Model

Angkutan
Ainul Firdatun
Nisaa, S.T., M.Sc. Limbah
Gasal 2021/2022
HAK CIPTA

Slide dari file ini dapat berisi beberapa

gambar yang tidak dikutip atau dikutip
dengan tidak memadai. Presentasi ini hanya
untuk penggunaan internal sebagai alat
bantu belajar. Pada prinsipnya ada hak cipta
atas seluruh konten. Izin penulis harus
diperoleh sebelum penerbitan lebih lanjut.

2
 Modul Dasar-Dasar Pemodelan Lingkungan
CPL
❑ Menguasai prinsip-prinsip dasar konsep teoritis science alam, aplikasi matematika rekayasa,
prinsip-prinsip rekayasa (engineering fundamental), science rekayasa, dan perancangan rekayasa
lingkungan serta sistem pengelolaan lingkungan;
❑ Menguasai prinsip-prinsip dasar teknologi pengendalian dan proses pencegahan pencemaran
lingkungan dan menguasai konsep aplikasinya dengan pendekatan sistem secara terintegrasi;
❑ Mampu mengaplikasikan teknologi lingkungan yang inovatif dalam mencegah dan menerapkan
pengendalian pencemaran lingkungan; dan

CPMK (salah satunya)

❑ Mampu menerapkan teori sains rekayasa, rekayasa perancangan, metode dan teknik terkini yang
diperlukan untuk analisis dan perancangan upaya pengelolaan lingkungan dalam mengerjakan
tugas secara mandiri
❑ Mampu mengembangkan pemikiran logis, kritis, sistematis, dan kreatif melalui penelitian ilmiah,
penciptaan disain dalam bidang ilmu pengetahuan dan teknologi yang memperhatikan dan
menerapkan nilai humaniora sesuai dengan bidang keahliannya, menyusun konsepsi ilmiah dan
hasil kajian berdasarkan kaidah, tata cara, dan etika ilmiah

3
Cakupan Perkuliahan
Materi Latihan

Latar Belakang Dasar Matematika

Teoritis Model Lingkungan

Contoh-contoh
Aplikasi

• Terinformasi dengan baik mengenai model angkutan limbah

• Terinformasi dengan baik mengenai model aliran tunak dan tak-
tunak

4
5
What is a model?

• Model dapat didefinisikan sebagai representasi atau deskripsi yang

bertujuan dari sistem yang diminati (Wentzel & Ekama, 1997).

• Dua aspek yang sangat relevan dalam pemodelan:

• Time (frozen state; dynamic state; steady state)

• Scale

6
Aspects of Time Dynamic state Steady state

Frozen state
• The process will
change over time,
but not in the time
interval that one is
interested in.

7
Aspects of scale

Plant-scale Unit-scale Lab-scale

8
Level of Detail of a Microbial Model

Sludge Organisms Metabolic

F/M ratio > ASM1,2,2d > ASM3 > Metabolic models

9
Why modelling?

• Keuntungan menggunakan model dalam pengolahan air limbah:

• Mendapatkan gambaran performa reactor

• Mengevaluasi kemungkinan scenario untuk upgrading

• Mengevaluasi desain reactor yang baru

• Mendukung pengambilan keputusan manajemen

• Membangun skema kontrol yang baru

10
General model setup - MONERIS
• MONERIS (Modeling Nutrient Emissions in River Systems):
• Memperkirakan emisi nutrisi (dari sumber polusi tersebar dan titik di DAS
besar), terutama N dan P
• Representasi dari kondisi rata-rata, tidak ada dinamika temporal
• Input data:
• Data topografi (penggunaan lahan, jaringan air, hidrogeologi…)
• Karakteristik wilayah (Kepadatan penduduk…)
• Inputs, e.g.
• Soil erosion; N+P-surplus dari penggunaan lahan; Deposisi atmosfer; Pembuangan polusi
kota dan industri

11
Model building – AS modelling & simulation
Steps according to (Coen et al., 1996; Petersen et al., 2002; Hulsbeek et al.,
2002)
• Definisi tujuan model atau tujuan simulasi
• Pemilihan model
• Hidrolika
• Karakterisasi air limbah & biomassa
• Kalibrasi parameter model lumpur aktif
• Model falsification
• Evaluasi skenario

12
Mass balance eq. in steady state

𝛿(𝑆𝑖𝑛 ∙ 𝑆𝑖𝑛 ) 𝛿(𝑆𝑜𝑢𝑡 ∙ 𝑆𝑜𝑢𝑡 )

= + 𝛼 ∙ 𝑞 ∙ 𝑋 ∙ 𝑉 + (𝑘1 𝐴 ∙ (𝑆𝑚𝑎𝑥 − 𝑆))
𝛿𝑡 𝛿𝑡
• Suatu senyawa yang masuk ke dalam reaktor akan keluar bersama efluen,
diubah di dalam reaktor, atau ditukar dengan fase gas di dalam
kompartemen.

• Setiap istilah dalam persamaan keseimbangan massa dinyatakan sebagai

massa dari waktu ke waktu.

13
Hypothesis Induction

• Before any statistical analysis can be Test of

Hypotheses
conducted, a researcher must generate Predictions
a guess or hypothesis about what is
going on
• Example: “Composts with different C/N
ratio will grow to different qualities“
• We cannot conclusively affirm a
Predictions
hypothesis, but we can conclusively
negate a hypothesis (the Popperian
Principle of Falsification)
Con’t
• So we need to translate the working hypothesis into a framework
wherein we state a null hypothesis (H0) that the average quality for
composts with the different C/N ratio will all be the same.
• The alternative hypothesis (H1) is that they are not all equal, but
rather some of C/N ratios have produced composts with different
average qualities.
• The strength of the data will determine whether the null hypothesis
can be rejected with a specified level of confidence.
The Difference between Statistical Hypotheses and Scientific Hypotheses https://doi.org/10.2466/pr0.1962.11.3.639
Example: quantification of mass flows
Langkah-langkahnya:
1) Menetukan jenis substance yang ingin dikuantifikasi
2) Menentukan input dan output pada setiap prosess dalam rantai
pengolahan air limbah
3) Menentukan hirarki produk
4) Menentukan hubungan input dan output produk untuk setiap proses
5) Menentukan koefisien transfer dan faktor konsentrasi dengan
menggunakan Monte Carlo
6) Menghitung debit air limbah

17
Inflows

18
 Self-assessment:
Example: Nitrogen • Berapa specific load N?
• Berapa specific load P?
• Berapa specific load BOD5?
• Berapa specific load COD?
• Berapa specific load TS?

19
Overview of Monte Carlo method
• Dalam metode MC,
sampel dihasilkan
berdasarkan model
stokastiknya (distribusi),
diproses menggunakan
teknik deterministik,
menghasilkan output.
• Semua output kemudian
dikumpulkan untuk
menilai respon melalui
© Cunha et al., 2014
statistik.

20
Mass flow analysis
▪ Monte Carlo simulations are used to quantify uncertainties
▪ The simulation repeats the mass flow calculation a defined number of times using different TCs from the range
defined by the Dirichlet distribution.

01 Input/Output 02 Hierarchy of products 03 Relations

Input and output products need One of simplifications of the Relations of the different in- and
to be defined in the beginning. model for dealing with how the out- product to each other, i.e.
input and output streams. OR, AND and XOR.

Inrel = NA
UDDT -> urine, faeces NA
Outrel = AND

04 Transfer Coefficient (TC) 05 Concentration factors (k) 06 Mass inflows

𝑚𝑜𝑢𝑡𝑝𝑢𝑡,𝑠 The factors developed by External inflow of substances
𝑇𝐶𝑜𝑢𝑡𝑝𝑢𝑡,𝑠 = σ𝑛 Spuhler et al. (2020)1 used in the entering the system through the
𝑖=1 𝑚𝑖𝑛𝑝𝑢𝑡 𝑖 ,𝑠
Dirichlet distribution. sources (tonnes/year).
TP -> urine=0.61,
Inflow = 525.60 (kg P)/y
faeces=0.39, airloss=0, Dirichlet factor for TP = 25
for 800 inhabitants
soilloss=0, waterloss=0

1Spuhler, D., Scheidegger, A., Maurer, M., 2020. Ex-ante quantification of nutrient, total solids, and water flows in sanitation
systems. Submitted to Journal of Environmental Management. DOI: 10.1016/j.watres.2020.116281.

21
Nisaa AF, Krauss M, Spuhler D. Adapting Santiago Method to Determine Appropriate and Resource Efficient Sanitation
Systems for an Urban Settlement in Lima Peru. Water. 2021; 13(9):1197. DOI: 10.3390/w13091197

22
 Recovery and Losses
Stacked bar graph of mass recovery and losses for the selected systems per year

DOI: 10.3390/w13091197

23
Manfaat
• Model ini memungkinkan kita untuk mengukur aliran massa untuk zat berikut:
nitrogen (N), fosfor (P), total solids (TS), dan air

• Model ini juga memberikan informasi tentang potensi recovery dan losses (air-,
soil-, and water-loss)

• Model ini dapat digunakan sebagai input untuk pengambilan keputusan (contoh:
memilih teknologi atau sistem yang mampu me-recover fosfor lebih baik daripada
yang lain)

24
Referensi Buku
• Any books on wastewater
treatment..
• Any books on xxx* modelling

*biological/chemical wastewater etc.

25
Terimakasih
Ainul Firdatun Nisaa, S.T., M.Sc.
firdatun@its.ac.id

26