Analisa dan Simulasi Model Kualitas Air pada Tambak dengan Menggunakan Kontrol Logika Fuzzy dan Kontrol ON/OFF

Transkripsi

1 SAINS DAN SENI POMITS Vol. 2, No.1, (2013) ( X Print) 1 Analisa dan Simulasi Model Kualitas Air pada Tambak dengan Menggunakan Kontrol Logika Fuzzy dan Kontrol Bela Nurlia, dan Suharmadi Sanjaya Jurusan Matematika, Fakultas MIPA, Institut Teknologi Sepuluh Nopember (ITS) Jl. Arief Rahman Hakim, Surabaya susan@matematika.its.ac.id Abstrak Kualitas air tambak memegang peranan penting di dalam dunia pertanian tambak. Beberapa parameter harus dijaga seperti habitat aslinya agar kebutuhan biologis ikan di dalam tambak dapat terpenuhi. Salah satu faktor petani tambak mengalami gagal panen dikarenakan parameter kualitas air tambak yang buruk. Pada Tugas Akhir ini parameter yang dikontrol adalah temperatur, salinitas dan Dissolved Oxygen (DO) dengan menggunakan kontrol logika fuzzy yang biasa disebut Fuzzy Logic Controller (FLC) dan kontrol. FLC digunakan untuk mengontrol temperatur dan kontrol digunakan untuk mengontrol nilai salinitas. Sedangkan DO tidak dikontrol secara langsung namun dengan menjaga nilai temperatur dan salinitas maka secara tidak langsung nilai DO juga akan terjaga. Hasil simulasi menggunakan kontrol FLC dan yang artinya kincir air dan pompa dinyalakan terlihat bahwa parameter kualitas air meliputi temperatur, DO, dan salinitas menjadi terkontrol yaitu nilainya berada pada batas syarat yang ditentukan sehingga dapat mengurangi terjadinya gagal panen bagi petani tambak. Kata Kunci Disolved Oxygen (DO), Fuzzy Logic Controller, Kualitas air tambak, On/Off Controller, Salinitas, Temperatur. I. PENDAHULUAN saha budidaya tambak cukup memberikan keuntungan Uyang signifikan apabila petani tambak dapat memenuhi paramater kualitas air tambak yang dibutuhkan sehingga dapat menghasilkan panen yang memuaskan. Namun ada beberapa hal yang mempengaruhi hasil panen tambak. Beberapa diantaranya yaitu faktor cuaca alam yang tak menentu cukup mempengaruhi kualitas air tambak. Banyak petani tambak mengalami gagal panen dikarenakan kondisi air tambak semakin memburuk akibat perubahan cuaca yang tak menentu [1]. Permasalahan utama budidaya tambak saat ini seperti telah disebutkan diatas yaitu kondisi lingkungan tambak yang harus sesuai dengan kebutuhan hidup ikan atau udang di dalam tambak. Sedangkan faktor cuaca alam tidak dapat diprediksi dengan tepat, maka diperlukan sebuah inovasi baru yaitu kontrol kualitas air tambak tanpa perlu bergantung dengan cuaca alam. Kondisi lingkungan ini terkait dengan kualitas air tambak yang dipengaruhi oleh paramater kualitas air. Pengaruh keadaan air memang sangat penting karena ada beberapa parameter air yang berpengaruh pada ikan atau udang di tambak seperti temperatur, dissolved oxygen (DO), ph, dan salinitas. Parameter tersebut perlu dijaga kestabilannya untuk kelangsungan hidup ikan atau udang sesuai dengan habitat aslinya. Pengolahan air tambak merupakan bagian dari ilmu akuakultur (aquaculture). Beberapa penelitian terkait akuakultur diantaranya yang dilakukan Fowler dan kawan-kawan [2] yaitu membuat sistem kontrol untuk sistem akuakultur intensif resirkulasi dengan menggunakan mikrokontroller. Algoritma yang digunakan adalah logika fuzzy. Selain itu, Katherin [3] pada penelitiannya membuat modul kontrol kualitas air tambak udang sebagai sarana pembelajaran teknik budidaya udang. Berdasarkan permasalahan tersebut maka dalam Tugas Akhir ini dianalisa model dan simulasi dari parameter kualitas air tambak. Asumsi tambak yang dibangun dibagi menjadi dua yaitu untuk pembenihan dan pembesaran ikan. Dengan adanya pembagian ini diharapkan dapat meningkatkan kecepatan produksi hasil panen dan mempermudah budidaya tambak. Algoritma kontrol yang digunakan yaitu kontrol logika fuzzy yang biasa disebut Fuzzy Logic Controller (FLC) dan kontrol, dimana penyusunan algoritma kontrol ini menggunakan bahasa linguistik sederhana yang dapat dikuasai petani tambak hal ini dikarenakan latar belakang petani tambak kebanyakan bukan berasal dari bidang rekayasa yang memiliki pemahaman matematika dan pemrograman yang kuat. Logika fuzzy dianggap lebih mudah bagi para petani tambak untuk berkomunikasi dengan engineer dan ilmuwan komputer II. MODEL KUALITAS AIR TAMBAK A. Model Temperatur Suhu pada air media pemeliharaan tambak umumnya sangat berpengaruh terhadap kehidupan dan pertumbuhan organisme di dalam air. Secara umum peningkatan suhu hingga nilai tertentu diikuti dengan peningkatan pertumbuhan ikan. Model temperatur tambak dibangun dengan menggunakan model sederhana [4]. Diberikan model temperatur diberikan sebagai berikut: Φ Φ 1 dengan Φ 2 11,4 3 Dimana: T : Temperatur air tambak ( C) in : Laju perpindahan energi yang masuk ke tambak (Watt) out : Laju perpindahan energi yang keluar tambak (Watt) A : Luas penampang tambak (m 2 )

2 SAINS DAN SENI POMITS Vol. 2, No.1, (2013) ( X Print) 2 h : Kedalaman tambak (m) : Kerapatan air tambak (kg/m 3 ) c : Panas spesifik air tambak (J/kg C U i : Koefisien panas (W/m 2 C) T : Temperatur air tambak ( C) T a : Temperatur lingkungan ( C) U w : Koefisien perpindahan panas keseluruhan (overall) untuk dinding/dasar tambak (W/m 2 C) T e : Temperatur tanah ( C) A : Luas penampang tambak (m 2 ) : Luas dinding dan dasar tambak (m 2 ) N : Jumlah aerator P aer : Daya aerator (W) V : Volume tambak (m 3 ) B. Model Salinitas Salinitas adalah konsentrasi garam dalam air dan dapat diekspresikan dalam beberapa jenis satuan. Kandungan salinitas air terdiri dari garam-garam mineral yang banyak manfaatnya untuk kehidupan organisme air laut atau payau agar dapat tumbuh dan berkembang secara optimal. Model salinitas dibangun berdasarkan hukum kesetimbangan massa garam yang terjadi pada satu lapisan badan air tambak. Dengan mengasumsikan nilai koefisien laju perubahan k s adalah fungsi hujan dan evaporasi, persamaan yang dapat digunakan untuk memodelkan nilai salinitas air tambak adalah: 0 4 Dimana : S : Konsentrasi garam air tambak (kg/m 3 ) Q in : Laju aliran volume air payau yang masuk ke tambak (m 3 /s) S in : Konsentrasi garam air payau yang masuk ke tambak (kg/m 3 ) Q out : Laju aliran volume air tambak yang keluar (m 3 /s) k s : Koefisien laju perubahan salinitas (1/s) C. Model Dissolved Oxygen (DO) Dissolved Oxygen (DO) atau disebut juga dengan oksigen terlarut dibutuhkan organisme perairan untuk bernafas karena organisme tersebut tidak dapat langsung mengambil oksigen langsung dari udara. Oksigen masuk dalam air tambak melalui difusi langsung dari udara, aliran air yang masuk tambak, proses fotosintesa tanaman berhijau daun. Kandungan oksigen dapat menurun akibat pernafasan organisme dalam air dan perombakan bahan organik. Diberikan model dari Dissolved Oxygen (DO) sebagai berikut: 5 Dimana: K L a : Koefisien perpindahan massa (oksigen) secara keseluruhan yang dipengaruhi oleh temperatur (s 1 ). Secara keseluruhan yang dipengaruhi oleh temperatur, berdasarkan persamaan van t Holff-Arrhenius berikut: 6 bernilai , untuk aerator mekanik = O : Konsentrasi oksigen dalam tambak (mg/l) O s : Konsentrasi jenuh oksigen dalam tambak (mg/l), merupakan fungsi dari temperatur dan salinitas dengan menggunakan tabel berikut ( Copyright Sensorex Corporation): Tabel 2. Nilai konsentrasi jenuh oksigen berdasarkan temperatur dan salinitas Oxygen Saturation Based on Temperature and Salinity Temp Salinity (ppt) (deg C) 0ppt 9 ppt 18.1pp 27.1p 36.1pp 45.2ppt t pt t III. ANALISA DAN PEMBAHASAN Analisa model kualitas air tambak diasumsikan dibagi dua yaitu proses pembenihan dan pembesaran dengan masingmasing parameter yang berbeda. Karakteristik pembenihan dan pembesaran ikan patin ditunjukkan pada tabel 3 dibawah ini. Tabel. 3. Batas Syarat Kualitas Air pada Ikan Patin No Komponen Kisaran Optimal Pembenihan Pembesaran 1 Salinitas ppt ppt 2 Suhu Dissolved Oxygen > 4 mg/l > 5 mg/l Gambaran konstruksi tambak ikan patin apabila akan direalisasikan adalah seperti gambar 4.1 di bawah ini. Dimana tambak akan dibagi menjadi dua yaitu pembenihan dan pembesaran ikan patin, sebagai ilustrasi ditunjukkan pada gambar 4.1.a dan 4.1.b di bawah ini 2 Gambar 4.1.a Ilustrasi Konstruksi Tambak Tampak dari Samping Kanan 3 1

3 SAINS DAN SENI POMITS Vol. 2, No.1, (2013) ( X Print) 3 4 Pembesaran ikan patin Pembesaran ikan patin mempunyai karakteristik yaitu suhu harus berada pada range antara C. Diberikan fungsi keanggotan (membership function) untuk input Fuzzy Logic Controller temperatur ditunjukkan pada Gambar 4.3. Gambar 4.1.b Ilustrasi Konstruksi Tambak Tampak dari Samping Kiri Keterangan gambar: 1. Box Control 2. Sensor Temperatur, Salinitas dan Dissolved Oxygen 3. Jalur masuk air 4. Jalur keluar air A. Sistem Kontrol untuk Temperatur Algoritma kontrol yang dibangun untuk mengontrol temperatur yaitu Fuzzy Logic Controller. Alat yang digunakan untuk pengontrolan nilai temperatur yaitu kincir air (aerator). Kincir air disini memiliki peran yang sangat penting, pada keadaan tertentu ketika suhu mengalami penurunan atau peningkatan kincir air perlu digerakkan secara tepat. Penggunaan kincir air pada tambak bertujuan untuk memenuhi kebutuhan ikan patin akan oksigen terlarut (Dissolved Oxygen) dalam tambak. Variabel input dari Fuzzy Logic Controller pada temperatur berupa nilai temperatur dalam derajat celcius dengan 5 fungsi keanggotaan yaitu : positif besar (PB), positif kecil (PK), nol (N), negatif kecil (NK), dan negatif besar (NB). Sedangkan variabel output berupa sinyal kontrol tegangan yang menggerakkan kecepatan motor kincir air dalam prosentase dengan 5 fungsi keanggotaan yaitu sangat lambat (SL), lamban (L), medium (M), cepat (C), dan sangat cepat (SC). a. Fuzzyfikasi Dalam proses fuzzyfikasi ini menggunakan masukan (input) berupa nilai suhu. Nilai crips masukan dari suhu diubah menjadi nilai fuzzy masukan. Pembenihan ikan patin Pembenihan ikan patin mempunyai karakteristik yaitu suhu harus berada pada range antara C. Diberikan fungsi keanggotaan (Membership Function) dari input pembenihan ikan patin pada Gambar 4.2. Gambar 4.2 Fungsi keanggotaan fuzzy untuk input pembenihan ikan patin Gambar 4.3 Fungsi keanggotaan fuzzy untuk input pembesaran ikan patin b. If Then Rule Kemudian nilai derajat keanggotaan fungsi keanggotaan input dari suhu itu akan dimasukkan ke dalam proses penentuan aturan atau biasa disebut dengan if then rule. If then rule ini mempunyai aturan yaitu digunakan untuk mengatur kincir air (aerator). Rule base pada fuzzy logic controller temperatur pembenihan adalah sebagai berikut: 1. If TemperaturPembenihan is NB then KecepatanPembenihan is SL 2. If TemperaturPembenihan is NK then KecepatanPembenihan is L 3. If TemperaturPembenihan is N then KecepatanPembenihan is M 4. If TemperaturPembenihan is PK then KecepatanPembenihan is C 5. If TemperaturPembenihan is PB then KecepatanPembenihan is SC Sedangkan rule base untuk fuzzy logic controller temperatur pembesaran adalah sebagai berikut. 1. If TemperaturPembesaran is NB then KecepatanPembesaran is SL 2. If TemperaturPembesaran is NK then KecepatanPembesaran is L 3. If TemperaturPembesaran is N then KecepatanPembesaran is M 4. If TemperaturPembesaran is PK then KecepatanPembesaran is C 5. If TemperaturPembesaran is PB then KecepatanPembesaran is SC c. Defuzzyfikasi Langkah selanjutnya yaitu proses defuzzyfikasi, untuk mengubah nilai keluaran (output) fuzzy ke dalam nilai keluaran nyata. Pembenihan ikan patin Berikut fungsi keanggotaan (Membership Function) dari ouput pembenihan ikan patin yang ditunjukkan pada gambar 4.4 di bawah ini.

4 SAINS DAN SENI POMITS Vol. 2, No.1, (2013) ( X Print) 4 Gambar 4.4 Fungsi keanggotaan fuzzy untuk output pembenihan ikan patin Pembesaran ikan patin Berikut fungsi keanggotaan (Membership Function) dari ouput pembenihan ikan patin yang ditunjukkan pada tabel 8 di bawah ini. Gambar 4.9 Hasil simulasi temperatur tanpa menggunakan Fuzzy Logic Controller dan kontrol Hasil simulasi temperatur pada gambar 4.9 yaitu tidak yang artinya juga tidak menggunakan kincir air dan pompa menunjukkan bahwa pada saat nilai temperatur awal sebesar 28 grafik naik ke atas ketika diberikan fluks panas yang masuk ke dalam air tambak sebesar 1000 Watt, sehingga nilai temperatur mengalami perubahan menjadi 40 dalam kurun waktu 25 jam. Terlihat bahwa nilai temperatur menjadi tidak terkontrol yaitu di luar batas syarat yang diberikan. b. Dengan menggunakan Fuzzy Logic Controller dan kontrol Gambar 4.5 Fungsi keanggotaan fuzzy untuk output pembesaran ikan patin B. Sistem Kontrol untuk Salinitas Salinitas adalah algoritma kontrol. Sinyal kontrol akan menghidupkan pompa jika nilai salinitas di atas 35 ppt atau di bawah 15 ppt, sehingga air dari tandon akan mengalir. Sinyal kontrol akan mematikan pompa jika nilai salinitas berada pada range ppt. Hubungan salinitas dan temperatur berbanding lurus yaitu semakin tinggi temperatur maka nilai salinitas juga akan semakin tinggi. Hal ini dikarenakan temperatur yang semakin tinggi membuat penguapan pada tambak juga semakin tinggi, sehingga kadar garam akan meningkat. C. Hasil Simulasi Model Sistem Kontrol Kualitas Air Tambak Terdapat dua tipe hasil simulasi yaitu pertama simulasi dimana artinya pada simulasi ini menggunakan kincir air dan pompa. Kedua simulasi tanpa menggunakan kincir air dan pompa. 1. Hasil Simulasi Temperatur a. Tanpa menggunakan Fuzzy Logic Controller dan kontrol Gambar 4.10.a Hasil Simulasi temperatur dengan (pembenihan) Gambar 4.10.b Hasil Simulasi temperatur dengan (pembesaran) Pada saat Fuzzy Logic Controller dan kontrol digunakan, yang artinya kincir air dan pompa dinyalakan terlihat bahwa Fuzzy Logic Controller dan kontrol

5 SAINS DAN SENI POMITS Vol. 2, No.1, (2013) ( X Print) 5 terbukti dapat mempertahankan nilai temperatur sesuai dengan batas syarat yang diijinkan. Hasil simulasi grafik pada gambar 4.10.a dan 4.10.b menunjukkan bahwa nilai temperatur dapat dijaga stabil pada suhu 28,002 C pada masa pembenihan dan 28,004 C pada masa pembesaran dalam waktu kurun 3 jam. Batas syarat nilai temperatur pada saat pembenihan ikan patin ialah C dan batas syarat nilai temperatur pada saat pembesaran ikan patin ialah C. Fuzzy Logic Controller dapat mempertahankan nilai temperatur sesuai dengan batas syarat yang diijinkan. 2. Hasil Simulasi Salinitas a. Tanpa menggunakan Fuzzy Logic Controller dan kontrol Gambar 4.11 Hasil simulasi salinitas tanpa menggunakan Fuzzy Logic Controller dan kontrol Pada saat Fuzzy Logic Controller dan kontrol tidak digunakan yang artinya juga kincir air dan pompa juga tidak digunakan terlihat bahwa hasil simulasi grafik pada gambar Dengan nilai salinitas awal sebesar 25 ppt, dan akibat diberikan perubahan konsentrasi garam dengan laju sebesar /s, menyebabkan nilai salinitas naik sebesar 37 ppt dalam waktu 80 jam, sedangkan kriteria nilai salinitas yang diijinkan pada pembenihan dan pembesaran ikan patin yaitu ppt. Gambar 4.12.b Hasil Simulasi salinitas dengan menggunakan Fuzzy Logic Controller dan kontrol (pembesaran) Pada saat Fuzzy Logic Controller dan kontrol digunakan, dimana artinya kincir air dan pompa dinyalakan terlihat bahwa Fuzzy Logic Controller dan kontrol dapat mempertahankan nilai temperatur sesuai dengan batas syarat yang diijinkan. Hasil simulasi grafik pada gambar 4.12.a dan 4.12.b menunjukkan bahwa dengan nilai awal salinitas 25, dengan menggunakan on/off controller nilai salinitas berhasil dijaga sebesar 25,0035 ppt pada jam pertama dan seterusnya, hal ini memenuhi kriteria nilai salinitas yang diijinkan yaitu ppt. Controller dapat mempertahankan nilai salinitas sesuai dengan batas syarat yang diijinkan yaitu di antara range ppt. 3. Hasil Simulasi Dissolved Oxygen a. Tanpa menggunakan Fuzzy Logic Controller dan kontrol b. Dengan menggunakan Fuzzy Logic Controller dan kontrol Gambar 4.13 Hasil simulasi temperatur tanpa menggunakan Fuzzy Logic Controller dan kontrol Gambar 4.12.a Hasil Simulasi salinitas dengan menggunakan Fuzzy Logic Controller dan kontrol (pembenihan) Hasil simulasi pada saat Fuzzy Logic Controller dan kontrol tidak digunakan yang artinya juga kincir air dan pompa juga tidak digunakan terlihat pada gambar 4.13 menunjukkan bahwa nilai Dissolved Oxygen dengan nilai awal sebesar 7 ppm mengalami penurunan sampai 3 ppm dalam kurun waktu 43 jam. Hal ini disebabkan karena nilai temperatur dan salinitas mengalami kenaikan. Nilai Dissolved Oxygen ini berada di luar batas kriteria nilai Dissolved Oxygen yang diijinkan yaitu > 4 ppm untuk pembenihan dan > 5 ppm untuk pembesaran. b. Dengan menggunakan Fuzzy Logic Controller dan kontrol

6 SAINS DAN SENI POMITS Vol. 2, No.1, (2013) ( X Print) 6 Gambar 4.14.a Hasil Simulasi Dissolved Oxygen dengan (pembenihan) Gambar 4.14.b Hasil Simulasi Dissolved Oxygen dengan (pembesaran) Pada saat Fuzzy Logic Controller dan kontrol digunakan, dimana artinya kincir air dan pompa dinyalakan terlihat bahwa Fuzzy Logic Controller dan kontrol dapat mempertahankan nilai Dissolved Oxygen sesuai dengan batas syarat yang diijinkan. Hasil simulasi grafik pada gambar 4.14.a dan 4.14.b menunjukkan bahwa dengan nilai awal Dissolved Oxygen sebesar 7 ppm dan nilai Dissolved Oxygen mengalami perubahan sebesar 7,044 ppm dalam waktu 10 jam. Hal ini disebabkan karena nilai temperatur dan salinitas sudah terkontrol. Fuzzy Logic Controller dan Controller dapat mempertahankan nilai Dissolved Oxygen sesuai dengan batas syarat yang diijinkan. IV. KESIMPULAN/RINGKASAN A. KESIMPULAN Kesimpulan yang dapat ditarik pada penulisan Tugas Akhir ini adalah sebagai berikut: 1. Hasil simulasi tanpa menggunakan fuzzy logic controller (FLC) dan Controller menunjukkan bahwa parameter kualitas air meliputi temperatur, DO, dan salinitas menjadi tidak terkontrol yaitu nilainya berada di luar batas syarat dari kriteria yang diberikan pada masa pembenihan dan masa pembesaran ikan patin. 2. Hasil simulasi menggunakan fuzzy logic controller (FLC) dan Controller dimana artinya kincir air dan pompa dinyalakan terlihat bahwa Fuzzy Logic Controller (FLC) dan kontrol menunjukkan bahwa parameter kualitas air meliputi temperatur, DO, dan salinitas menjadi terkontrol yaitu nilainya berada pada batas syarat yang ditentukan yaitu temperatur sebesar 28,004 C untuk masa pembenihan dan sebesar 28,008 C untuk masa pembesaran, salinitas sebesar 25,004 ppt dan Dissolved Oxygen (DO) sebesar 7,004 ppm untuk masa pembenihan dan masa pembesaran. 3. Dengan menjaga nilai temperatur dan salinitas, maka secara tidak langsung nilai Dissolved Oxygen (DO) juga akan terjaga. 4. Hasil grafik pada masa pembenihan dan pembesaran menggunakan fuzzy logic controller (FLC) dan Controller menampilkan grafik yang sama dikarenakan temperatur yang diberikan pada fuzzy logic controller (FLC) untuk pembenihan dan pembesaran memiliki perbedaan interval yang tidak terlalu jauh. B. SARAN Penggunaan fuzzy logic controller (FLC) dan on/off controller menghasikan kontrol kualitas air tambak yang lebih baik daripada tidak menggunakan kontrol. Pada Tugas Akhir ini hanya dibahas tiga parameter kontrol kualitas air, maka untuk penelitian selanjutnya dapat ditambahkan untuk kontrol kualitas air tambak pada parameter lainnya seperti ph atau alkalinitas. DAFTAR PUSTAKA [1] Akhmad Mustafa. (2008). Disain, Tata Letak, dan Konstruksi Tambak. Media Akuakultur Volume 3 Nomor 2. Balai Riset Perikanan Budidaya Air Payau, Maros. [2] Fowler, P., Baird, D., Bucklin, R., Yerlan, S., Watson, C., Chapman, D. (1994). Microcontrollers in Recirculating Aquaculture Systems. Florida Cooperative Extension Service, Institute of Food and Agricultural Sciences. University of Florida. [3] Katherine Indriawati, ST, MT. (2008). Pembuatan Modul Kontrol Kualitas Air Tambak Udang sebagai Sarana Pembelajaran Teknik Budidaya Udang. Surabaya. LPPM ITS. [4] Gillota, S., Vanrolleghem, P.A. (2003). Equilibrium Temperature in Aearted Basins- Comparison of Two Prediction Models. Water Research 37. Hal