i
Halaman Judul
TUGAS AKHIR – TF 141581
ANALISIS PERPINDAHAN PANAS MESIN PENGERING IKAN TERHADAP PENGARUH VARIASI MASSA IKAN DAN KECEPATAN BLOWER
MOKH. FAHMI IZDIHARRUDIN NRP. 02311440000028
Dosen Pembimbing
Dr. Ridho Hantoro, S.T., M.T.
DEPARTEMEN TEKNIK FISIKA Fakultas Teknologi Industri
Institut Teknologi Sepuluh Nopember Surabaya 2018
ii
“Halaman ini sengaja dikosongkan”
iii Title Page
FINAL PROJECT – TF 141581
HEAT TRANSFER ANALYSIS OF FISH DRYING MACHINE ON EFFECT OF FISH MASS AND BLOWER SPEED VARIATION
MOKH. FAHMI IZDIHARRUDIN NRP. 02311440000028
Supervisor
Dr. Ridho Hantoro, S.T., M.T.
DEPARTMENT OF ENGINEERING PHYSICS Faculty of Industrial Technology
Institut Teknologi Sepuluh Nopember Surabaya 2018
iv
“Halaman ini sengaja dikosongkan”
v
PERNYATAAN BEBAS PLAGIARISME Saya yang bertanda tangan di bawah ini
Nama : Mokh. Fahmi Izdiharrudin
NRP : 02311440000028
Departemen/ Prodi : Teknik Fisika/ S1 Teknik Fisika Fakultas : Fakultas Teknologi Industri
Perguruan Tinggi : Institut Teknologi Sepuluh Nopember Dengan ini menyatakan bahwa Tugas Akhir dengan judul
“Analisis Perpindahan Panas Mesin Pengering Ikan Terhadap Pengaruh Variasi Massa Ikan & Kecepatan Blower ” adalah benar karya saya sendiri dan bukan plagiat dari karya orang lain. Apabila di kemudian hari terbukti terdapat plagiat pada Tugas Akhir ini, maka saya bersedia menerima sanksi sesuai ketentuan yang berlaku.
Demikian surat pernyataan ini saya buat dengan sebenar- benarnya.
Surabaya, Juli 2018 Yang membuat pernyataan,
Mokh. Fahmi Izdiharrudin NRP. 02311440000028
vi
“Halaman ini sengaja dikosongkan”
vii
LEMBAR PENGESAHAN I
viii
“Halaman ini sengaja dikosongkan”
ix
LEMBAR PENGESAHAN II
x
“Halaman ini sengaja dikosongkan”
xi
ANALISIS PERPINDAHAN PANAS MESIN PENGERING IKAN TERHADAP PENGARUH VARIASI MASSA IKAN
DAN KECEPATAN BLOWER Nama Mahasiswa : Mokh. Fahmi Izdiharrudin
NRP : 02311440000028
Departemen : Teknik Fisika FTI-ITS
Dosen Pembimbing : Dr. Ridho Hantoro, S.T., M.T.
ABSTRAK
Pada proses pengeringan ikan tradisional masih belum memenuhi norma persyaratan keamanan dan kesehatan pangan sesuai dengan Good Manufacturing Practices (GMP). Oleh karena itu, diperlukan rancangan teknologi proses pengeringan ikan untuk standar kesehatan pangan dan kecepatan pengeringan yang baik.
Dari hasil eksperimen yang dilakukan di Surabaya dengan nilai iradiasi rata – rata sebesar 1.8 – 1023.85 W/m2 dan ukuran chamber pada mesin pengering ikan 60 cm x 80 cm x 120 cm didapatkan hasil moisture content akhir ikan dibawah 10 % selama 6 jam.
Proses pengeringan dimulai dari jam 09.00 sampai 14.00 WIB dengan kapasitas pengering 1 kg. Dalam memperbesar kapasitas pengeringan diharapkan mampu menghasilkan produksi ikan lebih banyak. Dengan metode simulasi Computational Fluid Dynamics pada kondisi steady state yang memanfaatkan perhitungan momentum, energi, kontinuitas, dan persamaan radiasi S2S (Surface to Surface) dilakukan variasi massa ikan 2 kg dan 5 kg.
Didapatkan hasil bahwa dengan massa ikan 5 kg sudah tidak mampu mengeringkan ikan dalam waktu 6 jam. Akan tetapi untuk massa 2 kg mampu mengeringkan ikan dengan efisiensi pengeringan ikan mencapai 19 % dengan kecepatan blower 1500 RPM. Untuk mempercepat proses pengeringan akan dilakukan
xii
penambahan kecepatan blower ikan sebesar 1650 RPM dan 1850 RPM dengan yang mampu melepaskan kalor sebesar 89.11 W, 89.95 W dan efisiensi sebesar 23 %.
Kata kunci : Pengeringan Ikan, Simulasi, Moisture Content, dan Efisiensi.
xiii
HEAT TRANSFER ANALYSIS OF FISH DRYING MACHINE ON EFFECT OF FISH MASS AND
BLOWER SPEED VARIATON
Name : Mokh. Fahmi Izdiharrudin
NRP : 02311440000028
Departement : Engineering Physics FTI-ITS Supervisors : Dr. Ridho Hantoro, S.T., M.T.
ABSTRACT
In traditional fish drying process still not request the norm of food safety and health requirements accordance with Good Manufacturing Practices (GMP). Therefore, it is necessary to design the technology of fish drying process for health food and fast drying. From the experimental results conducted in Surabaya with an average irradiation value of 1.8 - 1023.85 W / m2 and chamber size on fish drying machine 60 cm x 80 cm x 120 cm obtain results of final moisture content fish below 10% for 6 hours.
The drying process starts from 09.00 to 14.00 WIB with a dryer capacity of 1 kg. In increasing the drying capacity is expected to produce more fish production. With Computational Fluid Dynamics simulation method in steady state condition that utilizes momentum calculation, energy, continuity, and the radiation equation of S2S (Surface to Surface) can modelling variation of mass for 2 kg and 5 kg. It was found that with a mass of 5 kg fish was not be able to dry the fish within 6 hours. However, for a mass of 2 kg can be dry fish with fish drying efficiency reaches 19% with blower speed 1500 RPM. To optimilize the drying process will be
xiv
increase speed of blower for 1650 RPM and 1850 RPM with the ability to produce heat of 89.11 W, 89.95 W and efficiency of 23%.
Key words : Fish Dryer, Simulation, Moisture Content, and Efficiency.
xv KATA PENGANTAR
Puji syukur kehadirat Allah SWT atas limpahan rahmat dan hidayah-Nya, penulis mampu menyelesaikan laporan penelitian Tugas Akhir yang berjudul “ANALISIS PERPINDAHAN PANAS MESIN PENGERING IKAN TERHADAP PENGARUH VARIASI MASSA IKAN DAN KECEPATAN BLOWER”.
Pelaksanaan penelitian Tugas Akhir ini tidak lepas dari bantuan berbagai pihak. Oleh karena itu penulis mengucapkan terima kasih kepada:
1. Bapak Agus M. Hatta, S.T., M.Sc, Ph.D selaku Kepala Departemen Teknik Fisika yang mengarahkan dan memotivasi dalam pegerjaan tugas akhir ini.
2. Bapak Gunawan Nugroho, S.T., M.T., Ph.D selaku kepala Laboratorium Rekayasa Energi dan Pengkondisian Lingkungan yang telah mendukung kegiatan simulasi.
3. Bapak Dr. Ridho Hantoro, S.T., M.T. selaku dosen pembimbing yang senantiasa sabar memberikan bimbingan, motivasi dan arahan dalam menyelesaikan penelitian ini.
4. Kedua orang tua, Bapak Abdul Wahab Hasyim dan Ibu Umi Nisa’I M. yang selalu memberi motivasi dan do’a.
5. Teman-teman asisten Laboratorium Energi & Pengkondisian Lingkungan Teknik Fisika ITS.
6. Tim APTEK Teknik Fisika ITS, khususnya Husain dan Selvy.
7. Teman-teman asisten Laboratorium Simulasi dan Komputasi.
8. Teman-teman asisten Laboratorium Pengukuran Fisis.
9. Teman-teman angkatan 2014 yang tidak bisa disebutkan satu persatu.
10. Teman-teman kos T45 dan kontrakan BME E-125 yang senantiasa menemani penulis dalam mengerjakan tugas akhir.
xvi
Jika dalam penulisan laporan penelitian ini terdapat kesalahan maka saran dan kritik yang membangun dari semua pihak sangat diharapakan. Penulis berharap semoga laporan ini dapat menambah wawasan yang bermanfaat bagi pembacanya.
Surabaya, Juli 2018
Penulis
xvii DAFTAR ISI
Halaman Judul ... i
Title Page ... iii
PERNYATAAN BEBAS PLAGIARISME ... v
LEMBAR PENGESAHAN I ... vii
LEMBAR PENGESAHAN II ... ix
ABSTRAK ... xi
ABSTRACT ... xiii
KATA PENGANTAR... xv
DAFTAR ISI ... xvii
DAFTAR GAMBAR ... xix
DAFTAR TABEL ... xxi
DAFTAR NOTASI ... xxiii
BAB I PENDAHULAN ... 1
1.1 Latar Belakang ... 1
1.2 Rumusan Masalah ... 2
1.3 Tujuan ... 3
1.4 Batasan Masalah ... 3
BAB II DASAR TEORI ... 5
2.1 Dryer ... 5
2.2 Proses Pengeringan... 7
2.3 Efisiensi Pengering ... 8
2.4 Computational Fluid Dynamics ... 9
BAB III METODOLOGI PENELITIAN ... 13
3.1 Diagram Alir Penelitian ... 13
3.2 Disain Mesin Pengering Ikan ... 15
3.3 Pengukuran Temperatur dan Kecepatan Udara... 17
3.4 Pra-Pemrosesan (Pre-Processing) CFD ... 19
3.5 Penyelesaian (Solving) CFD ... 21
3.6 Pasca-Pemrosesan (Post-Processing) CFD ... 22
BAB IV ANALISIS DATA & PEMBAHASAN ... 25
4.1 Validasi Hasil Simulasi ... 25
4.2 Analisa Distribusi Temperatur ... 26
xviii
4.3 Analisa Perpindahan Panas pada Ikan ... 30
4.4 Analisa Jumlah Kalor ... 36
4.5 Analisa Variasi Kecepatan ... 38
4.6 Analisa Simulasi Transient ... 39
BAB V PENUTUP ... 45
5.1 Kesimpulan... 45
5.2 Rekomendasi ... 45
DAFTAR PUSTAKA... 47
LAMPIRAN ... 51
BIODATA PENULIS... 71
xix DAFTAR GAMBAR
Gambar 2. 1 Cara pengeringan tradisional di Kenjeran
(Dokumentasi Penulis) ... 5
Gambar 2. 2 Klasifikasi Pengering Tenaga Surya... 6
Gambar 2. 3 Psychometric Chart ... 7
Gambar 3.1 Alur Penelitian ... 15
Gambar 3. 2 Mesin Pengering Ikan... 16
Gambar 3. 3 Desain 3D dan Meshing pada software CFD ... 16
Gambar 3. 4 Alat Ukur ... 18
Gambar 3. 5 Titik pengukuran ... 19
Gambar 3. 6 Hasil pemodelan meshing ikan pada software CFD ... 20
Gambar 3. 7 Diagram Blok Perpindahan Panas Pada Ikan…….23
Gambar 4. 1 Korelasi Iradiasi Matahari Dengan Suhu Lingkungan ... 27
Gambar 4. 2 Kontur Suhu Lingkungan pada Jam 11 ... 28
Gambar 4. 3 Suhu pada kecepatan 0.9 m/s ... 29
Gambar 4. 4 Kontur Suhu Ikan pada Jam 11 ... 29
Gambar 4. 5 Drying Rate ... 30
Gambar 4. 6 Gambar Penurunan Massa Ikan (Eksperimen) ... 34
Gambar 4. 7 Gambar Penurunan Massa Ikan (Perhitungan) ... 35
Gambar 4. 8 Korelasi Drying Rate dan Massa Ikan ... 36
Gambar 4. 9 Gambar Kalor Konveksi Massa 1 kg ... 37
Gambar 4. 10 Gambar Kalor Konveksi Massa 2 kg ... 37
Gambar 4. 11 Pengaruh suhu ikan terhadap kecepatan ... 38
Gambar 4. 12 Gambar Time Step ... 40
Gambar 4. 13 Kontur pada 900 s ... 41
Gambar 4. 14 Kontur pada 1800 s ... 42
Gambar 4. 15 Kontur pada 2700 ... 42
Gambar 4. 16 Kontur pada 3600 s ... 43
xx
“Halaman ini sengaja dikosongkan”
xxi DAFTAR TABEL
Tabel 3. 1 Penentuan kondisi batas bagian mesin pengering ikan
... 17
Tabel 3. 2 Tabel Properti Fisika Ikan ... 21
Tabel 3. 3 Tabel Properti Fisika Plat Besi... 21
Tabel 3. 4 Tabel Properti Fisika Kaca……….21
Tabel 4. 1 Hasil Validasi Simulasi Atap Chamber ... 25
Tabel 4. 2 Validasi Data Jam 11.00 ... 26
Tabel 4. 3 Tabel Entalpi... 31
Tabel 4. 4 Tabel Perhitungan Moisture Content ... 33
Tabel 4. 5 Tabel Validasi Perhitungan Entalpi ... 33
Tabel 4. 6 Eror Perhitungan Massa 2 kg ... 34
Tabel 4. 7 Eror Perhitungan Massa 5 kg ... 34
Tabel 4. 8 Tabel Eror Simulasi Transient dan Steady ... 41
xxii
“Halaman ini sengaja dikosongkan”
xxiii DAFTAR NOTASI Q = Jumlah Kalor Konveksi (Joule)
H = Koefisien konveksi (W/m2 K) Ts = Suhu lingkungan (K)
T = Suhu (K)
Qu = Kalor Uap (Joule) ṁ = Drying Rate (kg/s) hfg = Enthalpi (Joule/kg) Qtot = energi input (Joule)
Q1 = kalor sensible air (panas yang dibutuhkan untuk menaikkan suhu air di dalam ikan) (Joule)
Q2 = kalor laten penguapan air (panas yang digunaka untuk menguapkan dalam bahan) (Joule)
m = massa bahan (kg) c = kalor jenis air (kj/kgoC) Qin = kalor masuk (Joule) Qout = kalor keluar (Joule) η = efisiensi
u, v, w = komponen kecepatan (m/s) T = Suhu (OC)
ρ = massa jenis (kg/m3) μ = Viskositas (Ns/m2) S = Gaya (N/m) ε = emisivitas
σ = konstanta boltzman (J/ OC)
xxii
“Halaman ini sengaja dikosongkan”
1 BAB I PENDAHULAN 1.1 Latar Belakang
Nambangan Perak merupakan salah satu daerah komunitas nelayan di Kenjeran Surabaya yang mengeringkan ikan mereka secara tradisional. Mereka menggunakan panas matahari langsung dari pukul 06:00 sampai 15:00 WIB. Secara umum, pengeringan ikan tradisional masih belum memenuhi norma persyaratan keamanan dan kesehatan pangan sesuai dengan Good Manufacturing Practices (GMP), terutama saat pengeringan pada udara terbuka yang rentan terhadap penyakit dan gangguan lalat serta hama hewan seperti tikus di waktu penyimpanan. Namun, berdasarkan kondisi yang ada, Desa Nambangan memiliki masalah utama karena kurangnya produktivitas usaha. Prosesnya secara tradisional mengharuskan cuaca tetap stabil dan tempat yang luas untuk proses pengeringan. Hal ini sangat bergantung dengan pencahayaan matahari yang sekitar 6 jam atau lebih setiap harinya. Selain itu, dengan banyak baki yang terbuat dari bambu tradisional membuat daerah desa dipenuhi dengan baki pengering ikan yang menyebabkan jalan desa menjadi sempit.
Oleh karena itu, diperlukan sebuah teknologi yang mampu memberikan efek yang efektif dan efisien pada proses pengeringan ikan.
Teknologi pengering sudah pernah dilakukan oleh Ekadewi yang mampu mengeringkan dalam selama 6 jam dengan kadar air ikan 38 % (
Ekadewi, 2012)
. Selain itu, penelitian yang dilakukan oleh Sukarmanto mampu menghasilkan efisiensi sebesar 26.15 %, penurunan kadar air hingga 15.46 % dan waktu pengeringan selama 3 hari (Sukarmanto, 2012)
. Oleh karena itu, untuk mengoptimalkan produksi pengeringan ikan tipe Indirect System with Forced Ventilation and Solar Collector berdasarkan Kumar tipe ini memiliki efisiensi paling baik daripada tipe lain (Kumar,
2
2015
). Proses pengeringan dari kolektor surya dibantu oleh blower dengan kapasitas 30 watt. Pengering ini juga dilengkapi dengan fotovoltaik sebagai suplai energi untuk blower tersebut. Penelitian eksperimental ini menunjukkan bahwa pengering dan kolektor surya mengurangi waktu pengeringan hingga 4-5 jam lebih cepat dibandingkan metode pengeringan tradisional dengan kondisi rata-rata iradiasi matahari 1.8 – 1023.85 W/m2 yang mampu menurunkan kadar air hingga dibawah 10 %. Sehingga pengeringan dapat dilakukan tiga kali dalam sehari. Nilai kadar air akhirnya adalah sekitar 3.12%untuk ikan bulu ayam, dan 1.12% untuk ikan bulu menthog (Hantoro, 2017).
Agar desain mampu dioptimalkan lagi perlu dilakukan penelitian berbasis simulasi yang menggunakan software CFD.
Selain itu, penelitian ini mampu menghemat biaya dan efisiensi waktu karena tidak melakukan pembuatan alat dan pengambilan data secara langsung. Proses simulasi terlebih dahulu dilakukan dengan cara desain menggunakan software CAD, meshing, penentuan parameter perhitungan simulasi, dan proses perhitungan. Dari hasil optimasi didapatkan kontur suhu, kecepatan dan tekanan pada tiap titik alat, sehingga mampu dilakukan analisa energi untuk mengoptimalkan hasil pengeringan ikan. Dengan didapatkan desain yang optimal diharapkan tingkat produksi pengeringan ikan dapat meningkat, sehingga komunitas nelayan dapat sejahtera dengan produktifitas ikan yang ada.
1.2 Rumusan Masalah
Berdasarkan latar belakang diatas, maka permasalahan yang akan dibahas dalam tugas akhir ini mengenai beban massa ikan dan kecepatan blower yang divariasikan.
3
1.3 Tujuan
Menmahami analisa pengaruh perpindahan panas pada mesin pengering ikan terhadap variasi massa ikan dan kecepatan blower.
1.4 Batasan Masalah
Batasan masalah yang digunakan dalam penelitian ini adalah sebagai berikut:
1. Sampel ikan yang digunakan adalah ikan bulu ayam dan bulu bebek dengan nilai moisture content adalah berkisar 68 %.
2. Dimensi dari chamber dan solar collector adalah 60 cm x 80 cm x 120 cm dan 150 cm x 80 cm x 20 cm.
3. Material chamber dan solar collector adalah lempengan besi.
4. Pengambilan data validasi dilakukan pada jam 09.00-14.00 WIB
5. Suhu maksimal pada chamber dan solar collector adalah 42.3
oC dan 41.8 oC.
6. Metode yang digunakan dalam perhitungan CFD adalah Fluent dalam kondisi steady state serta analisa persamaan energi dan radiasi.
4
“Halaman ini sengaja dikosongkan”
5 BAB II DASAR TEORI 2.1 Dryer
Menurut KBBI Pengeringan adalah sebuah upaya untuk proses, cara dan perbuatan mengeringkan. Sedangkan menurut ahli, pengeringan adalah usaha untuk menghilangkan kadar air dari sebuah material. Pengeringan bagi komoditas nelayan memilki tujuan tertentu yaitu untuk mengawetkan ikan yang selanjutya siap dijual ke konsumen. Ada beberapa metode pengeringan yang biasa dilakukan oleh masyarakat umum adalah :
a. Pengeringan Tradisional
Metode pengeringan ini menggunakan alasan yang terbuat dari bambu berukuran kurang lebih berukuran 1 m2. Dalam proses pengeringannya menggunakan baki yang terbuat dari bambu tersebut ditata di lapangan atau lahan khusus pengeringan. Seperti pada gambar berikut :
Gambar 2. 1 Cara pengeringan tradisional di Kenjeran
6
Dengan metode pengeringan seperti diatas, ada beberapa hal yang dapat menimbulkan kerugian seperti diperlukannya lahan yang luas, jika cuaca tak menentu pengeringan tidak dapat dilakukan serta kebersihan yang kurang terjamin. Di sisi lain, pengeringan tradisional memiliki keuntungan tersendiri dari sisi produksi yang tidak memerlukan banyak biaya.
b. Pengeringan Buatan
Dalam hal meningkatkan biaya produksi dan menutupi kekurangan dari pengeringan tradisional maka dikembangkan teknologi pengeringan buatan. Metode pengeringan ini pada prinsipnya yaitu menggunakan alat untuk mempercepat proses pengeringan, termasuk memaksimalkan energi matahari (Fudholi, 2015). Adapun klasifikasi pengering tenaga surya seperti gambar di bawah :
Gambar 2. 2 Klasifikasi Pengering Tenaga Surya(Fudholi, 2015)
7
2.2 Proses Pengeringan
Pengeringan adalah proses perpindahan panas yang disebabkan oleh perbedaan temperatur antara 2 fase. Pada tabel psychometric chart, proses pengeringan terjadi jika zat pada titik tertentu berubah posisi ke kanan maupun serong kekanan atas.
Fenomena tersebut diakibatkan oleh naiknya temperature dry bulb dan relatif humidity. Sehingga mengakibatkan naiknya nilai dari moisture content atau laju penguapan dari sebuah zat.
Gambar 2. 3 Psychometric Chart (Eko, 2017)
2.2.1 Konveksi Paksa
Konveksi paksa terdiri dari perpindahan panas secara konveksi dan konduksi. Panas yang dibawa oleh aliran fluida mampu masuk kedalam material yang dikenainya, sehingga proses perpindahan panas dari suhu tinggi ke rendah dapat terjadi (Cengel, 1998). Energi yang dibawa oleh aliran fluida mampu menembus ke dalam partikel material yang akan dipanasi, sehingga dapat dihitung melalui persamaan :
Q = H A (Ts – T) (2.1)
8
2.2.2 Laju Penguapan
Dalam pengeringan sebuah massa dari ikan diperlukan kalor uap dengan besar tertentu agar massa dari air ikan basah bisa menguap (Shapiro, 2004). Kalor uap dapat dihitung melalui persamaan :
Qu = ṁ x hfg (2.2)
2.3 Efisiensi Pengering
Dalam proses pengeringan, perhitungan kalor yang masuk ke objek pengering perlu diperhitungkan. Untuk mendapatkan hasil yang optimal, hasil perbandingan antara kalor yang dibutuhkan secara teoritis dengan nilai yang sebenarnya harus memiliki nilai yang besar. Karena semakin besar nilai perbandingan tersebut pada proses pengeringan dikatakan efisien (Ferianto, 2013). Jumlah kalor yang digunakan untuk mengeluarkan mass uap air dalam ikan dihitung menggunakan rumus sebagai berikut :
𝑄𝑜𝑢𝑡 = 𝑄1+ 𝑄2 (2.3) 𝑄1= 𝑚 𝑥 𝑐 (𝑇2− 𝑇1) (2.4)
𝑄2 = ṁ x ℎ𝑓𝑔 (2.5)
Untuk menghitung banyaknya energi yang masuk pada sistem pengering tiap jamnya dihitung melalui beban kipas dengan panas konveksi yang masuk pada ikan. Beban kipas (W) yang digunakan adalah 60 Watt. Sedangkan panas konveksi yang masuk pada ikan dihitung melalui persamaan 2 (Qkonv). Sehingga efisiensi dapat dihitung sebagai berikut :
𝑄𝑖𝑛 = 𝑊 + 𝑄𝑘𝑜𝑛𝑣 (2.6)
𝜂 = 𝑄𝑄𝑜𝑢𝑡
𝑖𝑛 𝑥 100 % (2.7)
9
2.4 Computational Fluid Dynamics
Komputasi dinamika fluida atau Computational Fluid Dynamics (CFD) merupakan suatu metode komputasi yang menggunakan metode numerik dan algoritma untuk menyelesaikan dan menganalisa aliran fluida, perpindahan panas, reaksi kimia, dan fenomena-fenomena lain dengan menyelesaikan persamaan matematika.
Simulasi berbasis CFD telah dikembangkan mulai tahun 1960an pada industri luar angkasa. Namun, saat ini simulasi CFD telah digunakan secara luas pada industri manufaktur hingga industri kimia. Keuntungan menggunakan CFD dalam analisa adalah insight (pemahaman mendalam), foresight (prediksi menyeluruh), dan efficiency (efisiensi waktu dan biaya).
Untuk dapat menggunakan CFD pada proses perhitungan persamaan momentum, energi, dan massa, pemahaman mengenai sifat – sifat dasar harus dipahami. Persamaan diferensial yang menyusun profil aliran fluida harus ditransformasikan menjadi persamaan matematis yang sederhana, yang disebut dengan metoda diskritisasai (Versteeg, 1995). Aspek fisik dari aliran dinamik fluida didasarkan pada prinsip hukum kekekalan massa.
Untuk menghitung laju kenaikan massa dalam elemn fluida sama dengan laju netto aliran massa ke dalam elemen terbatas, lebih lengkapnya ditulis pada lembar lampiran. Ruas kiri dinyatakan sebagai faktor konveksi dan menyatakan laju netto massa dari elemen melewati batas. Persamaan matematis dapat ditulis sebagai berikut (Bird et al., 1966) :
𝜕(ρu)
𝜕𝑥 +𝜕(ρv)
𝜕𝑦 +𝜕(ρw)
𝜕𝑧 = 0 (2.8)
10
Selain itu, dalam kasus ini juga menggunakan persamaan momentum dan energi yang dituliskan pada persamaan dan 9 dan 10. Untuk persamaan momentum diturunkan dari persamaan navier stokes dalam bentuk yang sesuai dengan metoda finite volume. Sedangkan untuk persamaan energi, diturunkan berdasarkan hukum pertama termodinamika. Persamaan ditulis sebagai berikut (Bird et al., 1966) :
ρ[𝑢𝜕u
𝜕𝑥+ 𝑣𝜕𝑢
𝜕𝑦+ 𝑤𝜕𝑢
𝜕𝑧] =𝜕𝑝
𝜕𝑥+ 𝜇 [𝜕2𝑢
𝜕𝑥2+𝜕2𝑢
𝜕𝑦2+𝜕2𝑢
𝜕𝑧2] + 𝑆𝑀𝑥
ρ[𝑢𝜕v
𝜕𝑥+ 𝑣𝜕𝑣
𝜕𝑦+ 𝑤𝜕𝑣
𝜕𝑧] =𝜕𝑝
𝜕𝑦+ 𝜇 [𝜕2𝑣
𝜕𝑥2+𝜕2𝑣
𝜕𝑦2+𝜕2𝑣
𝜕𝑧2] + 𝑆𝑀𝑦
ρ[𝑢𝜕w
𝜕𝑥 + 𝑣𝜕𝑤
𝜕𝑦 + 𝑤𝜕𝑤
𝜕𝑧] =𝜕𝑝
𝜕𝑧+ 𝜇 [𝜕2𝑤
𝜕𝑥2+𝜕2𝑤
𝜕𝑦2+𝜕2𝑤
𝜕𝑧2] + 𝑆𝑀𝑧
(2.9)
ρ[𝑢𝜕T
𝜕𝑥+ 𝑣𝜕𝑇
𝜕𝑦+ 𝑤𝜕𝑇
𝜕𝑧]
= 𝑝 [𝜕u
𝜕𝑥+𝜕𝑣
𝜕𝑦+𝜕𝑤
𝜕𝑧] + 𝑘 [𝜕2𝑤
𝜕𝑥2+𝜕2𝑤
𝜕𝑦2+𝜕2𝑤
𝜕𝑧2] + 𝑆𝑖
(2.10)
Untuk kasus pengeringan ikan ini, dalam proses perpindahan panas terjadi pada kondisi konveksi dan radiasi. Untuk persamaan radiasi digunakan metode persamaan S2S (surface to surface) sebagai berikut (Ansys Help, 2018) :
𝑄𝑜𝑢𝑡 = 𝜀𝜎 𝑇4 + ρ𝑄𝑖𝑛 (2.11)
11
Pada umumnya terdapat tiga tahapan untuk melakukan proses simulasi CFD, yaitu:
1. Preprocessing
Preprocessing merupakan tahapan pertama untuk membangun dan menganalisis sebuah model CFD, yaitu dengan melakukan penggambaran geometri model, membuat mesh untuk membagi daerah komputasi menjadi sejumlah grid yang sesuai. Pada umumnya, apabila jumlah mesh semakin banyak maka hasil juga semakin bagus.
Namun harus disesuaikan dengan kondisi spesifikasi media komputasi yang ada. Setelah proses mesh dilakukan, selanjutnya menentukan parameter fisis dari kondisi batas model dan sifat-sifat fluidanya.
2. Processing atau solving
Solving merupakan tahapan untuk menghitung kondisi-kondisi yang telah diterapkan pada saat preprocessing. Pada proses solving, perhitungan dilakukan dengan cara pendekatan numerik seperti elemen hingga, beda hingga serta volum hingga. Pada proses solving akan dilakukan iterasi hingga semua data yang dimasukkan dapat terhitung dan mencapai kondisi konvergen.
3. Postprocessing
Postprocessing merupakan langkah terakhir dalam simulasi CFD yaitu mengorganisasi dan menginterprestasikan data hasil simulasi CFD yang berupa kontur gambar, plot gambar dan animasi. Visualisasi yang dapat ditampilkan pertama adalah kontur (contour) yang meruapakan pola dari nilai parameter fisis yang disimulasikan seperti kontur kecepatan, tekanan dan vorticity. Kedua adalah vektor (vector) yang merupakan arah dari besaran seperti vektor kecepatan. Ketiga adalah
12
bentuk aliran (streamline) yang meruapakan pergerakan kontinyu fluida yang bergerak sepanjang ruang. Keempat adalah particle track yang merupakan lintasan partikel hasil diskritisasi.
13 BAB III
METODOLOGI PENELITIAN 3.1 Diagram Alir Penelitian
Dalam pengambilan data penelitian ini, ikan yang di ambil sebagai sampel adalah ikan berjenis bulu ayam dan bulu menthog, yang merupakan komoditas ikan di kampung nelayan kenjeran.
Dalam pengukuran moisture content awal ikan didapatkan data berkisar 68 %. Diharapkan dalam proses pengeringan ikan mampu mengurangi kadar air hingga dibawah 10 %. Pengambilan data dilakukan pada rentang jam 09.00 – 14.00 WIB dengan intensitas matahari berkisar 972.27 - 1023.85 W/m2.
Selanjutnya penelitian ini akan mensimulasikan dari data eksperimen agar dapat dilakukan variasi dengan mengubah massa ikan dan kecepatan blower. Untuk mendapatkan data simulasi sebelumnya diperlukan desain geometri mesin pengering. Setelah itu dilakukan proses meshing. Kemudian dilakukan proses meshing pada geometri yang telah dibuat. Proses meshing akan membagi-bagi geometri dengan ukuran yang kecil guna menghitung perpindahan panas yang terjadi. Ukuran-ukuran tersebut biasanya disebut dengan control volume. Berbagai macam persamaan matematis dalam CFD seperti kekelan momentum, energi, dan massa akan digunakan untuk melakukan perhitungan pada tiap-tiap control volume. Setelah proses meshing selesai, selanjutnya dilakukan proses post-processing. Pada tahap ini penentuan kondisi batas dan material yang akan disimulasikan harus sesuai dengan nilai yang sebenarnya. Tidak sesuainya kondisi batas dengan nilai sebenarnya mampu mengakibatkan terjadinya kesalahan penghitungan dalam proses simulasi. Untuk mendapatkan nilai simulasi yang baik diperlukan meshing yang kecil pada objek yang akan dihitung misal pada ikan. Secara umum
14
tahapan penelitian Tugas Akhir ini dapat digambarkan dalam diagram alir seperti Gambar 3.1.
Gambar 3.1 Alur Penelitian
Percobaan dilakukan dengan cara memberikan kondisi perpindahan panas secara konduksi, konveksi dan radiasi pada objek benda. Simulasi dilakukan pada jam-jam optimal pengering berkisar jam 09.00 sampai jam 14.00 WIB. Data dari simulasi digunakan untuk validasi dan variasi. Untuk validasi, data yang digunakan adalah data temperatur pada jam 11.00 di 9 titik
15
pengukuran mesin pengering. Selain itu, juga dilakukan validasi data untuk 3 titik pada atap chamber pada jam 9, 10 dan 11. Untuk mengetahui kinerja mesin pengering ikan dilakukan variasi massa dan kecepatan. Dengan memvariasikan massa 1, 2 dan 5 kg akan terlihat jumlah panas yang dilepaskan. Untuk kecepatan variasi yang dilakukan pada 1500, 1650 dan 1800 RPM. Setelah didapatkan data simulasi selanjutnya dilakukan penghitungan efisiensi dari mesin pengering dan kemudian ditulis dalam laporan tugas akhir.
3.2 Disain Mesin Pengering Ikan
Mesin pengering ikan di fabrikasi pada bengkel las dengan material lempengan besi dan kaca yang berfungsi untuk menangkap cahaya matahari. Mesin ini terdiri dari 2 bagian yaitu chamber dan solar collector. Pada chamber dilengkapi oleh 5 tray untuk tempat ikan dan terdapat kipas yang berfungsi mengalirkan panas secara konveksi paksa. Hal itu bertujuan untuk mengalirkan panas dari solar collector ke chamber agar proses pemanasan dapat merata. Proses panas secara radiasi terjadi pada atap kaca chamber untuk menambah panas yang diterima oleh ikan. Selain itu, dalam pemasangan solar collector dipasang pada sudut tertentu, dan menginsolasi dengan busa hati agar loses panas yang ditangkap dapat diminimalisir. Solar collector ini juga mampu menambah proses pengeringan ikan secara radiasi dan konveksi. Bentuk fisik mesin pengering ikan ditunjukan oleh gambar dibawah ini.
Disain mesin pengering ikan yang ditunjukkan pada gambar 3.2 selanjutnya dimodelkan dengan geometri tiga dimensi yang telah disederhanakan menggunakan perangkat lunak Gambit.
Ukuran chamber pada pemodelan ini adalah panjang (x) sebesar 80 cm, lebar (y) sebesar 60 cm, dan tinggi (z) 120 cm. Ukuran solar collector pada pemodelan ini adalah panjang 80 cm, lebar 150 cm dan tinggi 20 cm. Hasil dari pemodelan dapat dilihat pada gambar 3.3.
16
Gambar tiga dimensi tersebut selanjutnya akan di meshing dengan tipe tetrahedral-hibrid seperti tampak pada gambar 3.3 (b).
Hasil mesh volume dengan interval jarak 0.01 m menghasilkan elemen sebanyak 642371. Selanjutnya ditentukan kondisi awal dan batas dengan asumsi sebagai berikut :
Model aliran dalam alat adalah laminar
Udara tidak termampatkan (incompressible), ρ konstan
Aliran udara dalam kondisi steady
Gambar 3. 2 Mesin Pengering Ikan
Gambar 3. 3 Desain 3D dan Meshing pada software CFD
17
Kecepatan aliran udara masuk dianggap seragam
Tekanan udara sama dengan tekanan barometric (101325 Pascal)
Persamaan radiasi yang digunakan adalah S2S (Surface to Surface)
Tabel 3. 1 Penentuan kondisi batas bagian mesin pengering ikan pada Software CFD
Bagian – bagian
Mesin Pengering Ikan Kondisi Batas Dinding Chamber & Solar
collector
Wall
Kaca Collector Wall
Kaca Chamber Wall
Tray Wall
Inlet Velocity Inlet
Outlet Mass Flow Outlet
Setelah kondisi batas ditentukan, dipilih kontinum tipe fluid untuk volume mesin pengering ikan dan tipe solid untuk volume matras. Selanjutnya disimulasikan dengan perpindahan massa dan interaksi perpindahan panas secara konveksi dan radiasi di dalam mesin pengering ikan. Nilai – nilai yang dimasukan pada kondisi batas diambil dari data pengukuran temperatur dan kecepatan aliran udara pada beberapa titik yang mewakili.
3.3 Pengukuran Temperatur dan Kecepatan Udara
Pengukuran temperatur dan kecepatan udara dilakukan untuk memvalidasi data pada simulasi. Hasil simulasi dibandingkan dengan data pengambilan untuk ditentukan apakah data tersebut masih dalam rentang toleransi. Nilai toleransi yang digunakan dalam penelitian ini adalah dibawah 10 %. Adapun alat
18
ukur yang digunakan dalam pengukuran temperatur dan kecepatan udara pada gambar berikut.
(a) (b)
Pengukuran suhu menggunakan alat ukur envirometer yang mampu membaca suhu ruang dengan rentang -20 OC – 750 OC.
metode pengukuran menggunakan prinsip kerja thermocouple yang memanfaatkan dua logam yang berbeda jenis dan digabungkan pada ujungnya. Satu jenis logam berfungsi sebagai mendeteksi suhu dan satunya lagi berfungsi sebagai referensi dengan suhu konstan. Pengukuran kecepatan udara menggunakan anemometer. Berikut pengukuran besaran fisis di wakili 3 titik pada inlet, chamber dan outlet.
Gambar 3. 4 Alat ukur a) Envirometer, b) anemometer
19
Masing-masing titik diambil data pengukuran sebanyak 3 kali dan diambil nilai rata-rata temperatur. Untuk detil pengambilan data temperatur. Untuk data validasi dilakukan pada 3 titik pengukuran pada atap chamber di T7, T8, dan T9 yang dilakukan pada jam 9, 10 dan 11. Selain itu, juga dilakukan validasi pada jam 11 di titik pengukuran yang ditunjukkan pada gambar 3.5.
Hasil validasi akan ditunjukkan pada bab hasil dan pembahasan.
3.4 Pra-Pemrosesan (Pre-Processing) CFD
Setelah data simulasi awal terhadap mesin pengering ikan di validasi, selanjutnya dilakukan analisis untuk variasi massa 2 kg, dan 5 kg dengan pemasangan sudut solar collector 30O. Pada tahapan pra-pemrosesan pada simulasi CFD adalah menggambar geometri pada Gambit, dan meshing. Berikut ini akan dijelaskan penggambaran geometri dengan skala 1 : 1, dan metode meshing pada dan masing-masing model yang akan di analisa.
T1
T2
T3 T4
T6 T5
T9 T8 T7
Gambar 3. 5 Titik pengukuran
20
3.4.1 Geometri Ikan
Ikan dimodelkan secara tiga dimensi yang di asumsikan dengan bentuk kotak pada volume tray dengan ukuran 74 cm x 54 cm x 2 cm. Metode bottom-top (entitas terendah berupa titik ke entitas tertinggi berupa volume) untuk menggambar ikan. Gambar ikan dapat dilihat pada Gambar 3.6 berikut.
Model ikan didiskritisasi dengan tipe mesh tetrahedral dan interval jarak 0.01 m. Pada pendefinisan kontinum ikan pada software CFD dipilih tipe solid. Sedangkan permukaannya didefinisakan sebagai wall.
3.4.2 Geometri Dinding
Pada penelitian ini, dinding chamber dengan ukuran volume 0.9 m3 dan ketebalan 1 mm yang dipasang mengikuti kontur permukaan dinding luar mesin pengering ikan secara menyeluruh. Pada gambit, dinding dalam ini dijadikan pengurang volume ruang mesin pengering ikan pada operasi Boolean yaitu substract. Hal ini menyebabkan udara panas masih mampu diserap oleh ikan. Model dinding didiskritisasi dengan tipe mesh tetrahedral dan interval jarak 0.04 m.
Gambar 3. 6 Hasil pemodelan meshing ikan pada software CFD
21
3.5 Penyelesaian (Solving) CFD
Pada tahapan ini dilakukan penentuan material, penghitungan persamaan fisis-matematis, kondisi operasi, kondisi batas, dan teknik penyelesaian. Simulasi pada fluent menggunakan kondisi tunak (steady) dan persamaan fisis yang digunakan adalah persamaan energi, viskositas model k-omega, dan radiasi model surface 2 surface. Model surface 2 surface dipilih karena cocok digunakan untuk solar collector yang mampu menghantarkan panas secara konveksi. Pendefinisian material ikan, kaca, dan dinding terdapat pada tabel berikut. Setelah itu, dilakukan perhitungan dengan jumlah iterasi sebesar 500 kali.
Tabel 3. 2 Tabel Properti Fisika Ikan Properti Fisika Nilai Massa jenis (kg/m3) 50 Kapasitansi panas (J/kg K) 860 Konduktivitas panas (W/m K) 0.43 Tabel 3. 3 Tabel Properti Fisika Plat Besi
Properti Fisika Nilai Massa jenis (kg/m3) 2719 Kapasitansi panas (J/kg K) 871 Konduktivitas panas (W/m K) 202.4
Tabel 3. 4 Tabel Properti Fisika Kaca Properti Fisika Nilai Massa jenis (kg/m3) 2500 Kapasitansi panas (J/kg K) 750 Konduktivitas panas (W/m K) 1.4
22
Pada penelitian ini, dilakukan beberapa model untuk mengetahui pengaruh dari variabel yang akan di variasikan. Variasi yang akan dilakukan adalah variasi massa dan sudut. Adapun variasi massa yang akan dilakukan adalah 1 kg, 2 kg, dan 5 kg dalam satu chamber. Dalam satu chamber terdapat 5 tray ikan, maka dalam masing-masing perhitungan penguapan adalah 0.2 kg, 0.4 kg, dan 1 kg.
3.6 Pasca-Pemrosesan (Post-Processing) CFD
Visualisasi hasil tahapan penyelesaian dilakukan dengan CFD-Post. hasil simulasi yang ditampilkan adalah kontur temperatur dan aliran distribusi udara. Data yang ditampilkan adalah data temperatur pada tray yang mampu mewakili data tiap jam dengan rentang jam 09.00 WIB sampai dengan 14.00 WIB.
Adapun hasil aliran distribusi udara divisualisasikan dalam bentuk streamline.
Untuk mengetahui proses perpindahan panas yang terjadi pada ikan maka sebelumnya harus diketahui kalor yang masuk dan keluar. Sinar matahari diserap oleh mesin pengering ikan dengan radiasi tertentu, selanjutnya panas diteruskan melalui proses konduksi yang diakibatkan oleh panas yang diterima oleh plat besi.
Dari perpindahan panas tersebut terdapat heat losses yang mengakibatkan panas yang masuk dari matahari tidak diserap seluruhnya oleh ikan. Oleh karena itu, untuk memaksimalkan proses panas yang terjadi di pasang kipas agar proses perpindahan panas secara konveksi dapat terjadi. Dengan adanya proses panas yang terjadi, mengakibatkan ikan ber-evaporasi. Dengan adanya proses evaporasi, ikan mampu kering dengan moisture content tertentu. Dalam proses eksperimen ikan dikatakan kering dengan nilai moisture content dibawah 10 %. Untuk mengetahui efisiensi mesin maka dapat dihitung melalui panas yang masuk dan keluar dari sistem. Dalam penelitian ini, panas yang masuk dan keluar adalah konveksi dan evaporasi. Diagram blok proses perpindahan panas yang terjadi pada ikan ditunjukkan pada gambar 3.7.
23
Radiasi Konduksi Konveksi Evaporasi
Sistem
Qout Qin
Gambar 3. 7 Diagram Blok Perpindahan Panas Pada Ikan
24
“Halaman ini sengaja dikosongkan”
25 BAB IV
ANALISIS DATA & PEMBAHASAN 4.1 Validasi Hasil Simulasi
Validasi merupakan proses penting dari sebuah penelitian yang berbasis simulasi. Dengan melakukan validasi maka dapat diketahui kesesuaian uji coba dengan kondisi acuan yang dituju.
Penelitian ini mengambil data pada atap chamber dengan 3 titik, dan 9 titik ukur pada jam 11 yang telah di jelaskan pada bab 3. Dari ketiga titik tersebut data yang diambil berupa temperatut pada 3 jam agar didapatkan nilai eror. Dari hasil eror tersebut akan digunakan sebagai parameter untuk variasi model yang lain.
Tabel 4. 1Hasil Validasi Simulasi Atap Chamber
Jam Eksperimen (OC) Simulasi (OC) Eror (%)
T1 T2 T3 T1 T2 T3 T1 T2 T3
9 51,000 55,000 53,667 52,851 53,982 55,491 3,629 1,850 3,398
10 55,000 48,333 50,000 54,633 49,753 50,091 0,667 2,937 0,182
11 48,333 45,667 50,667 49,261 44,954 51,601 1,920 1,561 1,843
Rata – Rata Eror 2,072 2,116 1,807
Dari tabel 4.1 dan tabel 4.2 diatas dapat diketahui nilai eror rata-rata dibawah 10 %. Untuk validasi data atap chamber, pengambilan data titik kedua memiliki nilai eror yang paling besar yakni 2,116 dan nilai yang memiliki eror paling kecil adalah 1,807 pada titik 3. Sedangkan pada validasi data jam 11, nilai eror tertinggi dan terendah pada titik 1 dan 6 dengan nilai eror 4.819 % dan 4.328 %. Oleh karena itu, hasil dari simulasi sudah tervalidasi.
26
Tabel 4. 2 Validasi Data Jam 11.00 Titik
Jam 11.00
Eror (%) Eksperimen
(OC)
Simulasi (OC)
1 41,771 39,761 4,819
2 36,972 35,892 2,921
3 37,003 36,814 0,510
4 41,805 41,905 0,239
5 38,402 38,432 0,078
6 38,832 37,151 4,328
7 48,331 49,262 1,926
8 45,674 44,953 1,578
9 50,672 51,604 1,839
Rata - rata Eror 2,026 4.2 Analisa Distribusi Temperatur
Pada simulasi yang di lakukan oleh software CFD, dapat diketahui beberapa suhu dari seluruh chamber. Data temperature beguna untuk perhitungan nilai enthalpy pada ikan. Setelah nilai tersebut dapat diketahui, maka nilai penurunan moisture content dari ikan dapat diketahui dari plot gambar psychometric chart melalui data enthalpy dan suhu. Data dari yang sudah didapatkan mampu menjelaskan bagaimana proses pengeringan terjadi.
4.2.1 Data Iradiasi Matahari
Dalam proses perpindahan panas yang terjadi pada mesin ini, energi utama yang digunakan adalah energi matahari. Dari proses perpindahan panas matahari ke material ikan terjadi perpindahan panas secara radiasi dan konduksi. Sehingga dari kedua proses perpindahan panas tersebut timbul perpindahan panas secara konveksi. Agar proses perpindahan panas terjadi secara
27
cepat maka dibantu oleh blower, sehingga konveksi paksa dapat membantu proses pengeringan ikan. Data pada gambar 4.1 merepresentasikan energi dari matahari yang diterima oleh suhu lingkungan.
Gambar 4. 1 Korelasi Iradiasi Matahari Dengan Suhu Lingkungan
Dari gambar diatas didapatkan nilai iradiasi matahari tertinggi pada jam 11.00 WIB dengan nilai 1023.5 W/m2, nilai minimal pada jam 14.00 WIB dengan nilai 972 W/m2. Data iradiasi tersebut juga memengaruhi suhu lingkungan pada chamber. Nilai maksimal dari suhu lingkungan adalah 39.99 OC pada massa 1 Kg dan nilai minimal adalah 36.33 OC pada massa 5 Kg. Sehingga didapatkan nilai range sebesar 3.66 OC. Nilai dari suhu lingkungan ini juga berpengaruh pada temperatur ikan. Untuk kontur pada simulasi dapat dilihat pada gambar 4.2.
9 10 11 12 13 14
Intensitas Radiasi 994,1601015,9001023,8501020,6801005,380972,000 1 kg 38,458 38,814 39,995 39,283 38,864 36,962 2 kg 38,377 38,501 39,945 39,083 38,746 36,806 5 kg 38,165 38,023 39,464 38,265 38,670 36,325
34 35 36 37 38 39 40 41
940,000 950,000 960,000 970,000 980,000 990,000 1000,000 1010,000 1020,000 1030,000
SUHU (OC)
IRADIASI MATAHARI (W/M2)
JAM
28
Gambar 4. 2 Kontur Suhu Lingkungan pada Jam 11 4.2.2 Temperatur Ikan
Temperatur pada ikan direpresentasikan dengan volume tray tiap jam. Dan terlihat pada tiap tray memiliki suhu yang bervariasi. Pada pengambilan data dengan kecepatan 0.9 m/s ditunjukkan dengan gambar 4.3.
Nilai suhu ikan tertinggi rata – rata didapatkan pada jam 11.00 WIB. Hal tersebut sesuai dengan besarnya nilai iradiasi matahari yang diterima oleh mesin. Suhu tertinggi adalah 36.880
OC dan suhu minimal adalah 34.206 OC pada pukul 14.00 WIB dengan massa 5 Kg. Untuk kontur pada simulasi CFD dapat dilihat pada gambar 4.4.
29
Gambar 4. 3 Suhu pada kecepatan 0.9 m/s
Gambar 4. 4 Kontur Suhu Ikan pada Jam 11
9 10 11 12 13 14
1 Kg 36,059 36,314 36,880 36,206 35,728 34,705 2 Kg 35,085 35,084 35,946 35,271 34,925 34,605 5 Kg 35,060 34,950 35,812 35,137 34,809 34,206 32,500
33,000 33,500 34,000 34,500 35,000 35,500 36,000 36,500 37,000 37,500
SUHU (OC)
JAM
1 Kg 2 Kg 5 Kg
30
4.3 Analisa Perpindahan Panas pada Ikan
Proses perpindahan panas di awali dengan radiasi matahari yang masuk kedalam mesin dan diteruskan dengan proses konduksi melalui plat besi mengakibatkan terjadinya konveksi di dalam mesin pengering. Untuk mempercepat proses pengeringan maka dibantu dengan blower, agar nilai dari kalor yang berpindah bertambah. Dengan loses yang terjadi dari proses perpindahan panas, maka diperlukan perhitungan kalor yang masuk kedalam ikan melalui proses evaporasi yang mampu menguapkan massa air pada ikan. Dari gambar 4.5 dapat dilihat drying rate yang diuapkan oleh mesin pengering dengan variasi massa yang ada.
Gambar 4. 5 Drying Rate
9 10 11 12 13 14
Eksperimen (1 Kg) 0 3,89E-062,74E-061,19E-058,08E-062,78E-05 Perhitungan (2 Kg) 0 7,88E-06 7,5E-06 6,83E-066,28E-065,78E-06 Perhitungan (5 Kg) 0 1,96E-051,87E-05 1,7E-05 1,57E-051,43E-05
0 0,000005 0,00001 0,000015 0,00002 0,000025 0,00003
DRYING RATE (KG/S)
JAM
Eksperimen (1 Kg) Perhitungan (2 Kg) Perhitungan (5 Kg)
31
4.3.1 Data Entalpi
Tabel 4. 3 Tabel Entalpi Massa
(Kg) Jam T ikan
(OC)
Entalpi (kj/kg)
1
9 36,059 2415,381 10 36,314 2414,773 11 36,880 2413,426 12 36,206 2415,029 13 35,728 2416,168 14 34,705 2418,602
2
9 35,085 2417,698 10 35,084 2417,701 11 35,946 2415,648 12 35,271 2417,255 13 34,925 2418,078 14 34,605 2418,840
5
9 35,060 2417,756 10 34,950 2418,019 11 35,812 2415,968 12 35,137 2417,574 13 34,809 2418,354 14 34,206 2419,790
Berdasarkan tabel 4.3 massa ikan yang telah dikeringkan mengalami proses penguapan. Berdasarkan literatur, rata-rata penurunan massa uap air mencapai 50 % dari massa ikan. Pada mesin pengering ini, variasi massa ikan basah adalah 1 kg, 2 kg, dan 5 kg. Dari ketiga massa tersebut diharapkan turun sesuai
32
standar. Penurunan massa ikan 1 kg dihitung melalui data eksperimen. Setelah itu, variasi massa dilakukan dengan data validasi 1 kg. Sehingga dapat diketahui prediksi penurunan ikan pada variasi massa yang lain. Sebelum diketahui prediksi massa ikan, maka dilakukan pengambilan data entalpi melalui tabel properti termodinamika dari data suhu ikan. Karena data entalpi pada tabel properti termodinamika berupa bilangan bulat maka diperlukan metode interpolasi, agar bilangan desimal dapat diketahui nilai entalpinya.
4.3.2 Penurunan Moisture Content Ikan
Untuk mengetahui prediksi penurunan massa air dari ikan, maka dilakukan ploting data pada psychometric chart dengan memasukkan nilai entalpi dan suhu ikan. Setelah itu, massa ikan awal dikalikan dengan penurunan moisture content. Hal serupa juga dilakukan pada jam selanjutnya. Data dapat dilihat pada tabel 4.4. Massa 1 kg digunakan sebagai data validasi perhitungan massa uap air yang memiliki nilai eror sebesar 33.56 %. Data tersebut dapat dijadikan acuan untuk variasi massa 2 kg dan 5 kg. Data selengkapnya dapat dilihat pada 4.5.
Berdasarkan data pada 4.6 dan 4.7, nilai yang dibawah 10
% adalah massa 2 kg. Oleh karena itu, masssa 2 kg dapat di keringkan pada mesin pengering. Massa 5 kg tidak bisa digunakan pada alat ini karena memiliki nilai eror yang lebih dari 10%.
33
Tabel 4. 4 Tabel Perhitungan Moisture Content Massa
(kg) Jam MC (%) Massa ikan (kg)
Massa Uap Air (kg)
2
9 0,929057 0,40 0,00
10 0,929059 0,37 0,02
11 0,927358 0,34 0,02
12 0,92869 0,32 0,02
13 0,929373 0,29 0,02
14 0,930005 0,27 0,02
5
9 0,929106 1,00 0,00
10 0,929324 0,93 0,07
11 0,927623 0,86 0,06
12 0,928954 0,80 0,06
13 0,929602 0,74 0,05
14 0,930794 0,69 0,05
Tabel 4. 5 Tabel Validasi Perhitungan Entalpi
Jam Eksperimen (kg)
Perhitungan (kg)
9 0,20 0,20
10 0,19 0,18
11 0,17 0,17
12 0,13 0,16
13 0,11 0,15
14 0,10 0,13
Eror (%) 33,56
34
Tabel 4. 6Eror Perhitungan Massa 2 kg Massa
Awal Eksperimen
(kg)
Massa Awal Perhitungan
(kg)
Eror massa
(%)
Eror Perhitungan
(%)
0,1 0,13 33,56
4,30
0,2 0,27 35,00
Tabel 4. 7 Eror Perhitungan Massa 5 kg Massa
Awal Eksperimen
(kg)
Massa Awal Perhitungan
(kg)
Eror massa
(%)
Eror Perhitungan
(%)
0,1 0,13 33,56
13,20
0,5 0,69 38,00
Dari tabel 4.6 dan 4.7 diatas dapat diperoleh massa ikan kering tiap jam yang dapat direpresentasikan pada gambar 4.6 dan 4.7.
Gambar 4. 6 Penurunan Massa Ikan 1 kg (Eksperimen)
9 10 11 12 13 14
Massa Ikan (kg) 0,200 0,186 0,176 0,133 0,104 0,100 0,100
0,110 0,120 0,130 0,140 0,150 0,160 0,170 0,180 0,190 0,200
MASSA IKAN (KG)
JAM
35
Gambar 4. 7 Gambar Penurunan Massa Ikan (Perhitungan) Massa 1 kg terlihat pada gambar 4.6 mampu mencapai nilai dari 50 % dari massa ikan awal. Akan tetapi, pada massa 2 kg dan 5 kg belum mencapai 50 % dari massa ikan awal. Oleh karena itu, perlu dilakukan perhitungan melalui persamaan pada tabel 4.6 dan 4.7 untuk menghitung kapasitas eror yang masih bisa di toleransi. Nilai toleransi harus berada di bawah 10 %.
4.3.3 Laju Penguapan
Laju penguapan merupakan kecepatan pengurangan uap air dari massa ikan yang akan dikeringkan. Laju penguapan dapat dihitung melalui massa uap air tiap jam dibagi dengan waktu pengeringan. Pada pengeringan ikan didapatkan trend yang relatif sama. Untuk menunjukkan hal tersebut dapat dilihat pada gambar 4.8.
9 10 11 12 13 14
5 kg 1,000 0,929 0,862 0,800 0,744 0,692 2 kg 0,400 0,371 0,344 0,320 0,297 0,276 0,000
0,200 0,400 0,600 0,800 1,000 1,200
MASSA IKAN (KG)
JAM
36
Gambar 4. 8 Korelasi Drying Rate dan Massa Ikan 4.4 Analisa Jumlah Kalor
Perpindahan panas konveksi digunakan untuk menganalisa efisiensi pada mesin pengering ikan. Konveksi paksa memiliki nilai koefisien konveksi 250 W/m2 yang mampu membantu mengeringkan ikan. Dengan perhitungan berdasarkan dasar teori yang ada, maka massa 1 kg dan 2 kg dapat dihitung sebagai berikut.
9 10 11 12 13 14
Drying Rate 0 3,89E-062,74E-061,19E-058,08E-062,78E-05 Massa Ikan Kering 0,200000,186000,176120,133290,104190,10000
0,00000 0,05000 0,10000 0,15000 0,20000 0,25000
0 0,000005 0,00001 0,000015 0,00002 0,000025 0,00003
Massa Ikan Kering(Kg)
Drying Rate (Kg/s)
Jam
Drying Rate | Massa Ikan Kering
Drying Rate Massa Ikan Kering
37
Gambar 4. 9 Gambar Kalor Konveksi Massa 1 kg
Gambar 4. 10 Gambar Kalor Konveksi Massa 2 kg Dari gambar 4.9 dan 4.10 dapat diliihat bahwa kalor yang masuk pada massa 2 kg lebih besar daripada 1 kg diakibatkan massa yang akan dikeringkan. Nilai tertinggi pada tabel adalah
9 10 11 12 13 14
Q konveksi 8,877 9,250 11,529 11,387 11,603 8,350 0,000
2,000 4,000 6,000 8,000 10,000 12,000 14,000
KALOR (J/S)
JAM
9 10 11 12 13 14
Q konveksi 12,184 12,645 14,797 12,858 15,386 8,144 0
2 4 6 8 10 12 14 16 18
KALOR (J/S)
JAM
38
15.386 W. Dari data kalor konveksi ini, selanjutnya dilakukan perhitungan efisiensi dengan memasukkan kalor evaporasi sebagai input dan kalor konveksi dan daya kipas sebagai output maka didapatkan nilai Qout tiap jam pada massa 1 kg dan 2 kg sebesar 131.46 W dan 82.84 W. Sedangkan Qin memiliki nilai yang relatif sama antara massa 1 kg dan 2 kg sebesar 421 W dan 430 W. Dari perhitungan yang ada didapatkan nilai efisiensi sebesar 31.2 % untuk massa 1 kg dan 19 % untuk massa 2 kg.
4.5 Analisa Variasi Kecepatan
Optimalisasi bertujuan agar mesin ini mampu bekerja secara maksimal. Oleh karena itu, dengan menambah variasi kecepatan pada blower dengan rpm menjadi 1650 dan 1800 RPM dapat dipaparkan pada gambar dibawah.
Gambar 4. 11 Pengaruh suhu ikan terhadap kecepatan Dari gambar 4.11 dapat dilihat bahwa apabila kecepatan bertambah maka suhu juga akan bertambah. Hal tersebut sesuai dengan teori kinetic gas yang menjelaskan hubungan antara
9 10 11 12 13 14
1500 RPM 34,705 36,314 36,880 36,206 35,728 36,059 1650 RPM 39,235 39,1638 40,008 39,339 39,0756 38,715 1850 RPM 39,3006 39,79 40,8 39,787 39,8388 38,89
31,000 32,000 33,000 34,000 35,000 36,000 37,000 38,000 39,000 40,000 41,000 42,000
SUHU (OC)
KECEPATAN (RPM)
39
kecepatan dan suhu adalah sebanding, dikarenakan partikel pada suatu ruangan tertentu bergerak lebih kencang diakibatkan oleh kecepatan yang ditambah. Setelah diketahui nilai suhu pada masing-masing kecepatan didapatkan pelepasan kalor sebesar 82 W dan efisiensi sebesar 19 % pada kecepatan 1500 RPM. Setelah itu, untuk kecepatan 1650 RPM dan 1850 RPM mesin ini mampu melepaskan kalor sebesar 89.11 W, 89.95 W dan efisiensi sebesar 23 %.
Sesuai dengan bilangan Reynolds, kecepatan maksimal sebesar 7.5 m/s pada chamber dapat dikatakan sebagai aliran laminar dengan nilai 387. Hal tersebut mampu memengaruhi hubungan suhu dan kecepatan pada chamber. Berdasarkan teori kinetik gas hubungan kecepatan dan suhu sebanding.
4.6 Analisa Simulasi Transient
Dalam proses simulasi CFD, ada dua tipe simulasi yang dipengaruhi oleh fungsi waktu yakni steady dan transient. Steady merupakan simulasi yang tidak dipengaruhi oleh waktu, sedangkan transient simulasi yang dipengaruhi oleh waktu. Pada simulasi CFD keduanya memiliki perbedaan pada tahap calculation. Untuk simulasi transient menggunakan istilah time step untuk mengetahui proses perubahan tiap waktunya dalam selang waktu tertentu.
Selain itu, untuk mengatur waktu simulasi dikenal sebagai number of time step. Sedangkan pada simulasi kondisi steady hanya diatur jumlah iterasi pada tahap tersebut.
Dalam proses simulasi transient, jumlah iterasi yang digunakan sebanyak 10 dengan nilai residual energi diatur pada nilai 10-5 agar konvergensi dapat dipercepat. Selain itu, perlu dilakukan simulasi dengan variasi time step untuk mengetahui jumlah time step yang terbaik pada simulasi (Kudariyawar, 2015).
Nilai time step yang digunakan pada simulasi ini adalah 60 s, 180
40
s, dan 300 s dimulai dari jam 10 sampai 11. Berikut gambar 4.12 menjelaskan hasil simulasi transient dengan nilai time step diatas.
Setelah itu dibandingkan dengan nilai eror pada eksperimen. Untuk melihat nilai eror terbaik pada simulasi maka dilakukan simulasi steady dengan kondisi yang sama dan dibandingkan dengan simulasi transient yang sudah dilakukan.
Objek yang digunakan adalah suhu pada kaca chamber di jam 11 dengan nilai eksperimen sebesar 45,67 OC.
900 1800 2700 3600
60 s 40,308 42,418 45,419 48,978
180 s 40,596 44,126 48,134 52,874
300 s 39,858 41,827 44,504 46,964
0 10 20 30 40 50 60
SUHU (OC)
WAKTU (S)
Gambar 4. 12 Gambar Time Step
41
Tabel 4. 8 Tabel Eror Simulasi Transient dan Steady Simulasi Suhu
(OC)
Eror (%) Transient 60 s 48,978 7,243 Transient 180 s 52,874 15,774 Transient 300 s 46,964 2,833
Steady 47,993 5,086
Pada tabel 4.8 diatas dapat diketahui bahwa simulasi dengan nilai eror terbaik adalah 300 s. Oleh karena itu, untuk penelitian selanjutnya dapat dilakukan simulasi transient dengan nilai time step 300 s. Berikut kontur yang menggambarkan keadaan tersebut.
Gambar 4. 13 Kontur pada 900 s
42
Gambar 4. 14 Kontur pada 1800 s
Gambar 4. 15 Kontur pada 2700
43
Gambar 4. 16 Kontur pada 3600 s
Perubahan kontur pada 900 s terlihat suhu maksimal yang terbaca sebesar 40.61 OC dan meningkat menjadi 44.98 OC, 50.33
OC, dan 55.43 OC pada kontur 1800 s, 2700 s dan 3600 s. Hal tersebut juga berlaku pada suhu minimal yakni meningkat dari 39.05 OC, 39.07 OC, 39.24 OC, dan 39.29 OC. Untuk persebaran suhu maksimal terdapat pada atap chamber sisi miring plane ZX, dan suhu minimal pada atap chamber plane ZY.
44
“Halaman ini sengaja dikosongkan”
