The hydrodynamic force consists of the inertia force
and the drag force, which are the function of KC and Re (Summer and Fredse, 1999). Therefore,
the variation of Fx* depends on the combination of the KC and Re magnitudes. Generally, waves
generated by winds are short-period waves, namely short waves. In the situation where the short
waves pass a structure, KC number is small. For the small value of KC (0 < KC 20 30), the
inertia component is relatively larger than the drag component (Summer and Fredse, 1999). As
for this phenomenon, the increasing of Fx* with the decreasing of KC corresponds to the rising
of inertia force.

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.)
113

ISSN: 2338 817X

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.

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.)
114

ISSN: 2338 817X

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

ISSN: 2338 817X

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

INTEGRASI DATA TRIANGULATED IRREGULAR NETWORK (TIN)

DAN MODEL HIDRODINAMIK HEC-RAS UNTUK PENELUSURAN BANJIR
DI SUNGAI
I Gede Tunas1, Arody Tanga2
1

Jurusan Teknik Sipil Universitas Tadulako Palu

Bidang Minat Rekayasa Sumber Daya Air, Email: tunasw@yahoo.com
2
Jurusan Teknik Sipil Universitas Tadulako Palu, Email: arodytanga@yahoo.com
Abstrak
Perkembangan teknologi komputer khususnya paket pemodelan aliran, memberikan
kemudahan-kemudahan dalam banyak hal termasuk pemodelan aliran banjir di sungai. Salah
satu paket pemodelan tersebut adalah Model Hidrodinamik HEC-RAS yang dapat digunakan
untuk penelusuran aliran baik aliran permanen (steady flow) maupun tidak permanen (unsteady
flow). Pada sisi yang lain perkembangan teknologi Sistem Informasi Geografis (SIG), saat ini
sudah berkembang sangat pesat untuk berbagai tujuan dengan bidang yang lebih beragam dan
jangkauan yang lebih luas, termasuk penyiapan data masukan geometri sungai berbasis data
Digital Elevation Model (DEM) dalam format Triangulated Irregular Network (TIN). Penelitian
ini bertujuan untuk melakukan penelusuran aliran banjir guna mengetahui kapasitas penampang
sungai dan memperkirakan faktor-faktor penyebab luapan banjir dengan mengintegrasikan data
TIN tersebut ke dalam Model Hidrodinamik HEC-RAS, menggunakan Sungai Lantikadigo di
Kabupaten Buol sebagai model. Pada sungai ini hampir setiap tahun terjadi luapan banjir dengan
intensitas genangan yang fluktuatif. Integrasi data memberikan efektifitas penggunaan waktu
simulasi akibat pembacaan data geometri dilakukan menggunakan fasilitas import data bila
dibandingkan penginputan data geometri secara manual. Hasil penelitian menunjukkan bahwa
hampir pada seluruh cross section muka air maksimum untuk kala ulang 1 tahun
melewati/melampaui elevasi titik batas alur/tebing (over bank) sungai baik pada bagian kiri
maupun pada bagian kanan. Debit puncak hidrograf untuk kala ulang 1 tahun adalah 54.5 m3/det
pada inlet Ruas Sungai Lantikadigo yang domodelkan. Hal ini berarti kapasitas tampang sungai
rata-rata jauh berada di bawah debit puncak tersebut. Berdasarkan kenampakan geometri dan
hasil simulasi dapat diperkirakan penyebab banjir di Sungai Lantikadigo adalah faktor perubahan
morfologi dan geometri sungai.
Kata Kunci: Data TIN, HEC-RAS, Penelusuran Banjir
Integrasi Data Triangulated Irregular Network (Tin) Dan Model Hidrodinamik
Hec-Ras Untuk Penelusuran Banjir Di Sungai
(I Gede Tunas dan Arody Tang)
117

1.

ISSN: 2338 817X

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
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)
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

Integrasi Data Triangulated Irregular Network (Tin) Dan Model Hidrodinamik

Hec-Ras Untuk Penelusuran Banjir Di Sungai
(I Gede Tunas dan Arody Tang)
118

ISSN: 2338 817X

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.
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)

dengan ql adalah inflow lateral per satuan lebar.

Konservasi momentum menyatakan bahwa laju bersih momentum yang masuk
(momentum flux) ditambah dengan jumlah semua gaya-gaya luar yang bekerja pada suatu
kontrol volume sama dengan laju akumulasi momentum di dalam kontrol volume tersebut.
Secara lengkap persamaan momentum dapat ditulis sebagai :
Q
t

QV
x

+ gA

+ Sf = 0

(2)

Integrasi Data Triangulated Irregular Network (Tin) Dan Model Hidrodinamik

Hec-Ras Untuk Penelusuran Banjir Di Sungai
(I Gede Tunas dan Arody Tang)
119

ISSN: 2338 817X

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)

(MQ1i )Qi + (Mz1i )z i + (MQ2i )Qi +1 + (Mz 2i )z i +1 = MBi

(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.

Integrasi Data Triangulated Irregular Network (Tin) Dan Model Hidrodinamik

Hec-Ras Untuk Penelusuran Banjir Di Sungai
(I Gede Tunas dan Arody Tang)
120

ISSN: 2338 817X

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.

Hasil dan Pembahasan

Simulasi hidraulika dilakukan di Sungai Lantikadogo sepanjang kurang lebih 9.47 km
mulai dari Negeri Lama di bagian hilir, Bengkudu di bagian tengah sampai Biau dibagian hulu,
dengan jumlah penampang (River Stasion, RS) sebanyak 138 RS) menggunakan data geometrik
dalam format TIN sebagaimana ditunjukkan pada Gambar 1. Simulasi menggunakan syarat
batas hulu banjir rancangan dengan beberapa kala ulang dan syarat bats hilir hidrograf pasang
surut di muara. Kalibrasi dan verifikasi model dilakukan melakukan penyesuaian hasil simulasi
dengan data terukur melalui pengaturan angka koefisien kekasaran Manning.

Gambar 1. Data TIN Sungai Lantikadigo

Analisis debit banjir dilakukan dengan pendekatan Hidrograf satuan Sintetik (HSS)
Nakayasu. DAS Lantikadigo dengan luas DAS keseluruhan sebesar 509.9 km2, dan dititik outlet
Negeri Lama seluas kuarang lebih 485 km2 (Gambar 2), menghasilkan hidrograf banjir
sebagaimana menjadi syarat batas hulu dari pemodelan ini. DAS Lantikadigo memiliki 2 anak
sungai utama yakni Sungai Lantikadigo sendiri di bagian kiri dan Sungai Mulat di bagian kanan.
Secara umum DAS berbentuk melebar di bagian hulu dan secara beraangsur-angsur mengecil di
bagian hilir, dengan pola jaringan sungai lebih menyerupai pola jaringan syaraf (dendritic)
terutama pada bagin hulu dan sedikit menjari pada bagian hilir. Demikian pula kerapatan
jaringan sungai secara dominan berada di kawasan hulu dan berkurang ke arah hilir.
Integrasi Data Triangulated Irregular Network (Tin) Dan Model Hidrodinamik
Hec-Ras Untuk Penelusuran Banjir Di Sungai
(I Gede Tunas dan Arody Tang)
121

ISSN: 2338 817X

Sungai Lantikadigo pada bagian ini, terutama sepanjang kurang lebih 9.47 km (RS1RS138) memiliki bentuk alur bermeander (berkelok-kelok) seperti terlihat pada Gambar 3. Pola
meander bervariasi dengan sudut belokan bagian dalam antara 150-900. Bentuk belokan ini dapat
dikategorikan sebagai belokan berat, yang dapat dinyatakan dengan indeks meander, yakni
perbandingan antara panjang total alinemen sungai dan panjang total kurvatur sungai. Sungai
lurus memiliki indeks meander sama dengan satu. Semakin tinggi angka indeks meander sungai
maka sudut belokan dalam akan semakin kecil dan sebaliknya. Pada prinsipnya sungai meander
digolongkan sebagai suatu sungai yang membentuk fungsi sinus, yang dibedakan menjadi dua
jenis yakni irregular meander dan regular meander. Irregular meander meander diistilahkan
untuk sungai yang mempunyai kurva belokan yang tidak teratur antara satu belokan dan belokan
yang mengikutinya dan regular meander diperuntukkan untuk sungai yang mempunyai kurvatur
seragam.

Integrasi Data Triangulated Irregular Network (Tin) Dan Model Hidrodinamik

Hec-Ras Untuk Penelusuran Banjir Di Sungai
(I Gede Tunas dan Arody Tang)
122

NEGERI

BENGKUDU

BIAU

DIMODELKAN

Gambar 3. Ruas Sungai Lantikadigo yang dimodelkan

pembendungan aliran akibat terhambatnya aliran pada salah satu sisi saluran yakni sisi bagian
luar belokan. Peristiwa pembendungan akan menimbulkan terjadinya peningkatan elevasi muka
air. Hasil penelitian yang dilakukan oleh Mudjiatko (2000) menunjukkan semakin besar angka
indeks meander maka tingkat pembendungan aliran semakin tinggi. Berpijak pada hasil
penelitian tersebut dapat disimpulkan bahwa kondisi meander Sungai Lantikadigo merupakan
faktor yang cukup berkontribusi menjadi penyebab banjir di bagian ruas Negeri LamaBengkudu-Biau, walaupun dalam model simulasi faktor ini terabaikan. Pengaruh lainnya adalah
sehingga pada bagian ini bentuk tampang selalu berubah-ubah. Sebagaimana hasil pengamatan
mengalami meander. Kawasan yang mengalami genangan umumnya adalah kawasan
permukiman dan sebagian lagi adalah kawasan pertanian dan perkebunan.

Integrasi Data Triangulated Irregular Network (Tin) Dan Model Hidrodinamik

Hec-Ras Untuk Penelusuran Banjir Di Sungai
(I Gede Tunas dan Arody Tang)
123

Berdasarkan kenampakan profil memanjang sungai, juga diperlihatkan adanya

pendangkalan dasar (sedimentasi) yang intensif di sekitar alur bermeander. Pendangkalan dasar
sungai dimulai dari sebelah hulu RS.21, dalam hal ini RS.22 sampai RS.129 sepanjang kurang
lebih 7353 km. Pendangkalan dasar pada alur sungai ini utamanya disebabkan oleh meander
sungai, selain faktor pasang-surut di muara sungai. Tinjauan secara hidraulika, fenomena ini
dipastikan menjadi faktor utama penyebab banjir yang terjadi secara kontinyu beberapa tahun
12

ELEVASI (M)

10
8
6
4
2

EL. DASAR

0
0

1000

2000

3000

4000

5000

6000

7000

8000

9000

10000

Gambar 4. Profil memanjang Sungai Lantikadigo

Berdasarkan simulasi hidraulik yang dilakukan pada ruas Negeri Lama-Bengkudu-Biau
Sungai Lantikadigo dapat diketahui elevasi muka air tiap jam di setiap River Station selama
waktu simulasi. Elevasi muka air yang akan digunakan sebagai parameter untuk menentukan
karenanya parameter yang akan menjadi bahasan dan analisis penanganan banjir adalah elevasi
muka air maksimum.
Seperti terlihat pada Gambar 5, hampir pada seluruh cross section muka air maksimum
untuk kala ulang 1 tahun melewati/melampaui elevasi titik batas alur/tebing (over bank) sungai
baik pada bagian kiri maupun pada bagian kanan. Debit puncak hidrograf untuk kala ulang 1
rata-rata jauh berada di bawah debit puncak tersebut, dengan kata lain tampang sungai yang ada
tidak mampu melewatkan debit dengan kala ulang 1 tahun.

Integrasi Data Triangulated Irregular Network (Tin) Dan Model Hidrodinamik

Hec-Ras Untuk Penelusuran Banjir Di Sungai
(I Gede Tunas dan Arody Tang)
124

Plan: Plan 01

10/1/2011

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

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)

Gambar 6. Luapan aliran di RS.6 dan RS.59

Sungai Lantikadigo memiliki karakteristik morfologi yang berbelok-belok (meandering)
sepanjang ruas simulasi sebagaimana sudah disampaikan sebelumnya. Pengaruh yang
terhambatnya aliran pada salah satu sisi saluran yakni sisi bagian luar dan terjadinya pengikisan
bentuk tampang selalu berubah-ubah.
Apabila ditinjau dari segi kemiringan garis energi, dari hasil simulasi diperoleh informasi
bahwa aliran banjir Sungai Lantikadigo memiliki kemiringan energi yang relatif kecil yakni
antara 0.00001-0.0001 untuk simulasi kala ulang 1-100 tahun pada kondisi muka air maksimum.
Secara teoritis kemiringan garis energi (energy grade line), memiliki pengaruh yang besar

Integrasi Data Triangulated Irregular Network (Tin) Dan Model Hidrodinamik

Hec-Ras Untuk Penelusuran Banjir Di Sungai
(I Gede Tunas dan Arody Tang)
125

ISSN: 2338 817X

terhadap kecepatan aliran. Apabila kemiringan garis energi rendah maka kecepatan aliran akan
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.
kemiringan dasar cenderung negatif. Hal ini diperkirakan disebabkan oleh peristiwa
dimungkinkan terjadinya fenomena aliran balik (back water) atau fenomena pembendungan
khususnya pada debit rendah. Berdasarkan peninjauan lapangan dan pemetaan profil memanjang
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
morfologi sungai yang berbelok-belok (meandering) yang menyebabkan terjadinya
pendangkalan dasar akibat adanya sedimentasi sebagi hasil erosi DAS di hulu (DAS kritis)
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.

Integrasi Data Triangulated Irregular Network (Tin) Dan Model Hidrodinamik

Hec-Ras Untuk Penelusuran Banjir Di Sungai
(I Gede Tunas dan Arody Tang)
126

ISSN: 2338 817X

[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.

Integrasi Data Triangulated Irregular Network (Tin) Dan Model Hidrodinamik

Hec-Ras Untuk Penelusuran Banjir Di Sungai
(I Gede Tunas dan Arody Tang)
127

THE EFFECT OF POWER DISCHARGE TO THE STRUCTURAL

PROPERTIES OF SILICON THIN FILM PREPARED BY VHF-PECVD
TECHNIQUE
Ida Usman1, Muh. Zamrun F.2, Toto Winata3
1

Department of Physics, Universitas Haluoleo, idausman1972@gmail.com

2
Department of Physics, Universitas Haluoleo, mzamrun@yahoo.com
3
Department of Physics, Institut Teknologi Bandung, toto@fi.itb.ac.id

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

ISSN: 2338 817X

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

Fig. 1. Schematic diagram of the used PECVD chamber

3. Results and Discussion
Deeper insight into the growth mechanisms is thus of prime importance for the
improvement of the device performances. So far, these mechanisms have been described within
the framework of surface and bulk reaction based growth models. Surface models assume that
the diffusion of radicals is enhanced by the hydrogen coverage [5,11], whereas growth zone
models rely on long range effects of hydrogen [6,10]. However, in rf PECVD, the growing films
are also exposed to a high flux of energetic ions. Though ion bombardment is most commonly
considered as detrimental for the electronic properties [8], some beneficial effects such as
densification and hydrogen desorption have been pointed out, keeping controversy about its role
on the growth mechanisms and the structural properties. With the aim of tuning the ion
bombardment, a variety of techniques have been implemented to lower the ion energy or to
independently control the ion energy and the ion flux. Among these, VHF techniques consist of
increasing the driving frequency to lower the ion energy [4,9]. Whatever the technique, including
ions or not, microcrystalline silicon films share common features of the growth dynamics,
characteristic of a non-equilibrium growth process. Indeed, the formation of microcrystalline

The Effect Of Power Discharge To The Structural Properties Of Silicon Thin Film
Prepared By Vhf-Pecvd Technique
(Ida Usman, et al.)
130

ISSN: 2338 817X

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

Optical bandgap (eV)

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

ISSN: 2338 817X

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

ISSN: 2338 817X

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]

Deposition, Appl. Phys. Lett. 70, 3014, 1997.

Delli Veneri, P., Mercaldo, L.V., Bobeico, E., Spinillo, P., Privato, C., VHF-PECVD
Microcrystalline Silicon: From Material to Solar Cells, Proc. 19th EU Photovoltaic Solar
Energy Conference, Paris-France, 1469, 2004.
Feitknecht, L., Kluth, O., Ziegler, Y., Niquille, X., Torres, P., Meier, J., Wyrsch, N., and
Shah, A., Microcrystalline n-i-p Solar Cells Deposited at 10/s by VHF-GD, Sol. Energy

[5]

Mater. Sol. Cells 66, 397, 2001.

Gerbi, J.E. and Abelson, J. R., Deposition of Microcrystalline Silicon: Direct Evidence for

[6]

Hydrogen-induced Surface Mobility of Si Adspecies, J. Appl. Phys. 89, 1463, 2001.

Hamma, S. and Roca i Cabarrocas, P., Long Range Effect of Hydrogen During

[7]

Microcrystalline Growth, Thin Solid Films 296, 11, 1997.

Hamma, S. and Roca i Cabarrocas, P., In Situ Correlation Between the Optical and

[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]

Silicon at Low Temperatures, J. Non-Cryst. Solids 266269, 84, 2000.

Kosarev, A.I., Smirnov, A.S., Abramov, A.S., Vinogradov, A.J., Yu, A., Ustavschikov,
and Shutov, M.V., Effect of Ion Bombardment in Very-high Frequency Glow Discharge on

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

338340, 56, 2004.

[15] Roschek, T., Repmann, T., Muller, J., Rech, B., Wagner, H., Comprehensive Study of
Microcrystalline Silicon Solar Cells Deposited at High Rate using 13.56 MHz PlasmaEnhanced Chemical Vapor Deposition, J. Vac. Sci. Technol. A, Vac. Surf. Films 20, 492,
2002.
[16] Shah, A., Vallat-Sauvain, E., Torres, P., Meier, J., Kroll, U., Hof, C., Droz, C., Goerlitzer,
M., Wyrsch, N., Vanecek, M., Intrinsic Microcrystalline Silicon (c-Si:H) Deposited by
VHF-GD (Very High Frequency-Glow Discharge): A New Material for Photovoltaics and
Optoelectronics, Mater. Sci. Eng. B, Solid-State Mater. Adv. Technol. 6970, 219, 2000.
[17] Usman, I., Fabrikasi Divais Sel Surya Berbasis c-Si:H dengan Teknik VHF-PECVD,
Magister Thesis, Institut Teknologi Bandung, 2001.
[18] Vallat-Sauvain, E., Kroll, U., Meier, J., Shah, A., Evolution of the Microstructures in
Microcrystalline Silicon Prepared by Very High Frequency Glow Discharge Using
Hydrogen Dilution, J. Appl. Phys. 87, 3137, 2000.
[19] Vetterl, O., Finger, F., Carius, R., Hapke, P., Houben, L., Kluth, O., Lambertz, A., Mqck,
A., Rech, B., Wagner, H., Intrinsic Microcrystalline Silicon: A New Material for
Photovoltaics, Sol. Energy Mater. Sol. Cells 62, 97, 2000.

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

Sabhan*
*
Jurusan Fisika Fakultas MIPA Universitas Tadulako
Abstrak
Penelitian ini bertujuan untuk membangun model hidrodonamika 2 dimensi untuk melihat pola
pergerakan massa air Kepulauan Seribu pada musim barat. Lokasi kegiatan penilitian ini berada
di Peraiaran Kepulauan Seribu dengan 3 batas terbuka yaitu lintang 540'12"LS di sebelah utara
di sebelah timur dibatas oleh bujur 106.40'BT disebelah barat berbatasan dengan garis bujur
106.21'48" BT dan batas tertutup Pantai Utara Jawa. Data yang digunakan dalam pemodelan
tumpahan minyak terdiri atas: data kedalaman perairan (Batimetri), data arah dan kecepatan
angin, data pasang-surut (pasut). Desain hidrodinamika untuk membangun pola pergerakan arus
sebagai media pengerak tumpahan minyak di Perairan Kepulauan Seribu dibagun dari persamaan
kontinuitas dan kekelan momentum oleh DHI 2007. Untuk memenuhi kriteria stabilitas CourantFriedichs-Lewy (CFL) dalam persamaan momentum dengan berdasarkan pada kedalaman
maksimun dan lebar grid maka langkah waktu yang digunakan dalam simulasi adalah 10 detik.
Daerah model dibagi 1380 x 1735 grid dalam bentuk matriks dengan lebar grid x=y=25
meter. Pola arus yang terjadi 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 maksimal 0.5 m/s
Kata Kunci : Model Hidrodinamika, Kepulauan Seribu, Musim barat.
Pendahuluan
Kepulauan seribu terdiri atas 110 pulau, dan 11 pulau diantaranya telah berpenghuni.
Pulau-pulau lainnya digunakan seperti untuk arena rekreasi, cagar alam dan cagar budaya. Luas
Kepulauan Seribu kurang lebih 108,000 ha, terletak di lepas pantai utara Jakarta dengan posisi
memanjang dari Utara ke Selatan yang ditandai dengan pulau-pulau kecil berpasir putih dan
gosong-gosong karang (Ariadi 2004) . Pola sirkulasi arus perairan Kepulauan Seribu mentukan

Model Hidrodinamika 2 Dimensi Pola Pergerakan Massa Air Kepulauan Seribu pada Musim
Barat
(Sabhan)
136

ISSN: 2338 817X

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

ISSN: 2338 817X

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:

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

ISSN: 2338 817X

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

ISSN: 2338 817X

bergerak ke barat di laut lepas sedangakan pada daerah dekat dengan garis pantai kecepatan arus
cenderung melemah.
Daftar Pustaka
[1]
[2]
[3]
[4]

Ariadi, N. 2004. An alternative Solution for Sustainable Development in Kepulauan

Seribu, DKI Province , Jakarta. Sekolah Pascasarjana Institut Pertanian Bogor: Bogor
DHI. 2007. MIKE 21 & MIKE 3 PA/SA: Particle Analysis and Oil Spill Analysis Module .
DHI Water & Environment. Denmark
IFREMER. 2008. French Research Institute for Exploration of the Sea.
Sofian, I. 2001. Simulation of the java sea using an oceanic general circulation model.
Balai penelitian geomatika badan koordinasi survei dan pemetaan nasional. Cibinong,
bogor

Model Hidrodinamika 2 Dimensi Pola Pergerakan Massa Air Kepulauan Seribu pada Musim
Barat
(Sabhan)
140

Gambar 1 Peta batimetri Perairan Kepulauan Seribu

Model Hidrodinamika 2 Dimensi Pola Pergerakan Massa Air Kepulauan Seribu pada Musim
Barat
(Sabhan)
141

ISSN: 2338 817X

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

ISSN: 2338 817X

Model Hidrodinamika 2 Dimensi Pola Pergerakan Massa Air Kepulauan Seribu pada Musim
Barat
(Sabhan)
143

ISSN: 2338 817X

Model Hidrodinamika 2 Dimensi Pola Pergerakan Massa Air Kepulauan Seribu pada Musim
Barat
(Sabhan)
144

ISSN: 2338 817X

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

DESAIN DAN IMPLEMENTASI NEURO-FUZZY EXPERT SYSTEM UNTUK

KLASIFIKASI TUTUPAN LAHAN

Staf dosen pada Jurusan Fisika FMIPA Universitas Hasanuddin, Makassar

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.
1974, E.H. Mamdani menemukan sebuah prosedur inferensi fuzzy, yang mengatur langkah
Desain dan Implementasi Neuro-Fuzzy Expert System untuk Klasifikasi Tutupan Lahan
146

pembangunan awal dan pengembangan aplikasi sistem fuzzy.

Logika pemrograman juga memainkan peranan yang penting dalam penyebaran ide
inferensi fuzzy, seperti penekanannya yang mengutamakan pengetahuan nonnumerik dibandingkan dengan model-model matematika tradisional [1]. Expert systems (ES)
adalah program komputer yang menggunakan pengetahuan simbol untuk mensimulasi perilaku
kepakaran manusia, dan ini pada awalnya hanya merupakan wacana di dalam artificial
intelligence (AI). Semua praktisi dibidang teknologi informasi sepakat bahwa sebuah expert
system dapat digunakan bila telah memberikan kesimpulan yang sama seperti halnya seorang
pakar [2].
Semula sistem pakar ditanamkan ke dalam sistem fuzzy yang kemudian dikenal sebagai
sistem pakar fuzzy (fuzzy expert system) seperti yang dikemukakan oleh kelompok Maeda [3].
Gelombang mutakhir dari teknologi sistem pakar fuzzy digunakan untuk mengkonsolidasi
arsitektur hibrida, yang disebut dengan Synergetic AI. Arsitektur ini dibangun sebagai respon
atas keterbatasan sistem pakar fuzzy skala besar sebelumnya. Disisi lain, Murai dan Omatu [4]
mensinergikan matode JST dengan koreksi kesalahan berbasis pengetahuan. Murai dan Omatu
cukup berhasil mereduksi misklasifikasi hingga tinggal 4,58%. Dalam paper ini, seluruh
pendekatan yang dilakukan di atas dikombinasikan ke dalam sebuah sistem yang disebut dengan
NFES.
2.
2.1

Neuro-Fuzzy Expert System (NFES)

Dasar Teori
Prosedur inferensi fuzzy didasarkan pada teori himpunan fuzzy yang mengatur
ketidakpastian pada pengetahuan linguistik. Mamdani [5] mengajukan prosedur inferensi fuzzy
Sebagai gambaran, andaikan terdapat sebuah pernyataan linguistik E(A) pada ruang X.
Selanjutnya
didefinisikan
sebuah
pemetaan,
disebut
fungsi
keanggotaan,
( A, x)( x X , [0,1]) , untuk mengkarakterisasi sebuah himpunan fuzzy A, yang didefinisikan
sebagai E(A). Fungsi keanggotaan ( A, x) menunjukan tingkat keanggotaan x pada himpunan A,
yang merupakan perluasan fungsi kerapatan probabilitas konvensional. Sebagai contoh,
perdefinisi ( A, x) = 1 menyatakan x sepenuhnya memenuhi E(A), dan ( A, x) = 0 menyatakan x
tidak memenuhi E(A). Himpunan fuzzy A yang dikarakterisasikan oleh ( A, x) umumnya
dinyatakan oleh [1] :
A=

( A, x)

(1)

Desain dan Implementasi Neuro-Fuzzy Expert System untuk Klasifikasi Tutupan Lahan
147

dimana

tidak menyatakan secara langsung sebagai integrasi, melainkan menyatakan

sebuah himpunan didefinisikan sebagai sebuah ruang X kontinu. Jika X adalah diskrit maka tanda

harus dinyatakan dengan (penjumlahan). Sebagai contoh, andaikan X adalah temperatur

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

a
Fungsi
keanggotaan
untuk kondisi
dingin

0
0

15

20

40

Temperatur (C)

Gambar 1. Contoh fungsi keanggotaan[1].

Didasarkan pada definisi himpunan fuzzy, akan diformulasikan penggunaan prosedur
inferensi Mamdani menurut relasi fuzzy. Relasi yang didefinisikan sebagai sebuah himpunan
fuzzy Q yang merupakan produk himpunan X x Y, yang dikarakterisasikan oleh fungsi
keanggotaan (Q, x, y ) : X Y [0,1] . Anggap bahwa himpunan fuzzy A dan B masing-masing
merupakan himpunan X dan Y berturut-turut, dan bahwa A B menyatakan produk himpunan
fuzzy. Fungsi keanggotaan dari produk himpunan A B didefinisikan oleh :
( AB, x, y ) = min{ ( A, x), ( B, y ) | ( x, y ) XY },

(2)

dimana ( A, x) dan ( B, y ) merupakan fungsi keanggotaan untuk himpunan fuzzy A dan B.

Jika terdapat sebuah rule sedemikian if x adalah A, then y adalah B dan fakta
(3)

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
148

ISSN: 2338 817X

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)

Sample rule :
Rule 1 : IF x1 adalah kecil

untuk Rule 1

min

untuk Rule 2

Rule 2 : IF x1 adalah besar

x1

x2

max (OR
unifikasi)

THEN

besar.
Defusifikasi
(pusat gravitasi)

Gambar 2. Prosedur inferensi fuzzy untuk sample rule

Gambar 2 memperlihatkan contoh prosedur inferensi untuk dua rule dengan premis
perkalian, dimana OR dan AND merupakan operator sementara premis dan rule diinterpretasikan
sebagai max dan min antara fungsi-fungsi keanggotaan.
Aturan-aturan fuzzy untuk memecahkan masalah klasifikasi mempunyai bentuk umum
sebagai berikut :
(n )
Rr : IF x1 adalah A (j11) AND AND xn adalah A jn THEN ( x1 , x 2 ,..., x n ) C j .

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
149

ISSN: 2338 817X

(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
150

yi( 2 )

if xi( 2 ) a
0,
2

2 xi( 2 ) a
b
b

if a < xi( 2 ) < a +

= 1
,
b
2
2

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=

O1 aO1 bO1 O 2 aO 2 bO 2 ... O 7 aO 7 bO 7

O1 bO1 O 2 bO 2 ... O 7 bO 7

lapisan berikutnya.
Lapisan-6 :
Keluaran jaringan. Neuron pada lapisan ini merupakan akumulasi dari
muncul sebagai peta klasifikasi.
Desain dan Implementasi Neuro-Fuzzy Expert System untuk Klasifikasi Tutupan Lahan
151

ISSN: 2338 817X

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-4 :
Langkah-5 :

IF j > t THEN kembali ke langkah-2 (t = toleransi)

Lakukan langkah-4 sampai km iterasi

Langkah-6 :

IF j > t THEN kembali ke langkah-1

Langkah-7 :

j < t THEN C j = {x | x C j }

Desain dan Implementasi Neuro-Fuzzy Expert System untuk Klasifikasi Tutupan Lahan
152

x1

Lapisan-2

Lapisan-3

x11

R1

x12

R2

. . .

Lapisan-1

R3

x1m
R4
x21

R5

ISSN: 2338 817X

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

Gambar 3. Arsitektur dari model NFES

3.

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

Clustering menyatakan pengelompokan nilai-nilai piksel dalam ruang multispektral.

Fuzzy C-Mean (FCM) adalah salah satu pengelompokan yang didasarkan pada jarak Euklidean.
Kelompok Prasad[7] menggunakan algoritma FCM untuk mengklasifikasi tutupan lahan.
Demikian pula yang dilakukan oleh kelompok Sangthongpraow[8].
Jika x1 dan x2 masing-masing menyatakan posisi piksel yang berbeda didalam suatu
cluster, maka jarak Euklidean antara keduanya adalah

Desain dan Implementasi Neuro-Fuzzy Expert System untuk Klasifikasi Tutupan Lahan
153

d ( x1 , x2 )

ISSN: 2338 817X

= x1 x2

= ( x1 x2 ) ( x1 x2 )
t

1/ 2

1/ 2

= x12i x22i
i =1

(6)

dengan N adalah jumlah komponen spektral.

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

Gambar 4. Skema prosedur klasifikasi tutupan lahan

Kriteria clustering atau indikator kualitas clustering dinyatakan dalam ukuran jumlah
kuadrat kesalahan SSE (sum of squared error), yang didefinisikan sebagai :

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
154

ISSN: 2338 817X

dimana Mi adalah rata-rata (mean) dari cluster ke-i dan xCi adalah pola yang diberikan
3.2

Pengenalan Pola dengan Neuro-Fuzzy

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

Pengecekan dengan Representasi Pengetahuan

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
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
155

ISSN: 2338 817X

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 dan Pembahasan

Hasil pelatihan himpunan-himpunan fuzzy

Algoritma pembelajaran tersupervisi dari NFES untuk mengadaptasi himpunan-himpunan

fuzzy-nya berlangsung secara siklus lewat himpunan pembelajaran hingga didapatkan kriteria
akhir yang sesuai, misalnya jika nilai yang menunjukan jumlah misklasifikasi yang dapat
diterima telah tercapai, atau besar kesalahan tidak dapat lagi diturunkan, dan lain-lain. Tabel-2
memperlihatkan hasil perhitungan areal yang termasuk kedalam himpunan kelas tutupan lahan.
4.2

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
156

ISSN: 2338 817X

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
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

Gambar 6. Training error dengan metode back propagation untuk

1000 iterasi

Desain dan Implementasi Neuro-Fuzzy Expert System untuk Klasifikasi Tutupan Lahan
158

ISSN: 2338 817X

(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
159

Gabar 8. Klasifikasi areal hutan dan bukan hutan

Adapun produser accuracy (PA) dan user accuracy (UA) serta overall accuracy (OA)
dari hasil klasifikasi dapat dilihat pada table-4 untuk metode BPNN dan table-5 untuk metode
NFES. Sel paling pojok kanan bawah dari kedua tabel (tabel-4 dan tabel-5) memperlihatkan OA
dari hasil klasifikasi.

Desain dan Implementasi Neuro-Fuzzy Expert System untuk Klasifikasi Tutupan Lahan
160

Tabel-2. Hasil kalkulasi

Jm
L
Obyek
lah piksel uas (ha)
Laut/Air
Hutan
Sawah
Tambak
Vegetasi
PJLT
tertutup Awan
terklasifikasi
survay (ukuran citra:
483 x 381)
Tidak terklasifikasi
Prosentase
ter
klasifikasi
Prosentasi
tidak
terklasifikasi

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
161

[5]

[6]
[7]

[8]
[9]
[10]

[11]
[12]

[13]

ISSN: 2338 817X

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
162

10

12

13

14

15

16

17

18

19

20

IF R paling rendah AND

G rendah sedang AND B
paling rendah
IF R paling rendah AND
G rendah sedang AND B
sedang bawah
IF R paling rendah AND
G rendah sedang AND B
sedang atas
IF R paling rendah AND
G sedang bawah AND B
sedang atas
IF R rendah sedang AND
G paling rendah AND B
paling rendah
IF R rendah sedang AND
G paling rendah AND B
rendah sedang
IF R rendah sedang AND
G rendah sedang AND B
paling rendah
IF R rendah sedang AND
G rendah sedang AND B
rendah sedang
IF R rendah sedang AND
G rendah sedang AND B
sedang bawah
IF R rendah sedang AND
G paling rendah AND B
paling rendah
IF R rendah sedang AND
G paling rendah AND B
rendah sedang
IF R rendah sedang AND
G sedang bawah AND B
rendah sedang
IF R rendah sedang AND
G sedang bawah AND B
sedang bawah
IF R rendah sedang AND
G sedang atas AND B
rendah sedang
IF R sedang bawah AND
G rendah sedang AND B
rendah sedang

ISSN: 2338 817X

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
163

21

22

23

24

25

26

27

28

29

30

31

32

33

34

35
36

IF R sedang bawah AND

G rendah sedang AND B
sedang bawah
IF R sedang bawah AND
G sedang bawah AND B
paling rendah
IF R sedang bawah AND
G sedang bawah AND B
rendah sedang
IF R sedang bawah AND
G sedang bawah AND B
sedang bawah
IF R sedang bawah AND
G sedang bawah AND B
sedang atas
IF R sedang bawah AND
G sedang bawah AND B
tinggi sedang
IF R sedang bawah AND
G tinggi sedang AND B
tinggi sedang
IF R sedang atas AND G
sedang bawah AND B
rendah sedang
IF R sedang atas AND G
sedang bawah AND B
sedang bawah
IF R sedang atas AND G
sedang bawah AND B
sedang atas
IF R sedang atas AND G
sedang bawah AND B
tinggi sedang
IF R sedang atas AND G
sedang atas AND B
tinggi sedang
IF R tinggi sedang AND
G rendah sedang AND B
sedang atas
IF R tinggi sedang AND
G sedang bawah AND B
sedang atas
IF R tinggi sedang AND
G sedang atas AND B
sedang tas

ISSN: 2338 817X

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
164

IF R sedang atas AND G

sedang atas AND B
sedang bawah

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
165

PA
=
91.4
8%
UA
=
89.7
8%
OA
=
92.8
5%
MK
=
12.3
0%

Tabel-5 Klasifikasi dengan metode yang diusulkan (NFES)

Ground
Hasil klasifikasi
truth
Laut/ai Huta Sawa Tamba Vegetas PJLT

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
166

PA
=
84.0
9%
UA
=
76.9
2%
OA
=
86.5
9%
MK
=
3.19
%

FIELD OF VIEW (FOV) VARIATIONS TO ESTIMATE THE CLOUD LAYERS OF

LIDAR SENSING USING MONTE CARLO METHOD
Syamsir Dewang1, Abdullah2
1.
Physics Department, Faculty of Mathematics and Natural Sciences, Hasanuddin
University, Makassar.
E-mail: dewang163@yahoo.com
2.
Physics Department, Faculty of Mathematics and Natural Sciences, Tadulako University,
Palu.
Abstract
This research was analyzed the multiple scattering of cloud layers by Monte Carlo Method. The
multiple scattering was analized by multiple scattering to single scattering (MSS) ratio for
various values of field-of-view (FOV) angles of the detection telescope. The simulation showed
the first and second layers of cloud for FOV of larger then 1 mrad can be detected. However, the
double layers of cloud cant be detected of less then 0.1 mrad.
Key words: Monte Carlo, multiple scattering, Lidar system.

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

ISSN: 2338 817X

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

ISSN: 2338 817X

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)
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

ISSN: 2338 817X

. . . . . . . . . . . . . . . . (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

ISSN: 2338 817X

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

ISSN: 2338 817X

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

Start

Reading the Lidar signal, Phase function, and scattering angle.

Input the Lidar parameters, such as: Telescope ares, FOV, Extinction Coef.

The initialization of scattering coordinate

Looping for Monte Carlo Method in range R in each layer, and photon
maximum

vektor

Stop

4. Result and Discussion

The Monte Carlo method is applied for simulation of the multiple scattering signals in Eq
(2). In simulation we have calculated the multiple scattering and single scattering signals. The
result of single scattering and multiple scattering signals is shown in Figure 2, for field of view
Field of View (FOV) Variations to Estimate The Cloud Layers of Lidar Sensing Using Monte
Carlo Method
(Syamsir Dewang dan Abdullah)
173

ISSN: 2338 817X

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

ISSN: 2338 817X

Figure 4. The Multiple Scattering-to-single scattering (MSS) ratio for FOV is 1 mrad of
detection telescope.

Figure 5. The Multiple Scattering-to-single scattering (MSS) ratio in different FOV.

It is apparent that the two layers of cloud cant detect for FOV = 0.1 mrad. However, the
lower and upper layer of cloud can be detected when the FOV takes the value from 1 to 10
mrad,such as shown in figure 5 The maximum value of MSS ratio is obtained by the top of cloud
layer. It is also noted that increase of the MSS ratio is significant only for the first few hundred
meters. The multiple scattering contributions become significant only if FOV is rather
large.Thus, in the case of a Micro Pulse Lidar (MPL) FOV value of 0.1 mrad, the multiple
scattering effect is not significant. The effect of multiple scattering for a lidar system with FOV
larger than 1 mrad in the two layers of cloud can be distinguished. We are able to show by
simulation that the two cloud layers can be distinguished. The implication as well as the new
information that could be extracted from this effect requires further investigation.
5. Conclusion
The multiple scattering effect was simulated using the Monte Carlo Method. The effect
of the number of scatterers can be estimated by calculating the Multiple-to Single-Scattering
(MSS) ratio with different field of view (FOV) angels of the detection telescope. The simulation
Field of View (FOV) Variations to Estimate The Cloud Layers of Lidar Sensing Using Monte
Carlo Method
(Syamsir Dewang dan Abdullah)
175

ISSN: 2338 817X

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]

S.Hancock, M. Disney, P. Lewis, J.P.Muller, The Int. Archives of the Photogrammetry,

Rem. Sen.& Spatial Inf. Sci.. Vol.37, Beijing (2008).
K. F. Evans, R. P. Lawson, P. Zmarzly, & D. OConnor, , American Met. Soc. (2003).
Zhixiong Guo, Janice Aber, Bruce A. Garetz & Sunil Kumar, Journal of Quant. spect. &
W.Widada, N. Takeuchi, H. Kuze, A. Tadaishi, and S. Shimakura, Opt. Review, Vol. 7, 95
(2000).
K. F. Evans, D.O. Connor, P. Zmarzly, & R. P. Lawson, J. Atmos.& Oceanic. Tech. Vol.
23, American Met. Soc. (2006).
R. Laudon, The quantum theory of light, 2nd edition, Clarendon Press, Oxford, 1982.
Luc R. Bissonnette, Gilles Roy, L. Poutier, S. G. Cober, & George A. Isaac, Appl. Optics.
Vol. 41, No. 30 (2002).

Field of View (FOV) Variations to Estimate The Cloud Layers of Lidar Sensing Using Monte
Carlo Method
(Syamsir Dewang dan Abdullah)
176

ISSN: 2338 817X

COMPUTER TOMOGRAPHY (CT) SCAN
Syamsir Dewang1 and Syamsiah
Jurusan Fisika, Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Hasanuddin,
Makassar
E-mail: dewang163@yahoo.com
Abstrak
Aplikasi bidang Fisika optik telah banyak membantu kehidupan manusia saat ini, mengingat
penjalaran cahaya merupakan gelombang elektromagnetik dengan panjang gelombang dan
frekwensi tertentu. Penggunaan frekwensi cahaya telah banyak diaplikasikan mulai dari sinar
Gamma, sinar X (rontgen) sampai pada penggunaan sinar infra merah dan sebagainya.
Penemuan sinar X telah banyak membantu khususnya bidang kedokteran. Sistem komputerisasi
penggunaan sinar X dapat mencacah secara digital dosis radiasi dari obyek/tubuh pasien dengan
sistem Computer Tomoghraphy (CT) Scanner. Penelitian ini dilakukan untuk mengetahui
perubahan nilai parameter scanning terhadap penerimaan dosis radiasi yang diterima oleh pasien.
Pengukuran nilai dosis keluaran CT yang diukur adalah nilai CTDI (Computed Tomography
Dose Index). Selanjutnya hubungan perubahan ketebalan irisan terhadap perubahan faktor
ekspose (kV,mA,s) serta nilai penerimaan dosis radiasi yang diterima pasien. Nilai CTDI dengan
perubahan faktor ketebalan potongan irisan diperoleh hasil nilai CTDI tertinggi yaitu 38,43 mGy
5 mm,
hasil tersebut menunjukkan bahwa ketebalan irisan tidak terlalu signifikan
mempengaruhi nilai CTDI.
Kata Kunci: Fisika Optik, Sinar X, Computer Tomoghraphy (CT), dosis radiasi.
Abstract
The applications of optical physics are very useful for mankind at the present time. Meanwhile,
the light travelling is an electromagnetic wave in a certain frequence and wavelength,
respectively.. There are many useful and applications of light, such as: Gamma ray, Xray
(rontgen), and infra red respectively, The Xray discovery can be applicated to many discipline
especially in medicine. Digital imaging of Xray radiation used the computer system for
measuring dose radiation by computer tomoghraphy (CT) scanner of patient. This research is
(CT) Scan
(Syamsir Dewang, Syamsiah)
177

ISSN: 2338 817X

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

Pengembangan ilmu pengetahuan dan teknologi telah dirasakan manfaatnya secara

langsung oleh masyarakat di seluruh dunia termasuk Indonesia yang saat ini menjadi masyarakat
moderen. Pengembangan penelitian bidang fisika khususnya fisika optik yang berbasis pada
cahaya (foton), yang merupakan spektrum gelombang elektromagnetik telah berkembang sangat
pesat. Beberapa negara maju telah memberikan kontribusi yang besar untuk pengembangan
penelitian spektrum gelombang elektromagnetik, mulai dari penelitian sinar gamma (), sinar X
(rontgen), sinar ultra violet (UV), sinar tampak (Visible), infra merah (IR), gelombang mikro
(micro mave), dan gelombang radio. Pengembangan penelitian spektrum gelombang
elektromagnetik tersebut secara umum telah banyak merubah peradaban dunia saat ini,
Khususnya aplikasinya dalam bidang kedokteran, dengan menggunakan sinar X yang dikenal
dengan sinar Rontgen1.
Penggunaan Computer Tomography (CT) Scan dengan sumber sinar X (Rontgen) di
Indonesia saat ini sangat berkembang pesat. Sejak tahun 1999, diperkirakan jumlah pemeriksaan
di bagian radiologi memberikan kontribusi 4 % dari semua pemeriksaan dan paparan radiasi
sebesar 40 %, pada tahun 2009 diperkirakan jumlah pemeriksaan dengan modality CT Scan
mencapai 8 % dan kontribusi paparan radiasi ke pasien sebesar 80 %.
Penelitian ini dilakukan untuk mengetahui perubahan nilai parameter scanning terhadap
penerimaan dosis radiasi yang diterima oleh pasien. Alat ukur yang digunakan adalah pen
dosimeter yang menggunakan metode ionisasi chamber atau bilik ionisasi. Pengukuran nilai
dosis keluaran CT yang diukur adalah nilai CTDI (Computed Tomography Dose Index). pesawat
CT Scan Dual Slice, selanjutnya mengetahui hubungan perubahan ketebalan irisan ,perubahan
faktor ekspose (kV,mA,s) dengan nilai penerimaan dosis radiasi yang diterima pasien.

(CT) Scan
(Syamsir Dewang, Syamsiah)
178

ISSN: 2338 817X

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:
( 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

(CT) Scan
(Syamsir Dewang, Syamsiah)
179

ISSN: 2338 817X

3. Metoda Penelitian
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.

Hasil dan Pembahasan

Nilai CTDI dengan variasi nilai arus tabung

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

Nilai Arus Tabung (mA)

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
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
(CT) Scan
(Syamsir Dewang, Syamsiah)
180

faktor tegangan tabung (kV) terhadap nilai CTDI.

c. Nilai CTDI dengan variasi ketebalan irisan (slice thicness)
Selanjutnya hasil perhitung nilai CTDI terhadap parameter ketebalan irisan/ slice dapat

39

CTDI (mGy)

38
37
36
35
34
33
0

10

12

Gambar 2. Grafik hubungan pemilihan ketebalan irisan dengan nilai CTDI

Dari grafik ini tampak pemilihan parameter ketebalan irisan dengan nilai CTDI tertinggi
yaitu 38,43 mGy pada potongan irisan 3 mm sedangkan nilai CTDI terendah pada nilai 34,19
pada potongan irisan 5 mm, Hal ini menunjukkan bahwa ketebalan irisan tidak terlalu signifikan
mempengaruhi nilai CTDI.
d. Nilai CTDI dengan Faktor nilai waktu penyinaran (scanning)

CTDI (mGy)

Waktu penyinaran (scanning time) pada pemeriksaan dengan modalitas CT Scan sangat
90
80
70
60
50
40
30
20
10
0
0

Gambar 3. Nilai CTDI terhadap waktu penyinaran

ditunjukkan dengan nilai CTDI akan semakin besar dengan lamanya waktu penyinaran dengan
waktu ekspose yang lebih banyak.

(CT) Scan
(Syamsir Dewang, Syamsiah)
181

5. Kesimpulan dan Saran

a. Kesimpulan
Sebagai kesimpulan dari penelitian ini adalah:
1. Pengukuran nilai CTDI (Computed Tomography Dose Index) pada pesawat CT Scan nilainya
bergantung pada pemilihan nilai faktor eksposi terutama arus tabung, waktu scanning dan
ketebalan irisan, sedangkan tegangan tabung lebih mempengaruhi sifat daya tembus
2. Nilai CTDI dengan perubahan faktor ketebalan potongan irisan diperoleh hasil nilai CTDI
tertinggi yaitu 38,43 mGy pada potongan irisan 3 mm sedangkan nilai CTDI terendah pada
nilai 34,19 pada potongan irisan 5 mm, artinya ketebalan irisan tidak terlalu signifikan
mempengaruhi nilai CTDI.
b. Saran
1. Sebaiknya petugas CT-Scan harus memperhatikan parameter-parameter yang mempengaruhi
penerimaan dosis yang akan diterima oleh pasien seperti tegangan tabung, arus tabung, waktu
ekspose dalam penggunaan CT Scan.
2. Hendaknya dipilih faktor-faktor nilai parameter yang menghasilkan dosis terendah dengan
tetap memperhatikan kepentingan diagnosa.
DAFTAR PUSTAKA
[1]
[2]
[3]
[4]
[5]
[6]
[7]

Brooker M.J.1986.Computed Tomography for Radiographer. MTP Press Limited:England.
Euclid Serrem, RT, BsC, 2001. Computed Tomography Physical Principles, Clinical
Applications and Quality Controls. W.B Saunders Company : Philadelphia.
Jerrodl T. Bushberg, 2002. The Essential Physics of Medical Imaging, Wolters Kluwer
Company : New York.
Otto H. Wegner, 2000. Whole Body Computed Tomography, Blackwell scientific
Publication : England.
Webb Brant Helms, 1998. Fundamental of Body CT, W.B. Saunders Company :
Soedojo P, 2001. Azas - Azas Ilmu Fisika, jilid 4 Fisika Modern, Gajah Mada University
Press : Yogyakarta.

(CT) Scan
(Syamsir Dewang, Syamsiah)
182

ISSN: 2338 817X

[8]

Bontranger, MA, RT(R), 2001 Textbox of Radiographic Positioning and Related Anatomy,
[9] ComputedTomographyImageFormation,www,sprawls.org/reourcces/CTIMG/clasroom.ht
m
Mosby

(CT) Scan
(Syamsir Dewang, Syamsiah)
183

UJI KARAKTERISASI KUALITAS RADIASI SINAR X SEBAGAI

PARAMETER QUALITY CONTROL

Sri Dewi Astuty Ilyas, Khaerati, Supri H, St. Chadidjah

Jurusan Fisika Fakultas MIPA Universitas Hasanuddin
Email : tuty_ilyas@yahoo.com
Abstract
A study concerning thetest ofthe quality characteristicX-ray radiationas the parameters of
Quality Control. The testwas conductedas a test ofthe suitability ofthequality assurance
programtoolsincludingdiagnostic radiology quality assurance program and quality control (QA
/QC). Test the suitability of the effect on image quality and patient doseistestingXrayplanefunctionsradiodiagnosticwhichaims to ensure that every parameter tested the accuracyof
radiationon air craft performance or functionaccording to specificationsandtoolsin case of
deviationshould be with in the specified tolerance limit value. The type oftests performe
disconsistency and linearity test, HVL test and Focusing test on the production of X-rays. The
results show that the linearity and consistency tests, the level of alignment at various tube current
value does not exceed 10% of the linearity of the output radiation for each tube voltages
respectively 3.3% at the setting50kV, 60kV3.7% at the setting, 3 ,5% in the setting70kV,
80kV2.4% at the setting, and 1.1% at 90kV settings, the Test HVL, for 70kV tube voltage
generated HVL value was 3.2mmAl, for 80kV tube voltage generated HVL valueis 3, 4mmAl,
and for a tube voltage of 90kV generated HVL value was 3.8mmAl; Focusingon thetest, use
alignment Beamangledeviation of 10 cm of 4.4(FFD 50cm), 4.8 (FFD 70cm), 3.6 (FFD
90cm), 3.2 (FFD 110cm), and 2.8(FFD 130cm), where as the use of alignment 20c mand 30cm
Beam produce salarge deviation angle.
Key Words : quality of radiation, quality control, HVL, Linierity, focusing
Abstrak
Telah dilakukan penelitian tentang uji karakteristik kualitas radiasi sinar X sebagai parameter
Quality Control. Pengujian ini dilakukan sebagai uji kesesuaian dalam program jaminan mutu
alat-alat radiologi diagnostik yang meliputi program jaminan kualitas dan kendali kualitas
(QA/QC). Uji kesesuaian yang berpengaruh pada kualitas citra dan dosis pasien yaitu pengujian

Uji Karakterisasi Kualitas Radiasi Sinar X sebagai Parameter Quality Control

(Sri Dewi Astuty Ilyas)
184

ISSN: 2338 817X

fungsi pesawat sinar-X radiodiagnostik yang bertujuan untuk menjamin bahwa setiap parameter
penyinaran pada pesawat teruji akurasi kinerjanya atau fungsinya sesuai dengan spesifikasi alat
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
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
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
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.

Uji Karakterisasi Kualitas Radiasi Sinar X sebagai Parameter Quality Control

(Sri Dewi Astuty Ilyas)
185

ISSN: 2338 817X

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
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
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
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 :

Uji Karakterisasi Kualitas Radiasi Sinar X sebagai Parameter Quality Control

(Sri Dewi Astuty Ilyas)
186

Tabel 1. Parameter Uji dalam Program Quality Control Pesawat Sinar-X

Pengukuran
Filtrasi
Kolimasi
Ukuran Titik
Fokus
Kalibrasi kV
Puncak
Ketepatan Waktu
Paparan
Linearitas
Illuminator Film

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)
(kombinasi arus dan waktu paparan sinar-X).
Penentuan Output Radiasi menggunakan persamaan berikut :

Dan penentuan linieritas output menggunakan persamaan :

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 :

Uji Karakterisasi Kualitas Radiasi Sinar X sebagai Parameter Quality Control

(Sri Dewi Astuty Ilyas)
187

ISSN: 2338 817X

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 :

III. Metode Penelitian

Alat dan Bahan :
1. Uji Linieritas : Perangkat Pesawat X-Ray, Full Function meter, mistar, waterpass.
2. Uji Nilai HVL : Filter mmAl, Pen-Dosimetry (Pen-Dose), mistar, waterpass.
3. Uji Ketepatan Titik Fokus : Perangkat Pesawat X-Ray, Collimator Test Tool, Beam
Alligment Test Tool, Kaset/Film Radiografi, mistar, waterpass.
Prosedur Percobaan:
1. Uji Linieritas : Paparan radiasi diukur setelah menetapkan factor eksposi tegangan 50kV
untuk arus-waktu 4 mAs, 10 mAs dan 16 mAs. Selanjutnya pengukuran paparan radiasi
diulang untuk tegangan lainnya (60kV,70kV, 80kV dan 90kV) dengan jarak fokus ke alat
Full Function Meter yaitu 90 cm. Luas lapangan disesuaikan dengan ukuran alat Full
Function meter.
2. Uji Nilai HVL : Paparan radiasi diukur pada tiga tahapan untuk masing-masing factor
tegangan, pertama tanpa menggunakan filter, kemudian dengan filter T1 dan filter T2
dengan ketebalan yang sesuai dengan tegangan yaitu 70 kV (T1=2,5mm,T2=3mm), 80kV
(T1=3mm,T2=3,5mm) dan 90kV (T1=3,5mm,T2=4mm), dengan jarak fokus ke alat Pen
Dosimeter yaitu 70 cm. Luas lapangan disesuaikan dengan ukuran alat Pen Dosimeter.
3. Uji Ketepatan Titik Fokus : Mengatur faktor eksosi 50kV dan 5mAS jarak tabung dan kaset
setinggi 50cm, 70cm, 90cm, 110cm dan 130cm. sentrasi dipusatkan pada tengah kaset

Uji Karakterisasi Kualitas Radiasi Sinar X sebagai Parameter Quality Control

(Sri Dewi Astuty Ilyas)
188

ISSN: 2338 817X

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
:
Tabel 2. Hasil Paparan radiasi berbagai mAs dan kV
Arus
(mAs
4
10
16

50 kV 60 kV 70 kV 80 kV 90 kV
0,117 0,157 0,281 0,411 0,541
0,297 0,396 0,712 1,037 1,371
0,491 0,672 1,203 1,712 2,205

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
seperti yang tercantum pada tabel 3 berikut :
Tabel 3. Nilai Ouput dan Linieritas
Tegangan
(kV)
50
60
70
80
90

Output (mGy/mAs) Linieritas

4 mAs 10 mAs 16 mAs (%)
0,029 0,030 0,031
3,3
0,039 0,041 0,042
3,7
0,070 0,071 0,075
3,5
0,102 0,104 0,107
2,4
0,135 0,137 0,138
1,5

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

Uji Karakterisasi Kualitas Radiasi Sinar X sebagai Parameter Quality Control

(Sri Dewi Astuty Ilyas)
189

ISSN: 2338 817X

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

HVL
(mGy)
(mmAl
D0 D0 /2 D1
D2
0,294 0,147 0,151 0,142 3,2
0,353 0,177 0,183 0,164 3,34
0,404 0,202 0,212 0,188 3,79

3. Uji Kesejajaran Titik Fokus

Adapun hasil pengukuran jarak bayangan titik (focal spot) yang dihasilkan diukur dari
titik pusat kolimator, serta penentuan sudut penyimpangan seperti yang tercantum pada tabel 5
signifikan pada penggunaan beam dengan berbagai macam variasi FFD (beam 10 cm, 20 cm dan
30 cm). Semakin tinggi jarak antara focus ke film (FFD) maka penyimpangan titik dengan titik
Ketepatan titik pusat berkas sinar-X merupakan faktor yang penting untuk menentukan
dalam menampilkan gambaran dua obyek yang kecil yang saling berdekatan. Yang mana dalam
penyimpangan ketepatan titik pusat berkas sinar-X dapat mengakibatkan terjadinya magnifikasi

Uji Karakterisasi Kualitas Radiasi Sinar X sebagai Parameter Quality Control

(Sri Dewi Astuty Ilyas)
190

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

Grafik hasil pengukuran sudut penyimpangan titik focus :

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
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
sejajaran titik focus akan menghasilkan informasi yang menyimpang tentang letak/posisi
kelainan dalam tubuh pasien.

Uji Karakterisasi Kualitas Radiasi Sinar X sebagai Parameter Quality Control

(Sri Dewi Astuty Ilyas)
191

3.

ISSN: 2338 817X

Penggunaan Pesawat dalam jangka waktu lama tanpa upaya perbaikan akan mempengaruhi

DAFTAR PUSTAKA
[1]

Atolan, F. 2004.Hubungan antara Aspek Manajemen dengan Praktek Protap K3 Radiasi

University Press.
Jakarta: Requalifikasi PPR Bidang Industri.
No. 01 Tahun 1999. Jakarta: Bapeten.
[5] Beiser A.1990. Konsep Fisika Modern.Jakarta: Erlangga.
[6] Chember, H. 1987. Introduction to Health Physics.2th. New York: Pergamon Press.
[7] Danial, D. 1989. An Analysis of Radiographic Quality. Maryland: Aspen Publisher.
[8] Handoko. 1995. Manajemen Kesehatan. Edisi II. Yogyakarta: Universitas Gajah Mada.
[9] Herman, C. 1983. Pengantar Fisika Kesehatan. Semarang: IKIP Semarang Press.
[10] IERP, Radiation Safety Act 1975, Diagnostic X-Ray Equipment Compliance Test 2000.
Australia: IERP.
[11] Jessica, P. 1999. Quality Control Radiology. Osteaux: Medical Press.

Lampiran Data dan Gambar :

Tabel 5. Data Penyimpangan Kesejajaran Titik Fokus dengan Variasi Ketinggian Beam
Alligment
Penyimpangan Bayangan Titik Pusat
Beam
Alligment FFD 50cm
FFD 70cm
FFD 90cm
FFD 110cm
0
0
0
(cm) X (cm) ( ) X (cm)
X (cm) ( ) X (cm) (0)
( )
10
1,1
4,4
1,1
4,8
0,8
3,6
0,7
3,2
20
2,3
3,6
2,2
4,1
2,2
4,5
1,9
4,1
30
4,6
3,2
4,5
4,5
4,4
5,1
4,2
5,5

Uji Karakterisasi Kualitas Radiasi Sinar X sebagai Parameter Quality Control

(Sri Dewi Astuty Ilyas)
192

FFD 130cm
X (cm) (0)
0,6
2,8
1,8
4,0
4,2
5,8

1,5

Uji Karakterisasi Kualitas Radiasi Sinar X sebagai Parameter Quality Control

(Sri Dewi Astuty Ilyas)
193

MODEL NUMERIK 2D POLA ARUS PASANG SURUT

DI WILAYAH PERAIRAN INDONESIA
Yutdam Mudin
Abstrak
Telah dilakukan penelitian mengenai pola arus pasang surut di wilayah perairan Indonesia
dengan pendekatan model numerik 2D menggunakan program COHERENS. Hasil simulasi
model yang diperoleh dapat dilihat arah arus dan besarnya kecepatan arus terhadap waktu di
wilayah perairan Indonesia. Arus pasang surut tertinggi terjadi di Laut Timor dan Laut Arafuru
dengan nilai kecepatannya 0,013,55 m/s sedangkan arus pasang surut terendah terjadi di Laut
Cina Selatan dengan nilai kecepatan arusnya sekitar 0,011,22 m/s. Pola arus pasang surut saat
surut menuju pasang untuk wilayah bagian barat Indonesia dominan mengarah ke Perairan
Samudera Hindia bagian tenggara. Wilayah bagian tengah Indonesia, pola arus pasang surut saat
surut menuju pasang dominan mengarah ke perairan Sulawesi Tengah. Wilayah bagian timur
Indonesia pola arus pasang surut saat surut menuju pasang mengarah ke pengairan wilayah Irian
Jaya Tengah. Sedangkan pola arus pasang surut saat pasang menuju surut untuk wilayah bagian
barat Indonesia mengarah ke Perairan Samudera Hindia bagian barat Laut. Wilayah bagian
tengah Indonesia, pola arus pasang surut saat pasang menuju surut mengarah ke Selat Makassar
bagian barat daya. Wilayah bagian timur Indonesia pola arus pasang surut saat pasang menuju
surut dominan mengarah ke Laut Banda.
Kata kunci: metode numerik, COHERENS, fortran,arus pasang surut.
1. Pendahuluan
Indonesia merupakan negara kepulauan yang sebagian besar wilayahnya terdiri dari
daerah perairan dengan keanekaragaman hayati serta sumber energi alternatif yang terkandung di
dalamnya. Dengan kondisi ini tentu saja sangat membutuhkan penanganan yang lebih baik
mengenai manajemen pemanfaatan sumber daya yang membutuhkan pengetahuan mengenai
kondisi perairan Indonesia saat ini. Namun, informasi akan data-data di wilayah perairan
Indonesia sangatlah terbatas. Keterbatasan akan data ini disebabkan karena sulitnya melakukan
pengambilan data di daerah lepas pantai. Sementara kondisi perairan dengan keberadaan arus
pasang surutny dapat dimanfaatkan untuk berbagai keperluan yang menunjang kehidupan
manusia. Akan tetapi, penelitian tentang arus pasang surut laut itu sendiri masih sedikit
Model Numerik 2D Pola Arus Pasang Surut di Wilayah Perairan Indonesia
(Yutdam Mudin)
194

ISSN: 2338 817X

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

1.2 Gerakan Arus Pasang Surut

Lepas pantai, di mana arah aliran tidak membatasinya oleh hambatan, arus pasang surut
adalah berputar yaitu mengalir terus menerus, dengan arah perubahan melalui semua poin dari
kompas selama masa pasang surut. Hal ini disebabkan oleh rotasi bumi dan kecuali dimodifikasi
oleh kondisi setempat. Kecepatan biasanya bervariasi di seluruh siklus pasang surut. Gerak
tersebut adalah gerak rotasi arus pasang surut. Gerak rotasi arus pasang surut merupakan gerak
pasang surut di laut lepas yang berbentuk ellips, dimana arah rotasi adalah searah dengan putaran
jarum jam di Belahan Bumi Utara (BBU) dan berlawanan dengan arah jarum jam di Belahan
Bumi Selatan (BBS) (Wyrtki, 1961).
Untuk perairan yang arah alirannya terbatas pada saluran tertentu, seperti sungai atau
selat, maka arus pasang surut mengalir berubah arah atau belok (gerak arus pasang surut
1) Pada saat pasang, muka air di laut lebih tinggi daripada di estuari dimana gerakan arus
pasang surut memasuki estuari ini disebut flood.
2) Pada saat surut, muka air laut lebih rendah daripada di estuari sehingga arus pasang surut
bergerak keluar estuari menuju laut, gerakan keluar estuari ini disebut ebb.
1.3 Kurva Arus Pasang Surut
Kurva arus pasang surut berbentuk sinusoidal, namun di estuari, sungai atau selat yang
dangkal, kurva sinus ini tidak lagi simetri karena adanya pengaruh gesekan dasar dan debit
sungai. Pada perairan selat yang menghubungkan dua perairan yang dipengaruhi pasang surut,
terjadi arus bolak-balik, arus ini timbul akibat perbedaan tinggi dan fasa pasang surut di kedua
ujung selat. Umumnya tinggi dari fasa pasang surut di kedua ujung selat tidak sama.
1.4 Periode Arus Pasang Surut
Arus pasang surut mempunyai periode dan siklus yang sama dengan pasang surut, tetapi
flood dan ebb dari arus tidak harus terjadi pada saat yang sama dengan naik turunnya pasang
surut. Untuk perairan estuari, arus pasang surut berubah arah lebih dahulu dari pasang surutnya.
1.5 Amplitudo Arus Pasang Surut
Pada umumnya amplitudo arus pasang surut sesuai dengan range dari pasang surut pada
saat spring tide (pasang purnama) dan pada saat bulan paling dekat dengan bumi (moons
terjadi arus pasang surut yang lemah.
Model Numerik 2D Pola Arus Pasang Surut di Wilayah Perairan Indonesia
(Yutdam Mudin)
196

1.6 Model Hidrodinamika

Sirkulasi yang disebabkan oleh arus pasang surut di perairan pantai digambarkan oleh
hukum kekekalan momentum dan massa air. Dalam koordinat kartesian 2 dimensi, pergerakan
arus pasang surut di perairan pantai dapat digambarkan oleh 2 Persamaan pengatur berikut
(Supiyati, 2005), yaitu:
Persamaan kontinuitas:

(uh) (vh)
(1)
+
+
=
0
t
x
y
Dengan :

(2.1)

= Elevasi muka laut (m)

= Komponen kecepatan arus yang dirata-ratakan terhadap kedalaman dalam arah sumbu x
(m/det)

= Komponen kecepatan arus yang dirata-ratakan terhadap kedalaman dalam arah sumbu y
(m/det)
t
= Waktu (det)
x, y = Koordinat kartesius

+ ) (m)

Persamaan momentum arah x dan y :

2 u 2 u
u
u
u
bx
+u
+v
=
g
+
+ Ah 2 + 2
t
x
y
x
y
h
x

(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)

bx = Stress dasar dalam arah sumbu x (m2/det2)

by = Stress dasar dalam arah sumbu y (m2/det2)

= Gravitasi Bumi (m/det2)

= Kerapatan Fluida (Kg/m3)
= Koefisien gesekan dasar

= Koefisien difusi viskositas horizontal

dz = Perubahan koordinat dalam arah vertikal
Solusi numerik Persamaan hidrodinamika (Persamaan (1) hingga Persamaan (3))
diselesaikan dengan menggunakan metoda beda hingga (finite difference). Susunan grid
(staggered grid) komponen kecepatan u, v dan metoda ini dapat dilihat pada Gambar 1.1
(Supiyati, 2005):

Gambar 1.1.Staggered Grid untuk elevasi dan kecepatan

2. Metode Penelitian
Penelitian ini dilakukan dengan beberapa tahapan yaitu penentuan lokasi pemodelan
(skenario model) yang sesuai dengan batas lokasi penelitian, pengumpulan data sekunder,
pemodelan dan analisis terhadap besar dan arah arus pasang surut untuk menentukan pola
pergerakan arus pasang surut di wilayah perairan Indonesia.
Penentuan lokasi pemodelan (skenario model) yang sesuai dengan batas lokasi penelitian

(Yutdam Mudin)
198

Gambar 2.1. Lokasi Penelitian

Data sekunder pasang surut bulan Januari tahun 2010 diperoleh dari Dinas Hidrologi dan
Oseanografi (DISHIDROS) TNI Angkatan Laut dan data batimetri perairan Indonesia yang
diperoleh dari General Bathymetric Chart of the Oceans (GEBCO) 30 arc second, tahun 2010.
Data sekunder pasang surut diolah dengan menerapkan Metode Admiralty dan menerapkan
Metode Least Square sehingga diperoleh prediksi pasang surut di lokasi penelitian. Dari data
pasang surut tersebut, dapat dilihat tipe pasang surut dan beda fasa yang ada di daerah penelitian.
Pemodelan ini dilakukan dengan menggunakan perangkat lunak Model Numerik 2D
Coherens. Data input berupa data hasil pasang surut dan data batimetri. Dalam pemodelan nilai
t yang digunakan adalah sebesar 10 detik. Output model menghasilkan data arus pasang surut
laut. Dari data arus pasang surut yang diperoleh akan diketahui pola arus pasang surut lokasi
penelitian yang disesuaikan dengan menggunakan perangkat gambar Transform. Dari hasil yang
diperoleh, dilakukan analisis terhadap besar dan arah arus pasang surut untuk menentukan pola
pergerakan arus pasang surut di wilayah perairan Indonesia
3. Hasil dan Pembahasan
3.1 Hasil Penelitian
a. Batimetri Lokasi Penelitian
Berdasarkan kontur batimetri dapat diperoleh analisa kualitatif dan kuantitatif bahwa
kedalaman di wilayah Indonesia memiliki nilai kedalaman yang bervariasi secara ekstrim yaitu
0,0 8563,8 meter. Kecenderungan bentuk kontur batimetri wilayah Indonesia (Gambar 3.1)
yang sangat rapat di beberapa bagian dan cukup jarang di bagian lainnya.
Model Numerik 2D Pola Arus Pasang Surut di Wilayah Perairan Indonesia
(Yutdam Mudin)
199

Gambar 3.1. Kontur Batimetri Wilayah Indonesia

Kondisi batimetri lokasi penelitian ditinjau atas 3 bagian yaitu:
1) Kondisi Batimetri Wilayah Indonesia Barat
Wilayah Indonesia bagian barat meliputi Samudera Hindia dan Laut Cina Selatan.
Batimetri di Laut Cina Selatan memiliki jumlah kontur yang sangat jarang dengan kedalaman
yang landai yaitu berkisar 0 499 meter dan bentuk kontur di Samudera Hindia menunjukkan
tingkat kemiringan sangat tinggi dengan nilai kedalaman mencapai 5000 meter. Hal ini karena di
bagian Timur Laut wilayah Indonesia adalah Samudera Hindia yang merupakan lautan lepas
sehingga kedalamannya sangatlah ekstrim.
2) Kondisi Batimetri Wilayah Indonesia Tengah
Wilayah Indonesia bagian tengah yang ditinjau adalah Selat Makassar. Daerah Selat
Makassar kondisi batimetrinya memiliki bentuk kontur yang cukup jarang dengan nilai
kedalaman mencapai 0 2999 meter.
3) Kondisi Batimetri Wilayah Indonesia Timur
Wilayah Indonesia bagian timur meliputi Laut Seram, Laut Timor, Laut Arafuru dan
Perairan Samudera Pasifik. Batimetri Laut Seram memiliki kedalaman sekitar 3000 3999 meter
dengan bentuk kontur yang rapat. Batimetri di Laut Timor dan Laut Arafuru memiliki jumlah
kontur yang sangat jarang dengan kedalaman yang landai yaitu 0 499 meter. Perairan
Samudera pasifik memiliki bentuk kontur yang sangat rapat dan kedalamannya sekitar 4000
6000 meter.

(Yutdam Mudin)
200

ISSN: 2338 817X

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.

Laut Timor dan Laut

Arafuru

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
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

ISSN: 2338 817X

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).

(Yutdam Mudin)
202

ISSN: 2338 817X

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

(300'00,00LU dan 13530'00,00BT)

c. Arus Pasang Surut 2D (2 Dimensi)
Hasil pemodelan arus pasang surut 2D telah memperlihatkan bahwa arah dan besarnya
arus tersebut sangat bergantung pada kondisi tinggi permukaan laut yang diakibatkan oleh
fenomena pasang surut. Pola arus yang berbeda karena perubahan tinggi permukaan dapat dilihat
pada saat purnama untuk kondisi saat pasang maksimum dan surut minimum. Kondisi arus
pasang surut untuk tiap-tiap bagian wilayah perairan Indonesia dan kondisinya adalah sebagai
berikut:
1) Arus Saat Pasang Maksimum
a) Kondisi Arus saat Pasang Maksimum Wilayah Indonesia Barat
Pola arus saat pasang maksimum di Perairan Samudera Hindia (Gambar 3.9) memiliki
pola arus hampir seragam, ada yang bergerak ke arah Samudera Hindia bagian barat. Kecepatan
arus pasang surut saat pasang maksimum di daerah Samudera Hindia tergolong cukup besar
yaitu 0,011,79 m/s. Arus di Laut Cina Selatan bergerak seragam (Gambar 3.10) ke arah Laut
Cina Selatan bagian barat dengan nilai kecepatan arus pasang surutnya berkisar antara 0,011,66
m/s. Perairan Samudera Hindia bagian timur arus pasang surutnya (Gambar 3.11) bergerak
berlawanan arah, ada yang bergerak ke arah perairan Yogyakarta dan jawa barat dan ada pula
yang bergerak ke Perairan Samudera Hindia bagian selatan. Kecepatan arus pasang surut saat
pasang maksimum di Perairan Samudera Hindia bagian timur berkisar antara 0,011,91 m/s.

Gambar 3.9.Pola arus pasang surut saat pasang maksimum purnama di Perairan Samudera
Hindia

(Yutdam Mudin)
204

ISSN: 2338 817X

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

ISSN: 2338 817X

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

ISSN: 2338 817X

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

b) Kondisi Arus saat Surut Minimum Wilayah Indonesia Tengah

Pola arus pasang surut di Selat Makassar saat surut minimum sebagian bergerak ke Selat
Makassar bagian selatan dengan kecepatan arus pasang surutnya berkisar antara 0,011,26 m/s.

(Yutdam Mudin)
207

ISSN: 2338 817X

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

(Yutdam Mudin)
208

ISSN: 2338 817X

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

ISSN: 2338 817X

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

(Yutdam Mudin)
210

ISSN: 2338 817X

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

ISSN: 2338 817X

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
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

ISSN: 2338 817X

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

ISSN: 2338 817X

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

ISSN: 2338 817X

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
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.

ISSN: 2338 817X

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

(Yutdam Mudin)
216

[5]
[6]
[7]
[8]
[9]

ISSN: 2338 817X

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