Anda di halaman 1dari 31

TUGAS PEMODELAN LINGKUNGAN

SOFTWARE PEMODELAN AERMOD DAN SURFER

DISUSUN OLEH :
1. SITTI HARIYATI (13513032)
2. IKA BAYU KARTIKASARI (13513071)

JURUSAN TEKNIK LINGKUNGAN


FAKULTAS TEKNIK SIPIL DAN PERENCANAAN
UNIVERSITAS ISLAM INDONESIA
2015/2016

BAB 1 : AERMOD
1.1 Sejarah Pengembangan Program Aermod
AERMOD

dikembangkan

oleh

AERMIC (Amerika Meteorological

Society (AMS) / Amerika Serikat Environmental Protection Agency (EPA)


Regulatory Model Peningkatan Komite), sebuah kelompok kerja kolaboratif
ilmuwan dari AMS dan EPA. AERMIC awalnya dibentuk di 1991 dengan tujuan
yang didesain untuk memperkenalkan PBL (Planetary Boundary Layer) kedalam
konsep regulatory Dispersion Models.
Dalam sebagian besar aplikasi kualitas udara salah satunya saling berkaitan
dengan dispersi dalam PBL, lapisan udara turbulen diatas permukaan bumi yang
dikendalikan oleh pemanasan permukaan dan gesekan dan stratifikasi atasnya.
PBL biasanya berjarak kisaran dari beberapa ratus meter di kedalaman di malam
hari sampai 1-2 km di siang hari. Perkembangan utama dalam memahami PBL
dimulai pada tahun 1970-an melalui pemodelan numerik, observasi lapangan, dan
simulasi laboratorium. (Wyngaar, 1988)
Singkatnya, Untuk lapisan batas konvektif (CBL), simulasi numerik Deardorff
mengungkapkan struktur vertikal CBL dan skala turbulensi penting. Pemahaman
yang lebih banyak dalam dispersi diikuti dari percobaan laboratorium, simulasi
numerik, dan observasi lapangan .Untuk lapisan batas stabil (SBL), kemajuan
terjadi lebih lambat. Namun, teori/kerangka eksperimental suara untuk lapisan
permukaan dispersi dan pendekatan untuk sumber elevasi muncul pada
pertengahan 1980-an.
Selama pertengahan 1980-an, para peneliti mulai menerapkan informasi ini
untuk model dispersi sederhana untuk aplikasi. Ini terdiri dari teknik eddy-difusi
untuk perilisanpermukaan, teori statistik dan skala PBL untuk estimasi parameter
dispersi, fungsi kepadatan probabilitas baru (pdf) pendekatan untuk CBL, teknik
sederhana untuk memperoleh variabel meteorologi (misalnya, fluks panas
permukaan) yang diperlukan untuk turbulensi parameterizations, dll . Pada
pertengahan tahun 1980, model dispersi terapan baru berbasis pada teknologi ini

telah dikembangkan termasuk PPSP (Weil dan Brower 1984), OML (Berkowicz et
al. 1986), HPDM (Hanna dan Paine 1989), TUPOS (Turner et al. 1986) ,
CTDMPLUS (Perry et al 1989.) kemudian, ADM dikembangkan di Inggris (lihat
Carruthers et al. (1992)) ditambahkan serta SCIPUFF (Sykes dkk. 1996). Anggota
AERMIC terlibat dalam pengembangan tiga model ini - PPSP, CTDMPLUS dan
HPDM.

AERMIC mengembangkan AERMOD dalam tujuh tahap:

Formulasi model awal


Evaluasi perkembangan
Internal peer review dan pengujian beta
Formulasi model revisi
Evaluasi kinerja dan pengujian sensitivitas
Peer review eksternal
Diserahkan kepada EPA untuk dipertimbangkan sebagai model regulasi.

Pada tanggal 21 April 2000, EPA mengusulkan agar AERMOD diadopsi


sebagai pemilihan model regulasi EPA untuk kedua medan sederhana dan
kompleks. Pada tanggal 9 November 2005, AERMOD diadopsi oleh EPA dan
diumumkan sebagai model regulasi yang mereka inginkan, secara efektif pada 9
Desember 2005. Seluruh proses perkembangan dan adopsi memakan waktu 14
tahun (1991-2005).
1.2 Fungsi Program AERMOD
AERMOD berfungsi sebagai pengganti lengkap untuk ISC3. Namun, ini
merupakan tujuan AERMIC untuk menyatukan kedua partikel kering dan basah
serta desposisi gas begitu juga sumber atau dispelasi kepulan asap. Model
AERMOD di sini berlaku untuk daerah pedesaan dan perkotaan, datar dan medan
yang kompleks, permukaan dan berelevasi, dan berbagai sumber (termasuk, titik,
wilayah dan sumber volume).

Sistem pemodelan AERMOD yang dikembangkan oleh US Environmental


Protection Agency merupakan plume model mutakhir yang menggabungkan
dispersi udara berbasiskan struktur turbulensi planetary boundary layer dan profil
elevasi muka tanah. Data meteorologi yang diperlukan oleh AERMOD terdiri dari
surface profile dan upper air data. Kedua data tersebut dapat diperoleh dari hasil
keluaran model WRF baik sebagai data primer maupun data sekunder yang harus
diturunkan dari data primer. Data yang diperoleh dari WRF harus diolah terlebih
dahulu sebelum dapat digunakan oleh AERMOD. Solusi perangkat lunak yang
dikembangkan dalam penelitian ini memungkinkan untuk mengotomasi proses
pemodelan meteorologi, ekstrasi dan pemrosesan data dari WRF hingga menjadi
input untuk AERMOD. AERMOD, melalui program AERMAP, dapat memproses
data elevasi tanah dalam format Digital Elevation Model (DEM).
1.3 Langkah-Langkah Pemodelan AERMOD
Berikut merupakan langkah-langkah tutorial dalam menjalankan program
AERMOD untuk model dispersi :
a. Contoh :
Sebuah pabrik di daerah pedesaan
cerobong dengan bangunan di antaranya
SO2 sebagai polutan dalam gas buang
Nilai diasumsikan untuk cerobong
Surface file, * .SFC
Profile file, * .PFL

b. Mendefinisikan parameter awal

c. Site Geometry

d. AERMOD Environment

e. Mengimpor peta dasar


Sebuah peta raster dengan file gambar (JPEG, TIFF, DXF, ...) harus

diimpor
Peta Basis Impor ...
Kemudian, luasan peta harus geo-referenced

f. Mengimpor Cerobong dan Bangunan


Luasan dari fondasi bangunan dan cerobong diimpor oleh file
DXF. Impor peta dasar ...

g. Mendefinisikan Bangunan

h. Menggambarkan Cerobong

Drawing Tools

Visualisasi 3D

i. Control Pathway
Pilihan dispersi

Polutan
Jika jenis penggunaan lahan termasuk penggunaan industri, komersial
dan perumahan account untuk 50% atau lebih dari area dalam radius 3
km dari sumber, situs diklasifikasikan sebagai perkotaan;jika tidak, itu
digolongkan sebagai desa.

Pilihan Medan

j. Source Pathway
Source Summary

Building Downwash (Bangunan Downwash)

k. Receptor Pathway
Receptor Summary

Grid

l. Meteorology Pathway

1.4 Resume Jurnal


Estimasi Pencemaran Udara Dari Transportasi Laut di Daerah Shore
Line Selat Madura Dengan Menggunakan Data Automatic
Identification System (AIS) dan Sistem Informasi Geografis (SIG)
Polusi udara dan pemanasan global adalah masalah yang sering mendapat
perhatian khusus belakangan ini. Suhu rata-rata global pada permukaan Bumi
telah meningkat 0.74 0.18 C (1.33
0.32 F) selama seratus tahun terakhir. Intergovermental Panel on Climate
Change (IPCC) menyimpulkan bahwa, "sebagian besar peningkatan suhu ratarata global sejak pertengahan abad ke-20 kemungkinan besar disebabkan oleh
meningkatnya konsentrasi gas- gas rumah kaca akibat aktivitas manusia melalui
efek rumah kaca. Efek rumah kaca disebabkan oleh keberadaan CO2, CFC,
metana, ozon, dan N2O di lapisan trofosfer yang menyerap radiasi panas
matahari yang dipantulkan oleh permukaan bumi. Akibatnya panas terperangkap
dalam lapisan troposfer dan menimbulkan fenomena pemanasan global.
Emisi gas buang dari mesin kapal telah di ketahui dapat menyebabkan
masalah kesehatan dan lingkungan. Nitrogen oksida (NOx), karbon monoksida
(CO), hidrokarbon (HC), dan sulfur oksida (SO x) adalah beberapa macam polusi
udara yang terdapat pada emisi gas buang dari kapal. Dampaknya bagi kesehatan
manusia,substansi pencemar yang terdapat di udara dapat masuk ke dalam tubuh
melalui sistem pernafasan. Jauhnya penetrasi zat pencemar ke dalam tubuh
bergantung kepada jenis pencemar [8]. Partikulat berukuran besar dapat tertahan
di saluran pernapasan bagian atas, sedangkan partikulat berukuran kecil dan gas
dapat mencapai paru-paru [5]. Dari paru-paru, zat pencemar diserap oleh sistem
peredaran darah dan menyebar ke seluruh tubuh. Dampak kesehatan yang paling
umum dijumpai adalah ISPA (infeksi saluran pernapasan akut), termasuk di
antaranya, asma, bronchitis, dan gangguan pernapasan lainnya. Beberapa zat
pencemar dikategorikan sebagai toksik dan karsinogenik. Dan bagi lingkungan
dampaknya yaitu tanaman yang tumbuh di daerah dengan tingkat pencemaran
udara tinggi dapat terganggu pertumbuhannya dan rawan penyakit, antara lain
klorosis, nekrosis, dan bintik hitam [8]. Partikulat yang terdeposisi di permukaan
tanaman dapat menghambat proses fotosintesis. Pencemar udara seperti SO2
dan NO2 bereaksi dengan air hujan membentuk asam dan menurunkan pH air
hujan. Dampak dari hujan asam ini antara lain mempengaruhi kualitas air
permukaan, merusak tanaman, melarutkan logam-logam berat yang terdapat
dalam tanah sehingga mempengaruhi kualitas air tanah dan air permukaan, dan
bersifat korosif sehingga merusak material dan bangunan [1].
%
NOx
CO
CO2
VOC
SOx
PM
Flag Of No.
Registry
Indonesia 53 69% 402,9 967,12 277,46 180,11 758,45 15,52
7
0
4
0
1
5
6,5% 105,8 196,27 54,579 27,331 158,59 3,172
Panama
7
9
2,6% 8,959 30,207 5,635
3,740 18,307 0,366
Antigua & 2
Barbuda
2
2,6% 32,67 22,900 13,843
3,773 31,000 0,620
Cambodia
Liberia

2,6%

242,9

74,036

90,842

15,754 197,524

3,950

Marshall
Island
Netherland
s
Norway

2,6%

34,72

84,982

23,877

17,214 64,521

1,509

2,6%

16,46

57,082

9,522

6,165 34,595

0,729

2,6%

24,19

85,427

13,198

8,383 51,774

1,035

China

1,3%

16,99

56,222

11,247

7,569 34,074

0,681

Dominica

1,3%

6,539

21,161

4,579

3,126 12,825

0,256

Greece

1,3%

17,64

61,837

9,878

6,328 37,477

0,750

Iran

1,3%

4,830

17,965

2,156

1,267 10,888

0,218

Korea

1,3%

46,530

8,525

5,637 28,200

0,564

Vietnam

13,73
5
4,360

9,991

3,344

2,331

8,215

0,164

Total

7
6

1,32
%
100% 932,8

1731,7

528,68

288,73 1446,4

29,53

Selat Madura merupakan salah satu jalur pelayaran yang terpadat di


Indonesia, tidak hanya pelayaran domestik tetapi juga internasional yang
berpusat di Pelabuhan Tanjung Perak. Dengan bertambahnya transportasi laut
yang terjadi di Selta Madura sudah barang tentu juga bertambahnya polutan udara
disekitar daerah Selat Madura. Tujuan dari penelitian ini adalah untuk
mengestimasi konsentrasi serta sebaran emisi di udara yang di akibatkan oleh
transportasi laut di Selat Madura. Penelitian ini menggunakan data Automatic
Identification System atau AIS dan data Sistem Informasi Geografis. Dalam
pencapaian tujuan dari penelitian ini, paper ini disajikan dalam beberapa bagian.
Pertama, tinjauan pustaka, menunjukkan bagaimana data AIS dan SIG digunakan
untuk perhitungan estimasi jumlah emisi, sebaran emisi tersebut, dan konsentrasi
emisi dimasing-masing wilayah shore line sepanjang Selat Madura. Kedua,
metodologi penelitian, menjelaskan bagaimana langkah-langkah penelitian ini
dilakukan. Ketiga, investigas data AIS dalam menentukan trafik densitas terpadat
di Selat Madura selama 1 tahun. Keempat, perhitungan jumlah emisi yang
dikeluarkan oleh masing-masing kapal berdasarkan perhitungan yang
dikembangkan oleh Carlo Trozzi dan Rita Vaccaro. Terakhir, permodelan sebaran
emisi dengan menggunakan Gaussian Plume Model. Dalam penelitian ini
permodelan sebaran emisi dilakukan dengan bantuan perangkat lunak AERMOD
View Ver.7.1 yang mana perangkat lunak ini menggunakan Gaussian plume
model untuk permodelan sebaran emisinya.
METODE
Metode penelitian ini dimulai dari investigasi data AIS, seperti dijelaskan
pada gambar 1, data AIS yang digunakan adalah data tahun 2010. Tahap
selanjtnya, pencairan data tambahan yang diperlukan untuk estimasi perhitungan
emisi bersamaan dengan pencarian data GIS yaitu peta Selat Madura. Data AIS
diperoleh dari AIS receiver yang ada di Marine Reliability and Safety Labortory
Teknik Sistem Perkapalan ITS. Data AIS ini yang akan diolah untuk menghitung
estimasi jumlah emsisi yang dikeluarkan oleh kapal pada saat trafik densitas

terpadat. Setelah mendapatkan data tersebut, posisi kapal dbisa diketahui setelah
diplot di AERMOD View Ver.7.1. Tahap berikutnya adalah, perhitungan
estimasi emisi dengan menggunkan metodelogi perhitungan yang telah
dikembagkan oleh Trozzi et al [22] [23].Setelah mengetahui jumlah emisinya,
langkah berikutnya adalah memodelkan sebaran emisi berdasarkan permodelan
Gaussian model [2] [9] [17]. Dalam hal ini, perangkat lunak yang digunakan
untuk memodelkan sebaran emisi adalah AERMOD View Ver.7.1. Tahap
selanjutnya adalah menganalisa hasil sebaran emisinya dan konsentrasi emisi
tersebut.
HASIL PENELITIAN
Berikut ini hasil perhitungan estimasi emisi dan sebaran emisi dari data AIS,
GIS, dan data sekunder lainnya dengan menggunakan metodologi dari Trozzi
dan permodelan gaussian plume model :
Tabel 10. Jumlah Emisi Untuk Masing-masing Kapal Berdasarkan Bendera

Flag Of
Registry
Indonesia

No.

NOx

CO

CO2

VOC

SOx

PM

53

69%

402,9

967,127

277,460

180,114

758,450

15,521

Panama

6,5%

105,8

196,277

54,579

27,331

158,599

3,172

Antigua &
Barbuda

2,6%

8,959

30,207

5,635

3,740

18,307

0,366

Cambodia

2,6%

32,67

22,900

13,843

3,773

31,000

0,620

Liberia

2,6%

242,9

74,036

90,842

15,754

197,524

3,950

Marshall
Island
Netherlan
ds
Norway

2,6%

34,72

84,982

23,877

17,214

64,521

1,509

2,6%

16,46

57,082

9,522

6,165

34,595

0,729

2,6%

24,19

85,427

13,198

8,383

51,774

1,035

China

1,3%

16,99

56,222

11,247

7,569

34,074

0,681

Dominica

1,3%

6,539

21,161

4,579

3,126

12,825

0,256

Greece

1,3%

17,64

61,837

9,878

6,328

37,477

0,750

Iran

1,3%

4,830

17,965

2,156

1,267

10,888

0,218

Korea

1,3%

13,735

46,530

8,525

5,637

28,200

0,564

Vietnam

1,32%

4,360

9,991

3,344

2,331

8,215

0,164

Total

76

100%

932,8

1731,7

528,68

288,73

1446,4

29,53

Dari Tabel 10 diketahui bahwa jumlah total emisi untuk NOx sebesar 932 kg/jam,
SOx sebesar 1446 kg/jam, CO 1731,7 kg/jam, CO2 adalah sebesar 528 kg/jam,
dan PM sebesar 29,53 kg/jam. Dan dari Tabel 10 diketahui pula untuk

penyumbang emisi terbesar adalah kapal berbendera Indonesia untuk urutan


pertama dengan jumlah NOx sebesar 402,9 kg/jam, SOx sebesar 758,45 kg/jam,
CO sebesar 967,13 kg/jam, CO2 sebesar 277,46 kg/jam, dan PM sebesar 15,52
kg/jam. Lalu diikuti kapal berbendera Panama untuk urutan kedua dengan jumlah
NOx sebesar 105,8 kg/jam, SOx sebesar 158,9 kg/jam, COsebesar 196,28
kg/jam, CO2 sebesar 54,58 kg/jam, dan PM sebesar 3,17 kg/jam. Dan urutan
ketiga adalah kapal berbendera Antigua&Babuda, Norwegia, Kamboja, Liberia,
Marshall Island, dan Belanda. Sedangkan untuk urutan terakhir adalah kapal
berbendera China, Yunani, Korea, Vietnam, Iran, dan Republik Dominika.
Sedangkan untuk sebaran emisi masing-masing polutan dengan bantuan perangkat
lunak AERMOD View Ver.7.1 ditunjukkan oleh gambar 7, 8, 9, 10, dan 11 berikut
ini :

Gambar 7. Sebaran dan Konsentrasi Emisi NOx

Gambar 8. Sebaran dan Konsentrasi Emisi SOx

Gambar 9. Sebaran dan Konsentrasi Emisi CO

Dari permodelan sebaran polutan udara yang telah dijalankan di AERMOD View
Ver7.1 dapat dianalisa sebaran dan konsentrasi emisinya di sekitar Selat Madura.
Dalam permodelan sebaran emisi dalam AERMOD View berjarak sekitar 30 km
dari titik tengah koordinat sumber emisi. Dari hasil sebaran emisi dapat dilihat
bahwa angin pada tanggal 22 Oktober 2010 pukul 17.00 18.00 mengarah ke
barat laut dan tenggara. Itu terlihat pada model yaitu konsentrasi terbesar
berada pada dua arah tersebut. Tabel 11 dibawah ini menunjukkan daerah
shoreline sepanjang Selat Madura dan kandungan konsentrasi emisinya
KESIMPULAN
Setelah melaksanakan seluruh proses penelitian ini, dan dari hasil pengolahan
data yang diperoleh, maka dapat ditarik beberapa kesimpulan sebagai berikut :
1. Penelitian untuk estimasi emisi dan sebaran konsentrasi emisi dari
transportasi laut sangat memungkinkan dengan menggunakan data dari
Automatic Identification System (AIS) dan Sistem Informasi Geografis.
Akan tetapi AIS sendiri memiliki kelemahan yaitu kapal yang terdeteksi
oleh AIS hanya kapal yang mempunyai GT diatas 300 sehingga kapal
dengan GT dibawah 300 dan kapal yang tidak dilengkapi dengan AIS
tidak dapat dianalisa.
2. Jumlah polutan emisi pada trafik densitas terpadat adalah :
a. NOx : 932,8 kg / jam
b. SOx : 1446,4 kg / jam
c. CO : 1731,7 kg / jam

d. CO2 : 528,7 kg / jam


e. PM :

29,5 kg/jam

3. Jumlah konsentrasi tertinggi polutan emisi pada trafik densitas terpadat


berada di daerah sekitar pelabuhan Semen Gresik dengan konsentrasi
emisi yaitu :
a. NOx : 184,924 g / m3 b. SOx : 377,959
g / m3 c. CO : 479,086 g / m 3 d. CO2 :
133,365 g / m3
e. PM :

7,634 g / m3

4. Dari hasil penelitian ini, konsentrasi polutan NOx, SOx, dan CO tidak
mempengaruhi kesehatan manusia kecuali polutan PM. Konsentrasi
polutan dari penelitian ini dapat memberikan gejala berupa gangguan
pernafasan di daerah dengan konsentrasi tertinggi.

BAB 2 : SURFER
2.1 Sejarah Pengembangan Program Surfer
Surfer merupakan salah satu perangkat lunak produk Golden Software,
Inc. untuk pembuatan peta kontur dan pemodelan tiga dimensi yang didasarkan
atas grid. Perangkat lunak ini berperan besar dalam pemetaan kawasan. Meskipun
canggih, perangkat ini tidak banyak menuntut untuk sistem operasi maupun
perangkat keras.
Golden Software Inc. adalah sebuah perusahaan swasta, perusahaan
Amerika yang berbasis di Golden, Colorado. Perusahaan ini mengembangkan dan
memasarkan perangkat GIS dan perangkat lunak ilmiah. Didirikan pada tahun
1983, Golden Software adalah salah satu perusahaan perangkat lunak tertua di
dunia, dan yang pertama kali memasarkan aplikasi tiga dimensi permukaan dan
pemetaan kontur aplikasi untuk PC (komputer). Patrick Madison, seorang CSM
ilmu komputer instruktur, dan Smith, salah seorang mahasiswa pascasarjana,
mulai kemitraan pada tahun 1983 dengan pengembangan bahasa yang mengambil
keuntungan dari resolusi penuh untuk printer dot-matrix. Program pertama mereka
komersial, PlotCall, berubah petunjuk plotter menjadi petunjuk dot-matrix
kompatibel dengan lebih dari 20 printer komersial. Hal ini membuat grafik
komputer dan pemasaran dunia pemetaan ke arena yang lebih luas dari pengguna
dengan printer komersial murah. Antara tahun 1985 dan 1986 perusahaan ini
merilis dua aplikasi DOS: Surfer, program pemetaan permukaan dan kontur, dan
Grapher, aplikasi spreadsheet-plotting. Pada tahun 1990 kemudian merilis
program Windows pertama: MapViewer. lalu kemudian produk mereka
berikutnya, yaitu Didger dirilis pada tahun 1996. Program terbaru mereka, Strater
dan Voxler yang dirilis pada tahun 2004 dan 2006.
2.2 Fungsi Program Surfer
Surfer merupakan salah satu perangkat lunak produk Golden Software,
Inc. untuk pembuatan peta kontur dan pemodelan tiga dimensi yang didasarkan
atas grid. Perangkat lunak ini berperan besar dalam pemetaan kawasan. Meskipun

canggih, perangkat ini tidak banyak menuntut untuk sistem operasi maupun
perangkat keras.
Gambar 1. Hasil (output) Program Surfer 9 dengan Kontur 3 Dimensi.

Surfer dalam bahasan ini adalah perangkat lunak atau software Surfer 9.0
Full Crack yang memiliki banyak fungsi visualisasi, 3D contouring dan paket
modeling permukaan yang berjalan di bawah Microsoft Windows. Surfer
digunakan secara luas untuk pemodelan medan, visualisasi landscape, analisis
permukaan, pemetaan kontur, pemetaan permukaan 3D, gridding, volumetrics,
dan banyak lagi. Sebuah Software yang canggih interpolasi sebuah permodelan
yang mengubah data XYZ ke publikasi-peta berkualitas. Surfer menyediakan
metode yang lebih gridding dan kontrol yang lebih luas terutama parameter
gridding, termasuk variograms yang bisa disesuaikan, support database dari paket
perangkat lunak lain di pasar. Anda juga dapat menggunakan kotak file yang
diperoleh dari yang lain, seperti file USGS DEM atau file jaringan ESRI.
Menampilkan grid Anda sebagai peta kontur yang luar biasa, peta 3D, wireframe
3D, vektor, gambar, relief berbayang, dan peta pos. Tambahkan peta dasar dan
gabungkan beberapa jenis peta untuk menciptakan tampilan yang se-informatif
mungkin. Hampir semua aspek dari peta Anda dapat disesuaikan untuk
menghasilkan persis presentasi yang Anda inginkan. Peta publikasi menghasilkan
kualitas lebih cepat atau lebih mudah. Dengan kata lain Surfer merupakan
software yang dikhususkan untuk analisa kontur dan 3D. Surfer dapat membuat
kontur, relief, serta visualisasi 3D lainnya dengan metode input excel like.
Membahas surfer generasi sebelumnya yaitu pada versi 8 ini, banyak
fungsionalitas baru serta perbaikan. Penggunaan surfer sangatlah mudah, user

tinggal memasukkan data titik,yang terdiri dari 2 titik koordinat, yaitu x dan y,
serta satu titik ketinggian yaitu z dalam suatu worksheet seperti di excel. setelah
itu dilakukan proses gridding atau interpolasi titik tersebut dengan menggunakan
algoritma pilihan di surfer meliputi inverse distance, krigging, minimum
curvature, nearest neighbour, polynominal regression, radial basis function,
shepard method, serta triangulation with linear interpolation. selain fungsi
interpolasi untuk pembuatan data 3D, surfer juga dilengkapi dengan analisa
overlay, selain itu terdapat pula fungsi annotation untuk melengkapi informasi
peta serta advanced editing, untuk perbaikan data.
Gambar 3. Tampilan Surfer 8

Pemetaan Kontur dan Pemodelan Spasial 3 Dimensi ini berbasiskan pada


software Surfer. Surfer adalah salah satu perangkat lunak yang digunakan untuk
pembuatan peta kontur dan pemodelan tiga dimensi dengan mendasarkan pada
grid. Perangkat lunak ini melakukan plotting data tabular XYZ tak beraturan
menjadi lembar titik-titik segi empat (grid) yang beraturan. Grid adalah
serangkaian garis vertikal dan horisontal yang dalam surfer berbentuk segi empat
dan digunakan sebagai dasar pembentuk kontur dan surface tiga dimensi. Surfer

tidak mensyaratkan perangkat keras ataupun sistem operasi yang tinggi. Oleh
karena itu, surfer relatif mudah dalam aplikasinya.
Surfer memberikan kemudahan dalam pemuatan berbagai macam peta
kontur atau model spasial 3 Dimensi. Sangat membantu dalam analisis
volumetrik, Cut And Fill, slope, dan lain-lain. Memungkinkan pembuatan peta 3
dimensi dari suatu data tabular yang disusun dengan menggunakan worksheet
seperti excel dan lain-lain.Surfer membantu dalam analisis kelerengan, ataupun
morfologi lahan dari suatu foto udara atau citra satelit yang telah memiliki datum
ketinggian. Aplikasi lain yang sering menggunakan surfer adalah analisis spasial
untuk mitigasi bencana alam yang berkaitan dengan faktor topografi dan
morfologi lahan. Surfer dapat memberikan gambaran secara spasial letak potensi
bencana.
Kemudian Surfer adalah Contouring dan pemetaan permukaan 3D
program yang berjalan di bawah Microsoft Windows. Dengan cepat dan mudah
mengkonversi data anda ke kontur yang menonjol, 3D permukaan, 3D gambar
rangka, vektor, gambar, naungan lega, dan pasca peta. Hampir semua aspek peta
Anda dapat disesuaikan untuk menghasilkan presentasi persis yang Anda
inginkan. Memproduksi kualitas publikasi peta tidak pernah lebih cepat atau lebih
mudah.
2.3 Langkah-Langkah Pemodelan Menggunakan Surfer
1. Persiapkan data hasil ukuran yang sudah diproses ke dalam excel dan sesuai
dalam aplikasi surfer untuk pengidentifikasian nilai X, Y dan Z.
2. Susun data koordinat sesuai gambar di bawah ini:

3. Buka Aplikasi Golden Surfer yang sudah terinstal di komputer dan akan
muncul tapilan awal seperti gambar dibawah ini:

4. Pilih menu Grid --> Data dan kita diminta untuk membuka file excel yang
sudah kita persiapkan. Pilih data excel di direktori penyimpanan kita kemudian
pilih Open. Data akan diconvert ke dalam format ekstensi *.grd.

5. Pada tampilan gambar seperti di bawah ini, isilah X=Column A; Y=Column B;


Z= Column C. Pada Gridding Method isilah Kriging atau yang lainnya,
menyesuaikan metode penarikan garis kontur yang kita inginkan, kali ini pilihlah
Kriging.

6. Close Tampilan Gridding Report dan tidak perlu disimpan.


7. Pilih menu Map --> Contour Map --> New Contour Map, kemudian pilih file
yang telah kita buat dalam format ekstensi *.grd --> Open

8. Tampilan kontur akan muncul seperti gambar berikut:

9. Double Click pada bidang kontur untuk mendapatkan menu Contours


Properties seperti gambar di bawah ini:

Pilih menu tab Level dan klik tulisan Level yang berada di sebelah kiri Line untuk
mengatur interval kontur.

10. Pembuatan kontur kita sudah selesai, untuk mengeksport kontur pilih menu
Map --> Export Contour.
11. Untuk mendapatkan tampilan 3D pilih menu Map --> New --> 3D Surface dan
atau 3D Wireframe.

2.4 Resume Jurnal


Assessment Erosion 3D Hazard with USLE and Surfer Tool: A Case
Study of Sumani Watershed in West Sumatra Indonesia
1. Pendahuluan
Erosi tanah di Indonesia adalah salah satu yang paling serius masalah
degradasi lingkungan (Kusumandari dan Mitchell 1997). Hampir 80% dari hal ini
disebabkan menurunnya dalam produktivitas lahan pertanian dan yang lainnya
pendangkalan sistem irigasi dan hilangnya kapasitas waduk.
Sumani DAS adalah daerah penghasil beras di Sumatera Barat menghadapi
Danau Singkarak untuk (107,8 km2 , 364 m dpl) yang memasok listrik oleh
pembangkit listrik tenaga air untuk Sumatera Barat dan Riau. Sumani DAS di
berada di risiko serius di mana kesuburan tanah dan produktivitas tanaman
menurun karena erosi tanah kondisi air karena curah hujan yang tinggi (2.201 mm
y-1) (Farida et al. 2005).
Evaluasi saat erosi sangat penting untuk perbaikan daerah terancam punah.
Menentukan jenis pengukuran konservasi untuk diterapkan untuk tujuan
memperkirakan dengan 3D distribusi erosi yang diperlukan untuk pengelolaan
berkelanjutan dan konservasi pertanian daerah (Ahmet et al. 2007). Saat ini yang
paling umum metode yang digunakan untuk memprediksi Tingkat erosi dari lahan
pertanian adalah Universal Soil Loss Equation (USLE) dan Revised Universal soil
Loss Equation (RUSLE) (Renard et al. 1994).
2. Metode Penelitian
Daerah penelitian
DAS Sumani, meliputi 58.330 ha dan terletak di kabupaten Solok Sumatra
Barat. DAS Sumani dipilih karena merupakan DAS yang terkenal di Sumatra
Barat dan memasok kebutuhan listrik disekitarnya. Namun kondisi yang sekarang
karena pendangkalan yang disebabkan erosi, maka terjadi pemadaman listrik
mendadak.
Survey lapangan dan metode analitis
Survei tanah dilakukan di 101 lokasi (42 lokasi dan tahun 2002, 39 lokasi di
tahun 2007 dan 20 situs di 2011). Tanah dikumpulkan dari lokasi tersebut
dikedalaman 0-20 cm dan 20 - 40 cm. Sampel tanah yang dikeringkan dan diayak
dengan ukuran mesh 2 mm untuk fisika-kimia analisis. Organik karbon ditentukan
dengan metode Metode Walkley dan Black, tekstur tanah ditentukan dengan

Metode pipette, permeabilitas tanah menggunakan metode De Boot dan sampel


volumetrik menggunkan bulk density. Hasil analisis ini diintegrasikan ke dalam
usulan agro-ekologi penggunaan lahan dan di modelkan dengan soil erosion 3D.
Model pendekatan dan proses data Mapping and Erosion 3 Dimension
(E3D)
Pengolahan data keseluruhan menggunakan USLE, dilakukan di Surfer 9
(software Golden 2010) berhubungan dengan meteorologi, survei tanah, peta
topografi, dan petugas studi lain yang berlaku. Sumber data dikonversi ke dalam
format grid, tiap grid mewakili ukuran 125 m dengan 125 m.
Analisis Dampak Erosi
Dalam USLE, kehilangan tanah rata-rata tahunan dinyatakan sebagai fungsi
dari enam faktor erosi:
E = R K L S C P [1]
DAS dibagi oleh 39.316 grid dengan ukuran 125 m 125 m data dasar
dialokasikan atau diperkirakan pada setiap kotak dengan cara membaca peta dan
citra Landsat untuk penggunaan lahan jenis dan ketinggian atau metode kriging
untuk aplikasi dan tanah properti.
Curah hujan erosivitas Factor (R-faktor)
R-faktor adalah faktor erosivitas curah hujan yang merupakan kemampuan
potensi hujan menyebabkan erosi tanah. Untuk menghitung nilai bulanan dari Rfaktor digunakan:
R = 6,19 (Rf) 1,21 (Rn) -0,47 (Rm) 0,53 [2]
Di mana R adalah erosivitas bulanan, Rf total bulanan curah hujan, Rn
adalah jumlah hari hujan per bulan, dan Rm adalah curah hujan maksimum
selama 24 jam dibulan yang diamati.
Tanah Erodibilitas Factor (K-Factor)
K-faktor mewakili kerentanan tanah erosi dan tingkat limpasan yang diukur
dalam kondisi alur standar. Nilai untuk K-faktor itu dihitung dengan
menggunakan persamaan berikut (Wischmeier dan Smith. 1978):
100K = 2,713 M 1.14 (10 -4) (12-a) 3,25 (b-2) 2,5 (c-3) [3]
Kemiringan Panjang dan kecuraman Factor (LS-Factor)

Untuk perhitungan LS-faktor, yang USLE asli rumus untuk memperkirakan


panjang lereng dan kemiringan kecuraman dapat digunakan (Wischmeier dan
Smith 1978). Berikut rumus LS:
LS = (L / 22,1) m (.. 65,41 sin2 X + 4,56 dosa X + 0,065) [4]
LS = (L / 22,1) 0,7 (6,432 dosa (. X 0,79). cos (X)) [5]
Dimana L adalah panjang lereng dalam, X adalah sudut kemiringan dalam
derajat, m adalah eksponen yang bervariasi dengan gradien kemiringan seperti
pada 0.2 <1%, 0,3 untuk 1-3%, 0,4 untuk 3,5-4,5% dan 0,5 untuk> 5%. m adalah
eksponen yang tergantung pada kecuraman lereng (0,5 untuk lereng> 5%, 0,4
untuk lereng 4% dan 0,3 untuk lereng <% 3). M diambil 0,5 untuk lereng antara
5% dan 21% dan 0,3 untuk lereng <5% dalam Persamaan (4).
Cover Crop (C-faktor) dan Konservasi
Nilai C-faktor Hutan yang diambil 0.001, 0.29 untuk padang rumput
(Brachiaria sp.), 0.4 untuk tanah pertanian, 0.2 untuk campuran taman
(agroforestry) didominasi oleh (abadi tanaman kelapa, cengkeh, kopi, jati,
mahoni, sawo (a jenis buah tropis), alpukat, melinjo (K.O. Pohon), karet.
cinnamons), 0,3 untuk kelapa, 0.01 untuk sawah, 0,01 untuk semak, 0,002 untuk
pinus dan 0,95 untuk penyelesaian. Daerah sawah memiliki konservasi praktek
sebagai teras tradisional dengan nilai P-faktor 0,4 dan untuk bidang pertanian,
campuran taman dan kelapa memiliki P-faktor 0,5 karena memiliki tanaman
perkebunan yang memiliki tutupan lahan tengah.
Rasio sedimen Pengiriman (SDR)
Rasio pengiriman sedimen (SDR) adalah jumlah sedimen yang sebenarnya
diangkut dari mengikis sumber ke titik pengukuran. dinyatakan sebagai:
SDR (%) = Y / E 100
Di mana Y adalah hasil sedimen tahunan rata-rata per satuan luas dan E
adalah erosi tahunan rata-rata lebih menilai daerah yang sama di Mg ha-1thn-1.
Sedimen hasil Data tahun 1992 dikumpulkan oleh Saidi (1995). Sampel sedimen
dikumpulkan dari lima DPS outlet dan outlet DAS yang dikumpulkan pada
waktu-langkah bulanan untuk periode 1 tahun pengamatan (Agustus 1992-Juli
1993). SDR di 1992 dihitung berdasarkan hasil sedimen ini nilai-nilai dan tingkat
erosi tanah diperkirakan di penelitian ini. SDR pada tahun 1992 digunakan untuk
memperkirakan sedimen untuk 2011.
3. HASIL DAN DISKUSI

Curah hujan erosivitas (R) Factor


Nilai erosivitas curah hujan dihitung menggunakan Persamaan 2. DAS
Sumani dikelompokkan menjadi 3 erosivitas hujan digolongkan berdasarkan
distribusi 3 stasiun klimatologi yang masih ada sampai sekarang. O'Neal dkk.
(2005) menjelaskan bahwa peningkatan curah hujan dan sedikit daerah tadahan
hujan dapat meningkatkan erosi.
Tanah Erodibilitas (K-Factor)
Hasil menunjukkan bahwa perlu melakukan survei tanah untuk melihat
kondisi erodibilitas tanah (K-faktor) yang sebenarnya.
Analisis Topografi (LS-Factor)
Data topografi digital untuk DAS Sumani diperoleh dengan digitalisasi 3
lembar topografi peta skala 1: 50.000. Kontur dan sistem drainase yang
didigitalkan secara terpisah dengan DEM (Digital Elevation Model). Interval
kontur digunakan adalah 25 m. Distribusi LS-faktor menggunakan metode kriging
di Surfer. The LS-factor dihitung menggunakan Persamaan 4 dan 5 pada
kemiringan yang lebih kecil dari 20% atau lebih.
Secara umum, nilai dari dataran tinggi lebih tinggi dari dataran rendah
karena mereka didominasi oleh lereng tajam dari> 20%. Fox et al. (1999)

melaporkan bahwa turunnya hujan meningkatkan erosi di sekitar lahan yang


miring. Van Remortel dkk. (2001) melaporkan bahwa di USLE dan RUSLE model
yang digunakan untuk memprediksi erosi tanah.
Tanaman dan Manajemen (C-Factor).
C-faktor diproyeksikan ke USLE yang disesuaikan dengan DAS Sumani
sesuai untuk setiap vegetasi kondisi / tanaman. Nilai C-faktor berkisar 0,001-0,95.
Menentukan Praktek Konservasi (P Factor)
Dari gambar menunjukkan bahwa nilai-nilai dataran tinggi P-faktor berkisar
0,4-1 dan didominasi oleh teras sawah dan bidang taman dan campuran sayuran
dataran rendah namun Nilai P-faktor berkisar 0,4, 0,5 dan 1 dan didominasi oleh
sawah, campuran taman, pemukiman dan tidak ditemukan di hutan.
Soil Erosion Rate in Sumani Watershed and Sediment Delivery Ratio
(SDR)

4. Kesimpulan
Penelitian ini dilakukan dengan menggunakan survei data yang representatif. Data
dimasukkan dalam USLE dan E3D di Surfer dan diterapkan untuk menentukan
erosi tanah. Peta 3D tematik berguna untuk memberi data yang belum tersedia,
seperti R, K, LS, C dan P-faktor 3D peta tematik, serta 3D erosi bahaya peta
Sumani DAS. Dominan Faktor USLE dipengaruhi oleh tanah fisik-kimia sifat,
topografi, penggunaan lahan dan iklim. USLE dan E3D di Surfer digunakan

untuk memprediksi kerugian tanah cukup baik untuk besar DAS dan taksiran
untuk DPS dan dapat membantu memprediksi daerah diendapkan. Bahaya erosi
diprediksi sebagai kategori 26,23% (berat - ekstrim parah), 24,59% (moderat) dan
49,18% (sangat rendah-rendah). Masalah erosi tanah di DAS Sumani disebabkan
perubahan penggunaan lahan atau tanaman (C-faktor) perubahan dan Kondisi
alam DAS curah hujan tinggi erososivity (R-faktor), erodibilitas

DAFTAR PUSTAKA
Setyawan, Bayu Fitra Perdana, Trika Pitana, Dwi Priyanta. Estimasi Pencemaran
Udara Dari Transportasi Laut di Daerah Shore Line Selat Madura Dengan
Menggunakan Data Automatic Identification System (AIS) dan Sistem
Informasi Geografis (SIG).Surabaya.Insitut Teknologi Sepuluh November
Aflizar, Roni Afrizal1 and Tsugiyuki Masunaga.2012. J Trop Soils, Vol. 18, No. 1,
2013: 81-92.Pakuyumbuh. State Polytechnic Payakumbuh for Agriculture
U.S. Environmental Protection Agency.2004.AERMOD:Description of Model
Formulation.United States