Potensi Penggunaan Perangkat Lunak Berbasis CFD

(Computational Fluid Dynamic) untuk Mendukung

Pengembangan Pertanian Presisi
A.G. Niam

Mahasiswa Ilmu Keteknikan Pertanian,

Departemen Teknik Mesin dan Biosistem,
Fakultas Teknologi Pertanian, Institut Pertanian Bogor
Email: ghautsun@apps.ipb.ac.id

ABSTRAK
Paradigma pengembangan pertanian presisi mengarah pada upaya pengendalian
parameter lingkungan berdasarkan kesesuaian kebutuhan, respon dan performa objek
pertanian, baik berupa tanaman, hewan maupun produk pertanian lainnya. Dimana,
objek pertanian adalah sistem bio yang memiliki karakteristik kompleks, dinamis, dan
kental bersentuhan dengan fenomena dinamika fluida. CFD merupakan alat bantu
berupa teknologi yang mampu merepresentasikan visualisasi fenomena dinamika fluida
secara detail dengan rekayasa simulasi. Dengan melibatkan formulasi matematika fisika
berupa kesetimbangan massa, kesetimbangan energi dan momentum, CFD dapat
menjadi alat bantu penelitian (research tool) dan alat bantu desain (design tool). Oleh
karenanya, biaya, energi dan waktu dalam pengembangan teknologi pertanian yang
presisi dapat dihemat.

Kata kunci: computational fluid dynamic, pertanian presisi, simulasi

I. PENDAHULUAN secara detail. Oleh karena itu, Norton

et al., (2007) beranggapan bahwa
Perkembangan disektor pertanian
aplikasi Computational Fluid Dynamics
sudah mulai mengarah pada pertanian
(CFD) di bidang industri pertanian akan
yang presisi, dimana setiap proses
menjadi kebutuhan yang krusial.
pengendalian harus mengacu pada
Dimana CFD merupakan suatu teknologi
ketepatan dan kesesuaian dengan
komputasi yang melibatkan rekayasa
kebutuhan, respon serta performa
simulasi dengan menggunakan analisa
objek pertanian yang dikontrol.
numerik dan formulasi matematika
Sehingga efektifitas dan optimalisasi
fisika untuk menganalisa fenomena
dapat
dinamika fluida seperti aliran fluida
dicapai. Namun tidak dapat
(tekanan, friksi, kecepatan dan
dipungkiri bahwa objek pertanian
densitas fluida), perpindahan panas,
merupakan sistem bio yang memiliki
reaksi kimia, perubahan phasa,
karakteristik kompleks dan dinamis,
interaksi fluida dan benda solid. Hasil
sehingga fenomena parameter fisik
dari simulasi CFD adalah berupa
yang terjadi disekitarnya bersifat non-
prediksi data spasial, kontur, vektor
linier. Hal inilah yang mendasari bahwa
maupun titik secara detail dan presisi,
perlakuan dalam proses pengendalian
juga mampu menyajikannya secara
lingkungan fisik untuk objek pertanian
animasi fenomena dinamika fluida.
tidak dapat diseragamkan. Oleh karena
Penggunaan aplikasi CFD di dunia
itu, untuk membantu memahami
penelitian cukup signifikan. Salah satu
fenomena parameter fisik lingkungan
indikator perkembangan penggunaan
yang dinamis, kompleks serta nonlinier
aplikasi CFD dapat dilihat dari jumlah
tersebut, diperlukan alat bantu riset
makalah jurnal yang telah dipublikasi di
dan desain sistem yang mampu
pangkalan jurnal internasional
merepresentasikan visualisasi fenomena
(sciencedirect) sepanjang 10 tahun
dinamika fluida dan pindah panas
terakhir (Gambar 1).

107

Gambar 1.Perkembangan jurnal
tentang aplikasi CFD.
Jumlah publikasi jurnal yang
berkaitan dengan aplikasi CFD
mencapai 39537 jurnal dari semua
kategori bidang
(www.sciencedirect.com, diakses: 05
Oktober 2013), dengan peningkatan
jumlah publikasi jurnal tentang CFD
setiap tahunnya rata-rata mencapai
15%. Namun, penggunaan aplikasi CFD
dibidang pertanian, baik untuk desain
sistem dari fasilitas bangunan pertanian
seperti kandang, rumah tanaman
(greenhouse), gudang penyimpanan dan
kemasan produk pertanian, belum
banyak mendapat perhatian dari para
peneliti dan pelaku agro-industri.
Gambar 2.
Gambar 2. Persentase publikasi jurnal
tentang CFD berdasarkan bidang
tertentu.
Dari gambar 2 dapat dilihat bahwa
publikasi jurnal aplikasi CFD dibidang
pertanian masih sangat minim, yaitu
dibawah 1%. Hal ini menjadi indikasi
bahwa bidang pertanian belum
mendapat perhatian penuh untuk
mengarah pada pengembangan kajian
pertanian presisi.
108
II. PRINSIP DASAR CFD
PERSAMAAN UNTUK KONDISI ALIRAN
STEADY
Persamaan dasar dalam CFD terdiri
dari hukum kekekalan massa,
momentum dan energi (Zhang, 2005),
maka pendekatan numerik untuk
merepresentasikan prinsip kontinuitas
massa dengan asumsi kondisi alirannya
steady (Norton et al., 2007) dapat
dituliskan dengan persamaan Navier-
Stokes berikut:
( ) (1)
dimana ρ merupakan massa jenis fluida
dengan satuan (kg m-3), t menunjukkan
waktu (detik), x adalah jarak pada
koordinat kartesian (m), u adalah
-1
kecepatan udara (m s ), dan i,
jadalah indeks koordinat kartesian.
Perubahan spesies massa pada
fenomena aliran fluida terjadi sejalan
dengan adanya pergerakan elemen
massa fluida yang berubah terhadap
waktu ke dalam suatu volume terbatas
harus seimbang, sedangkan hukum
kekekalan momentum yang ditemukan
oleh Newton menyatakan bahwa:
jumlah aksi gaya eksternal pada
partikel fluida sama dengan laju
momentum secara linier.
( ) ( ) [
( )] (2)
dimana p adalah tekanan (Pa), δij
merupakan delta Kronektor yang
menunjukkan perbedaan tekanan, µ
adalah viskositas dinamik (kg m-1 s-1),
dan g adalah kecepatan gravitasi (m s-
2
).
Persamaan energi diturunkan dari
hukum pertama termodinamika yang
menyatakan bahwa laju perubahan
energi partikel fluida sama dengan laju
penambahan panas ke dalam partikel
fluida ditambahkan dengan laju kerja
yang diberikan pada partikel.
 ̅̅̅
( ) ( ) ( ) ( ̅) ( ̅ ̅) (
(3)
̅̅̅̅
) (5)
dimana, Ca kapasitas panas spesifik (W
( ̅) ( ̅ ̅)
kg-1K-1), T adalah suhu (C), λ adalah
̅
konduktifitas panas (W m-1K-1), dan sT ( ) (6)
-3
adalah source atau sink panas (W m ). dimana efek turbulen pada viskositas
Penyelesaian persamaan diferensial total dan pindah panas dapat
yang cukup kompleks tidak dapat dituliskan:
dieksekusi langsung oleh komputer.
Oleh karena itu, persamaan aljabar (7)
tersebut ditransformasikan terlebih
dahulu menjadi persamaan aljabar (8)
diskrit yang lebih sederhana, sehingga ̅̅̅̅̅̅̅̅̅
komputer dapat mengeksekusinya (9)
dengan ringan. Metode penyederhanaan
ini disebut sebagai metode diskritisasi Dengan menggunakan model
(Versteeg and Malalasekera, 1995). turbulensi k-ε, kemudian
Metode diskritisasi yang sering dikenal disubstitusikan ke persamaan di atas,
adalah: Finite Different Method (FDM), maka dapat dituliskan:
Finite Element Method (FEM) dan Finite
Volume Method (FVM). Namun untuk ( ̅ ) [(
simulasi dinamika fluida, FVM lebih
sering digunakan. Karena, dengan ) ] (10)
waktu komputasi per grid dan step yang
sama seringkali FEM membutuhkan ( ̅ ) [( ) ]
kapasitas memori dua kali lebih besar
dibanding FVM. Hal ini telah dibuktikan (11)
oleh (Nakajima and Kallinderis 1994;
Haindl et al., 1999; O‘Callaghan et al., (12)
2003; dan Molina-Aiz et al. 2010) untuk
membandingkan kedua metode (13)
tersebut dalam hal sensitifitas, akurasi,
waktu dan kapasitas memori yang Untuk memprediksi aliran fluida
dibutuhkan untuk solving kasus yang yang disebabkan oleh adanya pindah
sama. panas, transport massa, transport
spesies dan perbedaan tekanan, di
PERSAMAAN UNTUK KONDISI ALIRAN bidang teknik pertanian, sering
TURBULEN melibatkan pendekatan fungsi efek
bouyancy, tahanan aliran pada media
Momentum turbulen dan transport porous, newtonian dan non newtonian
skalar sering kali digunakan untuk (Sun, 2007).
memprediksi nilai kalor/panas pada
suatu permukaan dan koefisien transfer
massa, panas yang dipengaruhi dari III. PERSAMAAN UNTUK KONDISI
material properties struktur bangunan ALIRAN YANG MELALUI MEDIA POROUS
atau kemasan produk pertanian, serta
karakteristik aliran fluida yang DAN EFEK BOUYANCY
berinteraksi dengan struktur solid,
sehingga menghasilkan pola aliran yang Efek bouyancy timbul akibat adanya
turbulen. Pendekatan yang sering perbedaan suhu yang membuat
digunakan adalah persamaan RANS perubahan masa jenis udara.
(Reynold-Averaged Navier-Stokes). Terjadinya perbedaan massa jenis
udara ditambah adanya pengaruh gaya
(̅̅̅̅̅) gravitasi
(4) bumi, akan mengakibatkan
pergerakan udara secara alamiah

109
(Baeza et al., 2009). Fenomena mendefinisikan fungsi sendiri
tersebut didekati dengan model berdasarkan teori yang dikaji dalam
Boussinesq yang diekspresikan dalam ekperimennya. Beberapa software
persamaan 14. komersil memiliki spesifikasi aplikasi
yang berbeda yang bersifat spesialis
( ) ( ) (14)
untuk kasus tertentu, seperti spesialis
Dimana β merupakan koefisien ekspansi untuk kasus multiphase, aerospace,
thermal udara (C-1). sistem ventilasi, particlestudy,
pembakaran (combustion) pada mesin,
Sedangkan pendefinisian aliran pada dan interaksi struktur, yang sekaligus
porous media dapat ditentukan dengan menunjukan kualifikasi bidang research
persamaan Darcy-Forchheimer, yang dari masing-masing pengembang
menyatakan bahwa gaya tarikan yang software.
disebabkan oleh kasa dan tanaman SФ
dipengaruhi oleh sifat fluida berupa Beberapa software berbasis CFD
densitas udara (kg m-3) dan viskositas komersial yang familiar diantaranya
dinamik udara µ (kg s-1m-1), serta sifat adalah: ANSYS CFX, ANSYS FLUENT,
geometri kasa berupa permeabilitas FloVent, PHOENICS, CFD2000, Flow
poros Kp (m2) dan Cf(non-dimensional) Simulation SolidWorks dan FloEFD.
adalah kehilangan momentum Sedangkan OpenFoam merupakan salah
(Majdoubi et al., 2009). satu software yang non komersil (Open
Source). Terdapat juga software
(( ) ( ) ) berbasis CFD karya anak bangsa, yaitu
(15)
√ CFDSoft dari Universitas Indonesia.
Kehilangan momentum bersifat non
linier dan memiliki hubungan
proporsional dengan densitas daun V. TAHAPAN SIMULASI MENGGUNAKAN
(Bruse, 1998). CFD
(16)
Simulasi dengan menggunakan CFD
2 -3
dimana ILAV(m m ) merupakan indeks secara garis besar terdiri dari empat
luasan daun tiap satuan volume dan proses kerja utama, yaitu identifikasi
CDadalah dragcoefficient atau resistansi masalah, pra-pemrosesan
udara pada kanopi tanaman. Untuk (prepocessing), pencarian solusi
tanaman tomat yang sudah tinggi dan (solving), dan pasca-pemrosesan
berbuah, Haxaire (1999) dalam (postprocessing). Dalam identifikasi
Majdoubi et al. (2009) telah masalah, setidaknya terdapat dua hal
menentukan nilai CD= 0.32, yang perlu diperhatikan yaitu
menggunakan wind tunnel. menentukan tujuan simulasi dan
menentukan domain fluida yang akan
dikaji, sehingga batasan dan asumsi
IV. PERANGKAT LUNAK YANG yang digunakan turut menentukat
akurasi dan kecepatan dalam simulasi.
BERBASIS CFD
Tahapan preprocessing terdiri dari 4 hal
Dalam dua dekade terakhir, utama, yaitu: 1). Pembuatan geometry,
perkembangan CFD semakin banyak di 2). Menentukan tipe mesh yang akan
dunia teknologi perangkat lunak, mulai digunakan (triangle, quadrilateral,
dari software yang komersil sampai tetrahedron, hexahedron, pyramid,
dengan pengembangan software prism). Kapasitas memori juga
berbasis CFD yang open source. mempengaruhi banyaknya cell/grid
Beberapa features yang disajikan yang dapat dibuat, 3).Menentukan
memungkinkan user untuk merekayasa material properties dari fluida,
aliran udara dalam sistem ventilasi, physical models, boundary condition,
karakteristik aliran fluida yang turbulence modelling, etc. 4).
berinteraksi dengan benda solid, model Pengaturan solver (numerical schemes,
aliran yang melewati media porous, convergence controls, convergence
bahkan memungkin user untuk monitors, etc). Proses selanjutnya

110
adalah solving yaitu pencarian solusi berbasis finite element (Janjai et al.,
dengan penyelesaian persamaan atur 2008).
dinamika fluida yang telah
Kajian aplikasi CFD untuk fasilitas
didiskritisasi. Penyelesaian persamaan
bangunan pertanian juga telah banyak
yang sudah didiskritisasi berbasis pada
dikembangkan, diantaranya adalah:
gradien atau perbedaan nilai di titik
analisis sebaran suhu dan pola aliran
pusat grid hingga mencapai kondisi
udara dengan penerapan exhaust fan
yang konvergen. Konvergensi
pada greenhouse tipe standard peak
menunjukkan stabilitas atau konsistensi
(Niam, 2009) sebagaimana disajikan
dari hasil perhitungan pada setiap
pada Gambar 3., analisis ventilasi
tahap iterasi. Tingkat akurasi dari
alamiah pada greenhouse tipe parral
solver ditentukan oleh tingkat
dengan dan tanpa kasa (Baeza et al.,
keakuratan dari kondisi batas atau
2009),menentukan nilai pressure drop
asumsi yang digunakan, meshing dan
pada kasa greenhouse (Teitel, 2010),
numerical error (baik karena
prediksi model kondensasi di dalam
keterbatasan software atau karena
greenhouse ketika malam (Piscia et al.,
kekeliruan user software).
2012).
Tahapan terakhir dalam simulasi CFD
Proses akhir dari simulasi adalah
postprocessing, yaitu proses penyajian
data hasil simulasi yang dapat berupa
plot kontur, plot garis, plot vektor dan
animasi. Plot kontur, plot garis dan plot
vektor dapat menunjukkan nilai
distribusi sebaran dari setiap parameter
yang dihitung, sedangkan animasi
berfungsi untuk menunjukkan dinamika
dari setiap parameter yang dihitung,
sehingga fenomena dinamika fluida Gambar 3. Sebaran suhu pada
dapat dengan mudah difahami secara greenhouse tipe standard
visual dan mudah untuk dianalisa. peak, (Niam, 2009).
VI. PENERAPAN CFD DI BIDANG Selain itu, optimalisasi penggunaan
insect screen pada greenhouse (Fatnassi
PERTANIAN
et al., 2006), analisis efektifitas
ventilasi pada kandang sapi
Fleksibilitas yang disajikan dalam
(Gebremedhin and Wu, 2003), juga
simulasi dengan menggunakan CFD,
model aliran udara, suhu dan RH
memungkinkan untuk melakukan
melalui kanopi tanaman dan daun
beberapa kajian berbeda dengan cepat,
(Endalew et al., 2009; Roy et al.,
akurat dan hemat biaya serta waktu
2008), terlihat pada Gambar 4 dan
(Ambaw et al., 2013). Seperti analisis
Gambar 5.
desain untuk sistem pendingin produk
holtikultura, diantaranya adalah sistem
pendinginan ventilasi alami, sistem
pendingin udara-dipaksakan, sistem
pendingin dengan pengabut, dan sistem
pendingin dengan air (Allais and
Alvarez, 2001). Selain itu, penerapan
CFD juga telah diaplikasikan untuk
proses penanganan pasca panen produk
pertanian (Sun, 2007), seperti analisis
proses pindah panas pada telur ayam,
analisis pindah panas dan transfer
massa pada proses pendinginan daging
sapi, model aliran udara pada ventilasi
kemasan produk hortikultura, dan
simulasi pengeringan buah mangga

111
 Namun, beberapa hal justru menjadi
potensi baru, diantaranya:
1) Untuk mempercepat proses
iterasi, pengembangan teknologi
komputasi sudah banyak yang
menggunakan konsep parallel
processing, sehingga
kompleksitas fenomena dinamika
fluida pada produk dan fasilitas
pertanian sangat memungkinkan
untuk dikaji dengan melibatkan
CFD.
2) Adanya tahapan pendefinisian
propertis material fisik dari
Gambar 4. Sebaran nilai RH pada produk pertanian memberikan
permukaan daun (Roy et al., peluang topik penelitian baru
2008) yang terintegrasi antara
penelitian fundamental dan
terapan, sekaligus meningkatkan
kesadaran akan pentingnya
pangkalan data dasar dari
masing-masing material produk
pertanian.
3) Fleksibilitas featurs dalam
simulasi CFD, serta hasil
pendekatan simulasi yang cukup
akurat menjadi potensi besar dan
luas dalam pengembangan
penanganan produk pertanian
Gambar 5. Kecepatan udara melewati
secara nondestruktif, efisien,
kanopi tanaman, (Endalew et al.,
serta hemat waktu, serta tidak
2009).
tergantung pada waktu
VII. FAKTOR KENDALA DAN POTENSI pertumbuhan objek pertanian
PENGEMBANGAN CFD DI BIDANG yang dibudidayakan baik
PERTANIAN. tanaman maupun hewan.
VIII. KESIMPULAN
Beberapa kendala dalam
pengembangan aplikasi CFD untuk
bidang pertanian antara lain adalah: Hasil analisis dari simulasi
menggunakan CFD yang memungkinkan
1) Ketersediaan data propertis/ visualisasi ilmiah tentang distribusi
karakteristik fisik dari material suhu, pola pergerakan fluida, transfer
produk pertanian masih sangat massa, perubahan phasa, pada fasilitas
kurang. Sehingga pendefinisian bangunan pertanian maupun produk
material propertis dalam pertanian memungkinkan peluang baru
melakukan simulasi CFD menjadi untukperbaikan analisis kinerja,
sulit. perancangan (desain), konstruksi,
2) Kapasitas hadrware yang desain proses dan implementasi
dibutuhkan untuk simulasi CFD penanganan produk pertanian yang
cukup besar sehingga investasi lebih baik, detail dan akurat. Sehingga
biayanya cukup tinggi. memiliki potensi daya dukung tinggi
3) Membutuhkan kecermatan terhadap upaya pengembangan
formulasi matematika diskrit yang pertanian presisi.
cukup kompleks.

112
 DAFTAR PUSTAKA
Allais, I., Alvarez, G., 2001. Analysis of
heat transfer during mist chilling
of a packed bed of spheres
simulating foodstuffs. Journal of
Food Engineering 49, 37–47.
Ambaw, A., Delele, M.A., Defraeye, T.,
Ho, Q.T., Opara, L.U., Nicolaϊ,
B.M., Verboven, P. 2013. The use
of CFD to caracterize and design
post-harvest storage facilities:
Past, present and future.
Computers and Electronics in
Agriculture. (93): 184-194.
Bruse, M., 1998. Development of a
numerical model for the simulation
of exchange processes between
small scale environmental design
and microclimate in urban areas
[Ph.D thesis]. Germany: University
of Bochum.
Endalew, A.M., Hertog, M.,
Gebrehiwot, M.G., Baelmans, M.,
Ramon, H., Nicolaϊ, B.M.,
Verboven, P., 2009. Modeling
airflow within model plant
canopies using an integrated
approach. Computers and
Electronics in Agriculture. (66): 9-
24.
Fatnassi, H., Boulard, T., Poncet, C.,
Chave, M., 2006. Optimisation of
greenhouse insect screening with
computational fluid dynamics.
Biosystems Engineering. (93): 301-
312.
Gebremedhin, K.G., Wu, B., 2003.
Characterization of flow field in a
ventilated space and simulation of
heat exchange between cows and
their environment. Journal of
Thermal Biology. (28): 301-319.
Haindl,B., Kosik, R., Fleischmann,P.,
Selberherr,S., 1999. Comparison of
finite element and finite box
discretization for three-
dimensional diffusion modeling
using AMIGOS. International
Conference on simulation of
semiconductor processes and
devices (SISPAD‘99), Kyoto, Japan,
june 9-August 9, pp 131-134.
Janjai, S., Lamlert, N., Intawee, P.,
Mahayothee, B.,
Haewsungcharern, M., Bala, B.K.,
Müller, J. 2008. Finite element
simulation of drying of mango.
Biosystems Engineering. (99): 523-
531
Majdoubi, H., T. Boulard, H. Fatnassi,
L.Buirden. 2009. Airflow and
microclimate patterns in a one-
hectare Canary type greenhouse:
An experimental and CFD assisted
study. Agricultural and Forest
Meteorology (149): 1050-1062
Molina-Aiz, F.D., H. Fatnassi, T.
Boulard, J.C. Roy, D.L. Valera.
2010. Comparison of finite
element and finite volume
methods for simulation of natural
ventilation in greenhouses.
Computers and Electronics in
Agriculture (72): 69-86.
Nakajima,K., Kallinderis, Y. 1994.
Comparison of finite element and
finite volume methods for
incompressible viscous flows.
AIAAJ. 32 (5).1090-1093.
Niam, A.G., 2009. Simulasi distribusi
suhu dan pergerakan udara pada
rumah tanaman tipe standar peak
berventilasi mekanis menggunakan
Computational Fluid Dynamics.
[thesis]. Bogor: Pascasarjana,
Institut Pertanian Bogor.
Norton, Tomas., Da-Wen Sun, Jim
Grant, Richard Fallon, Vincent
Dodd. 2007. Applications of
Computational Fluid Dynamics
(CFD) in The Modeling and Design
of Ventilation Systems in The
Agricultural Industry: A review.
Bioresource Technology (98): 2386-
2414.
O‘Callaghan,S., Walsh, M.,
McGloughlin, T., 2003. Comparison
of finite volume, finite element
and theoretical predictions of
blood flow through an idealised
femoral artery. Summer
Bioengineering Conference. Key
Biscayne, Florida, USA, june 25-29.
Pp 417-418.
Piscia, D., Montero, J.I., Baeza, E.,
Bailey, B.J., 2012. A CFD
113
 greenhouse night-time Teitel, M. 2010. Using computational
condensation model. Biosystems fluid dynamics simulations to
Engineering (3) 141-154. determine pressure drops on
woven screens. Biosystem
Roy, J.C., Vidal, C., Fargues, J.,
Engineering (105):172-179.
Boulard, T., 2008. CFD based
determination of temperature and Versteeg H.K. and W. Malalasekera.
humidity at leaf surface. 1995. An Introduction to
Computers and Electronics in Computational Fluid Dynamics The
Agriculture. (61): 201-212. Finite Volume Method. John Wiley
& Sons Inc. New

Sun, Da-Wen, 2007. Computational

Fluid Dynamics in Food Processing.
CRC Press. USA.

114