ANALISIS SUDUT DATANG RADIASI MATAHARI DAN PENGEMBANGAN MODEL PINDAH PANAS PADA GREENHOUSE
MENGGUNAKAN ARTIFICIAL NEURAL NETWORK
SKRIPSI Oleh:
TITIN NURYAWATI F14102048
2006
DEPARTEMEN TEKNIK PERTANIAN FAKULTAS TEKNOLOGI PERTANIAN
ANALISIS SUDUT DATANG RADIASI MATAHARI DAN PENGEMBANGAN MODEL PINDAH PANAS PADA GREENHOUSE
MENGGUNAKAN ARTIFICIAL NEURAL NETWORK
SKRIPSI
Sebagai salah satu syarat untuk memperoleh gelar
SARJANA TEKNOLOGI PERTANIAN
Pada Departemen Teknik Pertanian Fakultas Teknologi Pertanian
Institut Pertanian Bogor
Oleh:
TITIN NURYAWATI F 14102048
2006
DEPARTEMEN TEKNIK PERTANIAN FAKULTAS TEKNOLOGI PERTANIAN
INSTITUT PERTANIAN BOGOR FAKULTAS TEKNOLOGI PERTANIAN
SKRIPSI
Sebagai salah satu syarat untuk memperoleh gelar
SARJANA TEKNOLOGI PERTANIAN
Pada Departemen Teknik Pertanian Fakultas Teknologi Pertanian
Institut Pertanian Bogor
Oleh:
TITIN NURYAWATI F 14102048
Dilahirkan di Boyolali Pada tanggal: 26 April 1984 Tanggal lulus:
Menyetujui,
Bogor, Oktober 2006
Dr. Ir. Herry Suhardiyanto, MSc. Dosen Pembimbing
Dr. Ir. Wawan Hermawan, MS. Ketua Departemen Teknik Pertanian
KATA PENGANTAR
Alhamdulillah dan puji syukur, penulis panjatkan kepada ALLAH SWT karena hanya dengan lindungan, rahmat dan karuniaNya-lah penulis dapat menyelesaikan penulisan skripsi ini.
Skripsi ini berjudul “Analisis Sudut Datang Radiasi Matahari dan Pengembangan Model Pindah Panas pada Greenhouse Menggunakan Artificial
Neural Network”. Skripsi ini berisi tentang analisis sudut datang radiasi matahari terhadap permukaan penutup greenhouse, pengembangan model pindah panas pada greenhouse, simulasi pendugaan temperatur dalam greenhouse dengan mempertimbangkan sudut datang radiasi matahari menggunakan program Q-BASIC dan pendugaan temperatur dalam greenhouse menggunakan Artificial
Neural Network (ANN).
Penulisan skripsi ini tidak akan selesai tanpa bantuan orang-orang yang berharga yang berada di sekitar penulis. Penulis megucapkan terima kasih yang sebesar-besarnya kepada:
1. Bapak Dr. Ir. Herry Suhardiyanto, MSc. Selaku dosen pembimbing pertama penulis. Terima kasih atas bimbingan, arahan dan perhatiannya. 2. Bapak Chusnul Arif, STP. Selaku dosen pembimbing kedua penulis. 3. Bapak Dr. Ir. Suroso, M.Agr. dan Bapak Yudi Chadirin, STP, M.Agr.
selaku dosen penguji skripsi penulis.
4. Bapak, Ibu, kakak-kakak dan semua keluarga di rumah yang telah memberikan kasih sayang, dukungan dan doanya kepada penulis.
5. Bagdo D. Nugroho dan keluarga di Jakarta yang telah memberikan dukungan, bantuan dan doanya kepada penulis.
6. Pak Dwi, Pak Makrus, Pak Taufik, Pak Ahmad, Pak Harto, Pak Mamat, dan Pak Koko atas bantuannya selama pelaksanaan penelitian.
7. Hani dan keluarga atas bantuan dan doanya selama penyelesaian skripsi ini.
ii 8. Sofyan, Hanhan, Irfan, Muthia, Tina, Sumini, Upi, Nety, Fuad, Reza, Ima, Gilang, Wisma Palladium, AE 39 dan semua pihak yang telah membantu terselesaikannya skripsi ini.
Penulis menyadari bahwa penulisan skripsi ini masih banyak kekurangan, namun penulis berharap semoga skripsi ini bermanfaat bagi yang membutuhkan.
Bogor, Agustus 2006 Penulis
DAFTAR ISI
Halaman
KATA PENGANTAR...i
DAFTAR ISI...iii
DAFTAR GAMBAR...v
DAFTAR TABEL ...vii
DAFTAR LAMPIRAN ...viii
DAFTAR SIMBOL ...ix
I. PENDAHULUAN...1
A. Latar Belakang ...1
B. Tujuan... ...2
II. TINJAUAN PUSTAKA ...3
A. Greenhouse ...3
B. Temperatur dalam Greenhouse ...3
C. Radiasi Matahari ...4
D. Pindah Panas dalam Greenhouse ...5
E. Simulasi Greenhouse ...6
F. Artificial Neural Network (ANN) ...7
III. PENDEKATAN TEORITIS...12
A. Sudut Datang Radiasi Matahari...12
B. Model Pindah Panas pada Greenhouse ...14
IV. METODOLOGI PENELITIAN...20
A. Waktu dan Tempat ...20
B. Bahan dan Alat ...20
C. Metode Penelitian...21
1.Analisis Sudut Datang Radiasi Matahari ...21
2.Penentuan Model Pindah Panas dalam Greenhouse ...21
3. Pengambilan Data di Lapang ...21
4. Pembuatan Program ...22
5. Validasi Program...22
iv Halaman
V. HASIL DAN PEMBAHASAN... ...28
A. Sudut Datang Radiasi Matahari pada Penutup Greenhouse ...28
B. Model Simulasi Pindah Panas pada Greenhouse ...30
C. Validasi Model Simulasi Pindah Panas ...36
D. Pengembangan Model Artificial Neural Network (ANN) ...37
E. Validasi Model Artificial Neural Network (ANN) ...38
VI. KESIMPULAN DAN SARAN...40
A. Kesimpulan ...40
B. Saran...40
DAFTAR PUSTAKA ...42
DAFTAR GAMBAR
Halaman Gambar 1. Hubungan sudut zenith matahari (z), sudut jam matahari () dan
altitude matahari (α) dengan permukaan dasar horizontal pada permukaan bumi...5 Gambar 2. Struktur ANN Backpropagation. ...8 Gambar 3. Sudut datang radiasi matahari pada permukaan horizontal...12 Gambar 4. Sudut datang radiasi matahari pada kemiringan atap bangunan
berorientasi timur-barat...14 Gambar 5. Perpindahan panas yang terjadi pada greenhouse ...15 Gambar 6. Skema titik pengukuran pada greenhouse ...24 Gambar 7. Diagram alir program Q-Basic untuk memprediksi temperatur dalam
greenhouse ...25
Gambar 8. Model ANN yang digunakan untuk pendugaan temperatur dalam
greenhouse. ...26
Gambar 9. Diagram alir ANN backpropagation untuk memprediksi temperatur dalam greenhouse ...27 Gambar 10. Perubahan radiasi matahari harian selama pengukuran ...29 Gambar 11. Radiasi total harian selama pengukuran...29 Gambar 12. Kosinus sudut datang radiasi matahari pada penutup grenhouse
yang berorientasi utara –selatan pada tanggal 21 Juni 2006 ...30 Gambar 13. Perbandingan antara temperatur hasil simulasi dengan hasil
pengukuran tanggal 21 Juni 2006 dengan cuaca berawan ...34 Gambar 14. Perbandingan antara temperatur hasil simulasi dengan hasil
pengukuran tanggal 22 Juni 2006 dengan cuaca berawan dan hujan...34 Gambar 15. Perbandingan antara temperatur hasil simulasi dengan hasil
pengukuran tanggal 23 Juni 2006 dengan cuaca berawan dan hujan...35 Gambar 16. Perbandingan antara temperatur hasil simulasi dengan hasil
vi Gambar 17. Perbandingan antara temperatur hasil simulasi dengan hasil
pengukuran tanggal 26 Juni 2006 dengan cuaca cerah ...36 Gambar 18. Perbandingan antara temperatur hasil simulasi dengan hasil
pengukuran tanggal 30 Juni 2006 dengan cuaca cerah ...36 Gambar 19. Hubungan linear antara temperatur hasil simulasi dengan hasil
pengukuran...37 Gambar 20. Grafik hubungan temperatur udara dalam grenhouse antara
DAFTAR TABEL
Halaman Tabel 1. Nilai konstanta yang digunakan dalam simulasi pendugaan
temperatur udara dalam greenhouse ...32 Tabel 2. Perbedaan temperatur dalam greenhouse antara hasil simulasi dengan
hasil pengukuran tanggal 21 –23 Juni 2006 dengan cuaca berawan dan hujan...33 Tabel 3. Perbedaan temperatur dalam greenhouse antara hasil simulasi dengan
hasil pengukuran tanggal 24 Juni, 26 juni dan 30 Juni 2006 dengan cuaca cerah ...33
viii
DAFTAR LAMPIRAN
Halaman Lampiran 1. Greenhouse yang digunakan dan letak weather station dalam
penelitian ...45
Lampiran 2. Hasil perhitungan sudut datang radiasi matahari pada penutup greenhouse tanggal 21 Juni 2006...46
Lampiran 3. Hasil pengukuran kondisi cuaca di sekitar greenhouse yang digunakan untuk simulasi Q-BASIC...47
Lampiran 4. Program untuk memprediksi temperatur dalam greenhouse...50
Lampiran 5. Hasil keluaran program Q-BASIC untuk memprediksi temperatur dalam greenhouse. ...55
Lampiran 6. Data training yang digunakan dalam program ANN...58
Lampiran 7. Data validasi yang digunakan dalam program ANN...68
Lampiran 8. Temperatur hasil validasi ANN...73
DAFTAR SIMBOL
AH Tinggi rata-rata greenhouse, m
Absc1 Absorptivitas penutup greenhouse terhadap gelombang pendek
Absc2 Absorptivitas penutup greenhouse terhadap gelombang panjang
Abss Absorptivitas lantai (paving block)
absens Panas sensibel yang diserap tanaman dalam greenhouse Ca Panas jenis udara volumetrik, kJ/m3K
Cc Panas jenis volumetrik bahan penutup, kJ/m3K
Cf Panas jenis volumetrik lantai (paving block), kJ/m3K
EP Tinggi greenhouse di pinggir, m EQT Equation of Time
Fiv Fluk volume pertukaran udara, m3/s
h Sudut jam matahari,o
hf Koefisien pindah panas konveksi dari permukaan lantai ke udara
dalam, W/m2 oC
hi Koefisien pindah panas konveksi dari penutup bagian dalam ke
udara dalam, W/m2 oC
hv Koefisien pindah panas konveksi karena pengaruh ventilasi, W/m2 o
C
hw Koefisien pindah panas konveksi di penutup bagian luar karena
pengaruh angin, W/m2 oC
K Kosinus sudut datang radiasi matahari
Ks Kosinus sudut datang radiasi matahari pada penutup greenhouse
yang menghadap ke selatan
Ku Kosinus sudut datang radiasi matahari pada penutup greenhouse
yang menghadap ke utara
Kstd Kosinus sudut datang radiasi matahari untuk penutup standard peak greenhouse
ks Konduktivitas panas tanah, W/m K
L Panjang greenhouse, m
x LGT Longitude atau garis bujur, BT
n Julian Day
RAD Radiasi matahari pada bidang horisontal, W/m2 RH Kelembaban udara di sekitar greenhouse, % RMSE Akar kuadrat galat (Root Mean Square Error) RP Tinggi greenhouse di tengah, m
SBC Konstanta Stefan Boltzman, 5.67 E-8 W/m2K4
SW Lebar span, m
TBL Temperatur tanah dibawah lapisan tanah yang dianggap konstan,
o
C
Tc Temperatur penutup greenhouse,oC
Tf Temperatur permukaan lantai,oC
Tin Temperatur udara dalam greenhouse,oC
Tk Nilai target yang diberikan dalam training ANN
Tout Temperatur udara di sekitar greenhouse,oC
Tsky Temperatur langit, K
TZ Time Zone
Tz1 Temperatur lapisan tanah kedalaman 0.0315 m,oC
W Lebar greenhouse, m
Wjk Pembobot dari hidden layer ke output layer WS Kecepatan angin di luar greenhouse, m/s2
z0 Ketebalan lapisan tanah yang mewakili temperatur permukaan
tanah, m
z1 Ketebalan lapisan tanah yang mewakili lapisan pertama, m
α Altitude atau ketinggian matahari,o
β Sudut kemiringan permukaan terhadap horizontal δ Sudut deklinasi matahari,o
θ Sudut datang radiasi matahari,o z Sudut zenith matahari,o
Latitude
Titin Nuryawati. F14102048. Analisis Sudut Datang Radiasi Matahari dan Pengembangan Model Pindah Panas pada Greenhouse Menggunakan Artificial Neural Network. Dibawah bimbingan: Herry Suhardiyanto. 2006.
RINGKASAN
Radiasi matahari yang masuk ke dalam greenhouse mempengaruhi suhu dalam greenhouse dan proses pindah panas dalam greenhouse yang akhirnya mengendalikan proses biologi tanaman dalam greenhouse. Besarnya radiasi matahari dipengaruhi oleh lokasi suatu tempat karena perbedaan garis lintang, ketinggian dan tanggal dalam setahun. Sudut datang radiasi matahari yang bervariasi sepanjang hari juga berpengaruh pada kondisi iklim mikro di dalam greenhouse.
Pendugaan temperatur dalam greenhouse seringkali diperlukan dalam perancangan greenhouse. Pendugaan menggunakan simulasi yang melibatkan persamaan pindah panas dengan memperhatikan sudut datang radiasi matahari pada penutup greenhouse diharapkan dapat memberikan hasil yang akurat. Cara lain dalam pendugaan temperatur dalam greenhouse dapat dilakukan dengan menggunakan model Artificial Neural Network (ANN). Dengan ANN kita bisa memperoleh hasil yang lebih akurat, karena ANN mencoba untuk mensimulasikan kemampuan otak manusia untuk belajar. Dimana jaringan ini juga terdiri dari sejumlah neuron yang memiliki nilai tertentu yang menunjukkan seberapa besar koneksi antar neuron yang disebut dengan pembobot.
Tujuan dari penelitian ini adalah mempelajari proses pindah panas pada greenhouse sejalan dengan perubahan sudut datang radiasi matahari, membuat simulasi komputer untuk memprediksi temperatur dalam greenhouse berdasarkan data-data iklim di sekitar greenhouse dengan memperhatikan sudut datang radiasi matahari, melakukan training dengan ANN untuk memprediksi temperatur dalam greenhouse berdasarkan data-data iklim di sekitar greenhouse, melakukan validasi hubungan antara hasil pengukuran dengan hasil simulasi komputer dan hasil pendugaan dengan ANN dan membandingkan hasil simulasi komputer dengan hasil pendugaan dengan ANN.
Penelitian ini dilakukan di Single-span Greenhouse Kebun Percobaan Cikabayan, Institut Pertanian Bogor, Bogor (6.33 LS dan 106.42 BT). Waktu pelaksanaan penelitian pada bulan April –Juli 2006. Alat dan bahan yang digunakan pada penelitian ini adalah Single-Span Greenhouse tipe Standar Peak, weather station RM YOUNG model 26700, translator dan komputer, termokopel dan hybrid recorder tipe HR 2300 serta oil bath dan termometer standar.
Parameter yang diukur adalah kondisi cuaca di sekitar greenhouse berupa kecepatan dan arah angin, temperatur udara, kelembaban udara, tekanan udara, curah hujan dan radiasi sinar matahari. Sedangkan temperatur greenhouse berupa temperatur penutup greenhouse, temperatur udara dalam greenhouse, temperatur permukaan lantai, temperatur pada batas lantai dengan permukaan tanah dan temperatur tanah pada kedalaman 0.165 m dan 0.315 m dari permukaan lantai. Pengambilan data dilakukan selama 2 minggu mulai pukul 06.00 WIB sampai pukul 18.00 WIB dan dicatat tiap 10 menit.
Program untuk memprediksi temperatur dalam greenhouse dibuat dalam bahasa QBASIC. Input program adalah karakteristik elemen-elemen greenhouse dan data cuaca hasil pengukuran di sekitar greenhouse. Output program adalah pendugaan temperatur udara dalam greenhouse. Sedangkan program ANN yang dikembangkan menggunakan algoritma back propagation dengan memakai bahasa pemrograman Visual basic 6.0. Model ANN yang digunakan terdiri dari tiga layer yaitu input layer, hidden layer dan output layer. Input layer terdiri dari 6 noda yaitu data kecepatan angin, temperatur udara di sekitar greenhouse, radiasi sinar matahari, temperatur udara dalam greenhouse, temperatur permukaan lantai dan temperatur tanah pada kedalaman 0.315 m. Output layer berupa pendugaan temperatur udara di dalam greenhouse.
Berdasarkan analisis sudut datang radiasi matahari diperoleh nilai kosinus sudut datang radiasi matahari pada penutup grenhouse yang menghadap ke utara (Ku)
memiliki nilai yang lebih besar daripada yang menghadap selatan (Ks). Nilai Kupada
pukul 06:00 WIB adalah sebesar 0.548 dan meningkat mencapai 0.999 pada pukul 10:00 WIB. Setelah itu menurun sampai pada nilai 0.975 pada pukul 12:00 WIB, kemudian meningkat lagi mencapai 0.997 pada pukul 14:00 WIB. Nilai kosinus sudut datang radiasi matahari (K) berubah sejalan dengan berubahnya altitude (α) atau ketinggian matahari. Semakin meningkat ketinggian matahari maka nilai K juga semakin meningkat, dan ketika αmencapaimaksimum,K jugamencapaimaksimum. Nilaiα dan K terusmeningkatsampaitengah hari(pukul12.00 WIB)dan setelah itu menurun.
Hasil keluaran program Q-BASIC menunjukkan bahwa perbedaan temperatur antara hasil simulasi dengan hasil pengukuran tidak berbeda jauh. Rata-rata perbedaan tersebut berkisar antar 1.6 –2.2 oC. Hubungan antara temperatur udara hasil simulasi dengan hasil pengukuran menghasilkan persamaan regresi Y = 0.86666X –0.39864 dan koefisien regresi sebesar 0.8583. Hal ini menunjukkan bahwa hasil simulasi cukup akurat karena intersep-nya mendekati nol.
Training ANN dilakukan sebanyak 20 000 iterasi dengan memasukkan nilai eta (konstanta laju pembelajaran) sebesar 0.9, nilai alfa (konstanta momentum sebesar 0.6 dan nilai temp (konstanta persamaan sigmoid) sebesar 1 untuk semua training. Berdasarkan hasil training diperoleh nilai RMSE sebesar 1.691005 E-04. Hubungan antara temperatur udara hasil pengukuran dan temperatur udara hasil pendugaan ANN menghasilkan persamaan regresi Y = 0.9866X + 0.495 dan nilai koefisien determinasi sebesar 0.9706. Berdasarkan nilai RMSE yang cukup kecil tersebut, dapat dikatakan bahwa training ANN telah berhasil.
I. PENDAHULUAN
A. LATAR BELAKANG
Perbedaan iklim dan cuaca harian di daerah tropis dan sub tropis, menyebabkan terjadinya perbedaan fungsi greenhouse. Fungsi utama greenhouse di daerah berikim tropis adalah sebagai pelindung tanaman dari terpaan angin, hujan, dan hama maupun penyakit. Sedangkan fungsi utama greenhouse di daerah beriklim sub-tropis, berfungsi sebagai penjebak panas karena rendahnya radiasi matahari yang sampai ke tanaman.
Radiasi matahari yang masuk ke dalam greenhouse mempengaruhi temperatur dalam greenhouse. Radiasi matahari yang sampai ke dalam
greenhouse sangat berpengaruh terhadap proses pindah panas dalam greenhouse
yang pada akhirnya menciptakan suatu kondisi termal yang berbeda dengan kondisi di sekitar greenhouse, termasuk temperatur dalam greenhouse yang mengendalikan proses biologi tanaman dalam greenhouse.
Besarnya radiasi matahari dipengaruhi oleh lokasi suatu tempat karena perbedaan garis lintang, ketinggian dan tanggal dalam setahun. Di Indonesia, besarnya radiasi matahari menjadi masalah dalam penggunaan greenhouse, karena dapat meningkatkan temperatur dalam greenhouse. Suatu perhitungan yang akurat diperlukan untuk memprediksi jumlah radiasi matahari yang masuk dan diserap oleh struktur greenhouse. Perhitungan akan akurat jika memperhitungkan sudut zenith, azimuth, deklinasi matahari, orientasi greenhouse, dan sifat optik penutup
greenhouse. Sudut datang radiasi matahari yang bervariasi sepanjang hari juga
berpengaruh pada kondisi iklim mikro di dalam greenhouse.
Pendugaan temperatur dalam greenhouse, seringkali diperlukan dalam perancangan greenhouse. Pendugaan dengan menggunakan simulasi yang melibatkan persamaan pindah panas dengan memperhatikan sudut datang radiasi matahari pada penutup greenhouse diharapkan dapat memberikan hasil yang akurat.
Pendugaan temperatur dalam greenhouse juga dapat dilakukan dengan menggunakan model Artificial Neural Network (ANN). Dengan menggunakan ANN kita bisa memperoleh hasil yang lebih akurat, karena dalam ANN mencoba
2 untuk mensimulasikan kemampuan otak manusia untuk belajar. Jaringan ini juga terdiri dari sejumlah neuron yang memiliki nilai tertentu yang menunjukkan seberapa besar koneksi antar neuron yang disebut dengan pembobot.
B. TUJUAN
Tujuan dari penelitian ini adalah:
1. Mempelajari proses pindah panas pada greenhouse sejalan dengan perubahan sudut datang radiasi matahari.
2. Membuat simulasi komputer untuk memprediksi temperatur dalam
greenhouse berdasarkan data-data iklim di sekitar greenhouse dengan
memperhatikan sudut datang radiasi matahari.
3. Melakukan training dengan Artificial Neural Network untuk memprediksi temperatur dalam greenhouse berdasarkan data-data iklim di sekitar
greenhouse.
4. Melakukan validasi hubungan antara hasil pengukuran dengan hasil simulasi komputer dan hasil pendugaan dengan Artificial Neural Network. 5. Membandingkan hasil simulasi komputer dengan hasil pendugaan dengan
II. TINJAUAN PUSTAKA
A. GREENHOUSE
Penggunaan greenhouse sebagai rumah tanaman akan berpengaruh terhadap iklim mikro yang berbeda sama sekali dengan lingkungan luar (Bot, 1983). Hal ini disebabkan oleh:
1. Udara di dalam greenhouse tetap, sehingga pertukaran udara dengan lingkungan luar sangat kurang dibandingkan dengan udara tanpa penutup. Pergerakan udara di dalamnya sangat kecil. Hal ini berpengaruh langsung terhadap keseimbangan massa dan energi dalam greenhouse dan menyebabkan kenaikan temperatur.
2. Radiasi gelombang pendek diubah menjadi radiasi gelombang panjang oleh penutup greenhouse. Perubahan panjang gelombang ini menyebabkan pantulan sinar oleh permukaan tanah dan lainnya di dalam greenhouse dan menyebabkan temperatur udara dalam
greenhouse naik.
Bentuk greenhouse yang telah umum digunakan adalah bentuk rumah, semi sylindris dan bentuk lainnya seperti kubah, segi-enam dan setengah lingkaran yang dimodifikasi. Di Indonesia, greenhouse bentuk rumah dengan bukaan di atap lebih banyak ditemukan. Untuk pemakaian di negara tropis bentuk rumah dengan bukaan atap lebih cocok. Pertimbangannya, di daerah tropis penerimaan radiasi matahari relatif lebih banyak sehingga bentuk ruang harus memungkinkan sirkulasi udara berlangsung lebih lancar (Widyastuti, 1993).
B. TEMPERATUR DALAM GREENHOUSE
Energi matahari yang masuk ke dalam greenhouse secara radiasi dipantulkan dari berbagai permukaan. Energi ini diserap oleh tanaman, lantai dan lain-lain. Energi tersebut kemudian diubah menjadi panas. Kelebihan energi dihamburkan sebagai panas laten transpirasi, memanaskan udara dalam
greenhouse secara konduksi dan konveksi atau dipancarkan sebagai radiasi
4 panjang ini terperangkap dalam greenhouse dan memanaskan udara di dalamnya sehingga temperatur akan naik (Businger, 1963).
Faktor yang mempengaruhi besarnya temperatur dalam greenhouse adalah tingkat intensitas radiasi matahari, tingkat kapasitas alat pemanas, besar kecilnya perubahan panas akibat transpirasi tanaman, besar kecilnya panas yang hilang melalui atap atau dinding, besar kecilnya panas yang diserap tanaman untuk proses fotosintesis dan besar kecilnya panas yang hilang melalui ventilasi serta bahan konstruksi (Walker, 1965).
Hanan et al. (1978) menyatakan bahwa garis lintang merupakan faktor utama yang mempengaruhi temperatur greenhouse. Faktor lain adalah altitude atau ketinggian matahari, kondisi topografi yang mempengaruhi pergerakan angin dan panjang hari.
C. RADIASI MATAHARI
Radiasi matahari mempunyai ciri yang khas yaitu sifat keberadaannya selalu beubah-ubah tergantung pada keadaan atmosfer dan geometri radiasi matahari. Geometri radiasi matahari berhubungan dengan deklinasi matahari (), sudut jam matahari (), sudut zenith matahari (z) dan
altitude atau ketinggian matahari ().
Pendapat Duffie et al. (1980) deklinasi matahari () adalah posisi angular matahari terhadap suatu bidang ekuator. Sudut jam matahari () merupakan perpindahan angular matahari pada busur meridian terhadap rotasi bumi pada sumbunya, besarnya 15o per jam yang bernilai negatif pada pagi hari dan positif pada sore hari. Sudut zenith matahari (z) adalah sudut yang
dibentuk oleh garis vertikal ke zenith dengan garis lurus sinar datang matahari. Altitude () adalah ketinggian matahari terhadap bidang normal. Hubungan deklinasi matahari (), sudut zenith matahari (z) dan sudut jam matahari ()
dengan permukaan dasar horizontal pada permukaan bumi dapat dilihat pada Gambar 1.
Gambar 1. Hubungan sudut zenith matahari (z), sudut jam matahari () dan
altitude matahari (α) dengan permukaan dasar horizontal pada permukaan bumi (Duffie et al., 1980).
D. PINDAH PANAS DALAM GREENHOUSE
Pendapat Soegijanto (1999) bangunan akan mendapat perolehan panas dan mengeluarkan atau kehilangan panas ke lingkungan sekitarnya. Perolehan dan pengeluaran panas dapat terjadi melalui peristiwa perpindahan panas.
Perpindahan panas konduksi terjadi melalui dinding dan atap bangunan dengan arah masuk dan keluar bangunan. Termasuk juga konduksi panas dari dan masuk ke dalam tanah. Perpindahan panas konveksi terjadi karena aliran udara yang masuk dan keluar melalui bukaan ventilasi. Perpindahan panas radiasi gelombang pendek dari radiasi matahari yang terdiri dari radiasi matahari langsung dan refleksinya serta radiasi matahari difusi yang selalu bernilai posotif. Perpindahan panas radiasi gelombang panjang yang dipancarkan oleh permukaan bangunan maupun yang diterimanya dari lingkungan sekitar bangunan. Panas yang ditimbulkan oleh sumber-sumber panas di dalam ruangan seperti penghuni dan peralatan juga diperhitungkan. Perpindahan panas karena penguapan yang terjadi karena proses penguapan dari air yang membasahi permukaan dinding luar dan atap
S N Z zenith Normal terhadap permukaan horizontal sun s W E
6 Prinsip pindah panas antara bangunan dan lingkungan sekitarnya yang dikembangkan oleh Soegijanto (1999) dapat juga digunakan untuk
greenhouse. Pindah panas yang terjadi dalam greenhouse dengan cara radiasi,
konveksi dan konduksi. Energi yang ditransmisikan ke dalam greenhouse dalam bentuk radiasi matahari gelombang pendek. Pemasukan energi atau panas juga berasal dari konveksi pada udara dalam greenhouse dan radiasi gelombang panjang dari tanah ke penutup. Kehilangan panas terjadi karena konveksi akibat angin dan radiasi gelombang panjang dari penutup ke angkasa.
Takakura (1989) menyatakan keseimbangan panas di udara dalam
greenhouse lebih mudah dihitung. Pindah panas konveksi dari penutup ke
udara dalam greenhouse terjadi secara alami. Perpindahan panas konveksi juga terjadi melalui bukaan ventilasi baik dengan arah masuk dan keluar
greenhouse.
Keseimbangan panas di permukaan tanah greenhouse meliputi pindah panas radiasi gelombang panjang dari tanah ke penutup greenhouse, pindah panas konveksi dari permukaan tanah ke udara dalam dan pindah panas konduksi dari permukaan tanah ke lapisan dibawahnya maupun sebaliknya.
E. SIMULASI GREENHOUSE
Model simulasi untuk memprediksi iklim mikro dalam greenhouse telah dilakukan oleh Takakura et al. (1971), Avissar et al. (1982) dan Takakura (1989). Batas kondisi utama yang umum adalah data klimatologi berupa temperatur udara, kelembaban udara (RH), kecepatan angin, radiasi matahari serta sifat termal dan optik dari elemen-elemen greenhouse (Avissar et al., 1982).
Takakura (1971) mengembangkan model simulasi komputer untuk memprediksi temperatur greenhouse. Model yang dikembangkan menggunakan prinsip pindah panas yang dibagi menjadi empat elemen yaitu lapisan penutup, udara dalam, kanopi tanaman dan lapisan tanah menggunakan 25 persamaan diferensial yang rumit. Model ini melibatkan
sudut datang radiasi matahari pada kesetimbangan panas di penutup
greenhouse.
Romdhonah (2002), mengembangkan model simulasi untuk memprediksi temperatur dalam greenhouse dengan menggunakan prinsip pindah panas yang melibatkan sudut datang radiasi matahari. Model dibuat dengan menggunakan persamaan kesetimbangan panas dalam greenhouse yang dibagi menjadi tiga elemen, yaitu lapisan atap, udara dalam greenhouse dan permukaan lantai dan lapisan tanah.
F. ARTIFICIAL NEURAL NETWORK (ANN)
Artificial Neural Network (ANN) merupakan penjabaran fungsi otak
manusia (biologycal neuron) dalam bentuk fungsi matematika yang akan menjalankan proses perhitungan secara paralel (Lippman, 1998). Menurut Kusumadewi (2003), ANN merupakan salah satu representasi buatan dari otak manusia yang selalu mencoba untuk mensimulasikan proses pembelajaran pada otak manusia tersebut.
ANN pada dasarnya tersusun dari beberapa lapisan noda, yaitu input
layer (lapisan masukan), hidden layer (lapisan tersembunyi) dan output layer
(lapisan keluaran). Noda atau unit yang terhubung dari input layer ke hidden
layer atau dari layer satu ke layer yang lain dihubungkan dengan sinapsis
yang mempunyai pembobot yang ditentukan dengan training-nya.
Salah satu metode training ANN adalah backpropagation. Hasil dari
training backpropagation berupa pembobot (weight). Algoritma
backpropagation menggunakan error output untuk mengubah nilai pembobotnya dalam arah mundur (backward). Untuk mendapatkan error
output, tahap perambatan maju (forward propagation) harus dikerjakan
terlebih dahulu (Kusumadewi, 2003).
Algoritma pelatihan backpropagation menurut Fu (1994) adalah sebagai berikut:
8 Mula-mula pembobot dipilih secara acak, kemudian setiap sinyal
input diberikan ke dalam noda pada input layer, lalu sistem akan mengirim
sinyal ke noda pada hidden layer.
Gambar 2. Struktur ANN Backpropagation. 2. Perhitungan nilai aktivasi
Setiap noda pada hidden layer dihitung nilai net input-nya dengan cara menjumlahkan seluruh hasil perkalian antara noda input (Xi) dengan
pembobotnya (Vij), sebagaimana dalam persamaan berikut:
n i ij i ij X V Z 1 ………...…….(1)Jika setiap noda pada lapisan ini telah menerima nilai net input, langkah selanjutnya adalah memasukkan nilai net input pada setiap noda ke dalam fungsi aktivasi (fungsi sigmoid) berikut:
) ( exp 1 1 ) ( ij Z ij Z f ………...…….(2)
dengan: konstanta fungsi sigmoid.
Xi
Xn
Vij Zij Yk
Wjk
Zj= f(Zij) ………...…….(3) ( ) exp 1 1 ZjWjk k Y ………...…….(4)
3. Perbaikan nilai pembobot
Nilai output dari setiap noda pada output layer hasil perhitungan pada jaringan dibandingkan dengan nilai target yang diberikan dengan persamaan jumlah kuadrat galat, seperti dalam persamaan:
in k k k Y T E ( )2 2 1 ………...…….(5)dengan Tk= nilai target yang diberikan dalam training ANN
Yk= output dari hasil perhitungan pada jaringan
Pada setiap lapisan dilakukan perubahan pembobot dengan menggunakan aturan delta rule. Perubahan pembobot dari hidden layer ke
output layer sesuai dengan persamaan:
Wjk=kZj ………...…….(6)
dimana
Wjk = perubahan nilai pembobot Wij
= laju pembelajaran k = galat output ke k
Zj = fungsi sigmoid
Perubahan pembobot dari hidden layer ke input layer sesuai dengan persamaan:
10 Sehingga nilai perbaikan pembobot dapat dibuat dalam persamaan berikut:
Wjk(baru) = Wjk(lama) +Wjk ………...…….(8)
Vij(baru) = Vij(lama) +Vij ………...…….(9)
Nilai laju pembelajaran harus dipilih antara 0 – 0.9. laju pembelajaran menentukan kecepatan pelatihan sampai sitem mencapai keadaan optimal, jika nilainya besar akan membuat jaringan melompati nilai minimum lokalnya dan akan berosilasi sehingga tidak mencapai konvergensi. Sebaliknya jika nilainya kecil menyebabkan jaringan terjebak dalam minimum lokal dan memerlukan waktu yang lama selama proses
training. Untuk menghindari keadaan tersebut ditambahkan suatu
konstanta momentum antara 0 - 0.9 pada sistem tersebut, dengan demikian laju pelatihan dapat ditingkatkan an osilasi pada system dapat diminimumkan. Perubahan nilai pembobot setelah dilakukan penambahan konstanta momentum sesuai dengan persamaan berikut:
Wjk(baru) =kZj+ βWjk(lama) ………...…….(10)
Vij(baru) =jXi + βVij(lama) …...…...…….(11)
dengan βadalah konstanta momentum.
4. Pengulangan (iterasi)
Keseluruhan proses diatas dilakukan pada setiap contoh dan sekian iterasi sampai sistem mencapai keadaan optimum. Iterasi tersebut mencakup pemberian contoh pasangan input dan output, perhitungan nilai aktivasi dan perubahan nilai pembobot (weight).
Kinerja jaringan dapat dinilai berdasarkan RMSE (Root Mean square
Error) pada proses generalisasi terhadap contoh data input-output baru,
nilai RMSE sesuai dengan persamaan berikut (Fu, 1994):
dimana:
Yk = nilai prediksi jaringan
Tk = nilai target yang diberikan pada jaringan
n = jumlah data pada set validasi
Setelah ANN terlatih memecahkan suatu masalah, kemudian harus dilakukan validasi yang merupakan proses pengujian kinerja jaringan terhadap contoh yang belum diberikan selama proses pelatihan. Proses validasi dilakukan dengan memasukkan suatu set contoh input-output yang hampir sama dengan contoh set input-output yang diberikan selama
III. PENDEKATAN TEORITIS
A. SUDUT DATANG RADIASI MATAHARI
Ketinggian matahari (), sudut datang radiasi matahari sesaat pada permukaan ()dan azimuth matahari (z) mempengaruhi besarnya sudut datang radiasi matahari. Gambar 3 menunjukkan sudut datang radiasi matahari pada permukaan horizontal.
Gambar 3. Sudut datang radiasi matahari pada permukaan horizontal (Esmay et al., 1983).
Sudut datang radiasi matahari () pada permukaan penutup
greenhouse tergantung pada orientasi atap tersebut dan posisi matahari. Posisi
matahari () di suatu tempat pada latitude () dapat diketahui dengan persamaan:
sin= cos cos cos h + sinsin ………...…….(13)
dimanamerupakan deklinasi matahari dalam derajat dan h merupakan sudut jam matahari.
Deklinasi matahari merupakan sudut yang dibentuk oleh matahari dengan bidang equator yang pada setiap saat dapat diperkirakan dari persamaan Jansen (1994): A O N = 90o- K= cos
365 284 360 sin 45 . 23 x x n ………...…….(14)
dimana n merupakan hari (Julian Day) dari tahun yang bersangkutan. Sedangkan sudut jam matahari besarnya 15o per jam, negatif pada pagi hari, sama dengan nol pada siang hari dan positif pada sore hari. Sudut jam matahari untuk wilayah Indonesia bagian Barat dengan lokasi pada longitude LGT adalah:
15 15 105 12 LGT EQT x WIB h ………...…….(15)EQT merupakan persamaan waktu yang besarnya menurut Caruthers et al. (1990) adalah:
EQT = 5.0323 –100.976 sin (t) + 595.275 sin (2t) + 3.6858 sin (3t) – 12.47 sin (4t) –430.847 cos (t) + 12.5024 cos (2t) + 18.25
cos (3t) ...……...……. (16)
dimana t = (279.134 + 0.985647 n).
Gambar 4 menunjukkan sudut datang radiasi matahari pada kemiringan atap bangunan yang berorientasi timur-barat di belahan bumi utara. Dari Gambar 4 dapat dicari nilai K untuk bangunan yang berorientasi timur-barat di belahan bumi selatan dengan membalikkan arah utara menjadi selatan dan arah selatan menjadi utara (Esmay et al., 1983). Untuk atap yang menghadap utara dengan sudut kemiringan terhadap horizontal nilai K adalah:
Ku= cos (90o-- ) ………...…….(17)
14
Ks= cos (90o+- ) ………...…….(18)
Kosinus sudut datang radiasi matahari untuk penutup standard peak
greenhouse, Kstdadalah:
Kstd= (Ku+ Ks) / 2 ………...…….(19)
Gambar 4. Sudut datang radiasi matahari pada kemiringan atap bangunan berorientasi timur-barat (Esmay et al., 1983).
B. MODEL PINDAH PANAS PADA GREENHOUSE
Bangunan greenhouse akan mendapat dan kehilangan panas melalui peristiwa perpindahan panas secara radiasi, konveksi dan konduksi. Skema proses perpindahan panas pada greenhouse dapat dilihat pada Gambar 5.
N A O A O = 90o-- Ks= cos = 90o +- Ku= cos
Temperatur penutup greenhouse (Tc), temperatur udara dalam greenhouse (Tin), dan lapisan tanah (Tf atau Tz1) dihitung dari kondisi batas
temperatur udara di luar greenhouse (Tout) dan temperatur di bawah lapisan
tanah (TBL). Selain itu radiasi matahari dijadikan input sebagai energi dengan mempertimbangkan sudut datang radiasi matahari pada penutup greenhouse. Perpindahan panas yang terjadi antar berbagai lapisan tersebut menurut (Bot, 2001) adalah:
1. Antara penutup greenhouse dengan udara luar
Panas konveksi yang terjadi dari penutup ke udara luar karena pengaruh angin diasumsikan sebagai konveksi paksa, sehingga kecepatan angin di luar greenhouse (WS) sangat berpengaruh dan dijadikan input setiap jam. Menurut Duffie et al. (1974) koefisien pindah panas konveksi karena pengaruh angin (hw) pada permukaan datar adalah:
hw= 5.7 + 3.8 WS ……...…….(20) ventilasi konduksi tanah radiasi matahari Greenhouse cover konveksi konveksi udara dalam
radiasi gel. panjang
Permukaan lantai
16 Selain pindah panas konveksi, antara penutup dan udara luar terdapat pindah panas radiasi termal dengan langit yang dihitung dengan perkalian antara konstanta Stefan Boltzman (SBC) dengan temperatur absolut penutup dikurangi temperatur absolut langit (Tsky). Persamaan yang
digunakan adalah:
Rt= SBC x Absc2x ((Tc+ 273)4–Tsky4) …..…...…….(21)
Dimana Absc2 adalah absorptivitas bahan penutup terhadap gelombang
panjang. Tsky tidak diukur melainkan didekati dengan persamaan berikut
(Duffie et al., 1974):
Tsky= 0.0552 x Tout1.5 ……...……. (22)
Radiasi matahari yang diperhitungkan merupakan radiasi matahari pada permukaan horizontal yang dikalikan dengan sudut datang pada penutup greenhouse (K) dan absorptivitas bahan penutup terhadap radiasi gelombang pendek (Absc1) seperti pada persamaan berikut:
R = RAD x Absc1x K ……...…….(23)
2. Antara penutup greenhouse dengan udara dalam greenhouse
Pindah panas konveksi yang terjadi tidak hanya karena perbedaan temperatur antara penutup greenhouse dan udara dalam (konveksi bebas) tapi juga akibat pergerakan udara dalam greenhouse karena ventilasi dan sirkulasi udara (konveksi paksa). Menurut Bot (2001), dalam keadaan demikian konveksi paksa menjadi dominan. Persamaan yang dikembangkan oleh Holman (1994) dapat digunakan untuk menghitung hi
pada standard peak greenhouse, yaitu:
Selain pindah panas konveksi antara penutup dan udara dalam terdapat pindah panas radiasi termal antara penutup dengan komponen tidak tembus cahaya dalam greenhouse. Pindah panas radiasi termal dihitung dengan perkalian antara konstanta Stefan Boltzman dengan temperatur absolut penutup dan temperatur absolut komponen tidak tembus cahaya tersebut.
3. Antara permukaan lantai dengan udara dalam greenhouse
Pindah panas yang terjadi adalah pindah panas konveksi dengan koefisien pindah panas (hf) yang besarnya hampir sama dengan hi (Bot,
2001).
4. Antara permukaaan lantai dengan lapisan tanah yang lebih dalam
Pindah panas yang terjadi adalah pindah panas konduksi. Jika tanah dan lantai diasumsikan sebagai satu blok tanah maka yang dihitung adalah rata-rata temperatur tanah. Untuk menghitungnya diperlukan temperatur permukaan lantai (Tf). Untuk kondisi quasi steady state, lapisan tanah
dapat dibagi menjadi dua lapisan yaitu lapisan pertama adalah lapisan permukaan tanah (z0 = 0.065 m) dan lapisan kedua adalah lapisan tanah
sampai kedalaman tertentu (z1) yang temperaturnya diketahui (TBL).
5. Pertukaran langsung antara udara dalam dan udara luar melalui ventilasi Menurut Bot (2001), koefisien pindah panas karena pengaruh ventilasi (hv) didekati dengan persamaan:
hv= Fivx Ca ……...…….(25)
dimana Fivadalah flux volume pertukaran udara (m3/s) dan Caadalah
panas jenis udara.
Sesuai dengan pindah panas yang terjadi antara ketiga elemen dalam sistem dan menganggap bahwa semua elemen adalah homogen secara
18 horizontal dan vertikal, maka persamaan kesetimbangan panas yang terjadi pada setiap elemen per satuan luas adalah sebagai berikut:
Kesetimbangan pada lapisan penutup
Ccx THc x dTc/dt ≈((RAD x Absc1x K) + SBC x Absc2x ((Tc+273)4 –Tsky4) –hix (Tc–Tin) –hw(Tc –Tout) ….(26)
Kesetimbangan pada udara dalam
Ca x AH x dTin/dt ≈hix (Tc–Tin) + hfx (Tf–Tin) + hvx (Tout–Tin) +
absens x Trancx RAD x K ...…(27)
absens merupakan bagian radiasi matahari yang ditransmisikan ke dalam greenhouse dan diserap oleh tanaman kemudian dilepaskan ke udara dalam greenhouse sebagai panas sensible. Pendapat Bot (2001), besarnya absens diperkirakan 0.33 dan 0.67 sisanya untuk evaporasi tanaman. Nilai absens dipertimbangkan dalam simulasi walau dalam
greenhouse tidak terdapat tanaman.
Nilai koefisien konveksi akibat ventilasi (hv) sangat berpengaruh
daalam model simulasi. Besarnya hvdipengaruhi oleh kecepatan angin
dan temperatur udara di luar greenhouse. Dalam penelitian ini hv
dianggap konstan, karena tidak tersedia data fluks volume pertukaran udara.
Kesetimbangan pada lantai dan tanah 1. Permukaan lantai
Cfx z0 x dTf/dt ≈Abss x RAD x Trancx K –2 x ksx (Tf–Tz1)/ (z0
+ z1) –hix (Tf–Tin) –SBC x Emsx ((Tf+ 273)4
–(Tc+ 273)4) .….(28)
2. Lapisan tanah
Cfx z1x dTz1/dt ≈2 x ksx (Tf–Tz1)/ (z0+ z1) + 2 x ksx
C. ASUMSI
Asumsi-asumsi yang digunakan dalam model pindah panas adalah: 1. Sistem terdiri dari 3 elemen vertikal yaitu pindah panas yang terjadi di
penutup greenhouse, pindah panas di udara dalam dan pindah panas pada lapisan tanah.
2. Semua elemen homogen secara horizontal dan vertical kecuali lapisan tanah yang dibagi menjadi dua subelemen yang homogen secara horizontal.
3. Kondisi batas adalah temperatur udara luar, kecepatan angin, radiasi matahari dan temperatur tanah dalam greenhouse yang terdalam yang masih diketahui.
4. Koefisien pindah panas konveksi pada permukaan lantai (hf) tidak berubah
selama simulasi.
5. Aliran udara dalam greenhouse seragam dan horizontal.
6. Transmisivitas, absorptivitas dan reflektivitas penutup greenhouse
IV. METODOLOGI PENELITIAN
A. TEMPAT DAN WAKTU
Penelitian ini dilakukan di Single-span Greenhouse Kebun Percobaan Cikabayan, Institut Pertanian Bogor, Bogor. Waktu pelaksanaan penelitian pada bulan April –Juli 2006.
B. BAHAN DAN ALAT 1. Greenhouse
Greenhouse yang digunakan adalah Single-Span Greenhouse tipe Standar Peak dengan ukuran panjang 20 m, lebar 7.5 m dan tinggi
bubungan 7.346 m. Konstruksi greenhouse mengunakan besi, atap mengunakan kaca, dinding dengan kawat kasa dan lantai terbuat dari
paving block. Greenhouse dibangun dengan orientasi Utara - Selatan 2. Weather station, Translator dan Komputer
Weather station atau stasiun cuaca yang digunakanan adalah RM
YOUNG model 26700. Alat ini terdiri dari sensor kecepatan dan arah angin (anemometer), sensor temperatur dan kelembaban (pshychrometer), sensor tekanan udara (barometer), sensor radiasi matahari (pyranometer), dan sensor curah hujan (typing bucket precip gauge). Temperatur pada satuan oC, RH dalam %, kecepatan angin dalam m/s2, arah angin dalam o, radiasi matahari dalam W/m2dan curah hujan dalam mm/hari.
Weather station di pasang di luar greenhouse untuk mengetahui iklim makro di sekitar greenhouse. Weather station dihubungkan dengan translator merk YOUNG untuk menampilkan hasil pengukuran dan komputer untuk menyimpan data.
3. Termokopel dan Hybrid recorder
Termokopel digunakan untuk mengukur temperatur penutup
greenhouse, temperatur udara dalam greenhouse, temperatur permukaan
lantai, temperatur pada batas lantai dengan permukaan tanah dan temperatur tanah pada kedalaman 0.165 m dan 0.315 m dari permukaan lantai.
Termokopel dihubungkan dengan hybrid recorder tipe HR 2300 untuk menampilkan temperatur yang terukur oleh termokopel.
4. Oil bath dan Termometer standar
Oil bath dan termometer standar digunakan untuk mengkalibrasi
termokopel yang digunakan pada pengukuran temperatur. Pengkalibrasian ini bertujuan untuk mendapatkan hubungan antara temperatur yang terukur oleh termokopel dengan temperatur yang terukur oleh termometer standar.
C. METODE PENELITIAN
1. Analisis Sudut Datang Radiasi Matahari pada Penutup Greenhouse
Analisis sudut datang radiasi matahari pada penutup greenhouse digunakan untuk mengetahui nilai radiasi matahari langsung yang ditransmisikan oleh penutup greenhouse. Analisis sudut datang radiasi matahari melibatkan sifat geometri radiasi matahari.
2. Penentuan Model Pindah Panas dalam Greenhouse
Persamaan pindah panas digunakan untuk menghitung temperatur penutup greenhouse, temperatur udara dalam greenhouse dan temperatur permukaan tanah. Persamaan pindah panas yang digunakan melibatkan kesetimbangan panas di penutup greenhouse, kesetimbangan panas udara di dalam greenhouse, kesetimbangan panas di permukaan lantai dan lapisan tanah disesuaikan dengan kondisi greenhouse. Model pindah panas
greenhouse dibuat dengan memperhatikan sudut datang radiasi matahari
agar perhitungan radiasi matahari yang masuk dalam sistem lebih akurat.
3. Pengambilan Data di Lapang
Parameter yang diukur adalah kondisi cuaca di sekitar greenhouse berupa kecepatan dan arah angin, temperatur udara, kelembaban udara, tekanan udara, curah hujan dan radiasi sinar matahari.
Radiasi matahari yang diukur adalah radiasi matahari sesaat yang diterima oleh greenhouse, sedangkan untuk mencari nilai radiasi total harian dapat dihitung secara matematis dengan menggunakan metode Simpson (Purcell and Vanberg, 1999):
22 Ih=
f gp gt I I I I t 2 4 3 1 ……...…….(30)dimana Ih = total radiasi harian (Wh/m2)
∆t = selang pengukuran (jam)
Igt = radiasi selang pengukuran ganjil (W/m2)
Igp = radiasi selang pengukuran genap (W/m2)
Ii = radiasi awal (W/m2)
If = radiasi akhir (W/m2)
Sedangkan temperatur greenhouse berupa temperatur penutup
greenhouse, temperatur udara dalam greenhouse, temperatur permukaan
lantai, temperatur pada batas lantai dengan permukaan tanah dan temperatur tanah pada kedalaman 0.165 m dan 0.315 m dari permukaan lantai.
Pengambilan data dilakukan selama 2 minggu mulai pukul 06.00 WIB sampai pukul 18.00 WIB dan dicatat tiap 10 menit. Skema lokasi pengukuran dapat dilihat pada Gambar 6.
4. Pembuatan Program
Pembuatan program untuk memprediksi temperatur dalam
greenhouse dibuat dalam bahasa QBASIC. Input program adalah
karakteristik elemen-elemen greenhouse dan data cuaca hasil pengukuran di sekitar greenhouse. Output program adalah pendugaan temperatur penutup greenhouse, temperatur udara dalam greenhouse, temperatur permukaan lantai dan temperatur tanah pada kedalaman 31.5 cm. Diagram alir pembuatan program dapat dilihat pada Gambar 7.
5. Validasi Program
Validasi program dilakukan dengan membandingkan temperatur udara hasil simulasi dengan hasil pengukuran di lapangan. Pengujian keabsahan dilakukan dengan menggunakan garis regresi yang terbentuk pada hubungan linear antara temperatur hasil simulasi (Y) dan hasil pengukuran (X). Dimana a menyatakan intersep atau perpotongan garis
regresi dengan sumbu tegak dan b menyatakan kemiringan atau gradien garis regresi.
Y = a + bX ……...…….(31)
Model simulasi dinyatakan memberikan prediksi temperatur yang semakin baik bila persamaan regresinya memiliki koefisien intersep (a) mendekati nol dan gradiennya mendekati satu.
6. Pengembangan Jaringan Artificial Neural Network (ANN)
Program ANN yang dikembangkan menggunakan algoritma back
propagation dengan memakai bahasa pemrograman Visual basic 6.0.
Model ANN yang digunakan terdiri dari tiga layer yaitu input layer,
hidden layer dan output layer.
Input layer terdiri dari 6 noda yaitu data kecepatan angin, temperatur
udara di sekitar greenhouse, radiasi sinar matahari, temperatur udara dalam greenhouse, temperatur permukaan lantai dan temperatur tanah pada kedalaman 0.315 m. Parameter pada input layer ditentukan berdasarkan anlisis variabel pada persamaan kesetimbangan panas yang terjadi dalam greenhouse. Variabel yang dipilih adalah variabel dasar yang terdapat pada persamaan kesetimbangan panas dan dilakukan pengukuran dalam penelitian. Laju ventilasi tidak dijadikan input dalam ANN karena dalam persamaan kesetimbangan panas, laju ventilasi bukan merupakan variabel dasar dan hanya berpengaruh terhadap variabel tertentu, dan juga dalam penelitian tidak dilakukan pengukurannya. Output layer berupa pendugaan temperatur udara di dalam greenhouse. Model ANN yang dikembangkan dapat dilihat pada Gambar 8.
Data yang diperoleh dari hasil pengukuran dibagi menjadi dua kelompok yaitu satu set data untuk proses training dan satu set data untuk proses validasi jaringan. Kinerja jaringan ANN dapat dinilai berdasarkan nilai RMS error (Root Mean Square Error).
24 Gambar 6. Skema titik pengukuran pada greenhouse.
Ket: n = 172,173,174,175,177 dan 181
Gambar 7. Diagram alir program Q-Basic untuk memprediksi temperatur dalam
26 Keterangan gambar:
1. Kecepatan angin (m/s2)
2. Radiasi matahari (W/m2)
3. Temperatur penutup greenhouse (oC)
4. Temperatur udara di luar greenhouse (oC)
5. Temperatur permukaan lantai (oC)
6. Temperatur tanah kedalaman 31.5 cm (oC)
7. Temperatur udara di dalam greenhouse (oC)
Gambar 8. Model ANN yang digunakan untuk pendugaan temperatur dalam
greenhouse. Xi Vij 1 2 3 4 5 6 7
Input Layer Hidden Layer Output Layer
Wjk
Yk Zj
Gambar 9. Diagram alir ANN backpropagation untuk memprediksi temperatur dalam greenhouse.
V. HASIL DAN PEMBAHASAN
A. SUDUT DATANG RADIASI MATAHARI PADA PENUTUP
GREENHOUSE
Radiasi matahari yang mengenai permukaan benda terdiri dari radiasi langsung, radiasi sebaran (sky radiation) dan radiasi pantulan. Radiasi langsung adalah radiasi matahari yang lansung mengenai permukaan benda tanpa mengalami pemantulan atmosfer. Radiasi sebaran adalah radiasi yang sudah dipencarkan oleh molekul-molekul gas, debu dan uap air di atmosfer, sedangkan radiasi pantulan adalah radiasi yang dipantulkan dari permukaan yang berdekatan dengan benda tersebut.
Sebagian radiasi matahari yang sampai ke penutup greenhouse akan ditransmisikan, sebagian dipantulkan dan sebagian lagi diserap oleh material penutup greenhouse. Transmisivitas dan reflektivitas merupakan bagian yang penting karena dipengaruhi oleh sudut datang radiasi matahari pada penutup
greenhouse, sedangkan absorptivitas hampir konstan untuk semua sudut
datang radiasi matahari dari 0osampai 90o(Takakura, 1989).
Semakin besar nilai sudut datang radiasi maka semakin kecil radiasi yang ditransmisikan oleh penutup greenhouse. Pada sudut datang 0o, 91% radiasi matahari akan di transmisikan oleh penutup (kaca) greenhouse, 8% di pantulkan dan 1% akan diserap oleh kaca tersebut. Pada sudut datang 0 - 45o, transmisivitas berubah sangat kecil. Pada sudut datang 45 - 80o, nilai transmisivitas akan menurun dengan cepat sehingga radiasi yang dipantulkan lebih besar dari pada radiasi yang ditransmisikan (Mastalerz, 1977).
Data pengukuran yang digunakan dalam simulasi adalah: tanggal 21 Juni, 22 Juni dan 23 Juni 2006 dipilih mewakili data cuaca berawan dan hujan dengan radiasi total harian secara berturut-turut sebesar 5028.233 Wh/m2, 4616.353 Wh/m2dan 4692.46 Wh/m2, sedangkan tanggal 24 Juni, 26 Juni dan 30 Juni 2006 dipilih mewakili data cuaca cerah dengan nilai radiasi total harian sebesar 5677.127 Wh/m2, 5394.327 Wh/m2 dan 5528.987 Wh/m2. Gambar 10 menunjukkan perubahan radiasi matahari selama pengukuran, sedangkan radiasi total harian dapat dilihat pada Gambar 11. Radiasi matahari
0 1000 2000 3000 4000 5000 6000
21 Juni 22 Juni 23 Juni 24 Juni 26 Juni 30 Juni Tanggal R a d ia si to ta l h a ri a n (W h /m 2 ) 0 100 200 300 400 500 600 700 800 900 1000 6:00 7:00 8:00 9:00 10:00 11:00 12:00 13:00 14:00 15:00 16:00 17:00 18:00 Pukul (WIB) R a d ia si m a ta h a ri (W /m 2 ) 21 JUNI 2006 22 JUNI 2006 23 JUNI 2006 24 JUNI 2006 26 JUNI 2006 30 JUNI 2006
akan berubah setiap saat dengan titik maksimum pada siang hari, besarnya radiasi matahari akan berkurang bila langit berawan. Hasil perhitungan sudut datang radiasi matahari pada penutup greenhouse dapat dilihat pada Lampiran 2.
Gambar 10. Perubahan radiasi matahari harian selama pengukuran.
Gambar 11. Radiasi total harian selama pengukuran.
Nilai kosinus sudut datang radiasi matahari pada penutup greenhouse yang menghadap ke utara (Ku) memiliki nilai yang lebih besar daripada yang
menghadap selatan (Ks). Nilai Kupada pukul 06:00 WIB adalah sebesar 0.548
dan meningkat mencapai 0.999 pada pukul 10:00 WIB. Setelah itu menurun sampai pada nilai 0.975 pada pukul 12:00 WIB, kemudian meningkat lagi
30 mencapai 0.997 pada pukul 14:00 WIB. Gambar 11 menunjukkan nilai kosinus sudut datang radiasi matahari pada penutup greenhouse.
Nilai kosinus sudut datang radiasi matahari (K) berubah sejalan dengan berubahnya altitude (α) atau ketinggian matahari. Semakin meningkat ketinggian matahari maka nilai K juga semakin meningkat, dan ketika α mencapai maksimum, K juga mencapai maksimum. Nilai αdan K terus meningkat sampai tengah hari (pukul 12.00 WIB) dan setelah itu menurun.
Gambar 12. Kosinus sudut datang radiasi matahari pada penutup greenhouse yang berorientasi Utara - Selatan pada tanggal 21 Juni 2006. .
B. MODEL SIMULASI PINDAH PANAS DALAM GREENHOUSE
Model simulasi pindah panas dalam greenhouse menggunakan persamaan kesetimbangan panas di penutup, di udara dalam, permukaan lantai dan lapisan tanah.
Karakteristik greenhouse meliputi dimensi greenhouse, karakteristik bahan penutup, kemiringan atap, sifat fisik udara dalam greenhouse dan karakteristik lantai dijadikan input dalam simulasi pindah panas dalam
greenhouse.
Data kondisi cuaca di sekitar greenhouse juga dijadikan input dalam simulasi, terdiri dari data radiasi matahari, kecepatan angin dan temperatur udara dalam greenhouse. Data kondisi cuaca hasil pengukuran yang digunakan untuk input dalam simulasi dapat dilihat pada Lampiran 3.
-0,6 -0,4 -0,2 0 0,2 0,4 0,6 0,8 1 1,2 6 :0 0 7 :0 0 8 :0 0 9 :0 0 1 0 :0 0 1 1 :0 0 1 2 :0 0 1 3 :0 0 1 4 :0 0 1 5 :0 0 1 6 :0 0 1 7 :0 0 1 8 :0 0 Pukul (WIB) C o s te ta Ku Ks
Laju ventilasi alami yang terjadi dalam greenhouse sangat berpengaruh terhadap kesetimbangan panas dalam greenhouse yang akhirnya berpengaruh terhadap temperatur dalam greenhouse. Laju ventilasi berpengaruh pada koefisien pindah panas konveksi akibat adanya ventilasi (hv). Semakin besar laju ventilasinya maka semakin besar nilai hvtersebut dan
semakin besar pindah panas yang terjadi.
Besarnya laju ventilasi alami dipengaruhi oleh kecepatan dan arah angin, besarnya bukaan dan perbedaan temperatur didalam dan diluar
greenhouse.
Program yang dibuat menggunakan bahasa pemrograman Q-BASIC.
Input dibuat dalam file berekstensi .txt yang di-load dengan program
Q-BASIC pada saat program di-running. Setelah program di-runing, output program langsung disimpan dalam file yang bernama hasil.txt. Program dibuat dengan menggunakan persamaan-persamaan pindah panas dalam greenhouse yang diselesaikan dengan metode Runge-Kutta. Program selengkapnya dapat dilihat pada Lampiran 4.
Perhitungan dimulai pukul 6:00 dengan syarat awal untuk temperatur penutup, udara dalam, permukaan lantai dan temperatur tanah pada kedalaman z1 didapat dari pengukuran dan dijadikan input dalam perhitungan
Runge-Kutta. Dalam simulasi ini koefisien pindah panas pada lantai (hf) tidak
berubah selama simulasi. Nilai konstanta yang digunakan selama simulasi dapat dilihat pada Tabel 1.
32 Tabel 1. Nilai konstanta yang digunakan dalam simulasi
pendugaan temperatur udara dalam greenhouse,
Simbol Nilai
Absc1 0.032 (Lunde, 1980)
Absc2 0.092 (Lunde, 1980)
Abss 0.65 (www. its. berkeley. edu)
Abssens 0.33 (Bot, 2001) Ca 1 kJ/m3K (www. Hukseflux.com) Cc 2184 kJ/m3K (www. hukseflux.com) Cf 1940 kJ/m3K (www. hukseflux.com) EP 4 m Ems 0.95 hf 7 W/m2C (Bot, 2001) hv 3 W/m2C (Bot, 2001) ks 1.28 W/m K (www. hukseflux.com) L 20 m LAT 6.33 LS LGT 106.42 BT RP 7.346 m SBC 5.67E-08 SW 7.5 m TBL 31.5oC THc 0.0047 m TZ 105 Tc0 18.8oC Tf0 24.4oC Tin0 20.6oC Tranc 0.69 (Setyoningrum, 2001) Tz10 27.9oC W 7.5 m z0 0.065 m z1 0.315 m
Hasil keluaran simulasi kemudian dibandingkan dengan hasil pengukuran. Hasil keluaran program dapat dilihat pada Lampiran 5. Grafik perbedaan temperatur hasil simulasi dengan hasil pengukuran dapat dilihat pada Gambar 13 sampai dengan Gambar 18. Perbedaan antara temperatur hasil simulasi dan hasil pengukuran disajikan dalam Tabel 2 dan Tabel 3.
Tabel 2. Perbedaan temperatur dalam greenhouse antara hasil simulasi dengan hasil pengukuran tanggal 21 –23 Juni 2006 dengan cuaca berawan dan hujan,
Waktu
lokal 21 Juni 2006 22 Juni 2006 23 Juni 2006
S P S-P S P S-P S P S-P 6:00 21.49 20.9 0.6 21.74 21.9 0.2 21.65 21.1 0.6 7:00 22.26 22.3 0.0 22.66 22.8 0.1 22.46 22.9 0.4 8:00 23.25 26.8 3.6 24.27 26.9 2.7 23.55 25.9 2.3 9:00 25.69 30.5 4.8 26.78 30.0 3.2 26.05 29.8 3.7 10:00 30.04 35.2 5.2 30.25 33.3 3.0 29.88 32.6 2.7 11:00 33.83 34.6 0.8 33.65 34.7 1.0 33.55 33.2 0.3 12:00 36.67 37.1 0.4 35.96 35.6 0.4 36.02 35.2 0.8 13:00 38.43 38.2 0.3 37.13 37.0 0.1 36.63 34.8 1.8 14:00 37.82 39.9 2.1 36.89 37.1 0.2 36.94 37.2 0.3 15:00 35.30 35.4 0.1 34.10 34.5 0.4 34.42 34.4 0.0 16:00 32.23 32.6 0.3 30.49 28.6 1.9 30.57 27.7 2.8 17:00 29.56 30.2 0.6 27.71 23.2 4.5 28.49 28.4 0.1 18:00 27.71 28.4 0.7 25.98 22.8 3.2 26.93 26.8 0.1 Min 21.5 20.9 0.0 21.7 21.9 0.1 21.7 21.1 0.0 Max 38.4 39.9 5.2 37.1 37.1 4.5 36.9 37.2 3.7 Rata-rata 30.5 32.0 1.6 30.1 30.5 1.5 30.0 30.3 1.3
Tabel 3. Perbedaan temperatur dalam greenhouse antara hasil simulasi dengan hasil pengukuran tanggal 24 Juni, 26 juni dan 30 Juni 2006 dengan cuaca cerah,
Waktu
lokal 24 Juni 2006 26 Juni 2006 30 Juni 2006
S P S-P S P S-P S P S-P 6:00 21.66 21.0 0.7 21.65 18.9 2.8 21.63 20.1 1.5 7:00 22.41 22.5 0.1 22.40 21.0 1.4 22.30 21.5 0.8 8:00 23.86 26.8 3.0 23.34 25.9 2.5 23.90 26.1 2.2 9:00 27.48 30.0 2.5 27.14 29.1 2.0 26.92 29.5 2.5 10:00 31.44 31.7 0.2 31.57 32.0 0.5 31.10 34.4 3.3 11:00 35.07 33.5 1.6 31.73 33.6 1.9 34.76 34.1 0.7 12:00 37.36 32.5 4.9 36.65 34.5 2.2 36.14 33.7 2.5 13:00 38.30 36.0 2.3 39.26 35.2 4.0 38.58 35.2 3.3 14:00 38.10 35.9 2.2 40.37 35.5 4.9 38.53 37.5 1.1 15:00 36.01 34.9 1.1 38.20 35.5 2.7 36.14 36.3 0.2 16:00 32.35 32.0 0.4 33.18 31.7 1.5 33.68 34.0 0.3 17:00 29.21 27.7 1.5 29.96 29.2 0.8 31.02 30.1 0.9 18:00 27.31 26.2 1.1 27.83 27.5 0.3 29.13 27.4 1.7 Min 21.7 21.0 0.1 21.7 18.9 0.3 21.6 20.1 0.2 Max 38.3 36.0 4.9 40.4 35.5 4.9 38.6 37.5 3.3 Rata-rata 31.1 30.4 1.7 31.3 30.2 2.2 31.2 31.0 1.6 Ket: S = simulasi P = pengukuran
34 15 20 25 30 35 40 45 6 :0 0 7 :0 0 8 :0 0 9 :0 0 1 0 :0 0 1 1 :0 0 1 2 :0 0 1 3 :0 0 1 4 :0 0 1 5 :0 0 1 6 :0 0 1 7 :0 0 1 8 :0 0 Pukul (WIB) T in ( o C ) Tin simulasi Tin pengukuran
Dari Tabel 2 dan Tabel 3 dapat dilihat bahwa perbedaan rata-rata temperatur antara hasil simulasi dengan hasil pengukuran pada tanggal 21 Juni, 22 Juni dan 23 Juni 2006 yang mewakili data cuaca berawan dan hujan adalah sebesar 1.3 - 1.6 oC, sedangkan pada tanggal 24 Juni, 26 Juni dan 30 Juni 2006 yang mewakili data cuaca cerah menunjukkan perbedaan rata-rata sebesar 1.6 - 2.2 oC, sehingga simulasi ini dianggap cukup baik dan dapat digunakan untuk semua data cuaca baik pada saat cerah, berawan maupun hujan.
Gambar 13. Perbandingan antara temperatur hasil simulasi dengan hasil pengukuran tanggal 21 Juni 2006 dengan cuaca berawan.
Gambar 14. Perbandingan antara temperatur hasil simulasi dengan hasil pengukuran tanggal 22 Juni 2006 dengan cuaca berawan dan hujan. 15 20 25 30 35 40 45 6 :0 0 7 :0 0 8 :0 0 9 :0 0 1 0 :0 0 1 1 :0 0 1 2 :0 0 1 3 :0 0 1 4 :0 0 1 5 :0 0 1 6 :0 0 1 7 :0 0 1 8 :0 0 Pukul (WIB) T in ( o C ) Tin simulasi Tin pengukuran
Gambar 15. Perbandingan antara temperatur hasil simulasi dengan hasil pengukuran tanggal 23 Juni 2006 dengan cuaca berawan dan hujan.
Gambar 16. Perbandingan antara temperatur hasil simulasi dengan hasil pengukuran tanggal 24 Juni 2006 dengan cuaca cerah. 15 20 25 30 35 40 45 6 :0 0 7 :0 0 8 :0 0 9 :0 0 1 0 :0 0 1 1 :0 0 1 2 :0 0 1 3 :0 0 1 4 :0 0 1 5 :0 0 1 6 :0 0 1 7 :0 0 1 8 :0 0 Pukul (WIB) T in ( oC ) Tin simulasi Tin pengukuran 15 20 25 30 35 40 45 6 :0 0 7 :0 0 8 :0 0 9 :0 0 1 0 :0 0 1 1 :0 0 1 2 :0 0 1 3 :0 0 1 4 :0 0 1 5 :0 0 1 6 :0 0 1 7 :0 0 1 8 :0 0 Pukul (WIB) T in ( oC ) Tin simulasi Tin pengukuran
36 Gambar 17. Perbandingan antara temperatur hasil
simulasi dengan hasil pengukuran tanggal 26 Juni 2006 dengan cuaca cerah.
Gambar 18. Perbandingan antara temperatur hasil simulasi dengan hasil pengukuran tanggal 30 Juni 2006 dengan cuaca cerah.
C. VALIDASI MODEL SIMULASI PINDAH PANAS
Pengujian keakuratan hasil simulasi dilakukan dengan menganalisis garis regresi yang terbentuk pada hubungan linear antara temperatur udara hasil simulasi dengan hasil pengukuran. Temperatur hasil simulasi akan semakin akurat apabila koefisien intersep-nya (a) mendekati nol dan gradiennya (b) mendekati 1. 15 20 25 30 35 40 45 6 :0 0 7 :0 0 8 :0 0 9 :0 0 1 0 :0 0 1 1 :0 0 1 2 :0 0 1 3 :0 0 1 4 :0 0 1 5 :0 0 1 6 :0 0 1 7 :0 0 1 8 :0 0 Pukul (WIB) T in ( o C ) Tin simulasi Tin pengukuran 15 20 25 30 35 40 45 6 :0 0 7 :0 0 8 :0 0 9 :0 0 1 0 :0 0 1 1 :0 0 1 2 :0 0 1 3 :0 0 1 4 :0 0 1 5 :0 0 1 6 :0 0 1 7 :0 0 1 8 :0 0 Pukul (WIB) T in ( oC ) Tin simulasi Tin pengukuran
Gambar 19 menunjukkan hubungan antara temperatur udara hasil simulasi dengan hasil pengukuran. Persamaan regresi yang terbentuk adalah Y= 0.86666X –0.39864, sedangkan koefisien regresinya sebesar 0.8583. Hal ini menunjukkan bahwa hasil simulasi cukup akurat karena gradiennya mendekati satu dan intersep-nya mendekati nol.
Perbedaan temperatur hasil simulasi dengan hasil pengukuran disebabkan penggunaan koefisien pindah panas konveksi pada lantai (hf) yang
tidak berubah selama simulasi. Padahal dalam kenyataan koefisien tersebut akan selalu berubah setiap saat karena laju perpindahan panas yang terjadi tidak akan pernah tetap. Selain itu juga penggunaan konstanta yang banyak mengambil mengambil dari literatur.
Gambar 19. Hubungan linear antara temperatur hasil simulasi dengan hasil pengukuran.
D. PENGEMBANGAN MODEL ARTIFICIAL NEURAL NETWORK (ANN)
Penelitian ini menggunakan Artificial Neural Network (ANN) dengan algoritma backpropagation. ANN di training dengan data input, dan akan menghasilkan output berupa weight (pembobot) yang menghubungkan antara input layer, hidden layer dan output layer.
Ada enam parameter yang digunakan sebagai data input dalam
training ANN, yaitu: kecepatan angin (m/s2), radiasi matahari (W/m2), temperatur penutup greenhouse, temperatur udara di luar greenhouse,
y = 0,8666x + 3,9864 R2= 0,8583 20,0 25,0 30,0 35,0 40,0 45,0 20,00 25,00 30,00 35,00 40,00 45,00 Tinpengukuran (oC) in o
38 temperatur permukaan lantai dan temperatur lapisan dalam tanah, sedangkan
output yang diharapkan adalah temperatur udara di dalam greenhouse.
Training dilakukan sebanyak 20 000 iterasi dengan memasukkan
nilai eta (konstanta laju pembelajaran) bernilai antara 0 –0.9, dalam penelitian ini dipilih 0.9, nilai alfa (konstanta momentum) bernilai 0 –0.9, dan dipilih 0.6 dan nilai temp (konstanta persamaan sigmoid) sebesar 1 untuk semua
training. Jumlah layer yang digunakan sebanyak tiga layer yaitu input layer
sebanyak 6 noda, hidden layer sebanyak 6 noda dan output layer sebanyak satu noda. Sehingga jumlah pembobot yang dihasilkan adalah 42 buah.
Data yang didapatkan dari hasil pengukuran sebanyak 657 data. Data tersebut kemudian dibagi menjadi dua set data yaitu satu set data training sebanyak 438 data dan satu set data validasi sebanyak 219 data. Pemilihan data training harus memperhatikan nilai data yaitu harus ada nilai minimum dan maksimum data, sedangkan pemilihan data validasi harus mengambil nilai diantara nilai minimum dan maksimum data. Data training dan data validasi selengkapnya dapat dilihat pada Lampiran 6 dan Lampiran 7.
Hasil training dengan pengulangan sebanyak 20 000 iterasi diperoleh nilai RMSE sebesar 1.691005 E-04. Nilai pembobot yang dihasilkan jaringan pada saat nilai error tersebut digunakan untuk pendugaan temperatur udara dalam greenhouse. Nilai pembobot yang dihasilkan dari training ANN dapat dilihat pada Lampiran 9.
E. VALIDASI MODEL ARTIFICIAL NEURAL NETWORK (ANN)
Proses validasi merupakan pengujian kinerja jaringan ANN terhadap contoh data yang belum pernah diberikan dalam training. Validasi dilakukan setelah mendapatkan nilai RMSE yang cukup kecil. Nilai RMSE yang diperoleh sebesar 1.691005 E-04. Nilai tersebut sudah cukup kecil sehingga model ANN dapat dikatakan berhasil. Hal ini juga berarti bahwa jaringan ANN telah di-training dengan baik.
Hubungan antara temperatur udara hasil pengukuran dan temperatur udara hasil pendugaan ANN dapat dilihat pada Gambar 20. Dari grafik tersebut diperoleh persamaan regresi berupa Y = 0.9866X + 0.495, sedangkan
nilai koefisien determinasi sebesar 0.9706. Berdasarkan persamaan tersebut didapat koefisien intersep yang mendekati nol yaitu sebesar 0.495, dan gradien yang mendekati satu yaitu sebesar 0.9866. Dilihat dari nilai koefisien intersep, gradien dan koefisien determinasi yang dihasilkan, dapat dikatakan bahwa model ANN telah berhasil.
Gambar 20. Grafik hubungan temperatur udara dalam
greenhouse antara hasil pengukuran dengan hasil pendugaan menggunakan ANN.
Berdasarkan nilai koefisien intersep, gradien garis regresi dan koefisien determinasi dari model ANN yang lebih besar dari pada model simulasi, maka dapat dikatakan bahwa model ANN lebih akurat dibandingkan dengan model simulasi. Hal ini disebabkan pada simulasi hanya digunakan persamaan kesetimbangan panas yang sederhana dan banyak digunakan konstanta yang diambil dari literatur.
y = 0,9866x + 0,495 R2= 0,9706 15 17 19 21 23 25 27 29 31 33 35 37 39 41 15 17 19 21 23 25 27 29 31 33 35 37 39 41 Hasil pengukuran (oC) o
VI. KESIMPULAN DAN SARAN
A. KESIMPULAN
1. Nilai kosinus sudut datang radiasi matahari (Kstd) berkisar antara 0.027
sampai 0.828, semakin besar nilai Kstd tersebut berarti semakin besar
radiasi yang masuk ke dalam greenhouse.
2. Hubungan linear antara temperatur udara hasil simulasi dan hasil pengukuran menghasilkan persamaan regresi Y= 0.86666X –0.39864 dan koefisien regresi sebesar 0.8583. Berdasarkan koefisien intersep dan gradien garis regresi dapat dikatakan bahwa model simulasi yang dikembangkan sudah cukup akurat.
3. Perbedaan rata-rata temperatur udara dalam greenhouse antara hasil simulasi dan hasil pengukuran sebesar 1.3 –2.2oC.
4. Pengembangan model hubungan data cuaca dengan temperatur dalam
greenhouse dengan ANN dengan pengulangan sebanyak 20 000 iterasi
menghasilkan nilai RMSE sebesar 1.691005 E-04.
5. Hubungan antara temperatur udara hasil training ANN dengan hasil pengukuran diperoleh persamaan regresi Y = 0.9866X + 0.495 dan koefisien determinasi sebesar 0.9706.
6. Berdasarkan nilai koefisien intersep, gradien garis regresi dan koefisien determinasi dari validasi data simulasi dan ANN, maka hasil pendugaan temperatur udara dalam greenhouse dengan menggunakan ANN lebih akurat dibandingkan dengan menggunakan simulasi Q-BASIC.
B. SARAN
1. Perlu dikembangkan model simulasi pindah panas yang lebih baik lagi agar hasil pendugaan temperatur dalam greenhouse menggunakan simulasi dapat lebih akurat, yaitu dengan penggunaan koefisien konveksi pada lantai (hf) dan akibat ventilasi (hv) yang berubah pada setiap interval
2. Perlu pengembangan program komputer dengan menggunakan bahasa pemrograman yang lebih familiar dengan pengguna, misalnya dengan Visual Basic.
DAFTAR PUSTAKA
Arham, Z., Suroso, Usman Ahmad. 2004. Evaluasi Mutu jeruk Nipis (Citrus
aurantifolia swingle) dengan Pengolahan Citra Digital dan Jaringan
Syaraf Tiruan. Forum Pascasarjana (27):73 –84.
Avissar, R., Y. Mahrer. 1982. Verification Study of Numerical Greenhouse Microclimate Model. Trans. ASAE: 1711-1920.
Bot, G.P.A. 1983. Greenhouse Climate: from Physical Processes to a Dynamic Model. Thesis. Agricultural University of Wagenigen, Netherland.
Businger. 1963. dalam The Greenhouse Environtment. W.M. John. Department of Horticulture, The Pennsylvania State University, New York, USA.
Caruthers, et al.1990.dalam Marsh, Andrew. “Manual Calculation Methhod”. 1999. <http:// fridge.arch.uwa.edu.au/>
Duffie, J.A., W. Beckman. 1980. Solar Engineering of Thernal Processes. John Wiley & Sons, New York, USA.
Esmay, M.L., J.E. Dixon. 1983. Environmental Control for Agricultural Buildings. The Avi Publishing Inc., Westport, Conecticut, USA.
Fu, G. 1994. Falsafah Dasar: Sistem Pengendalian Proses. PT Elex Media Komputindo, Jakarta.
Hanan, J.J., W.D, Holley, K.L. Goldsberry.1978. Greenhouse Management. Springer-Verlag, Berlin, Heidelberg.
Holman. 1994. Perpindahan Panas (Heat Transfer). Diterj. E. Jasjfi. Erlangga, Jakarta.
