ANALISIS SUDUT DATANG RADIASI MATAHARI DAN PENGEMBANGAN MODEL PINDAH PANAS PADA GREENHOUSE MENGGUNAKAN ARTIFICIAL NEURAL NETWORK

Transkripsi

1 ANALISIS SUDUT DATANG RADIASI MATAHARI DAN PENGEMBANGAN MODEL PINDAH PANAS PADA GREENHOUSE MENGGUNAKAN ARTIFICIAL NEURAL NETWORK SKRIPSI Oleh: TITIN NURYAWATI F DEPARTEMEN TEKNIK PERTANIAN FAKULTAS TEKNOLOGI PERTANIAN INSTITUT PERTANIAN BOGOR

2 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 DEPARTEMEN TEKNIK PERTANIAN FAKULTAS TEKNOLOGI PERTANIAN INSTITUT PERTANIAN BOGOR

3 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 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

4 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.

5 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 ii

6 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 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 Analisis Sudut Datang Radiasi Matahari Penentuan Model Pindah Panas dalam Greenhouse Pengambilan Data di Lapang Pembuatan Program Validasi Program Pengembangan Jaringan Artificial Neural Network (ANN)...23 iii

7 Halaman V. HASIL DAN PEMBAHASAN 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 LAMPIRAN...45 iv

8 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 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 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 pengukuran tanggal 24 Juni 2006 dengan cuaca cerah...35 v

9 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 hasil pengukuran dengan hasil pendugaan menggunakan ANN...39 vi

10 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 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 vii

11 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 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 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 Lampiran 9. Nilai pembobot yang dihasilkan dari training ANN...75 viii

12 DAFTAR SIMBOL AH Tinggi rata-rata greenhouse, m Absc 1 Absorptivitas penutup greenhouse terhadap gelombang pendek Absc 2 Absorptivitas penutup greenhouse terhadap gelombang panjang Abss Absorptivitas lantai (paving block) absens Panas sensibel yang diserap tanaman dalam greenhouse C a C c C f EP EQT Panas jenis udara volumetrik, kj/m 3 K Panas jenis volumetrik bahan penutup, kj/m 3 K Panas jenis volumetrik lantai (paving block), kj/m 3 K Tinggi greenhouse di pinggir, m Equation of Time F iv Fluk volume pertukaran udara, m 3 /s h Sudut jam matahari, o h f h i Koefisien pindah panas konveksi dari permukaan lantai ke udara dalam, W/m 2 o C Koefisien pindah panas konveksi dari penutup bagian dalam ke udara dalam, W/m 2 o C h v Koefisien pindah panas konveksi karena pengaruh ventilasi, W/m 2 o C h w K K s K u K std k s L LAT Koefisien pindah panas konveksi di penutup bagian luar karena pengaruh angin, W/m 2 o C Kosinus sudut datang radiasi matahari Kosinus sudut datang radiasi matahari pada penutup greenhouse yang menghadap ke selatan Kosinus sudut datang radiasi matahari pada penutup greenhouse yang menghadap ke utara Kosinus sudut datang radiasi matahari untuk penutup standard peak greenhouse Konduktivitas panas tanah, W/m K Panjang greenhouse, m Latitude atau garis lintang, LS ix

13 LGT Longitude atau garis bujur, BT n Julian Day RAD Radiasi matahari pada bidang horisontal, W/m 2 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/m 2 K 4 SW Lebar span, m TBL Temperatur tanah dibawah lapisan tanah yang dianggap konstan, T c T f T in T k T out T sky TZ T z1 W Wjk o C Temperatur penutup greenhouse, o C Temperatur permukaan lantai, o C Temperatur udara dalam greenhouse, o C Nilai target yang diberikan dalam training ANN Temperatur udara di sekitar greenhouse, o C Temperatur langit, K Time Zone Temperatur lapisan tanah kedalaman m, o C Lebar greenhouse, m Pembobot dari hidden layer ke output layer WS Kecepatan angin di luar greenhouse, m/s 2 z 0 z 1 α β δ θ z Ketebalan lapisan tanah yang mewakili temperatur permukaan tanah, m Ketebalan lapisan tanah yang mewakili lapisan pertama, m Altitude atau ketinggian matahari, o Sudut kemiringan permukaan terhadap horizontal Sudut deklinasi matahari, o Sudut datang radiasi matahari, o Sudut zenith matahari, o Latitude Sudut jam matahari, o x

14 Titin Nuryawati. F Analisis Sudut Datang Radiasi Matahari dan Pengembangan Model Pindah Panas pada Greenhouse Menggunakan Artificial Neural Network. Dibawah bimbingan: Herry Suhardiyanto 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 BT). Waktu pelaksanaan penelitian pada bulan April Juli 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 m dan m dari permukaan lantai. Pengambilan data dilakukan selama 2 minggu mulai pukul WIB sampai pukul WIB dan dicatat tiap 10 menit.

15 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 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 (K u ) memiliki nilai yang lebih besar daripada yang menghadap selatan (K s ). Nilai K u pada pukul 06:00 WIB adalah sebesar dan meningkat mencapai pada pukul 10:00 WIB. Setelah itu menurun sampai pada nilai pada pukul 12:00 WIB, kemudian meningkat lagi mencapai 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 ketikaα mencapai maksimum, K juga mencapai maksimum. Nilai α dan K terus meningkat sampai tengah hari (pukul 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 o C. Hubungan antara temperatur udara hasil simulasi dengan hasil pengukuran menghasilkan persamaan regresi Y = X dan koefisien regresi sebesar Hal ini menunjukkan bahwa hasil simulasi cukup akurat karena intersep-nya mendekati nol. Training ANN dilakukan sebanyak 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 E-04. Hubungan antara temperatur udara hasil pengukuran dan temperatur udara hasil pendugaan ANN menghasilkan persamaan regresi Y = X dan nilai koefisien determinasi sebesar Berdasarkan nilai RMSE yang cukup kecil tersebut, dapat dikatakan bahwa training ANN telah berhasil.

16 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

17 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 Artificial Neural Network. 2

18 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 gelombang panjang. Energi yang dipancarkan sebagai radiasi gelombang

19 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 15 o 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. 4

20 sun Z zenith Normal terhadap permukaan horizontal W N S s E 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 bangunan (Soegijanto, 1999). 5

21 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 6

22 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: 1. Inisialisasi pembobot (weight) 7

23 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. X i V ij Z ij Y k W jk Xn Input layer Hidden layer Output 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 (X i ) dengan pembobotnya (V ij ), sebagaimana dalam persamaan berikut: Z ij n i 1 X V i ij.. (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: f ( Z ij 1 ) ( Z ) 1 exp..(2) ij dengan : konstanta fungsi sigmoid. 8

24 Z j = f(z ij ).. (3) Y k 1 1 exp ( ZjWjk ).. (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: 1 E 2 in ( k T k Y k ) 2.. (5) dengan T k = nilai target yang diberikan dalam training ANN Y k = 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: W jk = k Z j.. (6) dimana W jk k Z j = perubahan nilai pembobot W ij = laju pembelajaran = galat output ke k = fungsi sigmoid Perubahan pembobot dari hidden layer ke input layer sesuai dengan persamaan: Vij = j X i.. (7) 9

25 Sehingga nilai perbaikan pembobot dapat dibuat dalam persamaan berikut: W jk (baru) = W jk (lama) + W jk.. (8) V ij (baru) = V ij (lama) + V ij.. (9) Nilai laju pembelajaran harus dipilih antara 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 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: W jk (baru) = k Z j +β W jk (lama).. (10) V ij (baru) = j Xi +β V ij (lama)..... (11) denganβadalah 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): RMSE = ( Yk Tk ) 2 n..(12) 10

26 dimana: Y k T k n = nilai prediksi jaringan = nilai target yang diberikan pada jaringan = 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 training. 11

27 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. A = 90 o - K= cos N O 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 + sin sin.. (13) dimana merupakan 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):

28 284 n 23.45xsin 360x..(14) 365 dimana n merupakan hari (Julian Day) dari tahun yang bersangkutan. Sedangkan sudut jam matahari besarnya 15 o 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: LGT 105 h WIB 12 EQT x (15) EQT merupakan persamaan waktu yang besarnya menurut Caruthers et al. (1990) adalah: EQT = sin (t) sin (2t) sin (3t) sin (4t) cos (t) cos (2t) cos (3t)... (16) dimana t = ( 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: K u = cos (90 o - - ).. (17) dan untuk atap yang menghadap selatan adalah: 13

29 K s = cos (90 o + - ).. (18) Kosinus sudut datang radiasi matahari untuk penutup standard peak greenhouse, K std adalah: K std = (K u + K s ) / 2.. (19) A A N = 90 o + - K u = cos O O = 90 o - - K s = cos 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. 14

30 konveksi radiasi matahari konveksi Greenhouse cover udara dalam ventilasi radiasi gel. panjang tanah Permukaan lantai konduksi Gambar 5. Perpindahan panas yang terjadi pada greenhouse. Temperatur penutup greenhouse (T c ), temperatur udara dalam greenhouse (T in ), dan lapisan tanah (T f atau T z1 ) dihitung dari kondisi batas temperatur udara di luar greenhouse (T out ) 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 (h w ) pada permukaan datar adalah: h w = WS.. (20) 15

31 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 (T sky ). Persamaan yang digunakan adalah: R t = SBC x Absc 2 x ((T c + 273) 4 T sky 4 )... (21) Dimana Absc 2 adalah absorptivitas bahan penutup terhadap gelombang panjang. T sky tidak diukur melainkan didekati dengan persamaan berikut (Duffie et al., 1974): T sky = x T out (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 (Absc 1 ) seperti pada persamaan berikut: R = RAD x Absc 1 x 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 h i pada standard peak greenhouse, yaitu: h i = 1.30 x ((T c T in )/L) 1/4.. (24) 16

32 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 (h f ) yang besarnya hampir sama dengan h i (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 (T f ). Untuk kondisi quasi steady state, lapisan tanah dapat dibagi menjadi dua lapisan yaitu lapisan pertama adalah lapisan permukaan tanah (z 0 = m) dan lapisan kedua adalah lapisan tanah sampai kedalaman tertentu (z 1 ) yang temperaturnya diketahui (TBL). 5. Pertukaran langsung antara udara dalam dan udara luar melalui ventilasi Menurut Bot (2001), koefisien pindah panas karena pengaruh ventilasi (h v ) didekati dengan persamaan: h v = F iv x C a.. (25) dimana F iv adalah flux volume pertukaran udara (m 3 /s) dan C a adalah panas jenis udara. Sesuai dengan pindah panas yang terjadi antara ketiga elemen dalam sistem dan menganggap bahwa semua elemen adalah homogen secara 17

33 horizontal dan vertikal, maka persamaan kesetimbangan panas yang terjadi pada setiap elemen per satuan luas adalah sebagai berikut: Kesetimbangan pada lapisan penutup C c x THc x dt c /dt ((RAD x Absc 1 x K) + SBC x Absc 2 x ((T c +273) 4 T sky 4 ) h i x (T c T in ) h w (Tc T out ).(26) Kesetimbangan pada udara dalam C a x AH x dt in /dt h i x (T c T in ) + h f x (T f T in ) + h v x (T out T in ) + absens x T ranc x 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 (h v ) sangat berpengaruh daalam model simulasi. Besarnya h v dipengaruhi oleh kecepatan angin dan temperatur udara di luar greenhouse. Dalam penelitian ini h v dianggap konstan, karena tidak tersedia data fluks volume pertukaran udara. Kesetimbangan pada lantai dan tanah 1. Permukaan lantai C f x z 0 x dt f /dt Abss x RAD x T ranc x K 2 x k s x (T f T z1 )/ (z 0 + z 1 ) h i x (T f T in ) SBC x E ms x ((T f + 273) 4 (T c + 273) 4 )..(28) 2. Lapisan tanah C f x z 1 x dt z1 /dt 2 x k s x (T f T z1 )/ (z 0 + z 1 ) + 2 x k s x (TBL z 1 ) / z 1. (29) 18

34 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 (h f ) tidak berubah selama simulasi. 5. Aliran udara dalam greenhouse seragam dan horizontal. 6. Transmisivitas, absorptivitas dan reflektivitas penutup greenhouse dianggap tidak berubah dengan perubahan sudut datang radiasi matahari. 19

35 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 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 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 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 o C, RH dalam %, kecepatan angin dalam m/s 2, arah angin dalam o, radiasi matahari dalam W/m 2 dan 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 m dan m dari permukaan lantai.

36 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): 21

37 t I h = I 4 I gt 2 I gp I f (30) dimana I h = total radiasi harian (Wh/m 2 ) t = selang pengukuran (jam) I gt = radiasi selang pengukuran ganjil (W/m 2 ) I gp = radiasi selang pengukuran genap (W/m 2 ) I i = radiasi awal (W/m 2 ) I f = radiasi akhir (W/m 2 ) 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 m dan m dari permukaan lantai. Pengambilan data dilakukan selama 2 minggu mulai pukul WIB sampai pukul WIB dan dicatat tiap 10 menit. Skema lokasi pengukuran dapat dilihat pada Gambar 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 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 22

38 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 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). 23

39 Gambar 6. Skema titik pengukuran pada greenhouse. 24

40 Ket: n = 172,173,174,175,177 dan 181 Gambar 7. Diagram alir program Q-Basic untuk memprediksi temperatur dalam greenhouse. 25

41 Xi 1 Vij Zj 2 Wjk 3 4 Yk Input Layer Hidden Layer Output Layer Keterangan gambar: 1. Kecepatan angin (m/s 2 ) 2. Radiasi matahari (W/m 2 ) 3. Temperatur penutup greenhouse ( o C) 4. Temperatur udara di luar greenhouse ( o C) 5. Temperatur permukaan lantai ( o C) 6. Temperatur tanah kedalaman 31.5 cm ( o C) 7. Temperatur udara di dalam greenhouse ( o C) Gambar 8. Model ANN yang digunakan untuk pendugaan temperatur dalam greenhouse. 26

42 Gambar 9. Diagram alir ANN backpropagation untuk memprediksi temperatur dalam greenhouse. 27

43 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 0 o sampai 90 o (Takakura, 1989). Semakin besar nilai sudut datang radiasi maka semakin kecil radiasi yang ditransmisikan oleh penutup greenhouse. Pada sudut datang 0 o, 91% radiasi matahari akan di transmisikan oleh penutup (kaca) greenhouse, 8% di pantulkan dan 1% akan diserap oleh kaca tersebut. Pada sudut datang 0-45 o, transmisivitas berubah sangat kecil. Pada sudut datang o, 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 Wh/m 2, Wh/m 2 dan Wh/m 2, sedangkan tanggal 24 Juni, 26 Juni dan 30 Juni 2006 dipilih mewakili data cuaca cerah dengan nilai radiasi total harian sebesar Wh/m 2, Wh/m 2 dan Wh/m 2. Gambar 10 menunjukkan perubahan radiasi matahari selama pengukuran, sedangkan radiasi total harian dapat dilihat pada Gambar 11. Radiasi matahari

44 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. Radiasi matahari (W/m 2 ) :00 7:00 8:00 9:00 10:00 11:00 Pukul (WIB) 21 JUNI JUNI JUNI JUNI JUNI JUNI :00 13:00 14:00 15:00 16:00 17:00 18:00 Gambar 10. Perubahan radiasi matahari harian selama pengukuran Radiasi total harian (Wh/m 2 ) Juni 22 Juni 23 Juni 24 Juni 26 Juni 30 Juni Tanggal Gambar 11. Radiasi total harian selama pengukuran. Nilai kosinus sudut datang radiasi matahari pada penutup greenhouse yang menghadap ke utara (K u ) memiliki nilai yang lebih besar daripada yang menghadap selatan (K s ). Nilai K u pada pukul 06:00 WIB adalah sebesar dan meningkat mencapai pada pukul 10:00 WIB. Setelah itu menurun sampai pada nilai pada pukul 12:00 WIB, kemudian meningkat lagi 29

45 mencapai 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 WIB) dan setelah itu menurun. 1,2 1 0,8 Ku Ks 0,6 Cos teta 0,4 0,2 0-0,2-0,4 6:00 7:00 8:00 9:00 10:00 11:00 12:00 13:00 14:00 15:00 16:00 17:00 18:00-0,6 Pukul (WIB) Gambar 12. Kosinus sudut datang radiasi matahari pada penutup greenhouse yang berorientasi Utara - Selatan pada tanggal 21 Juni 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. 30

46 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 (h v ). Semakin besar laju ventilasinya maka semakin besar nilai h v tersebut 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 z 1 didapat dari pengukuran dan dijadikan input dalam perhitungan Runge- Kutta. Dalam simulasi ini koefisien pindah panas pada lantai (h f ) tidak berubah selama simulasi. Nilai konstanta yang digunakan selama simulasi dapat dilihat pada Tabel 1. 31

47 Tabel 1. Nilai konstanta yang digunakan dalam simulasi pendugaan temperatur udara dalam greenhouse, Simbol Nilai Absc (Lunde, 1980) Absc (Lunde, 1980) Abss 0.65 (www. its. berkeley. edu) Abssens 0.33 (Bot, 2001) C a 1 kj/m 3 K (www. Hukseflux.com) C c 2184 kj/m 3 K (www. hukseflux.com) C f 1940 kj/m 3 K (www. hukseflux.com) EP 4 m E ms 0.95 h f 7 W/m 2 C (Bot, 2001) h v 3 W/m 2 C (Bot, 2001) k s 1.28 W/m K (www. hukseflux.com) L 20 m LAT 6.33 LS LGT BT RP m SBC 5.67E-08 SW 7.5 m TBL 31.5 o C THc m TZ 105 T c o C T f o C T in o C T ranc 0.69 (Setyoningrum, 2001) T z o C W 7.5 m z m m z 1 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. 32

48 Tabel 2. Perbedaan temperatur dalam greenhouse antara hasil simulasi dengan hasil pengukuran tanggal Juni 2006 dengan cuaca berawan dan hujan, Waktu lokal 21 Juni Juni Juni 2006 S P S-P S P S-P S P S-P 6: : : : : : : : : : : : : Min Max Ratarata 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 Juni Juni 2006 S P S-P S P S-P S P S-P 6: : : : : : : : : : : : : Min Max Ratarata Ket: S = simulasi P = pengukuran 33

49 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 o C, sedangkan pada tanggal 24 Juni, 26 Juni dan 30 Juni 2006 yang mewakili data cuaca cerah menunjukkan perbedaan rata-rata sebesar o C, sehingga simulasi ini dianggap cukup baik dan dapat digunakan untuk semua data cuaca baik pada saat cerah, berawan maupun hujan Tin simulasi Tin pengukuran Gambar 13. Perbandingan antara temperatur hasil simulasi dengan hasil pengukuran tanggal 21 Juni 2006 dengan cuaca berawan Tin simulasi Tin pengukuran :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 6:00 7:00 8:00 9:00 10:00 11:00 12:00 13:00 T in ( o C) 14:00 15:00 16:00 17:00 18:00 Pukul (WIB) Tin ( o C) Pukul (WIB) Gambar 14. Perbandingan antara temperatur hasil simulasi dengan hasil pengukuran tanggal 22 Juni 2006 dengan cuaca berawan dan hujan. 34

50 45 40 Tin simulasi Tin pengukuran :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 T in ( o C) Pukul (WIB) Gambar 15. Perbandingan antara temperatur hasil simulasi dengan hasil pengukuran tanggal 23 Juni 2006 dengan cuaca berawan dan hujan. Tin ( o C) Tin simulasi Tin pengukuran :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) Gambar 16. Perbandingan antara temperatur hasil simulasi dengan hasil pengukuran tanggal 24 Juni 2006 dengan cuaca cerah. 35

51 Tin ( o C) Tin simulasi Tin pengukuran :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) Gambar 17. Perbandingan antara temperatur hasil simulasi dengan hasil pengukuran tanggal 26 Juni 2006 dengan cuaca cerah Tin simulasi Tin pengukuran 35 Tin ( o C) :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) 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. 36

52 Gambar 19 menunjukkan hubungan antara temperatur udara hasil simulasi dengan hasil pengukuran. Persamaan regresi yang terbentuk adalah Y= X , sedangkan koefisien regresinya sebesar 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 (h f ) 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. 45,0 40,0 o 35,0 in 30,0 25,0 y = 0,8666x + 3,9864 R 2 = 0, ,0 20,00 25,00 30,00 35,00 40,00 45,00 T in pengukuran ( o C) 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/s 2 ), radiasi matahari (W/m 2 ), temperatur penutup greenhouse, temperatur udara di luar greenhouse, 37

53 temperatur permukaan lantai dan temperatur lapisan dalam tanah, sedangkan output yang diharapkan adalah temperatur udara di dalam greenhouse. Training dilakukan sebanyak 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 iterasi diperoleh nilai RMSE sebesar 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 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 = X , sedangkan 38

54 nilai koefisien determinasi sebesar Berdasarkan persamaan tersebut didapat koefisien intersep yang mendekati nol yaitu sebesar 0.495, dan gradien yang mendekati satu yaitu sebesar Dilihat dari nilai koefisien intersep, gradien dan koefisien determinasi yang dihasilkan, dapat dikatakan bahwa model ANN telah berhasil. o y = 0,9866x + 0,495 R 2 = 0, Hasil pengukuran ( o C) 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. 39

55 VI. KESIMPULAN DAN SARAN A. KESIMPULAN 1. Nilai kosinus sudut datang radiasi matahari (K std ) berkisar antara sampai 0.828, semakin besar nilai K std 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= X dan koefisien regresi sebesar 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 o C. 4. Pengembangan model hubungan data cuaca dengan temperatur dalam greenhouse dengan ANN dengan pengulangan sebanyak iterasi menghasilkan nilai RMSE sebesar E Hubungan antara temperatur udara hasil training ANN dengan hasil pengukuran diperoleh persamaan regresi Y = X dan koefisien determinasi sebesar 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 (h f ) dan akibat ventilasi (h v ) yang berubah pada setiap interval waktu.

56 2. Perlu pengembangan program komputer dengan menggunakan bahasa pemrograman yang lebih familiar dengan pengguna, misalnya dengan Visual Basic. 41

57 DAFTAR PUSTAKA Arham, Z., Suroso, Usman Ahmad Evaluasi Mutu jeruk Nipis (Citrus aurantifolia swingle) dengan Pengolahan Citra Digital dan Jaringan Syaraf Tiruan. Forum Pascasarjana (27): Avissar, R., Y. Mahrer Verification Study of Numerical Greenhouse Microclimate Model. Trans. ASAE: Bot, G.P.A Greenhouse Climate: from Physical Processes to a Dynamic Model. Thesis. Agricultural University of Wagenigen, Netherland. Businger 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 < fridge.arch.uwa.edu.au/> Duffie, J.A., W. Beckman Solar Engineering of Thernal Processes. John Wiley & Sons, New York, USA. Esmay, M.L., J.E. Dixon Environmental Control for Agricultural Buildings. The Avi Publishing Inc., Westport, Conecticut, USA. Fu, G Falsafah Dasar: Sistem Pengendalian Proses. PT Elex Media Komputindo, Jakarta. Hanan, J.J., W.D, Holley, K.L. Goldsberry Greenhouse Management. Springer-Verlag, Berlin, Heidelberg. Holman Perpindahan Panas (Heat Transfer). Diterj. E. Jasjfi. Erlangga, Jakarta.

58 Jansen, T. J Teknologi Rekayasa Surya. Diterjemahkan oleh Wiranto Arismunandar. PT. Pradnya Paramitha, Jakarta. Lippman Estimating Potential Evaporation and Management 2 nd edition. Reston Publishing Company, Inc., Virginia, USA. Lunde, P.J Solar Thermal Engineering (Space Heating and Hot Water System). John Wiley & Sons, New York, USA. Kusumadewi, S Membangun Jaringan Syaraf Tiruan (Menggunakan MATLAB dan Excel Link). Graha Ilmu, Yogyakarta. Mastalerz, J The Greenhouse Environtment. John Wiley & Sons, New York, USA. Purcell, E.J., D. Varberg. diterjemahkan oleh I.N. Susila, B. Kartasasmita, Rawuh Kalkulus dan Geometri Analitis Jilid 1 edisi ke lima. Erlangga, Jakarta. Retnosari, P Pengembangan Model Artificial Neural Network (ANN) untuk Pendugaan Suhu Udara dalam Greeenhouse dengan Berbagai kemiringan Atap pada Single-span Grenhouse. Skripsi. Departemen Teknik Pertanian, IPB, Bogor. Romdhonah, Y Analisis Sudut Datang Radiasi Matahari dan Pengembangan Model Pindah Panas pada Greenhouse. Skripsi. Departemen Teknik Pertanian, IPB, Bogor. Setyoningrum, H Uji Performansi Pemerangkap Radiasi Surya dengan beberapa Plastik pada Bangunan Tembus Cahaya. Skripsi. Departemen Teknik Pertanian, IPB, Bogor. 43

59 Soegijanto Bangunan di Indonesia dengan Iklim Tropis Lembab Ditinjau dari Aspek Fisika Bangunan. Direktorat Jenderal Pendidikan Tinggi, Departemen Pendidikan dan Kebudayaan, Jakarta. Takakura, T., K.A. Jordan, L.L. Boyd Dynamic simulation of plant growth and environtment in the greenhouse. Trans. ASAE: Walker, J.W Ventilation of Agricultural Structures. ASAE Monograph (6): Widyastuti Greenhouse Rumah untuk Tanaman. PT Penebar Swadaya, Jakarta. Wulandari, N Pengembangan Model Artificial Neural Network (ANN) untuk Pendugaan Temperatur dalam Greeenhouse pada Berbagai Kondisi Naungan (Transmisivitas Bahan Penutup) dalam Singlespan Grenhouse. Skripsi. Departemen Teknik Pertanian, IPB, Bogor. www. its. berkeley. edu Analysis of 30 Years of Pavement Temperature Using the Enchanted Intregatic Climate Model (EICM). 5 agustus Thermal Conductivity Science. 5 Agustus

60

61 Lampiran 1. Greenhouse yang digunakan dan posisi weather station dalam penelitian.