idi
ng
Semi
narNas
ionalFi
si
ka
InovasRise Fi
si
k da Apli
kasi
ny d
Er M erdek Bel
aja –Kampu M erdek
Depar
temenFisi
ka-FMI PA
Uni
ver
sit
asHasanuddin
Makas
sar,2Oktober2022
Prosiding
Seminar Nasional Fisika Makassar 2022
“Inovasi Riset Fisika dan Aplikasinya di Era Merdeka Belajar – Kampus Merdeka”
Prosiding
Seminar Nasional Fisika Makassar 2022
“Inovasi Riset Fisika dan Aplikasinya di Era Merdeka Belajar – Kampus Merdeka”
Editor
Bualkar Abdullah
Bidayatul Armynah
Bannu
Universitas Hasanuddin
Makassar, 2 Oktober 2022
Prosiding Seminar Nasional Fisika Makassar 2022
“Inovasi Riset Fisika dan Aplikasinya di Era Merdeka Belajar – Kampus Merdeka”
Editor Penyelenggara
Prof. Dr. Bualkar Abdullah, M.Eng.Sc. Pengarah: Dr. eng. Amiruddin, S.Si., M.Si.
Dr. Ir. Bidayatul Armynah, M.T. Tim Pengarah: Dr. Khaeruddin, M.Sc., Dr. Sci.
Bannu, S.Si., M.Si. Muhammad Zakir, M.Sc., Dr. Syahribulan,
M.Si., Prof. Dr. Arifin, M.T.
Reviewer Ketua: Azwar Sutiono, S.Si., M.Si.
Prof. Dr. Sri Suryani, DEA. Wakil Ketua: Heryanto, S.Si., M.Si.
Prof. Dr. Dahlang Tahir, M.Si. Kesekretariatan: Dr. Nurlaela Rauf, M.Sc., Nur
Prof. Dr. rer nat Wira Bahari Nurdin Hasanah, S.Si., M.Si
Prof. Dr. Tasrief Surungan Sie Sekretariat: Dr. Sri Dewi Astuty, M.Si., A.
Asviana Amin, S.E., Hareana, A.Md.
Layout dan Desain Sampul Sie Akomodasi: Prof. Dr. Syamsir Dewang,
Muhammad Hidayat M.Eng.Sc., Prof. Dr. Paulus Lobo Gareso,
M.Sc., Drs. Bansawang, BJ., M.Si.
e-ISBN 978-979-530-467-8 Sie Reviewer: Prof. Dr. Sri Suryani, DEA., Prof.
Mei 2023 Dr. Dahlang tahir, M.Si., Prof. Dr.rer.nat. Wira
Bahari Nurdin, Prof. Dr. Tasrief Surungan,
Penerbit M.Sc.
Unhas Press Sie Editor: Prof. Dr. Bualkar Abdullah, M.Eng.
Gedung UPT Unhas Press, Sc., Dr. Ir. Bidayatul Armynah, M.T., Bannu,
Kampus Unhas Tamalanrea S.Si., M.Si.
Jln. Perintis Kemerdekaan Km. 10 Sie Umum: Syukur Polanunu, S.T., Ahmad
Makassar — 90245 Muhtam Yusran Himie, S.T.
+62 8229 9555 591 Sie Humas: Dr. Pariabti Palloan, S.Si, M.T., Dr.
unhaspress@gmail.com Irwan Ramli, M.Si., Alexander Pakiding, S.Si.,
unhaspress.unhas.ac.id M.Si., Ihsan, S.Pd., M.Si., Dr. Nurlina, S.Si.,
M.Pd., Ihfa Indira N., S.Si., M.Si.
Anggota IKAPI No: 002/SSL/01 &
APPTI No: 005.026.1.03.2018
Hak Cipta © Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Hasanuddin.
All rights reserved. Hak cipta dilindungi undang-undang.
Kata Pengantar
Bismillahirrahmanirrahim
Assalamu’alaikum Warahmatullahi Wabarakatuh.
Puji syukur kepada Allah SWT atas segala rahmat dan hidayah-Nya sehingga kegiatan Seminar
Nasional Fisika (SNF) Makassar 2022 dapat terlaksana dan menghasilkan buku abstrak ini yang berisi
kumpulan abstrak dari makalah yang akan dipresentasikan. Seminar dilakukan dengan metode hybrid
untuk memudahkan pemakalah yang terkendala oleh jarak. Oleh karena itu, SNF 2022 mengambil tema
“Inovasi Riset Fisika dan Aplikasinya di Era Merdeka Belajar – Kampus Merdeka”.
Kompleksitas ilmu Fisika sebagai core of science dengan berbagai fenomenanya sangat dapat
diimplementasikan di berbagai topik riset. Untuk itu para Fisikawan harus mampu berfikir secara
inovatif dan strategis dalam menyeimbangkan antara teori dan praktik nyata sehingga hasilnya dapat
dimanfaatkan untuk kemaslahatan umat manusia. Terutama di masa pandemik sekarang yang membuat
pelaksanaan riset menjadi terbatas. Melalui prinsip Tri Dharma Perguruan Tinggi, meliputi pendidikan,
penelitian, dan pengabdian pada masyarakat, para akademisi dan peneliti diharapkan tetap berkontribsi
secara nyata untuk mempublikasikan hasil penelitiannya agar kepakarannya sebagai peneliti meningkat.
Kualitas penelitian dapat dilihat dari banyaknya akademisi dan peneliti yang mempublikasikan karyanya
di jurnal internasional terindex.
Sejauh ini Departemen Fisika FMIPA Unhas telah menggelar sejumlah seminar Nasional dan
Internasional secara reguler, termasuk SNF 2022. Pelaksanaan kegiatan ini mendapat dukungan mulai
pimpinan Departemen, Fakultas dan Universitas. Oleh karena itu panitia menghaturkan terima kasih
setinggi-tingginya kepada: Prof. Dr. Ir. Jamaluddin Jompa, M.Sc. (Rektor Universitas Hasanuddin), Dr.
Eng. Amiruddin, M.Si. (Dekan FMIPA Unhas), dan Prof. Dr. H. Arifin, M.T. (Ketua Departemen Fisika
Unhas) atas dukungan baik secara moril maupun materil sehingga kegiatan ini dapat terlaksana dengan
baik. Panitia juga berterima kasih kepada para Invited Speaker atas kesediaannya membagi ilmu dan
pengalaman di bidang keahlian masing-masing: Prof. Drs. Agus Purwanto, M.Si., M.Sc., D.sc. (ITS),
Prof. Dr. Madzalim, M.Si (UNESA), Dr. Muhammad Hilmy Alfaruqi, S.T., M.Eng (UTS), dan Dr. Altje
Latununuwe. M.Si. (UNPATTI). Terima kasih yang sama dihaturkan pula kepada seluruh pemakalah
dan para peserta yang memberikan berkontribusinya. Tak lupa kepada seluruh panitia yang telah bekerja
keras demi terlaksananya kegiatan ini.
Akhir kata, semoga buku ini dapat bermanfaat bagi kita semua dan apabila ada ketidaksempurnaannya,
maka panitia berharap saran dan masukan untuk perbaikan di kemudian hari.
Makassar, 30 September 2022
Ketua Panitia SNF
Azwar Sutiono, S.Si., M.Si.
v
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
Daftar Isi
Kata Pengantar v
Daftar Isi vii
Sistem Monitoring Pencemaran Udara Karbon Monoksida di TPA Antang Berbasis Internet of
Things 1
Gita Iriandina, A. Arifin, Bidayatul Arminah
Rancang Bangun Alat Cyclic Voltammetry Berbasis Arduino Uno untuk Pengukuran
Superkapasitor dari Biomassa 14
Zhafaat Rahimi Z., Bidayatul Armynah, Erman Taer
Perbandingan Hasil Belajar Fisika Peserta Didik yang Aktif Berorganisasi Dengan Yang Tidak
Aktif pada Masa Pandemik 31
Ihfa Indira Nurnaifah, Gusra
Analisis Variasi Spasial dan Temporal Tingkat Ancaman Bahaya Sambaran Petir di Kabupaten
Bone Tahun 2017-2021 51
Muh. Said L, Megawati, Amirin Kusmiran, Firdaus Muhidin, Asriani, Alamsyah
Efektivitas Model Pembelajaran Inkuiri Pokok Bahasan Dinamika Gerak pada Siswa
Kelas X MIPA 7 MAN Pinrang 57
Rosita Rosita, Hasni Hasni
Klasifikasi Pasien Kanker Payudara Menggunakan Naive Bayes Dengan Program RapidMiner 86
Betuel Nabyal, Eko Juarlin, Heryanto
Wormhole dalam Persamaan Medan Gravitasi Einstein Efektif Dunia Brane Didukung oleh
Energi Phantom 90
M. H. Hamdi, Bansawang, BJ, A. Sutiono
Solusi Persamaan Diferensial Parsial dengan Metode Elemen Hingga Menggunakan Freefem++ 104
Israil, Eko Juarlin
vii
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
Studi Perubahan Sifat Struktur Dan Termodinamik Pelipatan Protein Model Hp Menggunakan
Simulasi Monte Carlo Dengan Algoritma Wang-Landau 109
Safrullah, Tasrief Surungan, Bansawang BJ.
Analisis Karakteristik Hidroksiapatit Dari Cangkang Kerang Darah (Anadara Granosa) 120
Maysarah. A. Mallarangi, Nurlaela Rauf, Paulus Lobo Gareso
Analisis Uji Kesesuaian Pesawat X-Ray Mobile Berdasarkan Parameter Pengujian di BPFK
Makassar 124
Asmiati, A. Tasya Ferdianti, Rahmawati Mahyuddin, Dwi Febri Isradiati, Muh. Said L
Pengaruh Suhu Sintering Terhadap Efisiensi Massa Hidroksiapatit Cangkang Kerang Darah
(Anadara Granosa) 131
Nova Marliana, Nurlaela Rauf, Sri Suryani
Energi Listrik DC pada Sistem IEM-FC (Electrolite Membrane Fuel Cell) dari Larutan Batang
Pisang Ambon Tua Dan Muda (Musa Paradisiaca Var Sapientum) 136
Febrianti Mahrani Kolly
Analisis Dosis Keluaran Radiasi Sinar X Menggunakan Teknik Automatic Exposure Control (AEC)
dan Fixed Tube Current (FTC) pada Pesawat CT Scan 143
Andi Fitriani, Gisela Gerard, Ulfah Rosyidah, Fatmasari Radjab,
Nurul Magfirawati, Bannu, Syamsir Dewang
Analisis Noise Level Hasil Citra CT Scan dengan Variasi Tegangan Tabung dan Variasi Slice
Thickness 148
Gisela Gerard, Andi Fitriani, Ulfah Rosyidah, Fatmasari Radjab,
Nurul Magfirawati, Bannu, Syamsir Dewang
Analisis Keluaran Berkas Radiasi Foton 6 MV pada Linear Accelerator Varian HCX 6540
menggunakan Detektor PTW 30013 Farmer di RS UNHAS 154
Nur Indah Sari, Bualkar Abdullah, Satrial Male
Penentuan Nilai Diagnostic Reference Level (DRL) pada Pemeriksaan CT-Scan Pasien Dewasa di
RSUD Haji Makassar 159
Yesriely, Syamsir Dewang, Bannu Abdul Samad
Analisis Keseragaman Distribusi Dosis Berdasarkan Dose Volume Histogram (DVH) Pada
Radioterapi Kanker Serviks 165
Ni Putu Sri Narayani, Bualkar Abdullah, Sri Suryani, Satrial Male
Pengaruh Pengukuran Ketebalan Irisan Terhadap Kualitas Citra pada Pesawat CT SCAN
Menggunakan Phantom AAPM 177
Nurul Magfirawati,Syamsir Dewang, Ulfa Rasyida, Fatmasari Radjab, Sri Dewi Astuti
viii
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
Abstrak
Pada umumnya pemrosesan akhir sampah di Tempat Pembuangan Akhir (TPA) sebagian besar dilakukan
dengan open dumping, ketiadaan tanah penutup akan menyebabkan polusi udara tidak teredam. Gas
polutan yang berasal dari TPA menghasilkan salah satu gas yaitu karbon monoksida (CO). Pemantauan
pencemaran udara karbon monoksida di sekitar TPA diperlukan untuk mengetahui kadar gas karbon
monoksida. Penelitian ini difokuskan pada pembuatan prototipe sistem pemantauan pencemaran udara
karbon monoksida di TPA Antang menggunakan konsep pemantauan jarak jauh sebagai penerapan
teknologi Internet of Things (IoT). Sistem pemantauan pencemaran udara di lingkungan TPA Antang
menggunakan sensor gas MQ-7. Hasil pengukuran secara real-time diteruskan oleh arduino uno,
kemudian dikirim menggunakan komunikasi wireless NodeMCU ESP8266. Pada sistem ini, data hasil
pengukuran dapat ditampilkan pada kolom chat bot software telegram. Hasil pengukuran menunjukkan
tingkat kesalahan sensor MQ-7 sebesar 3,57% yang menunjukkan akurasi sebesar 96,43%. Hasil
pengukuran yang diperoleh menunjukkan bahwa sensor dapat bekerja dengan baik. Keunggulan dari
penelitian ini yaitu sistem dapat melakukan pengukuran secara real-time, biaya terjangkau dan mudah
diaplikasikan.
Kata Kunci: Arduino uno; IoT; karbon monoksida; sensor gas; telegram.
1. PENDAHULUAN
Salah satu faktor penunjang A yang bersih adalah kualitas udara. Udara bersih sangat penting bagi
keberlangsungan hidup. Namun apabila terjadi pencemaran udara, maka akan berdampak buruk bagi
kesehatan terhadap kehidupan1. Pencemaran udara adalah pencemaran lingkungan oleh aktivitas manusia
sehingga kualitasnya turun sampai ke tingkat tertentu. Sumber pencemaran udara yang utama berasal
dari berbagai aktivitas manusia antara lain industri, transportasi, pembakaran sampah, perkantoran, dan
perumahan2. Pencemaran udara juga dapat terjadi akibat dekomposisi sampah.
Sampah menghasilkan beberapa komponen gas yang masuk ke udara dari hasil proses pembusukan
maupun pembakaran. Terdapat beberapa komponen gas yang dihasilkan akibat adanya proses pembusukan
sampah seperti, karbon monoksida (CO), karbon dioksida (CO2), fosfor (PO4), sulfur dioksida (SO2),
maupun metana (CH4)3. Jumlah gas yang dihasilkan akan semakin banyak apabila volume pembusukan
sampah semakin besar. Oleh karena itu, pembuangan dan pemusnahan sampah harus dilakukan sebaik
mungkin. TPA merupakan suatu tempat akhir yang digunakan untuk menampung semua sampah4.
Pemantauan pencemaran udara akibat gas yang ditimbulkan oleh TPA seperti gas CO dapat dilakukan
dengan menggunakan sensor gas MQ-7 berbasis teknologi IoT.
Pada penelitian sebelumnya tentang sistem pemantauan kualitas udara telah dilakukan oleh Jacquline
dkk. (2020), tentang sistem pemantauan kualitas udara dalam ruangan berbasis mikrokontroler, android
dan IoT5. Penelitian yang dilakukan oleh Kinnera dkk. (2019), mengenai pengaturan pemantauan
kualitas udara berbasis IoT berbiaya rendah menggunakan arduino dan sensor seri MQ 6 dengan analisis
data set6. Penelitian lain yang dilakukan oleh Kinnera dkk. (2019) dengan membuat sistem monitoring
kualitas udara berbasis IoT menggunakan MQ-135 dan MQ-7 dengan analisis pembelajaran mesin7.
Penelitian sebelumnya telah dilakukan percobaan monitoring kualitas udara dengan berbagai macam
alat dan media yang berbeda dan kelemahan seperti pada perangkat lunak memiliki akses yang cukup
rumit. Oleh karena itu, pada penelitian ini dirancang sebuah sistem monitoring untuk memantau kualitas
udara di lingkungan TPA Antang Makassar menggunakan sistem berbasis mikrokontroler arduino uno
1
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
yang terintegrasi dengan sensor MQ-7 untuk konsentrasi gas CO yang akan terhubung ke jaringan
internet menggunakan modul NodeMCU ESP8266 dengan perangkat lunak telegram sebagai media
monitoring data. Telegram memiliki bot Application Programming Interface (API) yang cukup lengkap
sehingga memungkinkan untuk membuat bot pintar yang dapat merespon pesan. Sistem pemantauan ini
diharapkan dapat merealisasikan konsep IoT untuk menampilkan data kualitas udara melalui aplikasi
telegram dan dapat dipantau secara jarak jauh.
2
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
Perangkat Keras
Pada tahap perancangan perangkat keras, langkah pertama yang dilakukan adalah menyiapkan
komponen yang digunakan pada perangkaian sistem monitoring kualitas udara. Komponen yang
digunakan antara lain sensor MQ-7, arduino uno, NodeMCU ESP8266, power bank, buzzer, dan Licuid
Crystal Display LCD. Perancangan diagram blok sistem ditunjukkan pada Gambar 2.
Nilai Y adalah hasil pembacaan sensor dalam satuan ppm yang mendekati pembacaan alat
pembanding, x adalah hasil pembacaan sensor pada nilai ADC, a adalah konstanta, dan b adalah koefisien
3
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
regresi. Dilakukan perhitungan persamaan regresi linear untuk mendapatkan data sensor dalam satuan
ppm. Perhitungan ini dilakukan karena adanya perbedaan hasil antara alat ukur standar dengan sensor
yang disebabkan oleh perbedaan skala pada kedua alat. Pengambilan data monitoring sensor MQ-7 dan
alat ukur standar ditunjukkan pada Tabel 1 berikut.
Tabel 1. Hasil perbandingan data keluaran perangkat dan sensor MQ-7.
Alat Ukur Standar Sensor MQ-7 Keluaran
No.
(ppm) (ADC) (ppm)
1 0,99 347 1,02
2 1,03 362 1,11
3 2,42 556 2,37
4 3,83 763 3,72
5 5,12 998 5,25
Dari pengambilan data yang ditunjukkan pada Tabel 1 dapat dilihat grafik perbandingan keluaran
alat ukur standar (ppm) dan keluaran sensorMQ-7 (ppm) yang ditunjukkan pada Gambar 3.
Gambar 3. Grafik pembacaan alat ukur standar (ppm) dan pembacaan sensor (ppm).
Gambar 3 menunjukkan hasil pengukuran gas CO dengan konsentrasi yang bervariasi berdasarkan
alat ukur standar dan sensor MQ-7. Kenaikan hasil pembacaan sensor MQ 7 berdasarkan kenaikan
intensitas asap pula13. Berdasarkan data pada Tabel 1, diperoleh bahwa hasil sensor MQ-7 memiliki
rata-rata besar kesalahan yaitu 3,57%. Hasil pengukuran yang diperoleh mengggunakan sensor MQ-7
memiliki akurasi yang relatif lebih tinggi dibandingkan hasil penelitian sebelumnya. Pada penelitian
sebelumnya untuk sensor CO yang dilakukan oleh Hanna (2017) memperoleh rata-rata kesalahan
sebesar 4,021%12, dan yang dilakukan oleh Ananda, dkk. (2020) memperoleh rata-rata kesalahan sebesar
18,55%13.
Pengujian Sistem Monitoring Skala Lapangan
Pegujian sistem monitoring skala lapangan dilakukan setelah sensor diuji dan dikalibrasi. Lokasi
pengambilan data bertempat di TPA Antang, Kecamatan Tamangapa, Kota Makassar yang dilakukan
selama tiga hari yaitu pada tanggal 25-27 Mei 2022 pukul 08:00-17:00 WITA. Data hasil yang
ditampilkan di kolom bot chat telegram adalah data setiap 10 menit dapat dilihat pada Gambar 4.
4
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
4. KESIMPULAN
Perancangan sistem monitoring terdiri dari dua bagian perangkat yaitu perangkat keras untuk rangkaian
pengirim dan rangkaian penerima data, dan perangkat lunak aplikasi telegram. Sistem pemantauan untuk
pengukuran kadar gas CO menggunakan sensor MQ-7 dan sistem berbasis mikrokontroler arduino uno
yang terhubung ke jaringan internet menggunakan modul NodeMCU ESP8266. Data hasil pengukuran
sensor ditampilkan pada aplikasi telegram. Pengujian sensor MQ-7 diperoleh hasil bahwa sensor
memiliki rata-rata kesalahan sebesar 3,57%. Kualitas udara dengan konsentrasi gas CO yang terukur
memiliki status “kondisi udara normal”. Hasil pengukuran yang diperoleh di lapangan menunjukkan
bahwa sensor dapat bekerja dengan baik. Keunggulan pada penelitian ini yaitu menggunakan perangkat
lunak telegram secara gratis dan multiplatform yang dapat melakukan pengukuran secara real-time,
biaya terjangkau dan mudah diaplikasikan.
DAFTAR PUSTAKA
1. Jacquline, W. dan Oktoverano, L. (2018). Indoor Air Quality Monitoring and Notification System
with IoT Platform. Cogito Smart Journal 4(1): 2541-2221.
2. Sugiarso, B. A., Lumenta, A. S. M., Narasiang, B. S. dan Rumagit A. M. (2019). Aplikasi Sensor
Polusi Udara. Jurnal Teknik Elektro dan Komputer 8(3): 193-200.
3. Astry, A. dan Surahma, A. M. (2020). Dampak Tempat Pembuangan Akhir Sampah (TPA) Terhadap
Gangguan Kesehatan Masyarakat. Jurnal Kesehatan Komunitas 6(2): 171-176.
5
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
4. Farisa, H. dan Surahma, A. M. (2020). Gangguan Saluran Pernapasan Akibat Pencemaran Udara di
Lingkungan Tempat Pembuangan Akhir (TPA). Jurnal Kesehatan 13(2): 119-130.
5. Jacquline, W. dan Walfarid, H. L. (2020). AirQMon: Indoor Air Qulity Monitoring System Based on
Microcontroller, Android and IoT. Cogito Smart Journal 6(2): 2477-8079.
6. Kinnera, B. K. S., Somula R. dan Ashish KR. L. (2019) IoT Based Air Quality Monitoring system
using MQ135 and MQ7 with machine Learning Analysis. Scalable Computing: Practice and
Experience 20(4): 599-606.
7. Kinnera, B. K. S., Subhaditya, M. dan Parveen, S. H. (2019) Low Cost IoT Based Air Quality
Monitoring Setup Using Arduino and MQ Series Sensors with Dataset Analysis. Procedia Computer
Science 165: 322-327.
8. Siswanto., Thoha, N. H. dan Muhamad, J. (2020). Prototype Smart Home dengan Konsep IoT
(Internet of Thing) Berbasis Nodemcu dan Telegram. Jurnal SIMIKA 3(1): 85-93.
9. Dwi, P., Ibrahim. dan Wilma, N. A. (2021). Implementasi Pemantauan Kualitas Udara dengan
Menggunakan MQ-7 dan MQ-131 Berbasis Internet of Things. Jurnal Rekayasa dan Teknologi
Elektro 15(3): 240-245.
10. Al Rasyid, M. U. H., Asmara, R. dan Setianto, H. Y. (2020). Pemantauan Kualitas Udara Terintegrasi
dengan Semantic Web of Thing. Informatics for educators and professionals 4(2): 153-162.
11. Diken, Y. D., Irawan, W. W. dan Endro, S. (2017). Analisis Dampak Kualitas Udara Karbon
Monoksida (CO) di Sekitar Jl. Pemuda Akibat Kegiatan CarFree Day Menggunakan Program
Calinea Dan Surfer. Jurnal Teknik Lingkungan 6(1): 1-14.
12. Hanna, F. S. (2017). Rancang Bangun Pemantauan Kualitas Udara pada Taman Wilayah Melalui
Website Berbasis Arduino Menggunakan Logika Fuzzy. Jurnal Mahasiswa Teknik Informatika 1(1):
296-303.
13. Ananda, R., Rizal, M. dan Hurriyatul, F. (2020). Implementasi Monitoring Kualitas Udara Taman
di Kota Malang Menggunakan Low Power Mode pada Android berbasis Arduino Uno. Jurnal
Pengembangan Teknologi Informasi dan Ilmu Komputer 4(5): 1546-1554.
6
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
Abstrak
Kondisi peserta didik pada pembelajaran fisika saat menjawab soal fisika yaitu langsung menggunakan
persamaan tanpa melakukan analisis terkait materi yang dipelajari, menebak rumus yang digunakan,
dan menjiplak contoh soal yang menunjukkan bahwa keterampilan berpikir peserta didik masih perlu
ditingkatkan. Tujuan penelitian untuk mendeskripsikan keterampilan berpikir kritis peserta didik pada
kelas XI MIPA 1 dan XI MIPA 2 serta mengetahui pengaruh terhadap keterampilan berpikir kritis peserta
didik. Jenis penelitian yang digunakan adalah penelitian quasi experiment. Tingkat keterampilan berpikir
kritis peserta didik XI MIPA 1 memperoleh nilai rata-rata sebesar 57,48 dan kelas XI MIPA 2 sebesar
41,22. Berdasarkan analisis data pre-test yang diberikan kepada peserta didik menunjukkan bahwa
uji hipotesis non parametrik mann whitney nilai Asymp. Sig. 0,085 > 0,05 yang berarti keterampilan
berpikir kritis kedua kelas sama. Sedangkan setelah diberi perlakuan yang berbeda antara kedua kelas
yaitu penggunaan model pembelajaran inkuiri terbimbing berbantuan google sites pada kelas XI MIPA 1
dan model pembelajaran konvensional pada kelas XI MIPA 2 menunjukkan nilai Sig. (2-tailed) sebesar
0,001 < 0,05 yang berarti terdapat perbedaan kedua kelas sehingga dapat disimpulkan bahwa terdapat
pengaruh yang signifikan terhadap keterampilan berpikir kritis. Implikasi terhadap perkembangan ilmu
pendidikan fisika dapat menjadi referensi untuk memadukan model pembelajaran dengan media digital.
Kata Kunci: google sites; inkuiri terbimbing; keterampilan berpikir kritis.
1. PENDAHULUAN
Berdasarkan hasil wawancara yang dilakukan dengan guru fisika kelas XI MIPA di SMAN
22 Gowa menyatakan bahwa salah satu permasalahan yang dialami oleh peserta didik adalah pada
aspek keterampilan berpikirnya. Hal ini terlihat ketika peserta didik mengerjakan soal fisika, peserta
didik langsung menggunakan persamaan matematis tanpa melakukan analisis, menebak rumus yang
digunakan dan menjiplak contoh soal. Selain itu, peserta didik dalam proses menduga jawaban
sementara atau hipotesis masih kurang logis ketika diperhadapkan pada permasalahan fisika. Sehingga
perlu membuat lingkungan belajar fisika yang melatih pola pikir peserta didik agar dapat berpartisipasi
aktif memecahkan masalah dengan kritis, logis, dan tepat1.
Alternatif yang dapat dilakukan untuk meningkatkan partisipasi aktif peserta didik dalam
pembelajaran yaitu dengan menggunakan model dan media sehingga peserta didik mampu menyelesaikan
permasalahan fisika dalam kehidupan sehari-hari. Salah satu model pembelajaran yang meningkatkan
keaktifan peserta didik yaitu model pembelajaran inkuiri terbimbing karena menekankan pada proses
berpikir secara kritis dan analitis untuk mencari dan menemukan sendiri jawaban dari suatu masalah2.
Pemilihan model pembelajaran disertai dengan media pembelajaran dapat menunjang penyampaian
materi dengan baik. Media pembelajaran yang saat ini banyak digunakan adalah pemanfaatan teknologi
sebagai media pembelajaran untuk membantu kegiatan belajar mengajar3. Teknologi pendidikan saat
ini semakin berkembang sejak munculnya pandemi COVID-19 sehingga inovasi media pembelajaran
mengalami perkembangan. Kehadiran COVID-19 memberikan kebutuhan baru bagi dunia pendidikan
akan media pembelajaran yang dapat diakses menggunakan perangkat sehingga bisa diakses kapanpun
dan di manapun. Media pembelajaran tersebut memiliki berbagai macam model, salah satunya berbentuk
7
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
Tujuan penelitian ini adalah mendeskripsikan keterampilan berpikir kritis peserta didik pada kelas
XI MIPA 1 dan di kelas XI MIPA 2, serta mengetahui pengaruh terhadap keterampilan berpikir kritis
peserta didik. Hipotesis dalam penelitian ini yaitu terdapat pengaruh model pembelajaran inkuiri
terbimbing berbantuan google sites terhadap keterampilan berpikir kritis peserta didik.
b. Standar Deviasi
Standar deviasi (s) untuk data distribusi (dikelompokkan) dirumuskan sebagai berikut.
^/fxh2
/fx 2 - /f - 1
S= /f - 1 (2)
c. Varians
Varians adalah kuadrat dari standar deviasi. Simbol varians untuk populasi adalah σ2 atau σ2n
sedangkan untuk sampel σ2n-1 atau S2 atau S 6.
d. Persentase
Penentuan persentase keterampilan berpikir kritis dalam penelitian ini ditentukan dengan rumus
sebagai berikut7.
Persentase ]%g = N # 100%
/n
8
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
9
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
penelitian yang telah dikumpulkan berasal dari kelas homogen atau tidak. Uji homogenits ini dilakukan
dengan uji one-way anova pada aplikasi SPSS. Adapun kriteria sebuah data berasal dari kelas yang
homogen jika nilai Sig. > 0,05. Berdasarkan uji homogenitas yang dilakukan pada pre-test menunjukkan
bahwa data tersebut bersifat homogen karena Sig. > 0,05 yaitu 0,057 > 0,05. Sedangkan data post-test
juga berasal dari kelas yang homogen karena nilai Sig. > 0,05 yaitu 0.975 > 0,05.
Selanjutnya dilakukan uji hipotesis pada data penelitian pre-test kelas eksperimen dan kontrol
serta uji hipotesis data penelitian post-test kelas eksperimen dan kontrol. Uji hipotesis dilakukan untuk
mengetahui pengaruh terhadap keterampilan berpikir kritis peserta didik pada kelas eksperimen dan
kelas kontrol ketika diberi pre-test dan post-test. Uji hipotesis dilakukan dengan memperhatikan uji
prasyarat yang telah dilakukan yaitu uji normalitas dan uji homogenits. Uji prasyarat tersebut merupakan
syarat untuk menggunakan uji hipotesis yang akan dilakukan.
Berdasarkan uji normalitas yang dilakukan pada data pre-test kelas eksperimen menunjukkan
bahwa data tersebut terdistribusi normal. Namun data pre-test kelas kontrol tidak terdistribusi normal
dan setelah dilakukan uji homogenitas menunjukkan bahwa data pre-test bersifat homogen. Sehingga
untuk melakukan uji hipotesis pada data pre-test dapat dilakukan dengan menggunakan uji statistik non
parametrik yaitu uji mann whitney. Berdasarkan uji mann whitney yang telah dilakukan pada data pretest
menunjukkan keterampilan berpikir kritis kelas eksperimen dan kelas kontrol adalah sama sebelum
diberikan perlakuan karena nilai Asymp. Sig. (2-tailed) lebih besar dari 0,05 yaitu 0,085 > 0,05.
Tabel 3 Hasil analisis deskriptif post-test keterampilan berpikir kritis
Kelas
Kategori
Eksperimen Kontrol
Jumlah Sampel 23,00 23,00
Nilai rata-rata 57,48 41,22
Standar deviasi 14,55 14,39
Nilai tertinggi 79,00 71,00
Nilai terendah 30,00 8,00
Nilai ideal 100,00 100,00
Sumber : data hasil pengolahan (2022)
11
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
Gambar 4. Diagram persentase data post-test keterampilan berpikir kritis peserta didik
Sumber: data hasil pengolahan (2022)
Berdasarkan analisis data post-test hasil uji normalitas menunjukkan bahwa kedua data post-test
baik dari kelas eksperimen maupun kelas kontrol semuanya terdistribusi normal dan juga bersifat
homogen. Oleh sebab itu, untuk melakukan uji hipotesis dapat dilakukan dengan menggunakan uji
statistik parametrik yaitu uji independent-samples T test. Berdasarkan hasil uji independent-samples
T test yang telakukan pada data post-test menunjukkan bahwa terdapat perbedaan keterampilan
berpikir kritis peserta didik setelah diberi perlakuan yang berbeda yaitu dengan menggunakan model
pembelajaran inkuiri terbimbing berbantuan google sites pada kelas eksperimen dan menggunakan
model pembelajaran konvensional pada kelas kontrol. Oleh karena itu, hasil penelitian ini menunjukkan
pengaruh yang signifikan terhadap keterampilan berpikir kritis peserta didik karena nilai Sig. (2-tailed)
pada equal variances assumed karena data bersifat homogen yaitu sebesar 0,001 yang berarti nilai
tersebut lebih kecil dari nilai Sig. (2-tailed) atau 0,001 < 0,05. Hal ini sejalan dengan penelitian yang
dilakukan oleh Harjilah, dkk., (2019) bahwa terdapat pengaruh yang signifikan antara pembelajaran
dengan model inkuiri terbimbing terhadap keterampilan berpikir kritis fisika10.
Model pembelajaran inkuiri terbimbing merupakan model pembelajaran yang dapat membuat
peserta didik lebih aktif dengan cara membimbing, memberi pertanyaan, serta membuat rancangan
eksperimen agar peserta didik dapat melatih keterampilan berpikir kritis yang mereka miliki sehingga
dapat menyusun konsep sendiri melalui penyelidikan yang didampingi oleh guru. Penggunaan model
pembelajaran inkuiri terbimbing juga dapat dilakukan dengan dibantu berbagai macam media terlebih
saat ini sudah banyak berkembang media baik yang cetak maupun digital. Media digital merupakan
media yang saat ini tengah mengalami perkembangan yang baik salah satunya adalah media google
sites. Media google sites merupakan media berbasis website yang mudah diakses melalui gawai seperti
laptop dan handphone dan juga google sites dapat terintegrasi dengan fitur pembelajaran digital yang
lain seperti youtube sehingga memudahkan dalam proses pembelajaran yang dikombinasikan dengan
model pembelajaran inkuiri terbimbing.
Hal ini sejalan dengan penelitian yang pernah dilakukan oleh Nurmanita (2022) yang menunjukkan
bahwa pembelajaran menggunakan google sites berbantuan quizizz memberikan pengaruh yang
signifikan serta meningkatkan keterampilan berpikir kritis mahasiswa yang ditunjukkan dari nilai uji
thitung < ttabel. Selain itu, peningkatan keterampilan berpikir kritis peserta didik juga ditunjukkan dari
perolehan skor rata-rata peserta didik pada tes11.
12
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
4. KESIMPULAN
Tingkat keterampilan berpikir kritis peserta didik pada kelas XI MIPA 1 SMA Negeri 22 Gowa
sebagai kelas eksperimen yang diajar menggunakan model pembelajaran inkuiri terbimbing berbantuan
google sites memperoleh perolehan nilai rata-rata sebesar 57,48 dan termasuk dalam kategori sedang.
Tingkat keterampilan berpikir kritis peserta didik pada kelas XI MIPA 2 SMA Negeri 22 Gowa sebagai
kelas kontrol yang diajar menggunakan model pembelajaran konvensional memperoleh perolehan
nilai rata-rata sebesar 41,22 yang termasuk dalam kategori sedang. Terdapat pengaruh yang signifikan
terhadap keterampilan berpikir kritis peserta didik pada kelas eksperimen setelah digunakan model
pembelajaran inkuiri terbimbing berbantuan google sites dan model pembelajaran konvensional pada
kelas kontrol. Implikasi terhadap perkembangan ilmu pendidikan fisika dapat menjadi referensi untuk
memadukan model pembelajaran dengan media digital.
DAFTAR PUSTAKA
1. Diani, H., Irwandani, I. and Fujiani, D (2019). Pembelajaran Fisika dengan Model Brain Based
Learning (BBL): Dampak pada Keterampilan Berpikir Kritis. Indones. J. Sci. Math. Educ. 2:344–
352.
2. Yolanda, S. E., Gunawan and Sutrio (2019). Pengaruh Model Pembelajaran Inkuiri Terbimbing
Berbantuan Video Kontekstual Terhadap Penguasaan Konsep Fisika Peserta Didik. J. Pendidik. Fis.
dan Teknologi. 5: 341–347.
3. Qadri, N (2020). Penerapan Model Pembelajaran Inkuiri Terbimbing dengan Menggunakan Media
Animasi untuk Meningkatkan Keterampilan Berpikir Kritis Peserta Didik MA Wihdatul Ulum
Parangloe. Skripsi, Universitas Muhammadiyah Makassar.
4. Ismawati, I., Mutia, N., Fitriani, N. and Masturoh, S (2021). Pengembangan Media Pembelajaran
Fisika Berbasis Web Menggunakan Google Sites pada Materi Gelombang Bunyi. Schrodinger 2:
140-146.
5. Sugiyono (2018). Metode Penelitian Kuantitatif, Kualitatif, dan R & D. Bandung: CV Alfabeta.
6. Riduwan (2018). Dasar-dasar Statistik. Bandung: CV Alfabeta.
7. Rahayu, D. N. G., Harijanto, A. and Lesmono, A. D (2018). Tingkat Kemampuan Berpikir Kritis
Siswa SMA pada Materi Fluida Dinamis. J. Pembelajaran Fis. 7: 162–167.
8. Azwar, S (2013). Tes Prestasi Fungsi Pengembangan dan Pengukuran Prestasi Belajar. Yogyakarta:
Pustaka Pelajar.
9. Siregar, S (2017). Metode Penelitian Kuantitatif. Bandung: Kencana.
10. Harjilah, N., Medriati, R. and Hamdani, D (2019). Pengaruh Model Inkuiri Terbimbing Terhadap
Keterampilan Berpikir Kritis pada Mata Pelajaran Fisika. J. Kumparan Fis. 2: 79–84.
11. Nurmanita, M (2022). Efektivitas Pembelajaran Pancasila Berbasis Google Sites Berbantuan
Quizizz untuk Meningkatkan Kemampuan Berpikir Kritis Mahasiswa. Ideas J. Pendidikan, Sos.
dan Budaya. 8: 137-144.
13
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
3
Departemen Fisika, Fakultas MIPA, Universitas Riau
*
E-mail: ZhafaatRahimi18@gmail.com
Abstrak
Superkapasitor adalah perangkat penyimpanan energi yang mengisi celah kosong di antara perangkat
penyimpan energi antara baterai (akumulator) dan kapasitor biasa. Superkapasitor dapat berfungsi
sebagai sumber energi terbarukan yang dapat meningkatkan kualitas energi. Pengukuran kapasitansi
dari superkapasitor perlu dilakukan untuk mengetahui jumlah muatan listrik yang dapat tersimpan.
Penelitian ini difokuskan pada pembuatan sistem pengukuran kapasitansi spesifik superkapasitor dengan
membuat alat cyclic voltammetry (CV) berbasis Arduino Uno menggunakan biaya yang relatif murah
dan dapat melakukan pengukuran secara real-time. Sistem pengukuran alat CV terdiri dari rangkaian
digital (Arduino Uno dan MCP4725), rangkaian analog (rangkaian potensiostat dan ADS1115), interface
(aplikasi desktop) untuk menampilkan data hasil pengukuran dan sel superkapasitor dari biomassa. Hasil
pengukuran alat CV pada satu sampel sel superkapasitor dari biomassa daun serai, NaOH 0,5 M 0,008
gram pada satu laju scan rate 1 mV/s dengan range 500 mV diperoleh kapasitansi spesifik bahan sebesar
57,8125 F/g.
Kata Kunci: Arduino Uno; CV; kapasitansi spesifik; superkapasitor biomassa.
1. PENDAHULUAN
Perangkat penyimpan energi konvensional seperti kapasitor tradisional dan baterai, biasanya
memperoleh energi dari sumber energi di sekelilingnya. Perangkat ini dapat menghasilkan keluaran
daya yang terputus-putus, sehingga membuatnya tidak kompatibel1. Superkapasitor atau dikenal juga
sebagai kapasitor elektrokimia dapat menutupi kekurangan tersebut karena memiliki kepadatan daya
tinggi, laju pengisian/pengosongan cepat, perawatan yang mudah, sifat keamanan tinggi, bobot yang
ringan, serta siklus hidup yang panjang dapat lebih dari 100.000 siklus2-5.
Superkapasitor dapat menyimpan daya listrik yang efisien, dan dapat melepaskan energi yang
besar dalam waktu singkat2,6. Superkapasitor atau ultrakapasitor dapat berfungsi sebagai sumber
energi terbarukan7. Perangkat penyimpan energi ini dapat menjembatani kesenjangan kepadatan energi
antara kapasitor tradisional dan baterai, serta dapat digunakan untuk melengkapi fungsi baterai dalam
pengaplikasiannya8-9.
Performa pengukuran superkapasitor dapat diukur menggunakan metode pelepasan muatan
galvanostatik (GCD), CV, dan Electrochemical Impedance Spectroscopy (EIS)10-11. Metode pengukuran
superkapasitor menghasilkan penilaian kinerja elektrokimia superkapasitor melalui parameter kapasitansi
spesifik, masa pakai, laju pengisian-pengosongan dan tahanan listrik dari superkapasitor11. Alat cyclic
voltammetry CV digunakan untuk mengukur kapasitansi spesifik dan mengevaluasi siklus hidup
superkapasitor. Kapasitansi spesifik (Csp) merupakan kemampuan sel superkapasitor dalam menyimpan
muatan dengan satuan Farad (F), dan sangat berpengaruh dalam menentukan kinerja superkapasitor12.
Beberapa penelitian terkait pengukuran performa superkapasitor menggunakan CV diantaranya
dilakukan oleh Giannakou, dkk. (2020) mengenai karakteristik sifat elektrokimia superkapasitor NiO
menggunakan CV dengan pengukuran elektrokimia menggunakan gamry interface 1000 E potensiostat/
galvanostat/ZRA dan gamry reference 600+ potensiostat/galvanostat/ZRA1. Babu, dkk. (2019) tentang
alat CV untuk menilai kemampuan siklus hidup yang panjang dan kapasitansi spesifik tinggi pada
14
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
superkapasitor kepingan nano Co3O4/CMC13. Che, dkk. (2019) tentang pengujian kecepatan laju siklik
dan stabilitas siklik menggunakan CV pada superkapasitor dengan elektroda komposit polianilin /
karbon nanotube berpori14. Namun, pada penelitian sebelumnya sulit dilakukan karena menggunakan
sistem yang kompleks, memerlukan biaya yang mahal dan tidak adanya alat CV yang tersedia secara
umum, sehingga sulit untuk menguji kinerja dan karakteristik dari superkapasitor.
Pada penelitian ini dilakukan pembuatan alat CV berbasis Arduino Uno dengan biaya yang murah
dan tetap memperhatikan kinerja yang baik sesuai dengan CV standar. Rangkaian CV dapat mengukur
superkapasitor menggunakan rangkaian potensiostat, sehingga dapat digunakan untuk mengatur
tegangan listrik dan mengukur arus listrik pada sel superkapasitor. Rangkaian potensiostat merupakan
rangkaian sederhana tersusun atas beberapa resistor dan penguat operasional (Op-Amp)15. Kegunaan
Arduino Uno adalah mengolah data tegangan masukan dan arus keluaran dari sel superkapasitor untuk
menghasilkan kurva cyclic voltammogram. Pada rangkaian Arduino ditambahkan pula MCP4725 untuk
menyuplai tegangan antara 0 – 5 Volt ke rangkaian potensiostat, dan ADS1115 sebagai Analog to Digital
Converter (ADC) yang mengubah nilai keluaran Arduino Uno menjadi nilai analog 16-bit15-16. Penelitian
ini menggunakan metode eksperimen dan pengembangan melalui proses fabrikasi yang mudah dan
biaya yang relatif murah serta diharapkan mampu memberikan informasi performa superkapasitor pada
sistem pengukuran yang sederhana.
kabel USB A ke B Arduino Uno untuk ditampilkan dalam bentuk grafik cyclic voltammogram.
Pengukuran Superkapasitor dari Biomassa
Pengukuran dilakukan dengan menghubungkan dua kutub sel superkapasitor dari biomassa ke alat
CV untuk mendeteksi tegangan dan arus pada sel superkapasitor. Keluaran sel superkapasitor berupa arus
yang diubah menjadi tegangan, dikonversi dari analog ke digital menggunakan ADS1115, diproses oleh
mikrokontroler Arduino Uno untuk selanjutnya ditampilkan di PC. Hasil pengukuran alat CV merupakan
perubahan besaran tegangan (V) menjadi nilai arus (A). Nilai arus yang bervariasi dapat disebabkan
oleh perubahan besaran tegangan yang ditampilkan melalui kurva/grafik cyclic voltammogram. Blok
diagram pengukuran superkapasitor dari biommassa ditunjukkan pada Gambar 4.
17
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
6. Rangkaian potensiostat
7. Superkapasitor dari biomassa
Aplikasi desktop yang ada pada laptop berfungsi untuk menjalankan sistem kerja alat yang
terhubung dengan alat CV menggunakan kabel USB A to B Arduino Uno. Mikrokontroler ATmega328P
pada Arduino Uno bertindak sebagai otak dari alat CV dengan mengirim tegangan masukan melalui
MCP4725. MCP4725 melakukan transfer data melalui komunikasi serial berbasis I2C, dimana pin
SDA dan SCL MCP4725 dihubungkan dengan pin A4 dan A5 Arduino Uno. MCP4725 mengirimkan
tegangan melalui pin out, ke rangkaian potensiostat melalui pin Vin rangkaian voltage follower kemudian
diteruskan ke sel superkapasitor.
Prinsip kerja rangkaian potensiostat adalah memberikan tegangan konstan pada superkapasitor dan
mengukur arus dari superkapasitor yang mengalir kembali ke rangkaian potensiostat. Sinyal arus yang
masuk ke rangkaian potensiostat, diubah menjadi sinyal tegangan melalui rangkaian konverter I ke V.
Sinyal ini menjadi tegangan keluaran (Vout) pada rangkaian potensiostat.
ADS1115 memperoleh data tegangan dari pin output (Vout) yang senilai dengan arus dari sel
superkapasitor. ADS1115 merupakan pengubah data tegangan (analog) menjadi data digital. ADS1115
melakukan transfer data melalui komunikasi serial berbasis I2C, dimana pin SDA dan SCL ADS1115
dihubungkan dengan pin A4 dan A5 Arduino Uno. ADS1115 menggunakan alamat 0x48 dengan
menghubungkan pin ADDR ke pin GND. Tegangan keluaran rangkaian potensiostat hubungkan ke pin
A0 ADS1115 untuk dikonversikan kemudian diteruskan ke Arduino Uno untuk diproses.
Arduino Uno menerima data digital dari ADS1115. Data ini diolah sehingga dapat ditampilkan
sebagai perbandingan antara tegangan masukan dengan arus keluaran dari sel superkapasitor. Pengiriman
data tersebut ke laptop menggunakan kabel USB A to B Arduino Uno. Aplikasi desktop di laptop
berfungsi untuk menampilkan data hasil pengukuran berupa data tegangan masukan dan arus keluaran
dalam bentuk tabel data dan grafik cyclic voltammogram.
Pengukuran Superkapasitor Biomassa Daun Serai NaOH 0,5 M
Pengukuran sel superkapasitor dilakukan di Laboratorium Fisika Material Fakultas MIPA Universitas
Riau pada tanggal 15 Juni 2022. Pengukuran dilakukan dengan meletakkan sel superkapasitor yang
terhubung dengan perangkat lainnya pada posisi yang diinginkan. Skema pengukuran sel superkapasitor
dari biomassa dapat dilihat pada Gambar 6.
Data hasil pengukuran yang diperoleh dari alat CV dapat dilihat pada aplikasi dekstop, kemudian
data diolah dan ditampilkan dengan menggunakan aplikasi Origin Pro 9.0 seperti dalam Gambar 7.
Gambar 7. Grafik cyclic voltammogram superkapasitor biomassa daun serai NaOH 0,5 M
Pengukuran sel superkapasitor biomassa daun serai NaOM 0,5 M yang dilakukan dengan
menggunakan alat CV, mendapatkan hasil dengan dua kondisi yaitu pada kondisi pertama saat alat CV
memberikan bias maju pada elektroda, dimana terjadi penambahan tegangan yang berlangsung dari 0
mV, ion-ion elektrolit di dalam sel superkapasitor menuju ke masing-masing elektroda yang bermuatan
mengisi pori-pori karbon menghasilkan arus yang terus meningkat. Proses ini terus terjadi hingga
tegangan mencapai maksimum yaitu 500 mV. Proses ini dinamakan dengan proses pengisian. Ketika
tegangan mencapai 500 mV, secara spontan alat CV memberikan bias mundur pada elektroda. Secara
simultan ion-ion yang memiliki muatan sejenis dengan muatan elektroda melepaskan diri sehingga arus
terlihat meningkat dengan arah yang berlawanan. Proses ini dinamakan dengan proses pengosongan.
Peristiwa ini ditunjukkan pada Gambar 7.
Berdasarkan grafik cyclic voltammogram pada Gambar 7 diperoleh Ic = 0,00222 A saat tegangan
charge = 250 mV dan Id = 0,0017575 A dan saat tegangan discharge = 250 mV, s = 1 mV/s atau s =
0,001 V/s dan m = 0,008 g maka kapasitansi spesifiknya adalah:
I -I
Csp = sc # md
0, 00222 - 0, 0017575
Csp = 0, 001 # 0, 008
0, 0004625
Csp = 0, 000008
Csp = 57, 8125 F/g
Sehingga hasil pengukuran sel superkapasitor biomassa daun serai NaOH 0,5 M berupa kapasitansi
spesifik bahan sebesar 57,8125 F/g.
4. KESIMPULAN
Sistem pengukuran alat CV terdiri atas rangkaian analog berupa rangkaian potensiostat yang
menggunakan konfigurasi dua elektroda yang terdapat pada superkapasitor biomassa. Hasil pengukuran
alat CV yang telah dilakukan menggunakan satu sampel sel superkapasitor dari biomassa daun serai
NaOH 0,5 M pada satu laju scan rate 1 mV/s dengan range 500 mV dan diperoleh hasil pengukuran
berupa kapasitansi spesifik bahan sebesar 57,8125 F/g.
19
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
DAFTAR PUSTAKA
1. Palvos, G., Robert, C. T. S., Maxim S. (2020). Cyclic Voltrammetry Studies of Inkjet-printed NiO
supercapacitor: Effect of Substrates, Printing and Materials. Jurnal Electrochimica Acta 353: 1 – 11.
2. Rajangam, V., Chandu, V. V. M. G., Venkata, G. R. K., Raji, A., Tansir, A., Sangaraju, S., Moonsuk,
Y., Ihab, M. O., and Hee-Je, K. (2020). A review on porous carbon electrode material derived from
hypercrosslinked polymers for supercapacitor applications. Journal of Energy Storage 32: 1 – 20.
3. Satiye, K. and I. Afsin, K. (2020). Graphene and graphene oxide based aerogels: Synthesis,
characteristics and supercapacitor applications. Journal of Energy Storage 27: 1 – 12.
4. Xiaofang, Z., Zongying, X., Xufei, L., Peng, M., and Yingkui, Y. (2021). Redox-active polymers
as organic electrode materials for sustainable supercapacitors. Renewable and Sustainable Energy
Reviews 147: 1 – 2.
5. Zhengqing, Y., Feijun, W., Chao, J., Keguang, M., Miao, Y., Yanyan, L., and Ziqiang, S. (2017).
Nitrogen and oxygen-codoped carbon nanospheres for excellent specific capacitance and cyclic
stability supercapacitor electrodes. Chemical Engineering Journal 330: 1166 – 1173.
6. Aslam, H., Prasanta, B., Partha, S., and Sanjay, R. (2017). Recent developed different structural
nanomaterials and their performance for supercapacitor application. Applied Materials Today 9:
300–313.
7. Zifeng, L., Eider, G., Andrea, B., Katsuhiko, N., Pierre, L. T., Mathieu, S., Gleb, Y., and Patrice, S.
(2017). Materials for supercapacitors: When Li-ion battery power is not enough. Materials Today.
8. Erman, T., Agustino, A., Awitdrus, A., Farma, R., and Taslim, R. (2021). The Synthesis of Carbon
Nanofiber Derived from Pineapple Leaf Fibers as a Carbon Electrode for Supercapacitor Application.
Journal of Electrochemical Energy Conversion and Storage 18: 1 – 8.
9. Jinfeng, S., Yan, H., Yeung, N. S. S., Qi, X., Zifeng, W., Minshen, Z., Hongfei, L., Chunyi, Z., Hong,
H. (2017). Recent progress of fiber-shaped asymmetric supercapacitors. Materials Today Energy 5:
1 – 14.
10. Qiufeng, M., Kefeng, C., Yuanxun, C., and Lidong, C. (2017). Research progress on conducting
polymer based supercapacitor electrode materials. Nano Energy 36: 268 – 285.
11. Olly, N. T., Hermansyah, A., Emriadi, Sanusi, I., Admin A. (2018). Superkapasitor Berbahan Dasar
Karbon Aktif dan Larutan Ionik sebagai Elektrolit. Jurnal Zarah 6: 39 – 46.
12. Taer, E., Zulkifli, Z., Arif, E. N., and Taslim, R. (2016). Analisa Kapasitansi Spesifik Elektroda
Karbon Superkapasitor dari Kayu Karet terhadap Laju Scan Berdasarkan Variasi Aktivasi Hno3.
Jurnal Fisika dan Aplikasinya 1: 29-34.
13. Babu, I. M., William, J. J., dan Muralidharan, G. (2019). Ordered mesoporous Co3O4/CMC
nanoflakes for superior cyclic life and ultra high energy density supercapacitor. Applied Surface
Science 480: 371 – 383.
14. Che, B., Li, H., Zhou, D., Zhang,Y., Zeng, Z., Zhao, C., He, C., Liu, E., and Lu, X. (2019). Porous
polyaniline/carbon nanotube composite electrode for supercapacitors with outstanding rate capability
and cyclic stability. Composites Part B 165: 671-678.
15. Syafindra, D., Budi, E., dan Sugihartono, I. (2017). Rancang Bangun Sistem Potensiostat
Menggunakan Arduino Uno”. Prosiding SNIPS: 72 – 81.
16. Djatmiko, W. (2017). PROTOTIPE RESISTANSI METER DIGITAL, Seminar Nasional Sains dan
Teknologi: 1 – 8.
20
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
Abstrak
Penelitian berkaitan dengan penerapan model pembelajaran inkuiri terbimbing terhadap peningkatan
keterampilan proses sains peserta didik. Masalah utama dalam penelitian ini (1) Seberapa besar
keterampilan proses sains peserta didik yang diajar dengan menggunakan model pembelajaran inkuiri
terbimbing dalam pembelajaran fisika; (2) Seberapa besar peningkatan keterampilan proses sains peserta
didik yang diajar dengan menggunakan model pembelajaran inkuiri terbimbing dalam pembelajaran
fisika; Penelitian ini bertujuan untuk mengetahui peningkatan keterampilan proses sains peserta didik
sebelum dan sesudah diajarkan dengan menggunakan model pembelajaran inkuiri terbimbing. Jenis
penelitian ini adalah penelitian pra eksperimen dengan desain penelitian yang digunakan adalah 0ne-
Grup Pretest-Postest Design yang melibatkan dua variabel yang terdiri dari variabel bebas dan variabel
terikat. Pengambilan sampel dalam penelitian ini menggunakan Simple Random Sampling. Instrumen
penelitian yang digunakan adalah keterampilan proses sains peserta didik dengan 22 item soal yang
berbentuk multiple choise atau pilihan ganda pada pokok pembahasan “Kinematika Gerak Lurus”.
Penelitian ini menunjukkan bahwa keterampilan proses sains pre-test pada peserta didik sebelum
diterapkan model pembelajaran inkuiri terbimbing di peroleh skor rata-rata sebesar 10,88 sedangkan
pada post-test setelah diterapkan model pembelajaran inkuiri terbimbing diperoleh skor rata-rata sebesar
19,22 dan skor rata-rata uji n-gain ternormalisasi sebesar 0,75. Sehingga dapat disimpulkan bahwa
keterampilan proses sains peserta didik kelas X MIPA 2 SMA Negeri 5 Luwu terjadi peningkatan dengan
kategori tinggi setelah diterapkan pembelajaran inkuiri terbimbing.
Kata Kunci: inkuiri terbimbing, keterampilan proses sains
1. PENDAHULUAN
Bidang pendidikan memegang peranan penting dalam kehidupan karena pendidikan merupakan
suatu wahana yang digunakan untuk menciptakan pendidikan yang merupakan suatu wahana yang
digunakan untuk menciptakan sumber daya manusia berkualitas dan berkompoten di bidangnya masing-
masing. Pendidikan pada dasarnya merupakan suatu upaya untuk memberikan pengetahuan, wawasan,
keterampilan dan keahlian tertentu.
Kemampuan individu digunakan untuk mengembangkan bakat serta kepribadian dengan pendidikan.
Setiap peserta didik berusaha mengembangkan dirinya sehingga mampu menghadapi setiap perubahan
yang terjadi karena adanya kemajuan ilmu pengetahuan dan teknologi. Oleh karena itu, masalah dalam
pendidikan perlu mendapatkan perhatian dan penanganan yang jauh lebih baik lagi agar berbagai
masalah yang menyangkut baik yang berkaitan dengan kuliatas maupun kuantitasnya1.
Kualitas pendidikan di Indonesia khususnya di Sulawesi Selatan. Faktor rendahnya kualitas
pendidikan di Sulawesi Selatan salah satunya yaitu guru kurang dalam menggali potensi peserta didik
dalam proses pembelajaran. Maka dari itu kualitas pendidikan diharapkan selalu mengalami peningkatan.
Salah satu mata pelajaran umum yang di anggap sulit oleh rata-rata peserta didik baik itu SMP maupun
SMA adalah mata pelajaran fisika.
Berdasarkan wawancara dan hasil observasi pada saat peneliti melakukan magang 1 dan 2 di peroleh
informasi bahwa pembelajaran fisika di SMA Negeri 5 Luwu telah menerapkan kurikulum 2013 pada
21
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
proses belajar mengajar, akan tetapi guru masih menerapkan metode ceramah dan diskusi sehingga peserta
didik masih kurang terlatih dalam menemukan sendiri fakta dan konsep yang dipelajari secara mandiri.
Peserta didik hanya diberikan perkenalan alat tanpa melakukan praktikum dikarenakan laboratorium
saat itu dalam proses renovasi. Dari hasil pengamatan yang diperoleh dalam ruangan (kelas), pada saat
proses pembelajaran mulai berlangsung dapat dilihat di mana pada tahap awal pembelajaran sebelum
menuju ke materi selanjutnya, guru terlebih dahulu menggali kembali materi-materi yang sudah berlalu.
Kemudian ketika peserta didik mengalami kesulitan dalam menjawab guru berusaha memberikan
gambaran agar peserta didik tidak mengalami kesulitan dalam mencari jawaban yang diminta oleh guru.
Pada dasarnya fisika juga memerlukan suatu tindakan berupa praktikum. Karena dengan adanya
praktikum maka proses belajar fisika tidak akan membuat peserta didik merasa jenuh atau bosan dengan
pembelajaran fisika yang biasanya hanya menghapal rumus dan mengerjakan soal latihan. Keterampilan
proses sains ini di terapkan pada saat proses belajar kepada peserta didik yang di mana peserta didik
berperan aktif dalam proses pembelajaran untuk melatih pemahaman konsep melalui praktikum.
Sehingga peserta didik tidak hanya membaca dan mendengar cerita dari guru namun peserta didik bisa
langsung mencoba memperaktikkan sendiri dengan alat yang sudah pernah diperkenalkan atau dengan
alat yang sudah tersedia di laboratorium yang berkaitan dengan pokok pembahasan yang sudah dibaca
dan dipahami sebelumnya.
Dari hasil pengamatan yang diperoleh dalam kelas, pada saat proses pembelajaran mulai berlangsung
dapat dilihat di mana pada tahap awal pembelajaran sebelum menuju ke materi selanjutnya, guru terlebih
dahulu menggali kembali materi-materi yang sudah berlalu. Kemudian ketika peserta didik mengalami
kesulitan dalam menjawab guru berusaha memberikan gambaran supaya peserta didik tidak mengalami
kesulitan dalam mencari jawaban yang diminta oleh guru.
Model pembelajaran inkuiri terbimbing sangat jarang di temukan dalam metode pembelajaran yang
di kembangkan guru untuk melakukan proses pembelajaran. Saat menemui materi praktikum, guru
memberikan gambaran misalnya memberikan contoh dalam kehidupan sehari hari atau menayangkan
sebuah gambar/video untuk di perlihatkan ke peserta didik agar peserta didik bisa memahaminya. Guru
jarang melakukan percobaan atau praktikum sehingga peserta didik kurang merasakan hal baru, tidak
mampu mengeksperikan dirinya dalam sebuah percobaan/peraktikum maka dari itu dalam penelitian ini
peneliti ingin mencoba dan melihat peningkatan peserta didik dalam keterampilan proses sains.
22
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
Mp = rerata skor dari subjek yang menjawab betul bagi item yang dicari validitasnya
Mt = rerata skor total
St = standar deviasi dari skor total
p = proporsi peserta didik yang menjawab benar
q = proporsi peserta didik yang menjawab salah (q = 1 – p)
Dengan kriteria, jika Y > 0,361 maka item dinyatakan valid dan jika Y < 0,361 maka item dinyatakan
drop.
2. Uji Reliabilitas Item
Selanjutnya untuk menghitung reliabilitas tes hasil belajar fisika digunakan rumus Kuder-Richardson
- 20 (KR-20) sebagai berikut:
rii = b n - 1 lc m
n s 2 - /pq
(3)
s2
Keterangan:
rii = Reliabilitas tes secara keseluruhan
p = Proporsi subjek yang menjawab item dengan benar
q = Proporsi subjek yang menjawab item salah (q = 1 – p)
Σpq = Jumlah perkalian antara p dan q
n = Banyaknya item
s2 = Standar deviasi dari tes (standar deviasi adalah akar varians)
a) Perhitungan Skor Rata-rata
Skor rata-rata peserta didik diperoleh dengan menggunakan persamaan seperti berikut:
/fi Xi
]X g = (4)
/fi
Keterangan:
X = Skor rata–rata
xi = Tanda kelas
fi = Frekuensi yang sesuai tanda kelas
b) Perhitungan Standar Deviasi
Untuk menghitung standar deviasi dapat menggunakan persamaan seperti berikut:
^/fi Xih2
/fi Xi2 - n
S= n-1 (5)
Keterangan:
S = Standar deviasi
∑fixi = Jumlah skor total peserta didik
∑fixi2 = Jumlah skor rata-rata
n = Banyaknya subjek penelitian
c) Varians
^/xh2
/ x 2
- N
S2 = N (6)
Kategorisasi skor keterampilan proses sains dalam penelitian ini dilakukan adaptasi kategori skor
keterampilan proses sains fisika. Pengkategorian menggunakan skala lima berdasarkan skor yang
diperoleh dalam penelitian yakni sangat tinggi, tinggi, sedang, rendah dan sangat rendah, seperti pada
tabel berikut:
23
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
3. Uji N-gain
Untuk mengetahui peningkatan hasil belajar peserta didik maka digunakan nilai rata-rata gain yang
ternormalisasi. Gain dinormalisasikan merupakan perbandingan antara skor gain pretest-posttest kelas
terhadap gain maksimum yang mungkin diperoleh, yang menggunakan faktor Haake berikut:
^gh =
S posttest - S pretest
Smaksimum - S pretest (7)
Keterangan:
(g) = Nilai gain
Spost = Skor post-test
Spret = Skor pre-test
Smaks = Skor maksimal
Dengan kriteria interprestasi indeks gain3, yaitu:
Tabel 2. Kriteria Interpretasi Indeks Gain
Indeks Gain Kategori
g > 0,7 Tinggi
0,3 ≤ g ≤0,7 Sedang
g < 0,3 Rendah
24
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
2. Analisis Deskriptif
Data dalam penelitian ini diperoleh melalui pre-test dan post-test. Pre-test dan post-test dilaksanakan
dengan menggunakan perangkat tes yang sama Pre test dilakukan sebelum diberikan perlakuan. Setelah
itu barulah memberikan perlakukan yang sebenarnya dengan penerapan model pembelajaran inkuiri
terbimbing. Selanjutnya diberikan post-test untuk mengukur peningkatan tes keterampilan proses sains
peserta didik.
Berdasarkan tes yang diberikan kepada peserta didik pada saat pretest, maka diperoleh hasil analisis
deskriptif untuk skor mata pelajaran fisika peserta didik SMA Negeri 5 Luwu terhadap materi kinematika
gerak Lurus dengan model pembelajaran Inkuiri Terbimbing dapat di lihat pada tabel berikut ini:
Tabel 4. Statistik Skor Keterampilan Proses sains peserta didik kelas X
MIPA 2 SMA Negeri 5 Luwu pada saat Pre-test dan Post-test
Skor Statistik
Statistik
Pretest Posttest
Ukuran Sampel 36 36
Skor Tertinggi 16 22
Skor Terendah 7 13
Skor Rata-rata 10,88 19,22
Variansi 3,17 5,74
Standar Deviasi 1,78 2,40
Skor Maksimal 22 22
Skor Minimal 0 0
a. Hasil Penelitian Data Pre-test
Dari Tabel 3 peserta didik yang memiliki sampel penelitian kelas X MIPA 2 SMA Negeri 5 Luwu
memiliki jumlah peserta didik sebanyak 36 peserta didik. Dilihat dari skor tertinggi dari tes Keterampilan
Proses Sains peserta didik pada pretest yang dicapai sebanyak 16 dan skor terendah yang dicapai peserta
didik sebesar 7 dari skor ideal 22, dan skor rata-rata peserta didik sebesar 11,06 dengan standar deviasi
diperoleh 1,59. Jika skor tes keterampilan proses sains peserta didik kelas X MIPA 2 SMA Negeri 5
Luwu dianalisis menggunakan presentase pada ditribusi frekuensi, maka dapat dilihat pada tabel berikut:
Tabel 5. Distribusi Frekuensi dan Persentase Skor Tes Keterampilan Proses Sains
Peserta Didik Kelas X MIPA 2 SMA Negeri 5 Luwu pada Pre-test
Interval Skor Frekuensi Persentase %
07-08 3 8%
09-10 11 31%
11-12 17 47%
13-14 4 11%
15-16 1 3%
∑ 36 100%
Data distribusi frekuensi pre-test pada tabel 5 dapat disajikan dalam diagram batang sebagai berikut
25
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
Gambar 1. Diagram Distribusi Frekuensi Kumulatif dan Presentasi Skor Tes Keterampilan
Proses Sains Peserta Didik Kelas X MIPA 2 SMA Negeri 5 Luwu pada Pretest
b. Hasil Penelitian Data Post-test
Adapun data yang diperoleh dari tes Keterampilan Proses Sains peserta didik kelas X MIPA 2 SMA.
Negeri 5 Luwu setelah diterapkan model pembelajaran Inkuiri Terbimbing 7 kali pertemuan dengan materi
Kinematika Gerak Lurus, maka dapat dilihat pada tabel 4 di mana skor tertinggi dari tes Keterampilan
Proses Sains peserta didik yaitu 26 dan skor terendah yang di capai yaitu 13 dari skor ideal 22. Adapun
jumlah sampel pada post-test sebanyak 36 peserta didik dengan skor rata-rata 21,21 dan standar deviasi
yang diperoleh 15,69. Berdasarkan data yang diperoleh dari tes keterampilan proses sains peserta didik
diterapkan model pembelajaran Inkuiri. Terbimbing dengan menggunakan analisis distribusi frekuensi dan
persentase skor Keterampilan Proses Sains, maka dapat dilihat dari tabel berikut ini:
Tabel 6. Distribusi Frekuensi dan Persentase Skor Tes Keterampilan Proses Sains
Peserta Didik Kelas X MIPA 2 SMA Negeri 5 Luwu pada Post-test
Interval Skor Frekuensi Persentase %
13-14 1 3%
15-16 5 14%
17-18 7 19%
19-20 8 22%
21-22 15 42%
∑ 36 100%
Data distribusi frekuensi post-test pada Tabel 6 dapat disajikan dalam diagram batang. Gambar 2
berikut ini merupakan diagram batang distribusi frekuensi post-test.
Gambar 2. Diagram Distribusi Frekuensi Kumulatif dan Presentasi Skor Tes Keterampilan
Proses Sains Peserta Didik Kelas X MIPA 2 SMA Negeri 5 Luwu pada post-test.
Sesuai dengan tabel 6 tentang kategori skor keterampilan proses sains, maka dapat di lihat pada tabel 8 yang
menunjukkan interval skor dan pengkategorian keterampilan proses sains peserta didik sebelum dan sesudah.
26
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
19, 22 - 10, 88
g=
22 - 10, 88
8, 34
g = 11, 12
g = 0, 75
27
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
28
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
Hasil n-gain diperoleh peningkatan keterampilan proses sains peserta didik dalam kategori tinggi, sedang,
dan rendah secara individual dari 36 peserta didik terdapat 25 peserta didik atau (69%) yang memperoleh
kategori tinggi, 11 peseserta didik atau (31%) yang memperoleh kategori sedang dan 0 atau (0%) tidak ada
peserta didik yang memperoleh kategori rendah. Adapun skor rata-rata analisis n-gain adalah 0,75 yang
memperoleh kategori tinggi, hasil analisis ini menggambarkan bahwa setelah diterapkan model pembelajaran
inkuiri terbimbing di kelas tersebut terjadi peningkatan terhadap keterampilan proses sains fisika peserta didik.
4. KESIMPULAN
Hasil pengolahan data dan analisis data pada hasil penelitian yang sudah dilakukan di kelas X MIPA
SMA Negeri 5 Luwu mengenai peranan model pembelajaran inkuiri terbimbing terhadap keterampilan proses
sains peserta didik, diperoleh kesimpulan bahwa: (1) Sebelum menggunakan model pembelajaran Inkuiri
Terbimbing terhadap keterampilan proses sains peserta didik diperoleh skor rata-rata sebesar 11,06 yang
berada pada kategori sedang; (2) Setelah menggunakan model pembelajaran Inkuiri Terbimbing terhadap
keterampilan proses sains peserta didik diperoleh skor rata-rata sebesar 21,21 di mana skor ini berada pada
kategori tinggi; (3) Terdapat peningkatan keterampilan proses sains pada peserta didik kelas sebelum dan
setelah menggunakan model pembelajaran Inkuiri Terbimbing dan dinyatakan dalam kategori tinggi.
LAMPIRAN
Validitas instrumen dianalisis menggunakan persamaan koefisien korelasi biseral dengan rumus
sebagai berikut:
M p - Mt p
c pbi = St q
dengan:
γpbi = koefesien korelasi biser
Mp = rerata skor dari subjek yang menjawab betul bagi item yang dicari validitasnya
Mt = rerata skor total
St = standar deviasi
p = proporsi peserta didik yang menjawab benar
q = proporsi peserta didik yang menjawab salah
Dengan kriteria jika γpbi ≥ rtabel maka item dinyatakan valid dan jika γpbi < rtabel maka item dinyatakan
drop, dengan rtabel = 0,361. Untuk lebih jelasnya, perhitungan validitas item instrument dipaparkan pada
berikut.
Untuk validitas item soal nomor 1 dari 30 soal yamg diberikan ke 36 peserta didik:
a. Rata-rata peserta didik yang menjawab benar (Mp)
545
M p = 27 = 20, 185 . 20, 19
29
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
= 507672 ]- 495616
36 35g
= 12056
1260
= 9, 56
= 3, 09
f. Koefesien korelasi biserial
M p - Mt p
rpbi =St q
20, 19 - 19, 56 0, 75
= 3, 09 0, 25
0, 63
= 3, 09 3
rpbi = 0, 20 .1, 73 = 0, 346
Karena rpbi yang di peroleh dapal perhitungan (0,346) ternyata lebih kecil dari pada rtabel (0,361),
maka dapat di ambil kesimpulan bahwa butir item No.1 tersebut tidak valid atau drop.
DAFTAR PUSTAKA
1. Anam, K. (2015). Pembelajaran Berbasis Inkuiri: Metode dan Aplikasi. Yogyakarta, Pustaka Pelajar.
2. Arikunto,S. (2010). Presedur Penelitian: Suatu Pendekatan Praktik Edisi Revisi. Jakarta, Reneka Cipta.
3. Arikunto. (2013). Prosedur Penelitian Suatu Pendekatan Praktik. Jakarta, Rineka Cipta
4. Ertikanto. (2016). Teori Belajar dan Pembelajaran. Yogyakarta, Media Akademi.
5. Hilpan. (2014). Analisis Kesedian Keterampilan Proses Sains (KPS) Dalam Buku Sekolah Elektronik
(BSE) Fisika Kelas XI Pada Konsep Fluida. Skripsi tidak diterbitkan. Jakarta: Fakultas Ilmu Tarbiyah
Dan Keguruan: UIN Syarif Hidayatullah.
6. Ma'ruf, Abd. Samad, & Nuraisyah. (2014). Upaya Meningkatkan Hasil Belajar Fisika Melalui Model
Pembelajaran Inquiry Terbimbing Pada Peserta Didik. JPF. Universitas Muhammadiyah Makassar
7. Purwanto. (2016). Evaluasi Hasil Belajar. Pustaka Belajar. Yogyakarta.
8. Putrayasa, Made, Dkk. (2014). Pengaruh Model Pembelajaran Discovery Learning Dan Minat
Belajar Terhadap Hasil Belajar IPA Peserta didik. Jurnal Mimbar PGSD Universitas Pendidikan
Ganesha.
9. Riduwan. (2015). Dasar-Dasar Statistika. Bandung, Alfa Beta.
10 Sugiyono. (2017). Metode Penelitian Pendidikan Pendekatan Kuntitatif, Kualitatif dan R&D.
Bandung, Alfabeta.
11. Sulwinda. (2018). Penerapan Model Pembelajaran Inkuiri Terbimbing Terhadap Hasil Belajar
Peserta Didik Kelas X SMAN 3 Gowa. Skripsi. Makassar: Fakultas Keguruan dan Ilmu Pendidikan
Universitas Muhammadiyah Makassar.
30
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
Abstrak
Penelitian ini merupakan penelitian ex-post facto yang dilaksanakan pada bulan Maret-April Tahun
2021 di SMAN 9 Pinrang yang berlokasi di Kec. Cempa Kabupaten Pinrang. Tujuannya adalah untuk
mengetahui perbedaan hasil belajar fisika peserta didik yang aktif berorganisasi dengan yang tidak aktif
berorganisasi pada masa pandemik. Variabel bebas dalam penelitian ini adalah keaktifan peserta didik
berorganisasi yang diukur menggunakan angket. Sedangkan variabel terikatnya adalah hasil belajar fisika
yang datanya dikumpulkan menggunakan instrumen dokumen. Dari hasil penelitian diperoleh: 1) Rata-
rata hasil belajar fisika peserta didik yang aktif berorganisasi pada masa pandemi adalah 82,4; 2) Rata-
rata hasil belajar fisika peserta didik yang tidak aktif berorganisasi pada masa pandemik adalah 81,2; 3)
Hasil uji-t menunjukkan bahwa thitung < ttabel, dengan demikian tidak terdapat perbedaan signifikan antara
peserta didik yang aktif berorganissasi dengan yang tidak aktif berorganisasi. Faktor yang membuat nilai
peserta didik tidak jauh berbeda adalah karena kondisi pandemi yang proses pembelajaran pun dilakukan
secara jarak jauh. Karena kondisi ini kegiatan di Sekolah hampir tidak ada, termasuk kegiatan-kegiatan
organisasi menjadi tiada. Kurangnya aktivitas organsasi ini membuat peserta didik yang tadinya aktif
berorganisasi menjadi semi tidak aktif. Sehingga nilai peserta didik tidak jauh berbeda.
Kata Kunci: aktif; hasil belajar; organisasi
1. PENDAHULUAN
Pendidikan merupakan elemen paling penting yang menjamin kelangsungan kehidupan suatu
bangsa, karena pendidikan merupakan wadah untuk mengembangkan potensi individu. Pendidikan
utamanya dapat diperoleh melalui bangku sekolah. Selain proses belajar-mengajar, peserta didik juga
ditawarkan untuk terlibat dalam kegiatan non akademik, yaitu ekstrakurikuler atau organisasi. Kegiatan
non akademik ini menjadi wadah dalam mengembangkan soft skill agar menjadi lulusan yang mandiri,
penuh inisiatif, bekerja secara cermat, penuh tanggung jawab dan gigih.
Kegiatan ekstrakurikuler adalah kegiatan kurikuler yang dilakukan peserta didik di luar jam
belajar kegiatan intrakurikuler dan kegiatan kokurikuler di bawah bimbingan dan pengawasan satuan
pendidikan. Salah satu bentuk kegiatan ekstrakurikuler adalah organisasi. Organisasi merupakan sebuah
sistem yang terdiri dari aneka macam elemen atau subsistem yang saling berinteraksi dalam upaya untuk
mencapai tujuan atau sasaran1. Sedangkan pengertian organisasi menurut Mathis and Jackson adalah
suatu kesatuan sosial dari sekelompok manusia yang saling berinteraksi menurut suatu pola tertentu
sehingga setiap anggota organisasi memiliki fungsi dan tugasnya masing-masing, sebagai suatu kesatuan
yang memiliki tujuan tertentu dan mempunyai batas-batas yang jelas, sehingga bisa dipisahkan2.
Secara teoritis, organisasi sekolah dalam menyelenggarakan programnya terlebih dahulu menyusun
tujuan dengan baik yang implementasinya dilakukan secara efisien dan efektif dalam proses belajar mengajar.
Di dalam organisasi juga diperlukan adanya semangat organisasi dan organisasi ditentukan oleh sistem yang
ada dalam organisasi dan kualitas sang pemimpin. Keefektifan organisasi sekolah tergantung pada desain
organisasi dan pelaksanaan fungsi komponen organisasi yang mencakup proses pengelolaan informasi,
partisipasi, perencanaan, pengawasan, dan pembuatan kebijakan dalam pelaksanaan tugas pokok3.
Beberapa manfaat mengikuti kegiatan organisasi antara lain: 1) melatih bekerja sama dalam bentuk
tim kerja multi disiplin; 2) membina siap mandiri, percaya diri, disiplin, bertanggung jawab; 3) membina
31
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
dan mengembangkan minat bakat; 4) melatih berkomunikasi dan menyatakan pendapat di depan umum;
5) membina kemampuan kritis, produktif, kreatif dan inovatif; serta 6) menambah wawasan4.
Bagi peserta didik yang terlibat aktif dalam kegiatan organisasi tentu punya lebih banyak kegiatan
dibandingkan dengan yang tidak aktif. Sebab selain menyelesaikan tugas-tugas dari guru juga harus
mengejakan tugas-tugas dalam organisasi. Hal ini sedikit banyaknya memberi pengaruh terhadap hasil
belajar peserta didik. Hasil belajar merupakan wujud nyata dari kemampuan peserta didik menerima
pelajaran. Hasil belajar ditunjukkan dengan nilai-nilai tes, baik secara lisan, tulisan maupun praktik.
Hasil belajar adalah pola-pola perbuatan, nilai-nilai, pengertian-pengertian, sikap, apresiasi dan
keterampilan5. Pendapat lain mengungkapkan bahwa hasil belajar yang menjadi objek penilaian kelas
berupa kemampuan-kemampuan baru yang diperoleh peserta didik setelah mereka mengikuti proses
belajar-mengajar tentang mata pelajaran tertentu6. Hasil belajar seorang peserta didik dipengaruhi
oleh faktor internal dan faktor eksternal. Faktor internal berupa faktor jasmani dan faktor psikologis
(intelegensi dan kemauan), sedangkan faktor eksternal berupa lingkungan keluarga, lingkungan sekolah
dan lingkungan masyarakat.
Peserta didik yang aktif berorganisasi dituntut untuk dapat menyeimbangkan antar waktu belajar
dan waktu berorganisasi. Namun pada kenyataannya, kegiatan organisasi terkadang membutuhkan porsi
waktu dan perhatian yang lebih. Sehingga peserta didik yang aktif berorganisasi terkadang tersita waktu
belajarnya. Hal ini kemungkinan besar memengaruhi hasil belajar peserta didik tersebut.
Di UPT SMAN 9 Pinrang terdapat 4 (empat) macam organisasi peserta didik yang memiliki cukup
banyak anggota. Organisasi yang dimaksud adalah Organisasi Siswa Intra Sekolah (OSIS), Praja Muda
Karana (Pramuka), Remaja Mushallah (Remus), dan Palang Merah Remaja (PMR). Peserta didik yang
menjadi anggota organisasi tersebut tersebar dari kelas X hingga kelas XII. Di mana yang menjadi
pengurus inti dari organisasi-organisasi tersebut sebagian besar merupakan peserta didik di Kelas X
dan XI. Akan tetapi pada pandemi covid-19, sekolah ditutup dan kegiatan belajar mengajar dialihkan
menjadi Pembelajaran Jarak Jauh (PJJ) secara online. Tujuannya adalah mengurangi interaksi manusia
sehingga dapat memutus mata rantai penularan virus tersebut.
Sekolah tidak aktif bukan berarti bahwa kegiatan persekolahan dihentikan. Pembelajaran tetap
berlangsung, hanya saja bentuknya yang berubah. Begitupun dengan kegiatan kurikuler, organisasi
peserta didik tidak berjalan sebagaimana biasanya namun tidak berarti dibubarkan. Kegiatan organisasi
pun berubah bentuk menjadi lebih banyak via daring. Inilah yang menjadi landasan peneliti melakukan
penelitian ini untuk mengetahui perbedaan hasil belajar fisika peserta didik anggota organisasi dan
bukan anggota dengan mengambil UPT SMAN 9 Pinrang sebagai subjek penelitian, mengingat pada
waktu itu aktivitas di Sekolah dikurangi bahkan ditiadakan sama sekali.
Adapun tujuan dari penelitian ini adalah untuk: 1) mengetahui bagaimana hasil belajar fisika peserta
didik yang aktif berorganisasi pada masa pandemi; 2) mengetahui bagaimana hasil belajar fisika peserta
didik yang tidak aktif berorganisasi pada masa pandemi; dan 3) mengetahui adakah perbedaan signifikan
hasil belajar fisika peserta didik yang aktif berorganisasi dengan yang tidak aktif berorganisasi pada
masa pandemi.
Berdasarkan latar belakang masalah dan tujuan penelitian maka hipotesis yang di ajukan adalah:
H0 = Tidak terdapat perbedaan signifikan hasil belajar peserta didik aktif berorganisasi dengan yang
tidak.
H1 = Terdapat perbedaan signifikan hasil belajar peserta didik aktif berorganisasi dengan yang tidak.
2. METODE
Penelitian ini merupakan penelitian ex-post facto, artinya penelitian tentang variabel yang kejadiannya
sudah terjadi sebelum penelitian dilaksanakan7. Penelitian dilakukan dengan menurut ke belakang
untuk mengetahui faktor-faktor yang menimbulkan kejadian tersebut tanpa memberikan perlakuan atau
memanipulasi variabel yang diteliti. Penelitian ini telah dilaksanakan pada bulan Maret-April semester
genap Tahun Ajaran 2020/2021 di SMAN 9 Pinrang yang berlokasi di Kec. Cempa Kabupaten Pinrang.
32
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
Populasi pada penelitian ini adalah seluruh kelas XI SMAN 9 Pinrang dan sampelnya sebanyak 19
orang.
a. Instrumen Penelitian
1) Angket
Responden dalam penelitian ini adalah seluruh peserta didik kelas XI SMAN 9 Pinrang. Angket
digunakan untuk mengetahui tingkat keaktifan peserta didik dalam kegiatan organisasi sekolah. Angket
yang digunakan dalam penelitian ini adalah angket tertutup yaitu angket skala Guttman yang hanya
disediakan dua pilihan jawaban (dikotomi). Berikut Tabel 1 menunjukkan cuplikan angket yang
diberikan kepada sampel:
Tabel 1. Tabel Cuplikan Angket
Nomor
Pernyataan Ya Tidak
Butir
6 Apakah Anda senang mengikuti kegiatan ekstrakurikuler?
11 Jika sekolah mengadakan suatu kegiatan, apakah Anda siap meluangkan
waktu Anda untuk selalu ikut serta dalam kegiatan tersebut?
12 Apakah Anda sering menggunakan sebagian besar waktu yang dimiliki
untuk mengurus kegiatan organisasi?
16 Apakah Anda selalu menyempatkan diri untuk datang ke sekretariat
organisasi?
19 Apakah Anda mementingkan organisasi daripada pembelajaran di kelas?
2) Dokumen
Dokumen adalah catatan mengenai kejadian yang telah lalu, dalam hal ini nilai rapor peserta didik
kelas XI SMAN 9 Pinrang untuk mata pelajaran fisika pada semester genap Tahun Ajaran 2019/2020
(Kelas X) dan semester ganjil Tahun Ajaran 2020/2021 (Kelas XI).
b. Teknik Analisis Data
1) Uji Coba Instrumen
a) Uji Validitas Instrumen
Validitas adalah ukuran yang menunjukkan kesahihan sebuah instrumen. Karena instrumen
dalam penelitian ini menggunakan skala Guttman, sehingga untuk memperoleh tingkat validitas
instrumen angketnya penulis menggunakan Coefficient of Reproducibility (CR) dan Coefficient of
Scability (CS). Adapun rumus yang digunakan untuk menghitung CR dan CS adalah:
CR atau Koefisien Reprodusibilitas (KR)8
e (1)
KR = 1 - n
Keterangan:
KR = Koefisien Reprodusibilitas
e = Jumlah kesalahan
n = Jumlah pertanyaan dikali jumlah responden
KR dikatakan baik bila nilainya ≥ 0,90
CS atau Koefisien Skalabilitas8
e (2)
KS = 1 - ]
c n - Tng
Keterangan:
KS = Koefisien Skalabilitas
e = Jumlah kesalahan
c = Kemungkinan mendapatkan jawaban yang benar, karena pilihan jawaban ya (1) dan tidak (0)
maka c adalah 0,5.
33
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
2. Untuk setiap bilangan baku ini dengan menggunakan daftar distribusi normal baku, kemudian
dihitung peluang F(zi) = P (z < zi)
3. Selanjutnya dihitung proporsi z1, z2, z3, …, zn yang lebih kecil atau sama dengan zi. Jika proporsi
ini dinyatakan oleh S(zi) maka:
r11 = b n - 1 lc m
n S 2 - /pq (4)
S2
4. Hitung selisih F(zi) – S(zi), kemudian tentukan harga mutlaknya.
5. Ambil harga yang paling besar di antara harga-harga mutlak selisih tersebut, misal harga tersebut
L0.
Untuk menerima atau menolak hipotesis nol (H0), dilakukan dengan cara membandingkan L0 ini
dengan nilai kritis L yang terdapat dalam tabel untuk taraf nyata yang dipilih .
34
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
b) Uji Homogenitas
Uji homogenitas bertujuan untuk mengetahui apakah cuplikan dari populasi yang homogen atau
tidak. Salah satu uji homogenitas adalah uji varians sebagai berikut:
1. Menghitung variansi masing-masing kelompok
2. Menghitung harga F
variasi terbesar
F = variansi terjecil (5)
3. Data dikatakan homogen jika Fhitung < Ftabel
3) Pengujian Hipotesis
Pengujian hipotesis menggunakan uji-t. Uji t ini dipengaruhi oleh hasil uji kesamaan dua varians.
Jika varians kedua kelompok sama maka rumus uji t yang digunakan9:
x1 - x 2 ]n1 - 1g s12 + ]n2 - 1g s 22 (6)
t= ; s2 = n1 + n2 - 2
1 + 1
s n1 n2
Keterangan:
x̅1 = Nilai rata-rata kelompok peserta didik yang tidak aktif berorganisasi
x̅2 = Nilai rata-rata kelompok peserta didik yang aktif berorganisasi
s12 = Variansi data pada kelompok peserta didik yang tidak aktif berorganisasi
s22 = Variansi data pada kelompok peserta didik yang aktif berorganisasi
s2 = Variansi gabungan
n1 = Banyak subjek pada kelompok peserta didik yang tidak aktif berorganisasi
n2 = Banyak subjek pada kelompok peserta didik yang aktif berorganisasi
Derajat kebebasan (dk) untuk tabel distribusi t yaitu (n1 + n2 – 2) dengan peluang (1 – 1/2α), α = 5%.
Kriteria yang digunakan yaitu jika thitung > ttabel, maka H1 diterima.
Jika diperoleh simpulan bahwa kedua varians tidak sama, maka rumus yang digunakan9:
x1 - x 2 (7)
t' =
s12 s 22
n1 + n2
Kriteria yang digunakan, tolak H0 jika : t' $
w1 t1 + w2 t2
w1 + w2
36
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
37
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
Dari tabel di atas terlihat bahwa besar Fhitung adalah 1,323 sedangkan Ftabel adalah 4,027 maka berarti
Fhitung < Ftabel. Dengan demikian keadaan ini memenuh syarat untuk hasil belajar fisika peserta didik adalah
homogen. Ketika data terdistribusi normal dan homogen, maka dapat dilanjutkan dengan uji hipotesis.
Data yang diperoleh setelah melalui uji prasyarat adalah normal dan homogen pada kedua kelompok
peserta didik. Data normal artinya sebaran data memenuhi grafik normalitas, di mana responden terdiri
dari sebagian besar peserta didik dengan nilai pada kriteria sedang. Sedangkan data homogen artinya
data yang diperoleh terdiri dari data peserta didik yang beragam, ada yang unggul, ada yang kurang
dan ada pula dengan kemampuan rata-rata. Setelah mengetahui bahwa data yang diperoleh normal dan
homogen selanjutnya dilakukan uji hipotesis.
c. Uji Hipotesis
Pengujian hipotesis pada penelitian ini menggunakan uji-T. Adapun hasil perhitungan menggunakan
Microsoft Excel ditunjukkan pada Tabel 6 berikut.
Tabel 6. Data hasil uji-t dua variabel
Variabel 1 Variabel 2
Rata-rata 82,4417 81,1714
Variance 4,7536 3,5923
Observations 12 7
Perbedaan Rata-Rata yang Dihipotesiskan 0
Df 14
t Stat 1,3321
P(T <= t) satu sisi 0,1021
Nilai kritis t satu sisi 1,7613
P(T <= t) dua sisi 0,2041
Nilai kritis t dua sisi 2,1448
Berdasarkan hasil perhitungan diperoleh thitung bernilai 1,332. Sesuai dengan kriteria yang digunakan
yaitu jika thitung > ttabel, maka H1 diterima. Dan jika thitung < ttabel, maka H1 ditolak. Dengan demikian
karena thitung (1,332) < ttabel (2,145), maka H1 ditolak, yang berarti tidak terdapat perbedaan signifikan
hasil belajar fisika peserta didik antara peserta didik yang aktif berorganisasi dengan yang tidak aktif
berorganisasi.
Uji hipotesis pada penelitian ini menggunakan uji-T dengan dua variabel. T-hitung nantinya akan
menjadi dasar pengambilan keputusan apakah hipotesis diterima atau ditolak. Hasil perhitungan uji-T
dengan bantuan aplikasi Microsoft Excel diperoleh bahwa nilai thitung (1,332) < ttabel (2,145), maka H0
diterima dan H1 ditolak, yang berarti tidak terdapat perbedaan signifikan hasil belajar fisika antara
peserta didik antara yang aktif berorganisasi dengan yang tidak aktif berorganisasi. Tenyata hasil yang
diperoleh tidak sesuai yang diharapkan. Jika melihat rata-rata nilai setiap kelompok, nilai rata-rata
kelompok peserta didik yang aktif beroganisasi yaitu sebesar 82,4 sedangkan nilai rata-rata kelompok
peserta didik yang tidak aktif berorganisasi adalah sebesar 81,2 memang terdapat perbedaan akan tetapi
perbedaan tersebut tidak terlalu signifikan. Harapan penulis adalah peserta didik yang aktif berorganisasi
mempunyai nilai yang jauh lebih baik dibandingkan peserta didik yang tidak aktif berorganisasi.
Asumsi penulis adalah faktor utama yang membuat nilai peserta didik tidak jauh berbeda adalah karena
kondisi pandemi. Pandemi memaksa peserta didik untuk tetap berada di rumah saja, bahkan proses
pembelajaran pun dilakukan secara jarak jauh. Karena kondisi ini kegiatan di Sekolah hampir tidak
ada, termasuk kegiatan-kegiatan organisasi menjadi tiada. Kurangnya aktivitas organsasi ini membuat
peserta didik yang tadinya aktif berorganisasi menjadi semi tidak aktif. Sehingga nilai mereka pun tidak
jauh berbeda. Responden hanya aktif di organisasi ketika mereka masih di bangku kelas X saja. Dan
setelah datangnya wabah virus Covid-19 semua sektor terdampak buruk, termasuk di sektor pendidikan.
Asessmen pembelajaran jarak jauh tidak sebaik assesmen pembelajaran tatap muka.
38
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
Faktor lain yang dianggap peneliti juga berpengaruh adalah karena pada kelas X, semua responden
hanya menjabat sebagai anggota biasa didalam kepengurusan organisasi. Sementara yang terlibat aktif
adalah para pengurus organisasi yaitu peserta didik kelas XI dan peserta didik kelas XII. Akibatnya
nilai rapor peserta didik yang aktif dan yang tidak aktif berorganisasi masih relatif sama. Dengan
memperhatikan hal ini, peneliti menyarankan untuk tidak melakukan penelitian dengan variabel yang
sama di kondisi yang sama.
4. KESIMPULAN
Berdasarkan hasil penelitian diperoleh rata-rata hasil belajar fisika peserta didik yang aktif
berorganisasi di masa pandemi adalah 82,4 sedangkan rata-rata hasil belajar fisika peserta didik
yang tidak aktif berorganisasi di masa pandemi adalah 81,2. Dari data tersebut sudah terlihat bahwa
terdapat perbedaan nilai hasil belajar dari dua kelompok peserta didik ini meskipun perbedaannya tidak
terlalu signifikan. Hal ini bersesuaian dengan hasil uji-t menunjukkan bahwa thitung < ttabel, yang berarti
tidak terdapat perbedaan signifikan antara peserta didik yang aktif berorganisasi dengan yang tidak
aktif berorganisasi. Maka dari itu untuk penelitian berikutnya, sebaiknya tidak menggunakan variabel
yang sama dengan waktu yang sama pula. Sebab, hasil pengukuran yang diperoleh tidak seperti yang
diharapkan. Kekurangan dari penelitian ini adalah saat pengumpulan data angket disebar melalui media
sosial dan ternyata memakan waktu cukup lama, maka dari itu cara seperti ini sebaiknya dihindari. Dan
yang terakhir kepada pengelola dan pemangku organisasi sekolah, sebaiknya kegiatan organisasi tetap
dijalankan dengan menyesuaikan program kerja berdasarkan kondisi sehingga peserta didik tetap punya
kegiatan lain dan organisasi tidak terkesan mati suri.
DAFTAR PUSTAKA
1. Pradayu, M. (2017). Pengaruh Aktivitas Organisasi Terhadap Prestasi Belajar (Studi Kasus Pengurus
Bem Universitas Riau Kabinet Inspirasi Periode 2016-2017). JOM FISIP Vol. 4 No. 2: 1-12.
2. Rernawan, E. 2011. Organization Culture, Budaya Organisasi dalam Perspektif Ekonomi dan
Bisnis. Bandung: Penerbit Alfabeta.
3. Fitriyani. (2019). Konsep Organisasi Pendidikan Dalam Pemberdayaan Sekolah. el-Ghiroh. Vol.
XVII, No. 02: 61-80.
4. Patunru, S., Jam’an, A., dan Madani, M. 2020. Analisis Keaktifan Berorganisasi Terhadap Prestasi
Akademik Mahasiswa Program Studi Teknologi Laboratorium Medis Politeknik Kesehatan
Muhammadiyah Makassar. Competitiveness Vol. 9 No. 2: 151-163
5. Suprijono, A. 2012. Cooperative Learning: Teori dan Aplikasi PAIKEM. Yogyakarta : Pustaka
Pelajar
6. Supratiknya, A. 2012. Penilaian Hasil Belajar dengan Teknik Nontes. Yogyakarta: Universitas
Sanata Darma.
7. Arikunto, S. 2010. Prosedur Penelitian Suatu Pendekatan Praktik. Jakarta: Rineka Cipta
8. Rianse, U. dan Abdi. 2008. Metodologi Penelitian Sosial dan Ekonomi. Bandung: Alfabeta.
9. Sudjana, N. dan Ibrahim. 2009. Penelitian dan Penilaian Pendidikan. Bandung: Sinar Baru
Algensido.
39
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
Abstrak
Kondisi cairan infus pasien perlu dilakukan pemantauan secara berkala untuk menghindari keterlambatan
dalam penggantian cairan infus yang dapat mengakibatkan pembentukan gelembung udara pada
pembuluh darah pasien. Oleh karena itu diperlukan suatu sistem untuk dapat memantau kondisi cairan
infus secara otomatis yang dapat diakses kapan saja tanpa perlu melakukan pengecekan secara langsung.
Penelitian ini difokuskan pada pemantauan volume cairan infus yang dapat diakses pada gawai melalui
aplikasi blynk dengan menggunakan NodeMCU ESP8266 sebagai pengendali dan komunikasi data hasil
pengukuran untuk ditampilkan di aplikasi dan LCD (Liquid Crystal Display). Pengukuran volume cairan
infus menggunakan sensor load cell dan buzzer sebagai indikator pengingat ketika cairan infus hampir
habis. Pada sistem ini diperoleh data hasil kalibrasi sensor load cell yang terkonversi ke dalam satuan
volume (mL) dengan tingkat kesalahan pembacaan sebesar 0,34% yang menunjukkan akurasi sebesar
99,66% sedangkan untuk hasil pengujian pembacaan volume infus pada alat dengan membandingkan
volume yang terukur pada gelas ukur diperoleh tingkat ketepatan pembacaan sebesar 99,65%. Hasil
pengujian alat ini menunjukkan bahwa kondisi volume cairan infus dapat dipantau dengan baik
menggunakan aplikasi blynk.
Kata Kunci: blynk, cairan infus, load cell, nodemcu.
1. PENDAHULUAN
Dalam beberapa tahun terakhir terjadi peningkatan berbagai kasus medis baik karena kecelakaan
lalu lintas, penyakit bawaan, hingga kasus yang mengejutkan dunia pada tahun 2019, yaitu COVID-19
yang sangat memberikan dampak besar terhadap ruang lingkup rumah sakit, di mana jumlah pasien yang
begitu banyak yang tidak sebanding dengan jumlah perawat yang bertugas1. Dalam Global Status Report
on Road Safety menunjukkan bahwa setiap harinya pada tahun 2015 di seluruh dunia lebih dari 1,25 juta
orang meninggal akibat kecelakaan lalu lintas dan 50 juta orang mengalami luka berat2. Berdasarkan
data Our World, hingga 1 Desember 2021 kasus positif COVID-19 di dunia mencapai 264 juta orang
dengan kasus meninggal sebesar 5,22 juta orang3. Jumlah pasien yang meningkat menyebabkan perawat
kewalahan dan sulit untuk melaksanakan tugasnya dengan baik, salah satunya adalah memperhatikan
atau melakukan penggantian cairan infus yang telah kosong pada pasien yang dirawat di Rumah Sakit
ataupun Puskesmas.
Pemberian cairan infus merupakan cara tercepat untuk memasukkan obat ke dalam tubuh secara
langsung melalui pembuluh darah vena4. Namun pemantauan kondisi cairan infus harus dilakukan secara
berkala oleh perawat untuk dapat mengetahui kapan cairan infus harus diganti dan untuk memastikan
aliran infus tidak dalam keadaan macet. Jika terjadi keterlambatan dalam penggantian cairan infus maka
dapat menyebabkan terjadinya refluks atau darah dari tubuh mengalir berlawanan arah dengan cairan
infus di dalam botol yang disebabkan tekanan tinggi pada tubuh pasien sedangkan pada botol cairan infus
bertekanan rendah. Selain itu juga dapat terjadi pembentukan gelembung udara pada pembuluh darah
pasien yang dapat berakibat fatal pada kondisi pasien bahkan dapat menyebabkan kematian jika terjadi
keterlambatan dalam penanganannya5. Oleh karena itu dibutuhkan suatu sistem pemantauan secara
otomatis yang dapat diakses setiap saat untuk memantau kondisi infus pasien tanpa perlu melakukan
pengecekan secara langsung.
Berbagai penelitian telah dilakukan untuk pemantauan cairan infus. Pada penelitian yang dilakukan
oleh Sangeetha, dkk digunakan sensor aliran YF-S401 untuk memantau cairan yang mengalir melalui
40
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
sensor berbasis aplikasi . Oros, dkk menggunakan sensor kapasitif untuk mendeteksi level cairan di
5
dalam botol infus dan sensor warna TCS230 untuk mendeteksi warna cairan di dalam botol infus berbasis
web6. Anagha, dkk menggunakan sensor load cell untuk pemantauan level cairan infus dan sensor flex
untuk otomatisasi kipas bagi pasien yang membutuhkan yang berbasis aplikasi dengan menggunakan
mikrokontroler ARM7 Micro yang relatif mahal7. Keerth, dkk menggunakan sensor inframerah (IR)
untuk memeriksa kadar garam di dalam botol dan sensor laser untuk memantau kecepatan tetesan infus
menggunakan Lowercase berbasis aplikasi8. Ray dan Thapa hanya melakukan tinjauan sistem pengukuran
otomatis level cairan infus setiap saat dengan mempertimbangkan studi terbaru yang diterbitkan antara
tahun 2010 dan 20179. Pada penelitian yang dilakukan oleh Ajeeth, dkk menggunakan sensor IR untuk
mengukur jumlah tetesan yang jatuh melalui ruang tetes10, Akbar dan Gunawan melakukan penelitian
sistem pemantauan infus berbasis IoT (Internet of Things) menggunakan sensor load cell berbasis web
server Thingspeak11.
Berdasarkan beberapa penelitian di atas mengenai sistem pemantauan infus, para peneliti tersebut
ada yang menggunakan sistem pemantauan infus yang harus diakses menggunakan web, sehingga
kurang praktis untuk dilakukan pemantauan mengenai kondisi cairan infus secara otomatis. Ada
sistem pemantauan infus yang sudah berbasis aplikasi namun menggunakan sistem pengendali dengan
harga yang relatif mahal. Ada sistem pemantauan infus yang menggunakan sensor untuk mendeteksi
jumlah tetesan cairan infus dan level cairan infus di dalam botol, yang menyebabkan perhitungannya
kurang akurat. Maka, dalam penelitian ini dirancang sebuah sistem untuk memantau kondisi cairan
infus pasien yang dapat diakses secara otomatis menggunakan gawai melalui sebuah aplikasi, sehingga
memudahkan untuk dilakukan pemantauan secara berkala, namun tetap mempertimbangkan harga yang
dapat dijangkau. Penelitian difokuskan untuk memantau volume cairan infus menggunakan sensor load
cell untuk mengukur massa infus yang dikonversi ke dalam satuan volume dengan menggunakan sistem
pengendali NodeMCU ESP8266 yang juga sebagai penghubung komunikasi data hasil pengukuran
untuk dikirim ke aplikasi dengan berbasis internet. Hasil pemantauan cairan infus ditampilkan pada
aplikasi blynk dan LCD yang berukuran 20x4. Untuk memberitahu perawat ketika cairan infus hampir
habis maka pada aplikasi blynk akan menampilkan notifikasi yang mengharuskan agar cairan infus
segera diganti, yang diikuti dengan bunyi buzzer.
41
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
42
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
43
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
44
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
Perangkat lunak yang digunakan untuk menampilkan hasil pemantauan infus adalah aplikasi
blynk yang dapat diakses melalui gawai, namun sebelumnya harus dimasukkan SSID dan password
hostpot/WiFi yang sama pada gawai. Selain SSID dan password untuk dapat menggunakan aplikasi
blynk, maka pada kode pemrograman yang dibuat, dimasukkan kode token yang dikirim ke email saat
pembuatan akun aplikasi blynk. Selanjutnya pada widget box aplikasi blynk dipilih labeled value untuk
menampilkan massa cairan infus dalam satuan gram dan gauge untuk menampilkan status volume
cairan infus, sedangkan untuk menampilkan notifikasi status cairan infus pilih menu notification pada
widget box. Untuk lebih jelasnya tampilan untuk pemantauan volume infus dapat dilihat pada Gambar 5.
digital dan telah menunjukkan hasil pembacaan yang sesuai. Bandul kalibrasi tersebut kemudian diuji
menggunakan sensor load cell dengan cara meletakkan bandul tersebut di atas sensor kemudian data
hasil pengukuran massa akan ditampilkan pada serial monitor Arduino IDE. Berikut adalah data hasil
perbandingan nilai ADC pada modul amplifier HX711 terhadap beban yang digunakan, ditunjukkan oleh
Gambar 6. Persamaan garis linear yang diperoleh pada Gambar 6 yaitu, y = 0,22x kemudian dimasukkan
ke dalam pemrograman Arduino IDE yang telah dibuat, untuk dapat melakukan kalibrasi sensor load cell.
ADC HX711
120 Linear "ADC HX711"
100
80 y = 0,22x
ADC HX711 (volt)
R2 = 1
60
40
20
0
0 100 200 300 400 500
Alat Standar (g)
Gambar 6. Grafik perbandingan nilai keluaran ADC pada modul amplifier HX711 terhadap beban
Besaran yang ingin diukur adalah volume cairan infus maka perlu dilakukan konversi massa (g)
ke volume (mL) dengan alat pembanding yang digunakan adalah gelas ukur. Agar lebih akurat juga
dilakukan pengukuran menggunakan timbangan digital, di mana massa gelas ukur ditimbang terlebih
dahulu, kemudian dilakukan penimbangan gelas ukur yang telah berisi air. Cairan infus pada penelitian ini
diganti dengan air PDAM yang memiliki massa jenis 0,997 g/cm3. Volume cairan infus yang digunakan
pada penelitian ini adalah 500 mL, 400 mL, 300 mL, 200 mL, dan 100 mL. Hasil pembacaan sensor load
cell diperoleh tingkat rata-rata kesalahan pembacaan sensor sebesar 0,34%, dengan tingkat ketepatan
pembacaan sensor load cell sebesar 99,66%. Kesalahan pembacaan sensor load cell pada penelitian
ini disebabkan karena adanya pengaruh massa jenis air yaitu 0,997 gr/cm3, di mana massa (g) yang
terbaca oleh sensor load cell harus dikonversi ke dalam satuan volume (mL). Semakin kecil massa jenis
cairan yang digunakan maka hasil konversi volume cairan pada sensor load cell semakin besar. Begitu
pula sebaliknya, massa jenis air sebesar 1 g/cm3 digunakan maka menghasilkan pembacaan sensor
dengan akurasi 100%. Hasil pengukuran volume cairan infus pada sensor load cell dengan pembanding
gelas ukur jika digambarkan dalam sebuah grafik maka membentuk sebuah garis lurus, seperti yang
ditunjukkan pada Gambar 7.
46
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
400
y = -50x + 550
300 R2 = 1
y = -50,151x + 551,75
200 R2 = 1
100
0
0 2 4 6 8 10
Banyaknya Data (n)
Gambar 8. Grafik hasil uji volume cairan infus pada aplikasi blynk
3.3 Pengujian Notifikasi Pada Gawai dan Bunyi Buzzer
Pengujian ini dilakukan untuk mengetahui aktif atau tidaknya notifikasi status cairan yang akan
ditampilkan pada aplikasi blynk ketika cairan infus sudah hampir habis, dalam hal ini volume cairan
infus kurang dari 100 mL. Ketika cairan infus kurang dari 100 mL, maka buzzer akan berbunyi selama
3 detik dan pada gawai muncul notifikasi aplikasi blynk mengenai status kondisi cairan infus, seperti
yang terlihat pada Gambar 9.
48
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
(a) (b)
(c) (d)
(e) (f)
Gambar 10. Tampilan pada LCD
Gambar 10 merupakan tampilan pada LCD, setelah aplikasi blynk terhubung dengan pemrograman
yang telah dibuat maka pada LCD akan ditampilkan seperti pada gambar (a), (b), dan (c), gambar (d)
adalah tampilan kondisi massa dan volume cairan infus, gambar (e) adalah status cairan infus ketika
hampir habis, dan (f) adalah status cairan infus ketika terdapat darah yang naik pada selang infus.
4. KESIMPULAN
Perancanangan sistem pemantauan volume cairan infus terdiri atas dua bagian, yaitu perancangan
perangkat keras dan perangkat lunak dengan menggunakan aplikasi blynk. Untuk pengukuran
volume cairan infus menggunakan sensor load cell dengan modul HX711 yang dikendalikan dengan
mikrokontroler NodeMCU ESP8266 yang juga dilengkapi dengan modul WiFi sehingga dapat terhubung
ke jaringan internet. Dari pengujian sensor load cell diperoleh tingkat keakuratan pembacaan sensor
sebesar 99,66% sedangkan untuk pengujian pemantauan volume cairan infus dengan menggunakan
aplikasi blynk dengan cara membandingkan dengan volume cairan pada gelas ukur diperoleh tingkat
keakuratan sebesar 99,65%, yang menunjukkan bahwasanya pemantauan volume cairan infus dapat
dipantau dengan menggunakan aplikasi blynk, sehingga kondisi cairan infus dapat dipantau kapan saja
tanpa perlu melakukan pengecekan secara langsung pada kamar pasien.
DAFTAR PUSTAKA
1. Rjial, M. dan Khana, J. R. (2020). Rancang Bangun Sistem Pemantauan Pengendalian Cairan Infus
Melalui Display Kontrol dan Aplikasi Mobile di Masa Pandemic COVID-19. Ejournal Kajian
Teknik Elektro 5(1): 2502-8464.
2. Kominfo. Rata-rata Tiga Orang Meninggal Setiap Jam Akibat Kecelakaan Jalan. Diakses 02
Desember 2021. https://kominfo.go.id/index.php/content/detail/10368/rata-rata-tiga-orang-
meninggal-setiap-jam-akibat-kecelakaan-jalan/0/artikel_gpr#
49
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
3. Our World in Data. Penyakit Coronavirus (Covid 19). Diakses 02 Desember 2021. https://
ourworldindata.org/coronavirus-data.
4. Sardana, P., Kalra, M., and Sardana, A. (2019). Design, Fabrication, and Testing of an Internet
Connected Intravenous Drip Monitoring Device. Journal of Sensor and Actuator Networks 8(2):
1-20.
5. Sangeetha, K., Vishnuraja, P., Vijaya, K., Dinesh, Anandh, G., and Hariprakash. (2021). Smart
Intravenous Fluid Monitoring System. Annals of R.S.C.B 25(5): 199-209.
6. Oros, D., Penčić, M., Šulc, J., Čavić, M., Stankovski, S., Ostojić, G., and Ivanov, O. (2021). Smart
Intravenous Infusion Dosing System. Applied Sciences 11(513): 1-26.
7. Anagha, R., Ashwini, S., Keerthana, G., and Monica, M. (2020). IoT Based Intravenous Flow
Monitoring System. International Research Journal of Engineering and Technology (IRJET) 7(5):
7539-7543.
8. Keerthi, N. Y. S., Raju, A., Sowmya, M., and Krishna, B. (2020). Intravenous Infusion Monitoring
System. Internasional Journal for Recent Developments in Sciences & Technology 4(3): 39-42.
9. Ray, P. P. and Thapa, N. (2018). A Systematic Review on Real-Time Automated Measurement of IV
Fluid Level: Status and Challenges. Measurement 129: 343–348.
10. Ajeeth., Aravind., Chandrasekar., Gnanasekar., and Logesh. (2020). IV Fluid Monitor and Controller.
International Journal of Engineering Applied Sciences and Technology 5(4): 360-364.
11. Akbar, T. dan Gunawan, I. (2020). Prototype Sistem Monitoring Infus Berbasis IoT (Internet of
Things). Edumatic: Jurnal Pendidikan Informatika 4(2): 155-163.
12. Yusuf, I. M. (2016). Alat Pengisi Minyak Goreng Otomatis Berdasarkan Massa dan Volume
Menggunakan Load Cell Berbasis Arduino Mega 2560. Skripsi, Universitas Negeri Jakarta, Jakarta.
13. Fauziyyah, A. S. dan Yohandri. (2019). Rancang Bangun Alat Ukur Jumlah Tetes dan Volume Sisa
Cairan Infus dengan Warning System pada Sistem Monitoring Cairan Infus Berbasis Arduino. Pillar
of Physics 12:25-30.
14. Firmansyah, D. A., Firmansyah, V., Irwanto, D. A., Azzaluuly, A., dan Zulbahri, R. (2021).
Pembuatan Prototipe Instalasi Uji Meter Air Elektronik Tipe Vertikal Metode Gravimetrik dan
Pengaruh Kekeruhan Terhadap Akurasi Pengukuran. JIIF (Jurnal Ilmu dan Inovasi Fisika) 5(1):
25-40.
15. Lestariningsih, D., Prajonto, H., Agustine, L., Werdani, Y. D. W., dan Teja, B. (2021). Aplikasi Load
Cell untuk Sistem Monitoring Volume Cairan Infus. Jurnal Penelitian Saintek 26(2): 165-177.
50
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
Abstrak
Penelitian ini bertujuan untuk menganalis variasi spasial dan temporal tingkat ancaman bahaya sambaran
petir Cloud to Ground (CG) tahun 2017-2021 di Kabupaten Bone menggunakan Quantum GIS (QGIS).
Pengolahan data dengan menggunakan software QGIS. Parameter yang diteliti adalah data sambaran
petir dan data luas wilayah di Kabupaten Bone. Hasil penelitian menunjukkan bahwa variasi spasial
dan temporal tingkat ancaman sambaran petir dengan tingkat ancaman sambaran petir tinggi adalah
Kecamatan Bontocani pada Tahun 2017, Kecamatam Tanete Riattang Timur pada Tahun 2018 dan
Kecamatan Bontocani pada Tahun 2019. Tingkat ancaman sambaran petir sedang pada tahun 2017
adalah Kahu, Salomekko, Kajuara, dan Kecamatan Patimpeng. Pada Tahun 2018 adalah Kecamatan
Kahu dan Kecamatan Salomekko. Pada Tahun 2019 adalah Kecamatan Kahu dan Kecamatan Patimpeng
serta kecamatan lainnya termasuk dalam klasifikasi tingkat ancaman bahaya sambaran petir sedang.
Kata Kunci: Variasi spasial dan temporal, Quantum GIS, sambaran petir,
1. PENDAHULUAN
Quantum GIS (QGIS) adalah suatu aplikasi Sistem Informasi Geografis (SIG) dengan sumber
terbuka dan lintas platform yang dapat dijalankan dalam sistem operasi termasuk Linux. Aplikasi ini
menyediakan semua fungsionalitas dan fitur-fitur yang dibutuhkan oleh pengguna Sistem Informasi
Geografis (SIG). Menggunakan plugins dan fitur inti memungkinkan untuk memvisualisasikan
pemetaan lalu diedit dan dicetak menjadi peta yang lengkap. Pengguna dapat menggabungkan datanya
untuk dianalisa, diedit dan dikelola sesuai dengan kebutuhannya. Dalam QGIS, penyusunan kerja dibuat
dengan menggunakan project. File project selanjutnya mengandungi semua dokumen yang digunakan
untuk menghasilkan kerja. Dalam aplikasi ini terdapat tiga jenis dokumen yang disediakan: Maps, Tabel
Atribut dan Composer1.
Penelitian mengenai pemanfaatan QGIS telah banyak dilakukan sebelumnya. Penelitian
terkait SIG tentang daerah rawan banjir untuk wilayah kota Medan. SIG ini telah dimanfaatkan
dalam menvisualisasikan bencana. Aplikasi tersebut dimanfaatkan dalam memasukkan, mengolah,
menganalisis, dan menyimpan data yang bersifat geospasial. Sistem ini berfungsi untuk memudahkan
pengguna dengan cara menelusuri daerah mapping dan menvisualisasikan warna QGIS untuk wilayah
banjir di kota Medan1. Dalam pendekatan user-centered design tujuan penelitian ini yakni dengan cara
melakukan sistem banding antara aplikasi QGIS dan ArcGIS. Pada usability testing ditunjukkan aspek
effectiveness. Pada QGIS untuk fungsi (intersect, buffer, dissolve, merge dan union) sedangkan pada
ArcGIS hanya terdapat tingkat kemampuan pada fungsi clip saja. Sedangkan untuk tingkat efficiencyrc,
ArcGis untuk fungsi (clip, intersect, dan dissolve) sedangkan pada QGIS lebih tinggi untuk fungsi
(buffer, merger dan union)2.
Fenomena alam misalnya petir sangat berbahaya disebabkan setiap kali petir menyambar keluaran
energi besarnya dapat mencapai sampak jutaan volt. Peristiwa terjadinya petir terkhusus pada CG selalu
berkaitan pada aktivitas makhluk hidup sehingga sangat memungkinkan petir mampu menjadikan
material juga sampai pada terjadinya kemusnahan3. Sekecil apapun intensitas terjadinya petir dalam suatu
wilayah, akan tetap dapat mengancam kehidupan manusia disebabkan karena seluruh aktivitas makhluk
51
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
hidup di Bumi, CG sangat berbahaya dan dapat menjadi ancaman bagi seluruh masyarakat4. Sambaran
petir untuk kajian kerapatan sambaran petir ini adalah CG yang dapat menyambar di permukaan tanah.
Manusia dengan berbagai aktivitasnya ada di bumi, mengakibatkan hal ini dianggap sangat bahaya dan
bersifat mengancam.
Kerapatan sambaran petir dapat dihitung berdasarkan luas wilayah yang dibagi dari jumlah sambaran.
Semakin tinggi kerapatannya maka semakin banyak dan sering pula sambaran petir di lokasi tersebut
terjadi. Kerapatan petir beserta faktor-faktor yang memengaruhi apabila diketahui dapat dihindari
dengan meninggalkan lokasi tersebut guna mencegah terjadinya kerugian yang dapat disebabkan oleh
sambaran petir5.
Sambaran petir dapat menyerang secara langsung atau tidak langsung pada suatu kesempatan.
Sambaran petir langsung dapat menyebabkan kerusakan signifikan pada benda yang terkena dampak,
dan dalam kasus spesies hidup, bahkan dapat mengakibatkan kematian, karena sebuah sambaran yang
mengarah ke fasa dan konduktor pendukung dikenal sebagai sambaran langsung (kutub). Hal ini
disebabkan meningkatnya kemungkinan sambaran petir yang menyambar fase konduktor. Sedangkan
sambaran tidak langsung terjadi pada saat sambaran petir di dekat sistem kelistrikan, sambaran dari awan
ke bumi merupakan salah satu sambaran petir yang terjadi. Namun, jika dibandingkan dengan saluran
tegangan tinggi, sambaran petir ini biasanya memiliki dampak yang lebih besar pada saluran menengah-
menengah. Medan elektromagnetik dibuat sebagai akibat dari pemogokan, yang dapat menyebabkan
tegangan diinduksi dalam saluran sistem5.
Berdasarkan penelitian yang mengkaji tentang analisis spasial dan temporal kejadian petir CG di
wilayah Kabupaten Gowa, Sulawesi Selatan. Berikut persamaan untuk memperkirakan jumlah sambaran
petir dan menentukan nilai kerapatannya, dapat dilihat pada persamaan (1) dan (2)3:
x (1)
d= Awil
dengan d adalah nilai kerapatan sambaran petir, x adalah jumlah sambaran perbulan dan Awil adalah
luas wilayah. Dalam menentukan tingkat ancaman sambaran petir tiap kecamatan dibagi menjadi tiga
tingkatan yaitu tinggi, sedang dan rendah. Interval tiap tingkatan dihitung berdasarkan persamaan
statistik yaitu:
Dd (2)
I Ancaman = 3
Keterangan:
IAncaman= Interval tiap tingkatan kerentanan sambaran petir.
∆d = Rentang nilai kerapatan sambaran petir.
Pada penelitian ini mengkaji tingkat ancaman bahaya sambaran petir CG tahun 2017-2021 di
Kabupaten Bone. Tujuan penelitian ini untuk menganalis variasi spasial dan temporal tingkat ancaman
bahaya sambaran petir CG Tahun 2017-2021 di Kabupaten Bone menggunakan QGIS. Diprediksi bahwa
tingkat ancaman bahaya sambaran petir di Kabupaten Bone dapat dipetakan dengan menggunakan
aplikasi QGIS.
yang diperoleh dari buku Bone dalam angka 2022. Selanjutnya melakukan konversi data petir yaitu
awalnya data petir dengan format *.db3 dirubah menjadi format *.csv dengan DB3 nexstrom data
converter, selanjutnya .data dengan format *.csv dirubah menjadi format *.xls. Kemudian mengolah data
petir dan data luas wilayah dengan menggabungkan dalam aplikasi QGIS. Mengklasifikasikan zonasi
wilayah rawan sambaran petir berdasarkan yang tertinggi sampai yang terendah di setiap kecamatan
Kabupaten Bone.
53
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
Tanete Riattang, Patimpeng, Palakka, Ponre, dan Tonra. Kecamatan tersebut jika dilihat dari segi
infrastrukturnya masih dalam tahap sedang berkembang berdasarkan bone dalam angka 2022.
Variasi spasial dan temporal pada tahun 2019 tingkat ancaman bahaya sambaran petir tertinggi
berada pada Kecamatan Bontocani. Kecamatan Bontocani dari jumlah sambarannya memang sangat
tinggi. Selain itu Kecamatan Bontocani jika dilihat dari kondisi wilayahnya selain sebagai kecamatan
terluas di Kabupaten Bone, kecamatan ini juga termasuk dalam kawasan karst dan kawasan hutan besar
dengan kelembaban serta curah hujan yang tinggi. Penelitian yang mengkaji tentang analisis kerapatan
sambaran petir di Kawasan Karst Nasional Bantimurung Bulusaraung dihasilkan bahwa wilayah karst
cenderung menimbulkan awan-awan konvektif6. Pada dasarnya hujan akan terjadi jika terjadi proses
pertumbuhan awan. Selain itu, peran awan dalam siklus air di muka bumi sangat penting. Awan-awan
yang sering menghasilkan hujan yaitu awan cumulunimbus yang mana pertumbuhan awannya vertikal
(tinggi menjulang) atau biasa disebut awan konvektif.
Tingkat ancaman bahaya sambaran petir sedang berada pada Kecamatan Kahu dan Kecamatan
Patimpeng. Kedua kecamatan ini berdasarkan jumlah sambaran petirnya terhitung tinggi, namun untuk
mengkaji tingkat ancaman bahayanya hal yang ikut dipertimbangkan adalah luas wilayahnya. Selain
itu, Kecamatan Patimpeng berdasarkan bone dalam angka 2022 mengemukakan bahwa bangunan
dalam hal ini sekolah khususnya yang berada di bawah kementerian pendidikan dan kebudayaan
menurut kecamatan di Kabupaten Bone, kecamatan ini masih terhitung rendah dibandingkan kecamatan
lainnya. Dan tingkat ancaman bahaya sambaran petir rendah berada pada Kecamatan Dua Boccoe,
Lamuru, Kajuara, Cenrana, Cina, Bengo, Amali, Ajangale, Barebbo, Awangpone, Sibulue, Salomekko,
Tellu Limpoe, Tanete Riattang Timur, Tanete Riattang Barat, Tanete Riattang, Palakka, Ponre, Mare,
Libureng, Lappariaja, Tonra, Ulaweng dan Tellu Siattinge. Kecamatan tersebut jika dilihat dari segi
infrastrukturnya masih dalam tahap sedang berkembang berdasarkan bone dalam angka 2022.
Variasi spasial dan temporal pada tahun 2020-2021 tingkat ancaman bahaya sambaran petir dengan
kategori rendah pada setiap kecamatan di Kabupaten Bone. Hal pokok yang berpengaruh besar dalam
tingginya suatu kerapatan petir adalah tingginya jumlah sambaran serta luas daerah pada wilayah itu.
Berdasarkan jumlah sambaran yang diketahui pada tahun 2020, tahun ini mengalami jumlah sambaran
yang cukup sedikit dibandingkan tiga tahun sebelumnya sehingga kerapatan petir tahun ini juga menjadi
rendah. Selain itu, berdasarkan perbandingan bone dalam angka 2020 dan 2021 diterangkan bahwa
keadaan iklim seperti suhu dan kelembaban yang ada di Kabupaten Bone khususnya dari tahun 2019
jauh lebih tinggi dibandingkan tahun 2020.
Pada Tabel 1 dapat dilihat adanya variasi spasial dan temporal tingkat ancaman sambaran petir.
Berdasarkan hasil perhitungan, daerah dengan tingkat ancaman sambaran petir tinggi adalah Kecamatan
Bontocani pada Tahun 2017, Kecamatan Tanete Riattang Timur pada Tahun 2018 dan Kecamatan
Bontocani pada Tahun 2019. Hal ini didukung dalam penelitian yang mengkaji analisis kerapatan
sambaran petir di Kawasan Karst Nasional Bantimurung Bulusaraung, bahwa wilayah karst cenderung
menimbulkan awan-awan konvektif6. Juga penelitian yang mengkaji Kecamatan Bontocani 1960-1979
menyatakan bahwa Kecamatan Bontocani memiliki curah hujan dan kelembapan yang tinggi9. Kajian
lain pada penelitian yang tentang analisis pemetaan daerah rawan petir dengan menggunakan metode
SAW di Surabaya menyatakan bahwa dengan tingginya kelembapan udara dan curah hujan maka
wilayah tersebut akan berpotensi menghasilkan petir7. Selain didasarkan pada jumlah kejadian petirnya,
tingkat kerawanan petir juga didasarkan pada seberapa padat populasi penduduk dan padatnya bangunan
atau pertumbuhan infrastruktur di wilayah tersebut.
4. KESIMPULAN
Variasi spasial dan temporal tingkat ancaman sambaran petir dengan tingkat ancaman sambaran
petir tinggi adalah Kecamatan Bontocani pada Tahun 2017, Kecamatam Tanete Riattang Timur pada
Tahun 2018 dan Kecamatan Bontocani pada Tahun 2019. Tingkat ancaman sambaran petir sedang pada
tahun 2017 adalah Kahu, Salomekko, Kajuara, dan Kecamatan Patimpeng. Pada tahun 2018 adalah
55
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
Kecamatan Kahu dan Kecamatan Salomekko. Pada tahun 2019 adalah Kecamatan Kahu dan Kecamatan
Patimpeng. Dan kecamatan lainnya termasuk dalam klasifikasi tingkat ancaman bahaya sambaran petir
sedang. Setelah melakukan penelitian ini maka implikasi pada penelitian selanjutnya yaitu menggunakan
data tahun berikutnya sebagai pembanding dari tahun sebelumnya dengan mempertimbangkan kondisi
wilayah, serta memanfaatkan QGIS dalam menganalisis potensi sambaran petir intercloud (IC), cloud
to cloud (CC), dan cloud to air (CA).
DAFTAR PUSTAKA
1. S. Winardi, C. Charles, S. Steven, R. A. Azis, dan A. Halim. (2019). Sistem Informasi Geografis
Daerah Rawan Banjir Untuk Wilayah Kota Medan, Jurnal SIFO Mikroskil. vol. 20, no. 1, hlm.
93–104.
2. F.N. Hawi, F. Ramdani, dan R.A. Rokhmawati. (2018). Evaluasi Tampilan Antarmuka QGIS Dan
ArcGIS Menggunakan Pendekatan User-Centered Design (UCD): Studi Kasus Fungsi Geoprocessing
Tools. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, vol. 2, no. 9, hlm. 2850-
2857.
3. E. Susanto. (2018). Penentuan Daerah Rawan Bencana Sambaran Petir di Wilayah Kabupaten dan
Kota Bandung Jawa Barat. JIIF (Jurnal Ilmu dan Inovasi Fisika), vol. 2, no. 2, hlm. 137–144.
4. M. L. Firdaus, N. Nasiah, dan U. Uca. (2021). Studi Spasiotemporal Sambaran Petir Cloud to Ground
di Kabupaten Gowa Tahun 2017-2019. JES, vol. 3, no. 2.
5. A.P. Putri. (2019). Analisis Spasial Kerapatan Sambaran Petir di Wilayah Kabupaten Kulonprogo,
Daerah Istimewa Yogyakarta Tahun 2012 – 2016. Skripsi, Surakarta: Fakultas Geografi Unismuh
Surakarta.
6. R. Hardiana dan M. Arsyad. (2020). Analisis Kerapatan Sambaran Petir di Kawasan Karst Taman
Nasional Bantimurung Bulusaraung. Seminar Nasional Fisika Program Pascasarjana UNM, hlm.
98-101.
7. S. Umaya. (2017). Analisis Pemetaan Daerah Rawan Petir dengan Menggunakan Metode Simple
Additive Weighting (SAW) di Wilayah Surabaya. Inovasi Fisika Indonesia (IFI), vol. 6, no. 3, hlm.
25–32.
8. Sumardi. (2016). Peran Kecamatan sebagai Institusi Intermediary antara Desa dengan Kabupaten
(Studi Kasus Kecamatan Kajuara, Kabupaten Bone). Skripsi, Sinjai: STISP Muhammadiyah Sinjai.
9. A. Isfar, Asmunandar, dan Bustan. (2021). Kecamatan Bontocani, 1960-1979. Attoriolog Jurnal
Pemikiran Kesejarahan dan Pendidikan Sejarah, vol. 19, no. 2, hlm. 51-67.
56
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
Abstrak
Penelitian ini bertujuan untuk mengetahui penerapan model pembelajaran inkuiri untuk pokok bahasan
dinamika gerak pada siswa kelas X MIPA 7 MAN Pinrang dan mengetahui hasil belajar fisika setelah
menggunakan penerapan model pembelajaran inkuiri untuk pokok bahasan gerak dinamika pada siswa
kelas X MIPA 7 MAN Pinrang. Penelitian ini merupakan penelitian eksperimen semu tanpa kontrol.
Teknik pengambilan sampel dilakukan secara simple random sampling dengan memilih kelas X MIPA
7 dengan jumlah siswa sebanyak 30 orang. Instrumen pengumpulan data terdiri atas tes hasil belajar
fisika berbentuk essay 5 nomor soal yang digunakan untuk mengukur tingkat penguasaan siswa terhadap
materi dinamika gerak, lembar observasi keterlaksanaan RPP, angket respon siswa yang diberikan
sebelum dan sesudah proses pembelajaran dengan menggunakan model pembelajaran inkuiri. Teknik
pengambilan data adalah dengan observasi, angket, dan tes. Analisis data dilakukan dengan teknik
analisis kuantitatif, analisis kualitatif dan analisis statistik inferensial yaitu untuk menguji hipotesis
penelitian. Hasil penelitian menunjukkan bahwa penerapan model pembelajaran inkuiri untuk pokok
bahasan dinamika gerak, efektif digunakan pada siswa kelas X MIPA 7 MAN Pinrang dan hasil belajar
siswa pada materi dinamika gerak sesudah diterapkan model pembelajaran inkuiri berada pada kategori
tinggi dengan skor rata-rata sebesar 83,33 dengan ketuntasan sebesar 86,7%.
Kata Kunci: Dinamika gerak; efektivitas; model pembelajaran Inkuiri.
1. PENDAHULUAN
Belajar fisika bagi para siswa juga merupakan pembentukan pola pikir dalam pemahaman suatu pengertian
maupun dalam penalaran suatu hubungan diantara pengertian-pengertian itu. Dalam pembelajaran fisika
para siswa dibiasakan untuk memperoleh pemahaman melalui pengalaman tentang sifat-sifat yang dimiliki
dan tidak dimiliki dari sekumpulan objek (abtraksi). Banyak anak-anak yang setelah belajar fisika bagian
sederhana sekalipun, banyak hal yang tidak dipahaminya, banyak konsep yang dipahami secara keliru. Hal
tersebut terjadi karena siswa belajar fisika hanya menerima saja konsep yang matang tanpa berpikir untuk
memahami bagaimana konsep tersebut terbentuk. Hal ini berpengaruh pada proses belajar siswa yang kurang
bermakna. Maka, siswa perlu memonitor proses belajar dan berpikirnya, dan pada saat itu juga mereka
membuat perubahan dan adaptasi strategi ketika menyadari bahwa apa yang dilakukanya tidak benar.
Berdasarkan hasil pengamatan dan pengalaman selama ini, siswa kurang aktif dalam kegiatan
pembelajaran fisika. Siswa cenderung tidak begitu tertarik dengan pelajaran fisika karena selama ini
pelajaran fisika dianggap sebagai pelajaran yang sulit sehingga menyebabkan rendahnya hasil belajar
fisika dan tingkat pemahaman siswa di Sekolah. Permasalahan tersebut juga terjadi pada siswa kelas X
MIPA di Madrasah Aliyah Negeri Pinrang.
Keberhasilan pembelajaran dalam arti tercapainya standar kompetensi, sangat bergantung pada kemampuan
guru mengolah pembelajaran yang dapat menciptakan situasi yang memungkinkan siswa belajar sehingga
merupakan titik awal berhasilnya pembelajaran. Dengan adanya model pembelajaran inkuiri diharapkan dapat
mengoptimalkan kerja otak siswa sehingga proses pembelajaran bermakna. Apabila pengalaman pertama dalam
pembelajaran fisika siswa berkesan, diharapkan siswa senang dan respons terhadap fisika. Sedangkan apabila
pengalaman pertama yang buruk akan pembelajaran fisika, dalam artian siswa sudah tidak ada rasa senang dan
merasa kesulitan, ada kemungkinan siswa tidak akan senang terhadap fisika.
57
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
Berdasarkan uraian sebelumnya, hal itu menjadi dasar penelitian dengan judul “Efektifitas Model
Pembelajaran Inkuiri Pokok Bahasan Dinamika Gerak Pada Siswa Kelas X MIPA 7 MAN PINRANG”
dilakukan. Penelitian ini bertujuan untuk: mengetahui penerapan model pembelajaran inkuiri untuk
pokok bahasan dinamika gerak pada siswa kelas X MIPA 7 MAN Pinrang, mengetahui hasil belajar
fisika setelah menggunakan penerapan model pembelajaran inkuiri untuk pokok bahasan gerak dinamika
pada siswa kelas X MIPA 7 MAN Pinrang.
Pembelajaran dengan menggunakan model inkuiri dalam pembelajaran fisika diharapkan dapat
memberikan kemudahan bagi siswa untuk mengaplikasikan pengetahuannya dalam kehidupan sehari-
hari. Hasil belajar fisika siswa adalah skor perolehan siswa setelah mengikuti proses pembelajaran dengan
menggunakan model pembelajaran inkuiri. Metode inkuiri yang mensyaratkan keterlibatan aktif siswa
terbukti dapat meningkatkan prestasi belajar dan sikap anak terhadap MIPA. Metode inkuiri membantu
perkembangan antara lain scientific literacy dan pemahaman proses-proses ilmiah, pengetahuan vocabulary
dan pemahaman konsep, berpikir kritis, dan bersikap positif1. Walaupun dalam praktiknya aplikasi
metode pembelajaran inkuiri sangat beragam, tergantung pada situasi dan kondisi sekolah, namun dapat
disebutkan bahwa pembelajaran dengan metode inkuiri memiliki 4 komponen yang umum yaitu Question,
Student Engangement, Cooperative Interaction, Performance Evaluation2. Model pembelajaran inkuiri
memiliki kelebihan tertentu. Kelebihan model pembelajaran inkuiri yang dikemukakan oleh Bruner3 yaitu:
model pembelajaran inkuiri meningkatkan potensi intelektual siswa. Hal ini dikarenakan siswa diberi
kesempatan untuk mencari dan menemukan sendiri jawaban dari permasalahan yang diberikan dengan
pengamatan dan pengalaman sendiri; Siswa memperoleh pengetahuan yang bersifat penyelidikan karena
terlibat langsung dalam proses penemuan; Belajar melalui inkuiri dapat memperpanjang proses ingatan.
Pengetahuan yang diperoleh dari hasil pemikiran sendiri akan lebih mudah diingat; Belajar dengan inkuiri,
siswa dapat memahami konsep-konsep MIPA dan ide-ide dengan baik; Pengajaran menjadi terpusat pada
siswa, salah satu prinsip psikologi belajar menyatakan bahwa semakin besar keterlibatan siswa dalam
proses pembelajaran, maka semakin besar pula kemampuan belajar siswa tersebut. Dalam pembelajaran
inkuiri tidak hanya ditujukan untuk belajar konsep-konsep dan prinsip-prinsip saja tetapi juga belajar
pengarahan diri sendiri, tanggung jawab, komunikasi dan sebagainya.
Tabel 1. Sintaks model pembelajaran inkuiri
Tahap Tingkah Laku Guru
Tahap 1 Guru menyajikan kejadian-kejadian atau fenomena
Observasi untuk menemukan masalah yang memungkinkan siswa menemukan masalah
Tahap 2 Guru membimbing siswa merumuskan masalah
Merumuskan masalah penelitian berdasarkan kejadian dan fenomena
yang disajikannya
Tahap 3 Guru membimbing siswa untuk mengajukan
Mengajukan hipotesis hipotesis terhadap masalah yang telah
dirumuskannya
Tahap 4 Guru membimbing siswa untuk merencanakan
Merencanakan pemecahan masalah (melalui pemecahan masalah, membantu menyiapkan
eksperimen atau cara lain) alat dan bahan yang diperlukan dan menyusun
prosedur kerja yang tepat.
Tahap 5 Selama siswa bekerja, guru membimbing dan
Melaksanakan eksperimen (atau cara pemecahan memfasilitasi
masalah yang lain)
Tahap 6 Guru membantu siswa melakukan pengamatan
Melakukan pengamatan dan pengumpulan data tentang hal-hal yang penting dan membantu
mengumpulkan dan mengorganisasi data
58
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
meneliti tentang model pembelajaran inkuiri dan menggunakan jenis penelitian eksperimen semu. Yang
menjadi perbedaan, subjek dalam penelitian ini adalah siswa kelas XI, sedangkan peneliti memfokuskan
untuk kelas X. Franita, (2012) dengan judul penelitian “Pengaruh Pembelajaran Inkuiri Terbimbing
Terhadap Kemampuan Berpikir Kritis Siswa di Kelas XI SMA Negeri 10 Makassar”. Relevansi
penelitian ini dengan materi yang ingin diteliti oleh peneliti adalah sama-sama meneliti tentang model
pembelajaran inkuiri tetapi peneliti lebih memfokuskan pada model pembelajaran inkuiri secara umum.
Kuncoro, (2011) dengan judul penelitian “Implikasi Model Pembelajaran Inkuiri Tipe Discovery Learning
Terhadap Hasil Belajar Matematika Siswa Kelas X SMA Negeri 10 Blitar”. Relevansi penelitian ini
dengan materi yang ingin diteliti oleh peneliti adalah sama-sama meneliti tentang model pembelajaran
inkuiri, tetapi penelitian ini mengacu pada implikasi inkuiri tipe discovery learning, sedangkan peneliti
memfokuskan pada efektivitas model inkuiri secara umum.
Kerangka pikir dalam model pembelajaran yang ditunjukkan pada Gambar 1.
61
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
Data pada Tabel 2 menunjukkan bahwa hasil pre-test siswa sebelum diterapkan model pembelajaran
inkuiri diperoleh skor interval antara nilai hasil pre-test siswa sebelum diterapkan model inkuiri, di
mana dikelompokkan dalam 4 kategori, maka diperoleh distribusi dan presentase seperti pada Tabel 4:
Tabel 4. Distribusi, frekuensi dan presentase hasil pre-test
Interval Kategori Frekuensi Persentase (%)
0 – 54 Sangat Rendah 11 36,6
55 – 64 Rendah 5 16,7
65 – 79 Sedang 9 30,0
80 – 89 Tinggi 5 16,7
90 – 100 Sangat Tinggi 0 0
Jumlah 30 100
Data pada Tabel 4 distribusi frekuensi dan persentase, menunjukkan bahwa hasil pre-test siswa sebelum
diterapkan model pembelajaran inkuiri terdapat 11 siswa (36,6 %) yang berada kategori sangat rendah, 5
siswa (16,7%) berada pada kategori rendah, 9 siswa (30,0%) berada pada kategori sedang, 5 siswa (16,7%)
berada pada kategori tinggi. Berdasarkan Tabel 2 dan Tabel 4 diperoleh bahwa nilai rata-rata hasil pre-test
siswa sebelum diterapkan model inkuiri sebesar 62,17 dengan standar deviasi 13,896. Persentase ketuntasan
hanya mencapai 23,3% karena hanya 7 siswa yang tuntas. Hal ini berarti bahwa hasil pre-test siswa kelas X
MIPA 7 MAN Pinrang sebelum diterapkan model inkuiri berada pada kategori sangat rendah.
Deskripsi Hasil Post-Test setelah diterapkan model inkuiri disajikan dalam Tabel 5.
Tabel 5. Statistika deskriptif hasil post-test
Statistik Nilai Statistik
Mean 83,33
Rentang Skor 33
Modus 75
Standar Deviansi 8,273
Variansi 68,437
Minimum 67
Maksimum 100
Untuk lebih jelasnya dapat dilihat pada hasil analisis program pengolah data statistik SPSS pada
Tabel 6, berikut ini:
Tabel 6. Statistika deskriptif hasil post-test
N Valid 30
Missing 0
Mean 83.33
Std. Error of Mean 1.510
Median 81.50
Mode 75a
Std. Deviation 8.273
Variance 68.437
Range 33
Minimum 67
Maximum 100
Sum 2500
62
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
Data pada Tabel 5, menunjukkan bahwa hasil post-test siswa setelah diterapkan model inkuiri
diperoleh skor interval antara 67 sampai 100; rata-rata sebesar 83,33; rentang skor 33; modus sebesar 75;
standar deviasi sebesar 8,273; variansi sebesar 68,437; nilai minimum sebesar 67; dan nilai maksimum
sebesar 100. Data pada Tabel 5, menunjukkan bahwa hasil post-test siswa setelah diterapkan model
inkuiri, di mana dikelompokkan dalam 4 kategori, maka diperoleh distribusi dan persentase seperti pada
Tabel 7:
Tabel 7. Distribusi frekuensi dan persentase hasil post-test
Interval Kategori Frekuensi Persentase (%)
0 – 54 Sangat Rendah 0 0
55 – 64 Rendah 0 0
65 – 79 Sedang 12 40,0
80 – 89 Tinggi 11 36,7
90 – 100 Sangat Tinggi 7 23,3
Jumlah 30 100
Nilai hasil post-test setelah diterapkan model inkuiri dikelompokkan dalam 5 kategori, maka
diperoleh distribusi dan persentase seperti pada Tabel 7. Data pada Tabel 7 distribusi frekuensi dan
persentase, menunjukkan bahwa hasil post-test siswa setelah diterapkan model pembelajaran inkuiri
terdapat 12 siswa (40,0%) yang berada kategori sedang, 11 siswa (36,7%) berada pada kategori tinggi,
7 siswa (23,3%) berada pada kategori sangat tinggi.
Berdasarkan Tabel 5 dan Tabel 7 diperoleh bahwa nilai rata-rata hasil post-test siswa setelah
diterapkan model inkuiri sebesar 83,33 dengan standar deviasi 8,273. Persentase ketuntasan mencapai
96,7% karena mencapai 29 siswa yang tuntas. Hal ini berarti bahwa hasil post-test siswa kelas X MIPA
7 MAN Pinrang setelah diterapakan model inkuiri berada pada kategori tinggi.
Berikut data hasil nilai siswa yang menggambarkan perbandingan hasil pre-test dan post-test siswa,
yang disajikan dalam Tabel 8.
Tabel 8. Data hasil belajar siswa kelas x mipa 7 MAN Pinrang
No NIS Responden Pre-Test Post-Test
1 131173150020200189 Ahmad Edi 81 100
2 131173150020200190 Aldi 66 81
3 131173150020200169 Asmaul Husna 80 98
4 131173150020200170 Atri Sakira 76 100
5 131173150020200171 Fitriani Yatin 64 93
6 131173150020200172 Harianti Sudirman 53 78
7 131173150020200191 Iksan Walikram 65 98
8 131173150020200173 Indah Rahmadhani 80 77
9 131173150020200175 Indriani Saputri 70 84
10 131173150020200176 Marini 68 90
11 131173150020200192 Miftahul Jannah 45 82
12 131173150020200193 Muh. Farhan 63 76
13 131173150020200194 Muh. Syukur 82 75
14 131173150020200195 Muh. Trisandi 59 84
15 131173150020200196 Muh. Ayatillah 54 78
16 131173150020200197 Muhammad Akbar 73 79
17 131173150020200198 Muhammad Ikhsan 54 67
63
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
64
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
Gambar 4. Diagram batang persentase aktivitas siswa yang tidak sesuai pembelajaran.
Pada pertemuan I sampai IV siswa yang melakukan tindakan yang tidak sesuai dengan pembelajaran
sebesar 6,7%. Berdasarkan uraian di atas, diperoleh persentase aktivitas siswa yang tidak sesuai
pembelajaran adalah 6,7 %. Untuk selengkapnya aktivitas siswa dalam pembelajaran dapat dilihat pada
Tabel 9 berikut:
Tabel 9. Analisis observasi aktivitas siswa yang sesuai pembelajaran
Jumlah siswa yang
melakukan aktivitas
No Jenis Aktivitas Siswa Σ Rerata Persentase
Pertemuan ke-
1 2 3 4
1 Siswa yang hadir dalam proses 28 26 28 30 115 28,75 95,8
pembelajaran
2 Siswa yang mengerjakan pekerjaan 25 26 24 30 105 26,25 87,5
rumah
3 Siswa memperhatikan penjelasan 24 26 23 29 102 25,5 85
guru
4 Siswa bertanya kepada guru tentang 20 22 21 21 83 20,75 69,2
materi yang belum dimengerti
5 Siswa bekerja sama dengan 23 25 28 28 102 25,5 85
kelompoknya menyelesaikan LKK
6 Siswa tampil mempresentasikan 8 7 8 8 30 7,5 25
hasil kerja kelompoknya
7 Siswa menyimpulkan materi yang 5 5 8 8 26 6,5 21,7
telah dipelajari
65
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
Tabel 10. Analisis observasi aktivitas siswa yang tidak sesuai pembelajaran
Jumlah siswa yang
melakukan aktivitas
No Jenis Aktivitas Siswa Σ Rerata Persentase
Pertemuan ke-
1 2 3 4
1 Siswa melakukan tindakan yang 3 2 2 1 8 2 6,7
tidak sesuai dengan pembelajaran
Data tersebut kemudian direkapitulasi untuk mengetahui sejauh mana persentase aktivitas siswa
yang sesuai dengan materi pembelajaran, hal ini menjadi salah satu faktor yang memengaruhi tingkat
keberhasilan pembelajaran model inkuiri yang disajikan pada Tabel 11 berikut:
Tabel 11. Hasil rekapitulasi observasi aktivitas siswa yang sesuai pembelajaran
No Jenis Aktivitas Siswa Σ Rerata Persentase
1 Siswa yang hadir dalam proses pembelajaran 115 28,75 95,8
2 Siswa mengerjakan pekerjaan rumah 105 26,25 87,5
3 Siswa memperhatikan penjelasan guru 102 25,5 85
4 Siswa bertanya kepada guru tentang materi yang belum 83 20,75 69,2
dimengerti
5 Siswa bekerja sama dengan kelompoknya menyelesaikan 102 25,5 85
LKK
6 Siswa tampil mempresentasekan hasil kerja kelompoknya 30 7,5 25
7 Siswa menyimpulkan materi yang telah dipelajari 26 6,5 21,7
Rata-rata 67,02 %
Deskripsi respon siswa diperoleh dari tanggapan atau komentar siswa secara tertulis, kemudian
dapat disimpulkan sebagai berikut:
(i) Pendapat siswa tentang pembelajaran fisika. Umumnya bagaimanakah proses pembelajaran yang
kami lakukan selama ini, sekitar 86,67 % merespons positif.
(ii) Pendapat siswa tentang bahasa dalam pembelajaran. Umumnya siswa menyukai bahasa yang
digunakan selama pembelajaran karena mudah dipahami, sekitar 90 % merespons positif.
(iii) Tanggapan siswa tentang model inkuiri dalam pembelajaran. Umumnya siswa menyukai model
inkuiri dalam pembelajaran karena merupakan pembelajaran yang mengasah otak, sekitar 93,33 %
merespons positif.
Hasil respons siswa tersebut diperoleh dari pemberian angket respons siswa setelah penerapan
pembelajaran model inkuiri pada materi dinamika gerak, di mana siswa menyampaikan pemikirannya
atau pendapat pribadinya secara jujur, hal ini dapat dilihat pada saat pengisisan data respon tersebut,
siswa menulis sendiri pada lembar angket yang disediakan. Untuk lebih lengkapnya hasil respons siswa
terhadap pembelajaran dengan menggunakan model inkuiri dapat dilihat pada Tabel 12.
Tabel 12. Hasil analisis data respons siswa
Frekuensi Persentase
No Aspek yang Direspons
Ya Tidak Ya Tidak
1 Bagaimanakah proses pembelajaran yang kami lakukan 26 4 86,67 13,33
selama ini?
2 Apakah bahasa yang peneliti gunakan dalam mengajar dapat 27 3 90 10
dipahami?
3 Bagaimanakah tanggapan anda tentang model inkuiri dalam 28 2 93,33 6,67
pembelajaran?
66
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
Persentase siswa yang memberikan tanggapan positif terhadap pembelajaran dengan menggunakan
model inkuiri sebesar 93,33 %.
Pengujian dasar-dasar analisis yang dilakukan meliputi pengujian normalitas. Pengujian normalitas
data hasil belajar fisika siswa dilakukan menggunakan metode statistik. Pengujian dilakukan pada hasil
pre-test dan post-test. Pengujian normalitas bertujuan untuk mengetahui apakah populasi berdistribusi
normal. Statistik uji yang digunakan dalam uji normalitas adalah Kolmogrov-Smirnov Normality Test
dan Shapiro-Wilk Test. Hipotesis yang akan diuji sebagai berikut:
H0 = Populasi berdistribusi normal
H1 = Populasi berdistribusi tidak normal
Kriteria Pengujian: Menerima H0 bila nilai peluang sign ≥ α (α = 0,05). Berdasarkan hasil analisis
data menggunakan uji Kolmogrov-Smirnov Normality Test dan Shapiro-Wilk Test pada uji normalitas,
untuk hasil pre-test dan hasil post-test diperoleh nilai peluang sign = 0,175 yang keduanya lebih besar
dari taraf signifikasi α = 0,05 (0,216 > 0,05 serta 0,175 > 0,05) sehingga dapat disimpulkan bahwa data
kedua tes tersebut berdistribusi normal, jadi pengujian normalitas terpenuhi.
Pengujian Hipotesis. Hipotesis dalam penelitian ini diuji dengan menggunakan uji-t berpasangan,
dimana sebelumnya diadakan pengujian persyaratan. Hipotesis yang dirumuskan sebagai berikut:
H0 = Tidak ada peningkatan yang signifikan dari rata-rata hasil belajar fisika sesudah penerapan model
pembelajaran inkuiri dimana μв = 0
H1 = Terdapat peningkatan yang signifikan dari rata-rata hasil belajar fisika sesudah penerapan model
pembelajaran inkuiri dimana μв > 0
Kriteria pengujian hipotesis: Menerima hipotesis H0 apabila nilai sign ≥ α di mana (α = 0,05).
Berdasarkan hasil analisis data untuk statistika inferensial pada (uji-t) diperoleh nilai peluang sign
(2-tailed) = 0,00000000000000000001 untuk α = 0,05, maka secara statistik hipotesis H0 ditolak. Jadi
dapat disimpulkan bahwa terdapat pengaruh. Dengan kata lain penerapan model pembelajaran inkuiri
berpengaruh pada hasil nilai tes siswa kelas X MIPA 7 MAN Pinrang. Maka, pembelajaran dengan
model inkuiri efektif diterapkan pada mata pelajaran fisika pada kelas X MIPA 7 MAN Pinrang.
4. KESIMPULAN
Berdasarkan hasil penelitian dan pembahasan yang telah diuraikan sebelumnya disajikan jawaban
terhadap pertanyaan penelitian dan hasil pengujian hipotesis penelitian yang merupakan kesimpulan
yang diambil dalam penelitian ini yakni:
1. Hasil pre-test siswa kelas X MIPA 7 MAN Pinrang yang berjumlah 30 orang pada materi dinamika
gerak sebelum diterapkan model pembelajaran inkuiri, berada pada kategori rendah dengan skor
sebesar 62,17%, dengan ketuntasan 23,3%. Sedangkan Hasil post-test siswa kelas X MIPA 7 MAN
Pinrang yang berjumlah 30 orang pada materi dinamika gerak sesudah diterapkan model pembelajaran
inkuiri berada pada kategori tinggi dengan skor rata-rata sebesar 83,33 dengan ketuntasan sebesar
86,7%.
2. Rata-rata siswa memberi respon positif terhadap penggunaan model pembelajaran inkuiri sebesar
93,33 %, dan persentase aktivitas siswa yang sesuai dengan pembelajaran diperoleh 67,02%.
Sedangkan rata-rata aktivitas siswa yang tidak sesuai dengan pembelajaran adalah 6,7%.
DAFTAR PUSTAKA
1. Agus, K. (2011). Implikasi Model Pembelajaran Inkuiri Tipe Discovery Learning Terhadap Hasil
Belajar Matematika Siswa Kelas X SMA Negeri 10 Blitar
2. Amri, Sofan & Ahmadi, L.K. (2010). Kontruksi Pengembangan Pembelajaran. Jakarta: Prestasi
Pustakaraya.
3. Arikunto. (2002). Prosedur Penelitian Suatu Pendekatan Praktek. Jakarta : Rineka Cipta.
4. Arikunto, S. (2009). Manajemen Penelitian. Jakarta: Rineka Cipta.
5. Blosser. 1990. Inkuiri Learning, Theory, Reserch and Practice. Boston : Allyn and Consuelo, sevilla
67
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
68
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
Abstrak
Kehilangan massa merupakan fenomena yang sangat penting pada evolusi bintang, khususnya pada
bintang bermassa besar (bintang masif). Penelitian ini bertujuan untuk menganalisis pengaruh dari
peningkatan laju kehilangan massa terhadap jejak evolusi bintang masif di diagram Hertzsprung-Russell
(HRD). Model bintang dibuat menggunakan kode evolusi bintang Modules for Experiment in Stellar
Astrophysics (MESA). MESA secara simultan dapat menyelesaikan persamaan struktur dan komposisi
pada bintang dengan menggunakan self-adaptive dan non-lagrangian meshpoint distribution. Model
yang dibangun adalah bintang tunggal tidak berotasi dengan massa awal 12 Msun dan 25 Msun dengan
metalisitas Z = 0,02. Algoritma angin bintang kehilangan massa menggunakan algoritma yang dibuat
oleh Vink et. al., Nieuwenhuijzen et. al., dan Nugis et. al. yang kemudian dikalikan dengan faktor η
1,5 dan 10 untuk setiap massa awal. Hasil yang diperoleh adalah bahwa peningkatan kehilangan massa
memberikan pengaruh yang signifikan terhadap jejak evolusi bintang masif di fase pasca deret utama.
Selain itu, juga berperan dalam menentukan tipe progenitor bintang masif sebelum terjadinya fenomena
supernova.
Kata Kunci: Bintang Masif, Evolusi Bintang, Kehilangan Massa, MESA.
1. PENDAHULUAN
Bintang masif secara umum dapat didefinisikan sebagai kelompok bintang yang memiliki massa
deret utama MZAMS yang cukup besar untuk melanjutkan pembakaran nuklir hingga pada terbentuknya
inti oksigen terdegenerasi/Neon atau inti besi di akhir masa kesetimbangan hidrostatisnya. Secara
umum, ini berarti bahwa bintang masif adalah kelompok bintang dengan rentang nilai massa awal
8 ≤ MZAMS⁄(M) ≤ 200, di mana M merupakan massa awal bintang dalam satuan massa matahari.
Kedua limit ini juga bergantung pada kondisi awal bintang, khususnya komposisi elemen kimia pada
internal bintang1.
Oleh karena ukurannya yang besar, kelompok bintang ini merupakan objek yang langka. Dalam
artian bahwa mereka ini jarang terbentuk dan memiliki masa hidup yang singkat. Namun demikian,
karena karakteristik yang dimilikinya, bintang masif merupakan pivot di berbagai kajian astrofisika.
Salah satu contohnya adalah karena luminositasnya yang besar menjadikannya satu-satunya objek langit
yang dapat diamati di ekstragalaksi2.
Salah satu karakteristik yang menarik untuk diulas pada evolusi bintang masif adalah kehilangan
massa yang merupakan salah satu fenomena yang terjadi dan berpengaruh signifikan pada evolusi
bintang, khususnya pada bintang masif. Kehilangan massa memainkan peran penting selama proses
evolusi bintang, salah satunya terhadap penentuan produk akhir dari fenomena core-collapse supernova.
Kehilangan massa juga terlibat pada proses pengayaan medium antar bintang dalam skala besar.
Hal ini disebabkan karena momentum input yang diberikan ketika bintang melepaskan materi dari
permukaannya sebagai bagian dari proses kehilangan massa menjadi salah satu penyebab dimulainya
proses pembentukan bintang. Di sisi lain peristiwa itu juga mampu menyingkirkan sebagian besar gas
dari gugus bintang untuk mencegah dimulainya proses pembentukan bintang.
Sejumlah penelitian terkait dengan kajian kehilangan massa pada bintang adalah seperti Hofner &
Olofson3 yang mengkaji pengaruh kehilangan massa pada bintang bermassa menengah di fase Asymtotic
69
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
Giant Branch (AGB). Meynet, dkk.4 mengkaji pengaruh kehilangan massa di fase Red Supergiant
(RSG). Rienzo, dkk5 yang melakukan studi survei terhadap 6 algoritma kehilangan massa bintang dan
kemudian menjelaskan mekanisme fisis yang terjadi untuk setiap hasil yang diperoleh dari masing-
masing algoritma menggunakan kode program evolusi bintang Modules for Experiment in Stellar
Astrophysics (MESA)6-10.
Pada penelitian ini dilakukan pengkajian terhadap pengaruh peningkatan kehilangan massa pada
evolusi bintang masif menggunakan MESA-r7624 dengan menggunakan kombinasi algoritma Vink11,12-
Niewuwenhuijzen13 - Nugis & Lamers. Hal ini dilakukan guna menyelidiki perubahan parameter fisis
yang terjadi pada bintang selama proses evolusinya, masa hidup bintang masif di diagram Hertzsprung-
Russell (Diagram HR), serta mengidentifikasi mekanisme fisis yang terjadi selama proses evolusi.
1, 07 log b l + 0, 85 log b Z 9 l
Teff Z (2)
40000K
2.2 Nieuwenhuijzen & de Jager (NJ)
Algoritma angin kehilangan massa oleh Nieuwenhuijzen dan de Jager (NJ)13 merupakan algoritma
turunan sekaligus penyempurna dari algoritma de Jager seperti yang dinyatakan oleh persamaan 3
berikut ini14.
log10 ]- M g = 1, 769 log10 b L 9 l - 1, 676 log10 c m - 8, 158
L Teff (3)
5K ?
Hal ini disebabkan karena algoritma NJ ini menggunakan sampel data yang sama dan menggunakan
metode yang serupa. Namun, pada algoritma ini terdapat penambahan kebergantungan kehilangan
massa pada total massa bintang dan juga algoritma ini mengubah kebergantungan terhadap temperatur
menjadi radius (radius dependence). Dimasukkannya total massa dalam kuantitas penentuan laju
kehilangan massa memungkinkan Nieuwenhuijzen menemukan standar deviasi terkecil yang dihitung
log10(−Ṁ) yang cocok dengan nilai distribusi laju kehilangan massa yang diamati15. Algoritma ini
berusaha menelusuri kebergantungan kehilangan massa bintang terhadap tiga parameter fundamental,
yaitu massa M, radius R, dan juga luminositas L dari 247 sampel bintang yang secara matematis dapat
direpresentasikan sebagai berikut.
log ]- M g = KM a R b Lc (4)
Sehingga dapat difitting persamaan berikut ini
70
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
71
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
Tabel 1. Rangkuman model ketika berada di akhir fase kehilangan massa pada Tc = 109 K
End of Mass Loss Phase : Tc = 109 K
MZAMS = 12Msun
η M (Msun) MHe (Msun) MCO (Msun)
1
5 6,12 3,46 2,06
10 3,31 3,26 1,93
End of Mass Loss Phase : Tc = 10 K 9
MZAMS = 25Msun
η M (Msun) MHe (Msun) MCO (Msun)
1
5
10
Tabel 2. Rangkuman tipe progenitor dan properti permukaan model bintang
End of Mass Loss Phase : Tc = 109 K
MZAMS = 12Msun
η R (Rsun) log10 (L/Lsun) log10 (Teff/[K]) Progenitor
1
5 780 4.80 3.52 RSG
10 177 4.74 3.82 YSG
End of Mass Loss Phase : Tc = 10 K9
MZAMS = 25Msun
η M (Msun) MHe (Msun) MCO (Msun)
1
5
10
Gambar 1. Total massa bintang sebagai fungsi waktu untuk bintang 12 Msun (η = 5)
72
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
Gambar 2. Total massa bintang sebagai fungsi waktu untuk bintang 12 M (η = 10)
Gambar 1 dan 2, sebagai contoh, merupakan plot waktu evolusi dari bintang 12 M pada keadaan
ketika η = 5 dan η = 10. Kedua gambar di atas menunjukkan bahwa jumlah massa yang hilang ketika
bintang berada pada fase deret utama adalah relatif rendah yang bernilai 1 – 3 persen saja dari total 12
M. Mayoritas massa hilang ketika bintang telah melewati fase deret utama atau pembakaran hidrogen.
Model yang digunakan pada penelitian ini adalah bintang tunggal dan tidak berotasi sehingga dapat
dicoba untuk mengklasifikasikan warna dari model pra-SN. Sehingga dapat digunakan asumsi terkait
model pra-SN bahwa dalam jangkauan log10 (Teff/[K]) ≤ 3,6 adalah bintang maharaksasa merah (RSG),
3,6 ≤ log10 (Teff/[K]) ≤ 3.8 adalah bintang maharaksasa kuning (YSG), log10 (Teff/[K]) ≥ 3.8 adalah bintang
maharaksasa biru (BSG), dan ketika XS < 0.4 untuk bintang wolf-rayet (WR). Output klasifikasi ini
disajikan pada tabel 2.
4.2 Kehilangan Massa di Daerah Panas
Evolusi di daerah panas pada diagram HR ditandai ketika temperatur efektif bintang Teff ≥ 11000
K ketika menggunakan algoritma Vink [11,12]. Bintang, terlepas dari massa awalnya, menghabiskan
sebagian besar masa hidupnya di fase deret utama. Kontraksi yang dialami bintang di fase ini berasal dari
penyusutan/penipisan lapisan Hidrogen dan sebagai penanda sebelum memasuki daerah hertzsprung
gap pada diagram HR.
Tabel 3 berikut ini menyajikan ringkasan properti dari bintang di akhir fase panas, yakni ketika
temperatur efektif untuk pertama kalinya lebih kecil dari 11000 K. Hasil sesuai dengan teori yang
menyatakan bahwa sekitar 90% bintang menghabiskan masa hidupnya di daerah ini, jumlah total
massa yang hilang relatif kecil. Meskipun begitu, kehilangan massa di daerah panas dapat berpengaruh
signifikan pada evolusi dari inti bintang.
Tabel 3. Properti bintang di akhir fase panas (ketika temperatur efektif ≤ 11000 K.
MZAMS η R[R] L [104 L] M[M] MHe [M] Age [Myr]
12 1
12 5 20.66 2.26 10.64 2.32 18.32
12 10 20.56 1.88 9.58 2.12 18.85
25 1
25 5
25 10
73
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
bintang di semua fase seperti digambarkan dalam gambar 1, baik itu di daerah panas diagram HR seperti
di tabel 3 dan juga di daerah dingin.
Selama berevolusi, khususnya pada fase pasca deret utama, menurut skenario Conti16, bintang masif
mengalami peristiwa blue loop pada fase pasca deret utama. Blue loop adalah peristiwa evolusi bintang
kembali ke daerah biru. Pada model bintang 12M peristiwa blue loop menjadi lebih ekstrem seiring
dengan peningkatan laju kehilangan massa. Hal ini terjadi karena struktur bintang pada 12M ketika laju
kehilangan massa semakin meningkat akan menjadi semakin homogen4. Penyebab terjadinya evolusi ke
daerah biru adalah bahwa pada fase tertentu ketika pembakaran Helium terjadi, inti bintang mengalami
ekspansi dan membuat selubung terluar berkontraksi sebagai konsekuensinya (mirror effect)17.
Ekspansi inti bintang lebih sering terjadi pada bintang yang massa intinya tidak terlalu besar.
Lauterborn et. al.18 menunjukkan bahwa untuk model bintang tersebut pergerakan arah merah-biru pada
diagram HR sangat bergantung pada potensial gravitasi dari inti helium, Φcore dan perbandingannya
terhadap potensial kritis Φcrit(M) yang mana akan meningkat seiring dengan semakin besarnya massa
bintang. Ketika potensial gravitasi inti Helium lebih besar daripada potensial kritis, bintang cenderung
untuk mempertahankan posisinya di fase maharaksasa merah. Sementara itu, ketika potensial gravitasi
inti helium lebih kecil, inti berekspansi dan selubung berkontraksi dan membuat bintang mencapai
daerah biru pada diagram HR4. Hal ini secara matematis dapat dituliskan sebagai berikut.
Φcore > Φcrit (M) (8)
Φcore < Φcrit (M) (9)
Ketika laju kehilangan massa meningkat pada model 12M hal ini akan membuat Φcrit (M) semakin
membesar sehingga berlaku persamaan 9. Peningkatan laju kehilangan massa untuk model bintang
masif sejatinya cenderung tidak membuat bintang mengalami blue loop karena adanya mirror effect
seperti yang disebutkan sebelumnya, tetapi hal ini tetap terjadi karena bintang-bintang tersebut memiliki
inti konvektif yang masif. Ketika laju kehilangan massa semakin besar, struktur dari bintang menjadi
semakin homogen dan bintang-bintang ini berevolusi ke arah daerah yang kaya Helium dan homogen
pada diagram HR, yang mana hal ini tidak lain adalah daerah biru pada diagram HR.
5. KESIMPULAN
Hasil yang diperoleh adalah peningkatan kehilangan massa memberikan pengaruh yang signifikan
terhadap jejak evolusi bintang masif di fase pasca deret utama. Selain itu, juga berperan dalam
menentukan tipe progenitor bintang masif sebelum terjadinya fenomena supernova.
75
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
DAFTAR PUSTAKA
1. M. Renzo. (2019). Live fast and die young: evolution and fate of massive stars.
2. M. Renzo. (2015). Systematic Study of Mass Loss in the Evolution of Massive Stars.
3. S. Höfner, H. Olofsson. (2018). Mass loss of stars on the asymptotic giant branch: Mechanisms,
models and measurements, Astronomy and Astrophysics Review. 26.
4. G. Meynet, V. Chomienne, S. Ekström, C. Georgy, A. Granada, J. Groh, A. Maeder, P. Eggenberger,
E. Levesque, P. Massey. (2015). Impact of mass-loss on the evolution and pre-supernova properties
of red supergiants, Astron Astrophys. 575.
5. M. Renzo, C.D. Ott, S.N. Shore, S.E. De Mink. (2017). Systematic survey of the effects of wind
mass loss algorithms on the evolution of single massive stars, Astron Astrophys. 603.
6. B. Paxton, L. Bildsten, A. Dotter, F. Herwig, P. Lesaffre, F. Timmes. (2011). Modules for Experiments
in Stellar Astrophysics (MESA), Astrophysical Journal, Supplement Series. 192.
7. B. Paxton, L. Bildsten, A. Dotter, F. Herwig, P. Lesaffre, F. Timmes. (2011). Modules for Experiments
in Stellar Astrophysics (MESA), Astrophysical Journal, Supplement Series. 192.
8. B. Paxton, M. Cantiello, P. Arras, L. Bildsten, E.F. Brown, A. Dotter, C. Mankovich, M.H.
Montgomery, D. Stello, F.X. Timmes, R. Townsend. (2013). Modules for experiments in stellar
astrophysics (MESA): Planets, oscillations, rotation, and massive stars, Astrophysical Journal,
Supplement Series. 208.
9. B. Paxton, P. Marchant, J. Schwab, E.B. Bauer, L. Bildsten, M. Cantiello, L. Dessart, R. Farmer, H.
Hu, N. Langer, R.H.D. Townsend, D.M. Townsley, F.X. Timmes. (2015). Modules for Experiments
in Stellar Astrophysics (MESA): Binaries, pulsations, and explosions, Astrophysical Journal,
Supplement Series. 220.
10. B. Paxton, J. Schwab, E.B. Bauer, L. Bildsten, S. Blinnikov, P. Duffell, R. Farmer, J.A. Goldberg, P.
Marchant, E. Sorokina, A. Thoul, R.H.D. Townsend, F.X. Timmes. (2018). Modules For Experiments
In Stellar Astrophysics (MESA): Convective Boundaries, Element Diffusion, And Massive Star
Explosions, Astrophys J Suppl Ser. 234.
11. J.S.V.A. de K.H.J.G.L.M. Lamers. (2004). Mass-loss predictions for O and B stars as a function of
metallicity, Astron Astrophys. 814.
12. J.S. Vink, A. De Koter, H.J.G.L.M. Lamers. (2000). New theoretical mass-loss rates of O and B
stars, Astron Astrophys. 362.
13. H. Nieuwenhuijzen dan C. de Jager. (1990). Parametrization of stellar rates of mass loss as functions
of the fundamental stellar parameters M, L, and R., Astron Astrophys. 23.
14. C. de Jager, H. Nieuwenhuijzen, K.A. Hucht, van der. (1988). Mass Loss Rates in the Hertzsprung-
Russell Diagram, Astron Astrophys. 72.
15. M. Renzo. , (2015). Systematic Study of Mass Loss in the Evolution of Massive Stars.
16. B.W. Carroll, D.A. Ostlie, M. Friedlander. (2014.). An Introduction to Modern Astrophysics.
17. H.J.G.L.M.L.E.M. Levesque., Understanding Stellar Evolution, 2015. https://www.researchgate.
net/publication/269107473_What_is_governance/link/548173090cf22525dcb61443/
download%0Ahttp://www.econ.upf.edu/~reynal/Civilwars_12December2010.pdf%0Ahttps://
think-asia.org/handle/11540/8282%0Ahttps://www.jstor.org/stable/41857625.
18. D. Lauterborn, S. Refsdal, A. Weigert. (1971). Stars with Central Helium Burning and the Occurrence
of Loops in the H-R Diagram, Astron Astrophys. 10.
76
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
Abstrak
Seiring berjalannya waktu, manusia memiliki banyak tugas di berbagai bidang dalam kehidupan.
Namun karena kemampuan manusia yang terbatas, maka dibentuklah AI (Artificial Intelligence). AI
adalah konsep pemetaan suatu bahasa pemrograman yang dapat membuat kesimpulan secara mandiri
berdasarkan pemetaan yang telah dilakukan di dalam pemrograman. Machine learning merupakan
salah satu cabang dari AI yang fokus belajar dari data. Salah satu metode klasifikasi yang sering
digunakan pada machine learning yaitu Naive Bayes. Penelitian ini dilakukan dengan metode Naive
Bayes menggunakan program rapidminer. Dataset yang digunakan pada penelitian ini yaitu data iris
yang diambil dari repository rapidminer. Tujuan penelitian ini yaitu mengklasifikasi dataset iris ke
dalam 3 kelas, yaitu iris setosa, iris versicolor, dan iris virginica. Dataset dibagi menjadi 2 bagian, yaitu
training dataset dan testing dataset dengan persentase yang berbeda yaitu sebesar 80% (kasus I), 70%
(kasus II), 50% (kasus III), dan 30% (kasus IV) untuk data uji. Hasil dari penelitian ini yaitu mampu
mengklasifikasikan dataset iris ke dalam 3 kelas dengan nilai akurasi untuk kasus I, kasus II, kasus III,
dan kasus IV masing-masing sebesar 94.17%, 94.29%, 96%, dan 97.78%.
Kata Kunci: Artificial Intelligence, dataset iris, Machine Learning, Naïve Baye, Rapidminer.
1. PENDAHULUAN
Manusia dianugerahi kecerdasan yang luar biasa sejak lahir. Seiring berjalannya waktu, manusia
memiliki banyak tugas di berbagai bidang dalam kehidupan sehari-hari yang harus diselesaikan. Tetapi
karena kemampuan manusia yang terbatas, maka dibentuklah AI (Artificial Intelligence) sebagai cabang
ilmu pengetahuan yang berusaha mempelajari kecerdasan otak manusia1.
Kecerdasan buatan adalah konsep pemetaan bahasa pemrograman yang dapat secara mandiri
menarik kesimpulan berdasarkan pemetaan yang dibuat selama pemrograman. Kecerdasan buatan
banyak digunakan oleh manusia untuk memecahkan berbagai masalah karena kemampuan manusia
terbatas dalam mengolah banyak data secara manual2-3.
Machine learning merupakan cabang dari kecerdasan buatan yang berfokus pada pembelajaran
dari data. Dengan kata lain, pengembangan sistem yang dapat belajar sendiri tanpa perlu pemrograman
berulang. Ada banyak algoritma dalam machine learning, salah satunya adalah Naive Bayes. Naive
Bayes merupakan metode klasifikasi yang sudah umum digunakan dalam machine learning1,4.
Dataset yang digunakan dalam penelitian ini adalah data bunga iris, yaitu salah satu dataset yang
paling umum digunakan dalam proses klasifikasi. Data iris termasuk tipe data numerik yang akan
diklasifikasikan menggunakan metode Naive Bayes. Terdapat 4 atribut yang merupakan karakteristik
tersendiri bagi bunga iris, diantaranya yaitu sepal length, sepal width, petal length, dan petal width.
Target data iris memiliki 3 kelas yaitu: iris setosa, iris versicolor, dan iris virginica. Adapun sumber data
yang digunakan pada penelitian ini diambil dari repository rapidminer5-6.
77
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
e- v 2
v 2r
dimana, μ = mean (rata-rata) dan σ = standar deviasi.
Selanjutnya dilakukan perhitungan likelihood semua kelas untuk mendapatkan probabilitas class-
assignment. Dalam menghitung nilai probabilitas akhir suatu kejadian (posterior probability), dipilih
kelas dengan probabilitas yang paling tinggi. Kalkulasi akan dilakukan secara otomatis menggunakan
rapidminer. Langkah terakhir yaitu evaluasi performa model menggunakan confusion matrix. Confusion
matrix digunakan untuk menguji hasil testing dataset yaitu tingkat kedekatan antara nilai aktual dengan
nilai prediksi11,13.
78
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
● Retrieve; Operator ini dapat mengakses informasi yang tersimpan di repository dan memuatnya ke
dalam proses. Informasi yang dimuat biasanya merupakan exampleset, collection, ataupun model.
● Split Data; Operator ini mengambil exampleset sebagai input kemudian dipartisi menjadi subset,
lalu dikirim melalui port outputnya.
● Naive Bayes; Operator ini menghasilkan model klasifikasi Naive Bayes.
● Apply Model; Operator ini menerapkan model pada exampleset.
● Performance; Operator ini digunakan untuk evaluasi kinerja.
Pada kasus I, digunakan data latih 20% dataset iris, dengan sampel data sebagai berikut:
Tabel 1. Tabel sampel data latih untuk kasus I.
id kelas a1 a2 a3 a4
Id_1 Iris-setosa 5.1 3.5 1.4 0.2
Id_5 Iris-setosa 5 3.6 1.4 0.2
Id_10 Iris-setosa 4.9 3.1 1.5 0.1
… … … … … …
Id_143 Iris-virginica 5.8 2.7 5.1 1.9
Tabel 2. Tabel nilai probabilitas setiap kelas untuk kasus I.
Kelas Jumlah training Probabilitas
Iris-setosa 10 0.33
Iris-versicolor 10 0.33
Iris-virginca 10 0.33
Total 30
Langkah pertama yaitu menghitung nilai rata-rata dan standar deviasi atribut setiap kelas. Sebagai
contoh, menghitung nilai rata-rata dan standar deviasi atribut a1 utnuk kelas iris-setosa, didapatkan
sebagai berikut:
/ n
xi + + + + + + + + + (2)
n= i=1
n = 5.1 5 4.9 5.7 4.610 4.8 5.5 5 5.1 5 = 5.07
/ n
^ xi - nh2
v= i=1
(3)
n-1
]5.1 - 5.07g2 + ]5 - 5.07g2 + ... + ]5 - 5.07g2 (4)
v= 10 - 1
v = 0.42 (5)
Dengan cara yang sama, menghitung nilai rata-rata dan standar deviasi setiap atribut masing-masing
kelas, didapatkan sebagai berikut:
79
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
Tabel 3. Tabel nilai rata-rata dan standar deviasi setiap atribut untuk kasus I.
a1 a2 a3 a4
Kelas
μ σ μ σ μ σ μ σ
Iris-setosa 5.07 0.32 3.52 0.36 1.42 0.2 0.2 0.05
Iris-versicolor 6.02 0.58 2.75 0.4 4.24 0.37 1.26 0.18
Iris-virginica 6.43 0.49 3.01 0.29 5.4 0.42 1.98 0.27
Misalkan terdapat data uji id_79 dengan nilai masing-masing atribut yaitu: a1 = 6; a2 = 2.9; a3 =
4.5; dan a4 = 1.5. Pertama, menghitung likelihood setiap kelas menggunakan distribusi Gaussian. Untuk
atribut a1 kelas iris-setosa dapat dituliskan sebagai berikut:
f ] xg = e- 2 b v l (6)
1 1 x-n 2
v 2r
f ] xg = e - 2 b 0.32 l (7)
1 1 5.1 - 5.07 2
0.32 2 b 7 l
22
f ] xg = 0.02 (8)
Dengan cara yang sama, didapatkan nilai yang lainnya yaitu:
Tabel 4. Tabel nilai distribusi Gaussian setiap atribut pada kasus I.
kelas a1 a2 a3 a4
iris-setosa 0.02 0.24 9.62 × 10 –50
6.12 × 10–165
iris-versicolor 0.68 0.94 0.84 0.9
iris-virginica 0.56 1.29 0.1 0.3
Nilai likelihood didapatkan dengan mengalikan nilai distribusi Gaussian dengan nilai probabilitas
setiap kelas yang dijelaskan dengan rumus sebagai berikut11,15:
likelihood (target kelas) = P(kelas) P(a1|kelas) p(a2|kelas) P(a3|kelas) P(a4|kelas) (9)
Tabel 5. Tabel nilai likelihood setiap kelas pada kasus I.
Kelas likelihood
iris-setosa 8.77 × 10–217
iris-versicolor 0.16
iris-virginica 0.01
Nilai likelihood setiap kelas digunakan untuk mencari nilai yang dapat dituliskan sebagai berikut:
likelihood ^iris - setosah
Passignment ] I.set g = (10)
likelihood I.set + likelihood ] I.versg + likelihood ^ I.verg h
] g
Passignment ] I.set g =
8.77 # 10 -217 =0 (11)
8.77 # 10 -217 + 0.16 + 0.01
likelihood ]iris - versicolorg
Passignment ] I.versg = (12)
likelihood ] I.set g + likelihood ] I.versg + likelihood ^ I.virg h
Passignment ] I.versg =
0.16 = 0.941176471 (13)
8.77 # 10 -217 + 0.16 + 0.01
likelihood _iris - virginica i
Passignment ^ I.virg h = (14)
likelihood ] I.set g + likelihood ] I.versg + likelihood ^ I.virg h
Passignment ^ I.virg h = (15)
0.01 = 0.058823529
8.77 # 10 -217 + 0.16 + 0.01
Sehingga dapat diketahui bahwa data uji untuk id_79 masuk ke dalam kelas iris-versicolor karena
Passignment (iris-versicolor) lebih tinggi dibanding kelas lainnya. Setelah diterapkan metode Naive Bayes
pada training dataset dan testing dataset, selanjutnya dilakukan evaluasi menggunakan confusion
matrix.
80
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
Tabel 6. Tabel confusion matrix untuk kasus I dengan tingkat akurasi sebesar 94.17%.
true iris-setosa true iris-versicolor true iris-virginica class precision
pred. iris-setosa 40 0 0 100.00%
pred. iris-versicolor 0 35 2 94.59%
pred. iris-virginica 0 5 38 88.37%
class recall 100.00% 87.50% 95.00%
Tabel 7. Tabel confusion matrix untuk kasus I dengan tingkat akurasi sebesar 94.29%.
true iris-setosa true iris-versicolor true iris-virginica class precision
pred. iris-setosa 35 0 0 100.00%
pred. iris-versicolor 0 31 2 93.94%
pred. iris-virginica 0 4 33 89.19%
class recall 100.00% 88.57% 94.29%
Tabel 8. Tabel confusion matrix untuk kasus I dengan tingkat akurasi sebesar 96%.
true iris-setosa true iris-versicolor true iris-virginica class precision
pred. iris-setosa 25 0 0 100.00%
pred. iris-versicolor 0 23 1 95.83%
pred. iris-virginica 0 2 24 92.31%
class recall 100.00% 92.00% 96.00%
Tabel 9. Tabel confusion matrix untuk kasus I dengan tingkat akurasi sebesar 97.78%.
true iris-setosa true iris-versicolor true iris-virginica class precision
pred. iris-setosa 15 0 0 100.00%
pred. iris-versicolor 0 15 1 93.75%
pred. iris-virginica 0 0 14 100.00%
class recall 100.00% 100.00% 93.33%
Terdapat 150 id sampel dataset iris yang digunakan dalam penelitian ini. Untuk id_1 - id_50 merupakan
kelas iris-setosa, id_51 - id_100 merupakan kelas iris-versicolor, dan untuk id_101 - id_150 termasuk ke
dalam kelas iris-virginica. Dapat dilihat pada tabel confusion matrix bahwa semakin banyak data latih yang
diberikan maka tingkat akurasi yang didapatkan cenderung semakin tinggi. Pada tabel confusion matrix untuk
kasus I, II, III, dan IV, selalu terdapat nilai pada kolom true iris-virgnica - pred. iris-versicolor, dan kolom true
iris-versicolor - pred. iris-virginica. Hal ini terjadi karena nilai atribut a1, a2, a3, dan a4 iris-versicolor dan
iris-virginica tidak berbeda jauh. Sedangkan pada kelas iris-setosa tidak terdapat kesalahan prediksi karena
nilai atribut a3 dan a4 berbeda jauh, meskipun nilai a1 dan a2 tidak jauh berbeda, dapat dilihat pada gambar 3:
Hasil yang didapatkan pada penelitian ini cenderung bagus karena beberapa faktor, diantaranya
yaitu parameter yang terlibat tidak terlalu banyak, hanya satu tipe data atribut yaitu numerik, dan target
kelas seimbang sehingga probabilitas setiap kelasnya sama.
4. KESIMPULAN
Pada penelitian ini, metode Naive Bayes mampu mengklasifikasikan kelas bunga iris menggunakan
program rapidminer. Metode ini memvariasikan jumlah data latih (training dataset) dan data uji (testing
dataset). Ada 4 variasi dengan persentase data latih dan data uji yang berbeda, yaitu sebesar 80% (kasus
I), 70% (kasus II), 50% (kasus III), dan 30% (kasus IV) untuk data uji. Simulasi menghasilkan nilai
akurasi untuk kasus I, kasus II, kasus III, dan kasus IV masing-masing sebesar 94.17%, 94.29%, 96%,
dan 97.78%.
LAMPIRAN
Lampiran 1. Sampel dataset iris.
id Kelas a1 a2 a3 a4 id Kelas a1 a2 a3 a4
id_1 Iris-setosa 5.1 3.5 1.4 0.2 id_23 Iris-setosa 4.6 3.6 1.0 0.2
id_2 Iris-setosa 4.9 3.0 1.4 0.2 id_24 Iris-setosa 5.1 3.3 1.7 0.5
id_3 Iris-setosa 4.7 3.2 1.3 0.2 id_25 Iris-setosa 4.8 3.4 1.9 0.2
id_4 Iris-setosa 4.6 3.1 1.5 0.2 id_26 Iris-setosa 5.0 3.0 1.6 0.2
id_5 Iris-setosa 5.0 3.6 1.4 0.2 id_27 Iris-setosa 5.0 3.4 1.6 0.4
id_6 Iris-setosa 5.4 3.9 1.7 0.4 id_28 Iris-setosa 5.2 3.5 1.5 0.2
id_7 Iris-setosa 4.6 3.4 1.4 0.3 id_29 Iris-setosa 5.2 3.4 1.4 0.2
id_8 Iris-setosa 5.0 3.4 1.5 0.2 id_30 Iris-setosa 4.7 3.2 1.6 0.2
id_9 Iris-setosa 4.4 2.9 1.4 0.2 id_31 Iris-setosa 4.8 3.1 1.6 0.2
id_10 Iris-setosa 4.9 3.1 1.5 0.1 id_32 Iris-setosa 5.4 3.4 1.5 0.4
id_11 Iris-setosa 5.4 3.7 1.5 0.2 id_33 Iris-setosa 5.2 4.1 1.5 0.1
id_12 Iris-setosa 4.8 3.4 1.6 0.2 id_34 Iris-setosa 5.5 4.2 1.4 0.2
id_13 Iris-setosa 4.8 3.0 1.4 0.1 id_35 Iris-setosa 4.9 3.1 1.5 0.1
id_14 Iris-setosa 4.3 3.0 1.1 0.1 id_36 Iris-setosa 5.0 3.2 1.2 0.2
id_15 Iris-setosa 5.8 4.0 1.2 0.2 id_37 Iris-setosa 5.5 3.5 1.3 0.2
id_16 Iris-setosa 5.7 4.4 1.5 0.4 id_38 Iris-setosa 4.9 3.1 1.5 0.1
id_17 Iris-setosa 5.4 3.9 1.3 0.4 id_39 Iris-setosa 4.4 3.0 1.3 0.2
id_18 Iris-setosa 5.1 3.5 1.4 0.3 id_40 Iris-setosa 5.1 3.4 1.5 0.2
id_19 Iris-setosa 5.7 3.8 1.7 0.3 id_41 Iris-setosa 5.0 3.5 1.3 0.3
id_20 Iris-setosa 5.1 3.8 1.5 0.3 id_42 Iris-setosa 4.5 2.3 1.3 0.3
id_21 Iris-setosa 5.4 3.4 1.7 0.2 id_43 Iris-setosa 4.4 3.2 1.3 0.2
id_22 Iris-setosa 5.1 3.7 1.5 0.4 id_44 Iris-setosa 5.0 3.5 1.6 0.6
82
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
id Kelas a1 a2 a3 a4 id Kelas a1 a2 a3 a4
id_45 Iris-setosa 5.1 3.8 1.9 0.4 id_86 Iris-versicolor 6.0 3.4 4.5 1.6
id_46 Iris-setosa 4.8 3.0 1.4 0.3 id_87 Iris-versicolor 6.7 3.1 4.7 1.5
id_47 Iris-setosa 5.1 3.8 1.6 0.2 id_88 Iris-versicolor 6.3 2.3 4.4 1.3
id_48 Iris-setosa 4.6 3.2 1.4 0.2 id_89 Iris-versicolor 5.6 3.0 4.1 1.3
id_49 Iris-setosa 5.3 3.7 1.5 0.2 id_90 Iris-versicolor 5.5 2.5 4.0 1.3
id_50 Iris-setosa 5.0 3.3 1.4 0.2 id_91 Iris-versicolor 5.5 2.6 4.4 1.2
id_51 Iris-versicolor 7.0 3.2 4.7 1.4 id_92 Iris-versicolor 6.1 3.0 4.6 1.4
id_52 Iris-versicolor 6.4 3.2 4.5 1.5 id_93 Iris-versicolor 5.8 2.6 4.0 1.2
id_53 Iris-versicolor 6.9 3.1 4.9 1.5 id_94 Iris-versicolor 5.0 2.3 3.3 1.0
id_54 Iris-versicolor 5.5 2.3 4.0 1.3 id_95 Iris-versicolor 5.6 2.7 4.2 1.3
id_55 Iris-versicolor 6.5 2.8 4.6 1.5 id_96 Iris-versicolor 5.7 3.0 4.2 1.2
id_56 Iris-versicolor 5.7 2.8 4.5 1.3 id_97 Iris-versicolor 5.7 2.9 4.2 1.3
id_57 Iris-versicolor 6.3 3.3 4.7 1.6 id_98 Iris-versicolor 6.2 2.9 4.3 1.3
id_58 Iris-versicolor 4.9 2.4 3.3 1.0 id_99 Iris-versicolor 5.1 2.5 3.0 1.1
id_59 Iris-versicolor 6.6 2.9 4.6 1.3 id_100 Iris-versicolor 5.7 2.8 4.1 1.3
id_60 Iris-versicolor 5.2 2.7 3.9 1.4 id_101 Iris-virginica 6.3 3.3 6.0 2.5
id_61 Iris-versicolor 5.0 2.0 3.5 1.0 id_102 Iris-virginica 5.8 2.7 5.1 1.9
id_62 Iris-versicolor 5.9 3.0 4.2 1.5 id_103 Iris-virginica 7.1 3.0 5.9 2.1
id_63 Iris-versicolor 6.0 2.2 4.0 1.0 id_104 Iris-virginica 6.3 2.9 5.6 1.8
id_64 Iris-versicolor 6.1 2.9 4.7 1.4 id_105 Iris-virginica 6.5 3.0 5.8 2.2
id_65 Iris-versicolor 5.6 2.9 3.6 1.3 id_106 Iris-virginica 7.6 3.0 6.6 2.1
id_66 Iris-versicolor 6.7 3.1 4.4 1.4 id_107 Iris-virginica 4.9 2.5 4.5 1.7
id_67 Iris-versicolor 5.6 3.0 4.5 1.5 id_108 Iris-virginica 7.3 2.9 6.3 1.8
id_68 Iris-versicolor 5.8 2.7 4.1 1.0 id_109 Iris-virginica 6.7 2.5 5.8 1.8
id_69 Iris-versicolor 6.2 2.2 4.5 1.5 id_110 Iris-virginica 7.2 3.6 6.1 2.5
id_70 Iris-versicolor 5.6 2.5 3.9 1.1 id_111 Iris-virginica 6.5 3.2 5.1 2.0
id_71 Iris-versicolor 5.9 3.2 4.8 1.8 id_112 Iris-virginica 6.4 2.7 5.3 1.9
id_72 Iris-versicolor 6.1 2.8 4.0 1.3 id_113 Iris-virginica 6.8 3.0 5.5 2.1
id_73 Iris-versicolor 6.3 2.5 4.9 1.5 id_114 Iris-virginica 5.7 2.5 5.0 2.0
id_74 Iris-versicolor 6.1 2.8 4.7 1.2 id_115 Iris-virginica 5.8 2.8 5.1 2.4
id_75 Iris-versicolor 6.4 2.9 4.3 1.3 id_116 Iris-virginica 6.4 3.2 5.3 2.3
id_76 Iris-versicolor 6.6 3.0 4.4 1.4 id_117 Iris-virginica 6.5 3.0 5.5 1.8
id_77 Iris-versicolor 6.8 2.8 4.8 1.4 id_118 Iris-virginica 7.7 3.8 6.7 2.2
id_78 Iris-versicolor 6.7 3.0 5.0 1.7 id_119 Iris-virginica 7.7 2.6 6.9 2.3
id_79 Iris-versicolor 6.0 2.9 4.5 1.5 id_120 Iris-virginica 6.0 2.2 5.0 1.5
id_80 Iris-versicolor 5.7 2.6 3.5 1.0 id_121 Iris-virginica 6.9 3.2 5.7 2.3
id_81 Iris-versicolor 5.5 2.4 3.8 1.1 id_122 Iris-virginica 5.6 2.8 4.9 2.0
id_82 Iris-versicolor 5.5 2.4 3.7 1.0 id_123 Iris-virginica 7.7 2.8 6.7 2.0
id_83 Iris-versicolor 5.8 2.7 3.9 1.2 id_124 Iris-virginica 6.3 2.7 4.9 1.8
id_84 Iris-versicolor 6.0 2.7 5.1 1.6 id_125 Iris-virginica 6.7 3.3 5.7 2.1
id_85 Iris-versicolor 5.4 3.0 4.5 1.5 id_126 Iris-virginica 7.2 3.2 6.0 1.8
83
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
id Kelas a1 a2 a3 a4 id Kelas a1 a2 a3 a4
id_127 Iris-virginica 6.2 2.8 4.8 1.8 id_139 Iris-virginica 6.0 3.0 4.8 1.8
id_128 Iris-virginica 6.1 3.0 4.9 1.8 id_140 Iris-virginica 6.9 3.1 5.4 2.1
id_129 Iris-virginica 6.4 2.8 5.6 2.1 id_141 Iris-virginica 6.7 3.1 5.6 2.4
id_130 Iris-virginica 7.2 3.0 5.8 1.6 id_142 Iris-virginica 6.9 3.1 5.1 2.3
id_131 Iris-virginica 7.4 2.8 6.1 1.9 id_143 Iris-virginica 5.8 2.7 5.1 1.9
id_132 Iris-virginica 7.9 3.8 6.4 2.0 id_144 Iris-virginica 6.8 3.2 5.9 2.3
id_133 Iris-virginica 6.4 2.8 5.6 2.2 id_145 Iris-virginica 6.7 3.3 5.7 2.5
id_134 Iris-virginica 6.3 2.8 5.1 1.5 id_146 Iris-virginica 6.7 3.0 5.2 2.3
id_135 Iris-virginica 6.1 2.6 5.6 1.4 id_147 Iris-virginica 6.3 2.5 5.0 1.9
id_136 Iris-virginica 7.7 3.0 6.1 2.3 id_148 Iris-virginica 6.5 3.0 5.2 2.0
id_137 Iris-virginica 6.3 3.4 5.6 2.4 id_149 Iris-virginica 6.2 3.4 5.4 2.3
id_138 Iris-virginica 6.4 3.1 5.5 1.8 id_150 Iris-virginica 5.9 3.0 5.1 1.8
84
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
DAFTAR PUSTAKA
1. Cholissodin, I., et. al. (2020). Machine Learning & Deep Learning (Teori & Implementasi). Fakultas
Ilmu Komputer. Universitas Brawijaya. Malang.
2. Wijaya, E. (2013). Analisis Penggunaan Algoritma Breadth First Search dalam Konsep Artificial
Intellegencia. Jurnal TIME 2(2):18-26.
3. Roihan, A. et. al. (2019). Pemanfaatan Machine Learning dalam Berbagai Bidang: Review Paper.
Indonesian Journal on Computer and Information Technology 5(1):75-82.
4. Yuliati, I. F., dan Sihombing, P. R. (2021). Penerapan Metode Machine Learning dalam Klasifikasi
Risiko Kejadian Berat Badan Lahir Rendah di Indonesia. Matrik: Jurnal Manajemen. Teknik
Informatika. dan Rekayasa Komputer 20(2):417-426.
5. Alkaromi, M. A. Komparasi Algoritma Klasifikasi untuk Dataset Iris dengan Rapidminer. Program
Studi Teknik Informatika STMIK Widya Pratama.
6. Hermanto, D. M. C. (2107). Analisis Algoritma Clustering dalam Kasus Penentuan Jenis Bunga Iris.
Jurnal Media Aplikom 9(2):72-84.
7. Lina, Q. Klasifikasi Spesies pada Bunga Iris menggunakan Artificial Neural Network. Diakses
dari https://medium.com/@16611110/klasifikasi-spesies-pada-bunga-iris-menggunakan-artificial-
neural-network-63cbee1a2334. 17 Agustus 2022.
8. Nofitri, R., dan Irawati, N. (2019). Analisis Data Hasil Keuntungan Menggunakan Software
Rapidminer. Jurnal Teknologi dan Sistem Informasi 5(2):199-204.
9. Susana, H., et. al. (2022). Penerapan Model Klasifikasi Metode Naive Bayes Terhadap Penggunaan
Akses Internet. Jurnal Sistem Informasi dan Teknologi Informasi 4(1):1-8.
10. Verawati, Y., dan Hasibuan, M. S. (2021). Perbandingan Data Set Iris dengan Aplikasi Rapid
Miner dan Orange menggunakan Algoritma Klasifikasi. Seminar Nasional Hasil Penelitian dan
Pengabdian Masyarakat: 158-163.
11. Lestari, A. (2022). Klasifikasi Bintang RR Lyrae/Cepheid/Mira Menggunakan Metode Naive
Bayes. Skripsi. Departemen Fisika. Fakultas Matematika dan Ilmu Pengetahuan Alam. Universitas
Hasanuddin. Makassar.
12. Bustami. Penerapan Algoritma Naive Bayes untuk Mengklasifikasi Data Nasabah Asuransi. Jurnal
Informatika 8(1):884-898.
13. Yuyun, Hidayah, N., dan Sahibu, S. (2021). Algoritma Multinomial Naive Bayes untuk Klasifikasi
Sentimen Pemerintah Terhadap Penanganan Covid-19 Menggunakan Data Twitter. Jurnal Resti
5(4):820-826.
14. Rapidminer. Diakses dari https://docs.rapidminer.com/latest/studio/operators/blending/examples/
samp ling/split_data.html. 18 Agustus 2022.
15. Putra, J. W. G. (2020). Pengenalan Konsep Pembelajaran Mesin dan Deep Learning. Tokyo. Jepang.
85
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
Abstrak
Klasifikasi kanker payudara berhasil dilakukan. Metode yang digunakan adalah naïve bayes. Program
yang digunakan adalah rapidminer. Ada 15 parameter masukan dan 2 kelas target. Ada 2 tipe data yaitu
numerik dan polinomial. Ada 4 variasi perbandingan. Akurasi hasil penelitian sekitar 83%. Nilai akurasi
berubah maksimum 1% akibat perubahan variasi. Karena ada banyak parameter dan anggota himpunan
dalam parameter, nilai akurasi relatif tidak berubah terhadap variasi.
Kata Kunci: Kanker Payudara, RapidMiner, klasifikasi Naïve Bayes, matriks konfusi
1. PENDAHULUAN
Kanker payudara adalah kanker yang terbentuk di jaringan payudara. Kanker payudara terjadi
ketika sel-sel pada jaringan yang ada di payudara tumbuh tidak terkendali dan mengambil alih jaringan
payudara yang sehat dan sekitarnya. Kanker payudara menempati urutan pertama terkait jumlah kanker
terbanyak di Indonesia serta menjadi salah satu penyumbang kematian pertama akibat kanker. Data
Globocan tahun 2020, jumlah kasus baru kanker payudara mencapai 68.858 kasus (16,6%) dari total
396.914 kasus baru kanker di Indonesia. Sementara itu, untuk jumlah kematiannya mencapai lebih dari
22 ribu jiwa1.
Pеmbеlаjаrаn mеѕіn atau machine learning, adalah dіѕірlіn іlmu yang mencakup perancangan dan
реngеmbаngаn algoritma untuk mengembangkan perilaku уаng dіdаѕаrkаn pada data еmріrіѕ, Sіѕtеm
реmbеlаjаr dapat mеmаnfааtkаn соntоh data untuk mеnаngkар ciri уаng diperlukan dаrі рrоbаbіlіtаѕ
уаng mеndаѕаrіnуа уаng tіdаk diketahui. Dаtа dараt dilihat ѕеbаgаі соntоh уаng mеnggаmbаrkаn
hubungаn antara variabel уаng diamati. Algoritma dаlаm pembelajaran mesin dараt dikelompokkan
berdasarkan mаѕukаn dаn keluaran уаng dіhаrарkаn. Contoh algoritma pembelajaran mesin adalah
Dесіѕіоn Trее/Pоhоn kерutuѕаn, K nearest neighbor, Naïve Bayes, K means clustering2.
RapidMiner merupakan perangkat lunak yang bersifat terbuka open source. RapidMiner adalah
sebuah solusi untuk melakukan analisis terhadap data mining, text mining dan analisis prediksi.
RapidMiner memiliki kurang lebih 500 operator data mining, termasuk operator untuk input, output,
data preprocessing dan visualisasi. RapidMiner merupakan software yang berdiri sendiri untuk analisis
data dan sebagai mesin data mining yang dapat diintegrasikan pada produknya sendiri3.
Statistika Bayes adalah sebuah teori di bidang statistika yang didasarkan pada interpretasi Bayes
tentang probabilitas di mana probabilitas mengekspresikan tingkat kepercayaan pada suatu peristiwa.
Metode statistika Bayes menggunakan teorema Bayes untuk menghitung dan memperbarui probabilitas
setelah mendapatkan data baru. Teorema Bayes menggambarkan probabilitas bersyarat pada suatu
peristiwa berdasarkan data serta informasi atau keyakinan sebelumnya tentang peristiwa, atau kondisi
yang terkait dengan peristiwa tersebut2.
Naïve Bayes Classifier merupakan sebuah metoda klasifikasi yang berakar pada teorema Bayes.
Metode pengklasifikasian dengan menggunakan metode probabilitas dan statistik yang dikemukakan oleh
ilmuwan Inggris Thomas Bayes, yaitu memprediksi peluang di masa depan berdasarkan pengalaman di
masa sebelumnya. Probabilitas yang terlibat dalam memproduksi perkiraan akhir dihitung sebagai jumlah
frekuensi dari data latih. Naive Bayes Classifier bekerja sangat baik dibanding dengan model classifier lainnya.
Keuntungan penggunaan adalah bahwa metode ini hanya membutuhkan jumlah data pelatihan training data
yang kecil unt menentukan estimasi parameter yang diperlukan dalam proses pengklasifikasian2.
86
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
Dalam makalah ini, ditentukan target dengan kelas alive atau dead seorang pasien penderita kanker
payudara. .Data diambil dari salah satu website penyedia data4. Terdapat 15 parameter yang menentukan
kelas target seperti dijelaskan dalam metodologi penelitian. Untuk mendapatkan target, Program
RapidMiner digunakan. Performa dihitung dengan menganalisis confussion matrix.
f ^ A | X1h =
2
(1)
v 2r
2. Data tipe polinomial, dihitung probabilitas untuk menghasilkan kejadian dead atau alive untuk setiap
anggota himpunan dalam semua parameter. Rumus probabilitas data polinomial adalah
/ Kejadian A Menghasilkan target X1
P ^ A | X1h = / Semua kejadian dalam parameter (2)
Setiap data uji dihitung probabilitasnya dengan langkah sebagai berikut:
1. Alive. Rumus untuk menghitung kedekatan suatu himpunan data uji dengan alive
L(alive) = P(alive) P(age│alive) … P(survival months│alive)
2. Dead. Rumus untuk menghitung kedekatan suatu himpunan data uji dengan dead
L(dead) = P(dead) P(age│dead) … P(survival months│dead)
]aliveg
3. Probablitas assignment alive dihitung dengan rumus Passignment ]aliveg = L ]aliveg + L ]dead g . Probablitas
L
]dead g
assignment dead dihitung dengan rumus Passignment ]dead g = ] L g
L alive + L ]dead g
4. Jika Passignment(alive) > Passignment(dead), keputusan adalah alive. Jika Passignment(dead) > Passignment(alive),
keputusan adalah dead.
Keputusan atas satu data uji diperoleh melalui langkah 1 - 4. Langkah diterapkan ke semua data uji.
Setelah melalui proses penghitungan data uji, didapatkan keputusan dari model semua data latih.
87
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
88
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
DAFTAR PUSTAKA
1. Budi G. Sandikin (2020). Buku Lengkap Kanker Payudara Kementerian Kesehatan Republik
Indonesia, Jakarta
2. Jan Wira Gotama Putra (2020). Pengenalan Konsep Pembelajaran Mesin dan Deep Learning, Tokyo
3. Dennis Aprillia C dkk,(2013). Belajar Data Mining Dengan RapidMiner, Jakarta
4. https://archive.ics.uci.edu/ml/machine-learning-databases/breast-cancer-wisconsin/
89
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
Abstrak
Telah dilakukan penelitian mengenai wormhole dalam persamaan medan gravitasi Einstein dunia brane.
Suatu wormhole pada brane dikonstruksi dengan menggunakan metrik statik dan simetri bola untuk
wormhole seperti yang diajukan oleh Morris dan Thorne dengan skalar Ricci pada brane yang tidak nol.
Peninjauan dilakukan pada brane yang tidak vakum dan bulk yang vakum. Tensor energi-momentum
efektif dirancang sehingga melanggar kondisi energi nol. Wormhole dibuat sedemikian rupa sehingga
dapat didukung oleh kehadiran phantom energy. Hasil penelitian menunjukkan bahwa, wormhole yang
dikonstruksi ternyata didukung oleh phantom energy. Visualisasi dimensi 2 dan dimensi 3 dari wormhole
didapatkan.
Kata Kunci: braneworld, phantom energy, wormhole.
1. PENDAHULUAN
Salah satu solusi persamaan medan gravitasi Einstein yang cukup menarik perhatian adalah wormhole1.
Wormhole memiliki ciri-ciri yaitu tidak memiliki cakrawala peristiwa (event horizon), tidak memiliki
singularitas, dan memiliki jembatan yang dapat dilalui. Jembatan tersebut menghubungkan dua alam
semesta atau dua wilayah berbeda dalam ruang-waktu yang sama2. Wormhole dapat menghubungkan
dua wilayah di alam semesta yang berada pada jarak yang sangat jauh3. Studi tentang wormhole memiliki
sejarah yang panjang dan berbeda. Solusi persamaan medan gravitasi Einstein pada wormhole pertama
kali ditemukan oleh Albert Einstein dan Nathan Rosen pada tahun 1935. Solusi yang disajikan oleh
Einstein dan Rosen ini menghasilkan wormhole yang tidak dapat dilalui dikarenakan masih terdapat
suatu singularitas akibat ketidakstabilan jembatan Einstein-Rosen pada modelnya tersebut4.
Michael S. Morris dan Kip S. Thorne dalam penelitiannya telah menemukan konstruksi matematis
mengenai wormhole yang dapat dilalui dengan menggunakan metrik statik dan simetri bola untuk wormhole5.
De-Chang Dai, Djordje Minic, dan Dejan Stockovic menunjukkan cara mengkonstruksi wormhole dengan
memodelkan alam semesta sebagai brane 3 + 1 dimensi, tetapi hasil konstruksinya belum menjamin
menghasilkan wormhole yang stabil3. Dalam penelitian tersebut, dibuat solusi baru untuk wormhole dalam
ruang de-Sitter sebagai solusi eksak vakum terbaru dari persamaan medan gravitasi Einstein3.
Terdapat berbagai model dalam literatur di mana alam semesta dimodelkan sebagai sub-ruang
atau brane yang memiliki 3 + 1 dimensi yang tertanam pada ruang dimensi 5. Sebuah brane yang
dalam hal ini digunakan p-brane memiliki p + 1 dimensi3. Brane berperilaku seperti materi biasa, dapat
mempertahankan fluktuasi kuantum dari awal sejak penciptaannya. Fluktuasi kuantum menyebabkan
brane melipat, memutar, dan bahkan menyilang. Sebuah ruang yang terlipat berpotensi mendukung
jalan pintas antara dua titik yang jauh3. Titik ruang mungkin berjauhan sepanjang brane tetapi dapat
dikatakan sangat dekat apabila bulk ditinjau. Shiromizu, Maeda, dan Sasaki menemukan persamaan
medan gravitasi Einstein efektif dunia brane yang disederhanakan sehingga serupa dengan persamaan
medan gravitasi Einstein pada limit energi rendah6.
K.A Bronnikov dan Sung-Won Kim telah mendapatkan solusi persamaan medan gravitasi Einstein
pada brane yang vakum untuk wormhole yang datar, statik, dan simetri bola dengan skalar Ricci yang
bernilai nol7. Fransisco S. N. Lobo menggeneralisasi untuk brane yang tidak vakum dengan materi yang
non eksotik. Digunakan skalar Ricci yang tidak nol dalam penelitiannya ini8. Lemos, Lobo dan Olivera
telah meninjau wormhole Thorne-Morris dengan konstanta kosmologis yang tidak nol tetapi tidak
90
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
dilakukan pada persamaan medan gravitasi Einstein yang termodifikasi9. Anchordoqui dan Bergliaffa
menunjukkan bahwa model dimensi 5 yang ditunjukkan oleh Model Randall-Sundrum adalah setengah
wormhole10. M. La Camera juga menemukan solusi wormhole pada model sederhana dari Model
Randall-Sundrum11. Komposisi penting dari suatu wormhole adalah pelanggaran dari kondisi energi
nol8. Agar konstruksi wormhole tetap stabil, dibutuhkan kondisi seperti ini. Persamaan medan gravitasi
Einstein dapat menjadi solusi untuk geometri wormhole apabila tensor energi-momentum melanggar
kondisi energi nol. Terdapat suatu materi yang dapat melanggar kondisi energi nol ini. Materi ini disebut
sebagai materi eksotik karena tekanan radial bernilai negatif.
Terdapat banyak versi dari materi eksotik tersebut yang melanggar kondisi energi nol dan
mendukung eksistensi wormhole5,7. Salah satu kandidat yang mungkin adalah phantom energy sebagai
materi eksotik8. Terdapat penelitian terkait yang mengasumsikan bahwa phantom energy diasumsikan
memiliki rapat energi positif tetapi tekanan radial negatif. Studi mengenai distribusi phantom energy
pada wormhole telah dilakukan oleh Sushkov dengan melakukan pemilihan spesifik terhadap rapat
energi12. Fransisco S.N. Lobo telah melakukan studi mengenai wormhole yang didukung oleh phantom
energy pada persamaan medan gravitasi Einstein yang tidak termodifikasi13.
Berdasarkan pada penelitian sebelumnya, penelitian ini mengonstruksi suatu wormhole pada brane
dengan menggunakan metrik statik dan simetri bola untuk wormhole seperti yang diajukan oleh Morris
dan Thorne dengan skalar Ricci pada brane yang tidak nol. Brane yang tidak vakum dan bulk yang
vakum ditinjau. Tensor energi-momentum efektif akan dirancang agar melanggar kondisi energi nol.
Kerapatan energi, tekanan radial, dan tekanan transversal efektif dari phantom energy dirumuskan.
Persamaan keadaan dari phantom energy untuk memperoleh solusi dari persamaan medan gravitasi
Einstein efektif itu sendiri di mana properti efektifnya pada brane ωeff < –1 digunakan. Wormhole dibuat
sedemikian rupa sehingga dapat didukung oleh kehadiran phantom energy.
2. METODE PENELITIAN
Tensor Einstein pada Persamaan Medan Einstein Efektif Dunia Brane dihitung melalui tahapan:
1. Menentukan metrik ruang-waktu
2. Mencari komponen tetrad dan konstanta transformasi e nvt dari metrik ruang-waktu
3. Mencari basis vektor ortonormal dari komponen tetrad dan konstanta transformasi e nvt
4. Mencari bentuk koneksi ~ij melalui persamaan struktur Cartan pertama
5. Mencari tensor Riemann R bcd t t t melalui persamaan struktur Cartan kedua
at
T no , bentuk skalar tensor energi momentum T, dan bentuk skalar kuadratik tensor energi-momentum
t t
r
radial yang tepat (proper radial distance). Persamaan Medan Gravitasi Einstein efektif dunia brane
0
b l
(4)
Gtttt = 2
r
Grrtt = 2 b1 - br l r - 3
Ul b (5)
r
Giit t = b1 - br l:]Um + ]Ulg2g - 2r 2 - 2r Ul + r D
bl r - b bl r - b Ul (6)
t t = b1 -
t t = Gii
Gzz b l:]Um + ] lg2g - bl r - b - bl r - b Ul + Ul D (7)
r U 2r 2 2r r
92
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
Diperoleh juga suku kuadratik tensor energi-momentum P not t seperti dalam persamaan 8 – 10.
^ pr - pt - th^ pr - pt + th
P tttt = - 12
(8)
^t + pr + pt h^ pr - pt - th
P rrtt = - 12
(9)
t + ^ pr + pt h t + pr ^ pr - pt h
2
P iit t = P zz tt =
12
(10)
Rapat energi, tekanan radial, dan tekanan transversal diberikan dalam persamaan 11 – 13.
1 bl (11)
t eff = 8r 2
r
p reff = 8r b2 b1 - r l r - 3 l
1 b Ul b (12)
r
p treff = 8r b1 - br l;^Um + ]Ulg2h -
1 bl r - b - bl r - b l + Ul E (13)
2r 2 2r U r
Tekanan radial phantom energy terhubung dengan rapat energi efektif phantom energy melalui
persamaan keadaannya yang dirumuskan sebagai:
p reff = ~ eff t eff (14)
di mana ωeff merupakan properti dari phantom energy yang bernilai ωeff < –1. Subtitusikan p r pada eff
Suatu fungsi bentuk pada wormhole harus memenuhi syarat b(r0) = r0 dan b'(r0 ) < 1. Persamaan 17
memenuhi syarat tersebut. Dengan melakukan subtitusi pada persamaan (17) ke persamaan 16, dapat
diperoleh
ra b rr l ~ eff + r0 b rr l
a-1 a
(18)
0 0
Ul =
2r 2 b1 - b r0 l l
r 1-a
1 -b r l
r0
Bila α pada persamaan 17 mengambil bentuk αn, dengan cara yang sama seperti dalam mencari
persamaan 20 diperoleh
1 + a n ~eff
93
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
Persamaan 20 menghasilkan dalam kondisi r = r0, wormhole yang tidak dapat dilalui didapatkan.
1 + a~
Bila 1 - a = 0 , diperoleh wormhole yang dapat dilalui karena e2Φ ≠ 0 yang menandakan tidak ada event
eff
horizon dari wormhole tersebut dan Φ(r) memiliki nilai yang berhingga. Solusi tersebut menyajikan
wormhole yang didukung oleh phantom energy karena bila 1 1+-a~a = 0 , dapat diperoleh ~ =- a1 yang eff
eff
merepresentasikan properti dari phantom energy dimana ωeff < –1. Dari persamaan 21, untuk αn, diperoleh
1
~ eff =- a n .
Solusi yang diperoleh memenuhi persamaan medan gravitasi Einstein, efektif. Fungsi bentuk
yang diperoleh memenuhi kondisi pelebaran (flare-out condition) di mana b'(r0) < 1. Kondisi tersebut
memberikan gambaran bahwa terjadi pelebaran pada bagian tenggorokan (throat) dari wormhole.
Rapat energi efektif dari phantom energy diasumsikan bernilai positif ρeff > 0 untuk mereduksi sifat
eksotisitasnya sehingga hanya kondisi b'(r0) > 0 saja yang diizinkan. Fungsi bentuk memenuhi kondisi
b'(r0) > 0 didapat. Konstruksi wormhole yang diperoleh, adalah konstruksi wormhole yang datar ruang-
waktu asimtotik (asymptotically flat spacetime). Konstruksi asymptotically flat spacetime wormhole
terjadi bila lim b]rr g = 0 dan limU] r g = 0 .
r"3 r"3
Proper radial distance l(r) dipastikan agar memiliki nilai yang berhingga (finite). Proper radial
distance l(r) diberikan sebagai
l]r g = ! #
r
dr (23)
r b] r g
0
1- r
Dengan melakukan subtitusi dari persamaan 17 ke persamaan 23, diperoleh
l]r g = ! #
r
dr
1 - ]r0 /r g1 - a
(24)
r 0
;r0 b r l - ar b r l E
a 1-a
p treff =
0
(28)
16rr 3 r0 r 0
t eff = (29)
8r r 2 r
1 b r0 l1 - a
n
p reff =- (30)
8rr 2 r
c r - r0 b r l m
n
a
r
;r0 b r l - ar b r l E
n n
a 1-a
p treff =
0
(31)
16rr 3 r0 r0
Pada persamaan 26 – 31 diberikan persamaan rapat energi, tekanan radial, dan tekanan transversal
efektif dari phantom energy. Rapat energi diasumsikan positif untuk mereduksi sifat eksotisitasnya
dikarenakan suatu wormhole tidak selalu berhubungan dengan materi yang memiliki kerapatan energi
negatif. Hal yang perlu diperhatikan adalah kerapatan energi negatif tidak penting tetapi tekanan radial
negatif diperlukan untuk menopang wormhole agar tetap terbuka.
94
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
Tekanan radial yang diperoleh memiliki nilai yang negatif. Tekanan radial memiliki nilai yang
negatif untuk 0 < α < 1. Tekanan radial yang negatif memiliki makna bahwa materi yang berada pada
wormhole memiliki sifat repulsif terhadap gaya gravitasi dan menjaga wormhole agar tetap terbuka.
Tekanan transversal memiliki nilai yang negatif. Tekanan transversal atau tekanan lateral merupakan
tekanan yang bekerja terhadap arah tangensial dan tegak lurus terhadap arah radial. Tekanan transversal
yang positif maupun negatif tidaklah menjadi masalah.
Diagram penyatuan digunakan untuk membuat visualisasi dari wormhole dalam bentuk gambar
21-22. Diagram penyatuan juga dapat digunakan untuk mengekstrak informasi yang penting dari
pemilihan fungsi bentuk b(r). Karena sifat alami dari metrik yang digunakan yakni simetri bola, dapat
dipertimbangkan θ = π/2 dan variabel waktu yang bernilai tetap. Dari pertimbangan tersebut, metrik
pada persamaan 1 dituliskan menjadi
dr 2 (32)
b] r g
ds 2 = + r 2 dz 2
1- r
Metrik di persamaan 32 disatukan dengan metrik pada suatu koordinat silinder (r\,ϕ,z) yakni
ds2 = dr2 + r2 dϕ2 + dz2 (33)
Melalui substitusi persamaan 33 ke persamaan 32, diperoleh
dz ; r - 1E
-1/2
(34)
b]r g
dr = !
95
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
96
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
4. KESIMPULAN
Kesimpulan riset ini adalah sebagai berikut:
1. Solusi persamaan medan gravitasi Einstein efektif pada dunia brane untuk wormhole yang didukung oleh
phantom energy telah diperoleh pada persamaan 20 dan 21. Solusi tersebut tidak mengandung singularitas
pada bagian gtt dan grr . Pada solusi tersebut, dapat ditemukan properti dari phantom energy itu sendiri.
2. Kerapatan energi efektif dari phantom energy bernilai positif untuk mengurangi sifat eksotisitasnya.
Materi eksotik tidak memiliki rapat energi yang bernilai positif tetapi memiliki tekanan radial yang
negatif. Sifat itulah yang diperlukan oleh phantom energy seperti yang telah dirumuskan melalui
tekanan radialnya. Tekanan transversal dari phantom energy bernilai negatif dan telah diperoleh
pada persamaan 28 dan 31.
3. Komposisi penting dari wormhole adalah pelanggaran kondisi energi nol. Kondisi energi nol
dilanggar. Melalui analisis titik kestabilan, bila rapat energi efektif dan tekanan radial efektif
dijumlahkan maka kondisi energi nol dilanggar.
DAFTAR PUSTAKA
1. Gaston, G., Emilio, R. D. C., dan Claudio, S. (2019). Traversable Wormholes in Five-Dimensional
Lovelock Theory. Phys. Rev. D 100 044011.
2. Vittorio, D. F., Emmanuele, B., dan Salvatore, C. (2021). Reconstructing Wormhole Solutions in
Curvature Based Extended Theories of Gravity. Eur. Phys. J. C. 81:157.
3. De-Chang, D., Djordje, M., dan Dejan, S. (2020). How to Form a Wormhole. Eur. Phys. J. C.
80:1103.
4. De-Chang, D., Djordje, M., dan Dejan, S. (2018). New Wormhole Solution in de-Sitter Space. Phys.
Rev. D 98 124026.
5. Michael, S. M. and Kip, S. T. (1988). Wormhole in Spacetime and Their Use for Interstellar Travel:
A Tool for Teaching General Relativity. Am. J. Phys. 56 (5).
6. Tetsuya, S., Kei-ichi, M., dan Misao, S. (2000) The Einstein Equations on the 3-Brane World. Phys.
Rev. D. 24 024012.
7. Bronnikov, K. A. and Sung-Won, K. (2003). Possible Wormholes in A Brane World Phys. Rev. D 67
064027.
8. Fransisco, S. N. L., (2007). General Class of Braneworld Wormholes. Phys. Rev. D 75 064027.
9. Jose, P. S. L., Fransisco, S. N. L., dan Sergio, Q. D. O. (2003). Morris-Thorne Wormhole with a
Cosmological Constant. Phys. Rev. D 68 064004.
10. Luis, A. A. and Santiago, E. P. B. (1999). Wormhole Surgery and Cosmology on the Brane: The
World is Not Enough. Phys. Rev. D 68 067502.
11. M. La, C. (2003). Wormhole Solutions in the Randall–Sundrum Scenario. Physics Letters B. 573:
27-32.
12. Sergio, S. (2005). Wormholes Supported by Phantom Energy. Phys. Rev. D 71 064027.
13. Fransisco, S. N. L. (2005) Phantom Energy Traversable Wormhole. Phys. Rev. D 71 084011.
14. Geogious, A., Athanasios, B., Panagiota, K., Burkhard, K., dan Jutta, K. (2020). Novel Einstein-
Scalar-Gauss-Bonnet Wormholes Without Exotic Matter. Phys. Rev. D 101 024033.
15 I. S. Gradshteyn and I. M. Ryzhik. (2007). Table of Integrals, Series, and Products. United States of
America: Elsevier.
16. Mariam, B. L., Fransisco, S. N. L., and Prado, M. M. (2014). Wormholes Minimally Violating the
Null Energy Condition. JCAP 11 007.
97
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
Abstrak
Modifikasi gravitasi Einstein terus berkembang selama dekade terakhir. Salah satu modifikasi
pada teori gravitasi Einstein adalah dengan menambah suku invarian dengan orde yang lebih tinggi
terhadap aksi Hilbert-Einstein standar. Teori gravitasi f(R) adalah salah satu modifikasi gravitasi yang
mempertimbangkan pengaruh orde tinggi dari kurvatur. Berbagai model f(R) telah diajukan akan tetapi
terkendala oleh syarat stabilitas. Salah satu model yang memenuhi yaitu model yang diajukan oleh Hu,
Sawicki, dan Starobinsky. Pada makalah ini dikaji solusi kosmologi dan analisis sistem dinamik model
Hu-Sawicki-Starobinsky (HSS). Telah diperoleh persamaan medan dan solusi kosmologi modifikasi
gravitasi f(R) dengan fungsi f(R) = R – μR_c (1 – (R/R_c )^(–2n)). Berdasarkan analisis evolusi, dimulai
pada masa transisi antara radiasi dan materi (gelap), kemudian terjadi periode sementara dominasi materi
dan akhirnya alam semesta didominasi oleh energi gelap.
Kata Kunci: Einstein, gravitasi f(R), kosmologi, sistem dinamik.
1. PENDAHULUAN
Pada tahun 1915 Einstein merumuskan teori gravitasi baru dengan menghubungkan ruang-waktu
terhadap massa, energi, dan momentum. Teori ini dikenal sebagai teori relativitas umum (TRU)1-2. TRU
adalah teori yang menjelaskan fenomena gravitasi secara geometris. Teori ini juga digunakan dalam
membangun model matematis kosmologi dalam skala besar struktur alam semesta3. Pengaplikasian
relativitas umum pada permasalahan kosmologi menjadikannya sebagai isu sentral dalam kajian model
alam semesta yang kuantitatif hingga saat ini.
General Relativity (GR) kembali menjadi fokus setelah penemuan Adam Riess dan Saul Perlmutter
mengenai “expanding universe”4-5 Salah satu penjelasan yang paling diterima dalam menjelaskan
temuan tersebut adalah bahwa semesta didominasi oleh suatu bentuk energi vakum dengan tekanan
negatif menyebabkan percepatan ekspansi yang kita sebut sebagai dark energy.
Selama dekade terakhir, gagasan untuk memodifikasi gravitasi Einstein dalam skala kosmologis
terus berkembang3. Salah satu modifikasi pada teori gravitasi Einstein adalah dengan menambah
suku invarian dengan orde yang lebih tinggi terhadap aksi Hilbert-Einstein standar, yang disebut teori
gravitasi berorde tinggi. Penambahan suku ini dimotivasi oleh permasalahan dalam kosmologi dan
astrofisika6. Sebagai contoh, kasus yang mempertimbangkan pengaruh orde tinggi dari kurvatur adalah
teori gravitasi f(R)7.
Penelitian tentang modifikasi gravitasi f(R) terus berkembang. Bentuk fungsional f(R) sangat terbatas
karena kendala teoretis dan fenomenologis7-8 dan berbagai model f(R) telah diajukan tetapi terkendala
dalam syarat stabilitas. Salah satu model yang memenuhi yaitu model yang diajukan oleh Hu, Sawicki
dan Starobinsky8-9. Maka, tujuan pekerjaan ini adalah menganalisis solusi kosmologi dan sistem dinamik
f(R) Hu-Sawicki-Starobinsky.
Makalah ini disusun sebagai berikut: bagian 2 berisi persamaan medan untuk modifikasi gravitasi
f(R). Bagian 3, menyajikan solusi kosmologi teori gravitasi f(R). Bagian 4, dikhususkan pada analisis
sistem dinamis. Akhirnya, rangkuman disajikan di bagian 6.
98
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
F _ R i R - 2f _ R i + 3 4 F _ R i = l 2 T (10)
Persamaan (10) adalah trace dari persamaan medan (8).
Sawicki8 dan Starobinsky9. Kemudian untuk daerah R & RC model Hu-Sawicki dan Starobinsky dapat
dikonstruksikan sebagai berikut8,15-16:
f ^ Rh = R - nRC e1 - d R n o
-2n
R (21)
C
Persamaan (21) kemudian disebut sebagai model Hu-Sawicki-Starobinsky (HSS) dimana n,μ dan Rc
adalah konstanta positif n > 0, μ > 0 dan Rc > 0. Rc terkait dengan skalar Ricci pada masa sekarang R08,14.
Standar model kosmologi yang diketahui, adalah dengan keberadaan konstanta kosmologi Λ. Daya tarik
dari model ini adalah bahwa secara eksplisit tidak ada konstanta kosmologi dalam fungsi f(R)15-18,23.
Hubungan tersebut terkait dengan persamaan Friedmann jenis pertama, yaitu persamaan (19).
1. Persamaan Autonom
Dengan menggunakan persamaan (19) dan (20) dapat diperoleh solusi dinamik atau yang sering
disebut sebagai persamaan autonomous, yaitu turunan dari variabel x1, x2, x3 dan x4 terhadap N, dengan
N = ln a yang diperoleh:
dx1
(25)
dN =- 1 + x4 - 3x2 - x3 - x1 x3 + x1
2
_2x3 - 4 - x1 i
dx2 x1 x3
(26)
dN = m - x2
_ x - 2i (27)
dx3 x1 x3
dN =- m - 2x3 3
dx4 (28)
dN =- 2x4 x3 + x1 x4
Di mana diperkenalkan fungsi r dan m sebagai 12,14,19
:
d ln f Rf,R x
r = d ln R =- f = x3 (29)
2
m = d ln R = f = ^- r - 1h
d ln F Rf,RR 3 (30)
,R
2. Persamaan Keadaan
Persamaan keadaan (Equation of State) efektif weff model dark energy f(R) secara umum didefinisikan
sebagai:
2Ho (31)
weff = X DE ~ DE + X m ~ =- 1 -
3H2
Sehingga untuk kasus ini persamaan keadaan efektif total adalah:
weff =- 3 _2x3 - 1 i (32)
1
Untuk persamaan keadaan dark energy dapat dilakukan dengan menulis ulang (rewrite) persamaan
kosmologi (19) dan (20) sebagai berikut:
3AH2 = l2 _ t r + t m + t DE i (33)
- 2AHo = l _^4/3h t r + t m + t DE + PDE i
2
(34)
Dimana A adalah sebuah konstanta, dari persamaan (33) dan (34) diperoleh:
l2 t DE = 3H2 ^ A - F h - 3HFo + _ FR - f i /2 (35)
l PDE = 2HFo + Fp - ^2Ho + 3H h^ A - F h - _ FR - f i /2
2 2
(36)
Persamaan (35) dan (36) merupakan definisi untuk kerapatan ρDE dan tekanan PDE yang memenuhi
persamaan kontinuitas to + 3H _ t + P i = 0 yang dapat dituliskan sebagai:
to DE + 3H _ t DE + PDE i = 0 (37)
Dengan menggunakan hubungan DE t diperoleh:
P
w = DE
(38)
3AH2 - l2 _ t m + t r i
wDE =-
Aproksimasi terakhir valid apabila masa rapat radiasi ρr diabaikan terhadap rapat materi, sehingga
persamaan (38) dapat dituliskan sebagai:
wDE =-
2AHo + 3AH2 (39)
2 2
3AH - l t m
Dari persamaan (23) dan (31), persamaan (39) menjadi:
weff
wDE =
1-X um (40)
Dimana:
(41)
2
u m = l t m2 = F X m
X
3AH A
Model f (R) yang layak, mendekati model ΛCDM, yaitu ketika F → 1 untuk memenuhi standar
masa dominasi materi (matter era) untuk z & 1. Dipilih A = 1 dalam persamaan (32). dengan ketentuan
101
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
a. Evolusi kosmik
6. KESIMPULAN
Penelitian ini menganalisis modifikasi teori gravitasi f(R) dengan menggunakan fungsi yang
dikemukakan oleh Hu-Sawicki-Starobinsky yaitu f ^ Rh = R - nRc e1 - d R n o. Langkah awal dimulai
-2n
R c
102
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
dengan mengonstruksi solusi analitik melalui persamaan medan, persamaan kosmologi dan persamaan
dinamik kemudian memetakan evolusi kosmologi dari tiga komponen dominan alam semesta yaitu
radiasi, materi gelap dan energi gelap.
7. UCAPAN TERIMAKASIH
Penulis berterimakasih kepada Civitas Departemen Fisika, FMIPA UNHAS khususnya Laboratorium
Teori Dan Komputasi yang telah memberikan ruang dan wadah diskusi dan telah mendukung dalam
penyelesaian makalah ini.
DAFTAR PUSTAKA
1. Erwin, Hayat, M. S., dan Sutarno. (2017). Epistimologi dan Keterbatasan Teori Gravitasi. Jurnal
Ilmiah Multi Sciences., Vol. IX No. 1: 33-40.
2. Sunkar, G. (2018). Pengantar Relativitas dan Kosmologi. Makassar: Paradoks Softbook Publisher.
3. Clifton, T., Ferreira, P. G., Padilla, A., and Skordis, C. (2012). Modified Gravity and Cosmology.
Physics Reports, 513: 1-189.
4. A. G. Riess, et. al. (1998). “Observational Evidence from Supernovae for an Accelerating Universe
and a Cosmological Constant”. The Astronomical Journal, Vol. 116, No. 3: 1009.
5. S. Perlmutter, et. al. (1999). “Measurements Of Ω and Λ from 42 High-Redshift Supernovae”. The
Astrophysical Journal, Vol. 517, No. 2: 565
6. Sporea, C. A. (2014). Notes on f(R) Theories of Gravity. arXiv preprint arXiv:1403.3852
7. Tsujikawa, S. and Felice, A. D. (2010). f(R) Theories. Living Reviews in Relativity, Vol.13, No.3:
1-161
8. Hu, W. and Sawicki, I. (2007). Model of f(R) Cosmic Acceleration that Evade Solar System Tests.
Physical Review D, Vol. 524, No.9-10:545-578
9. Starobinsky, A. A. (2007). Disappearing Cosmological Constant in f(R) Gravity. JETP Letters,
Vol.86, No. 3: 157-163.
10. Carmeli, M. (1982). Classical Fields: General Relativity and Gauge Theory. New York: John Wiley
& Sons.
11. Bansawang, B. J. (2006) “Metrik Medan Gravitasi Benda Bermuatan Listrik Simetri Bola”.
Repository Unhas.
12. Amendola, L. dan Tsujikawa, S. (2010). Dark Energy: Theory and Observations. Cambridge:
Cambridge University Press.
13. Capozziello, S. dan Laurentis, M. D. (2012). “The Dark Matter Problem from f(R) Gravity
Viewpoint”. Annalen Der Physik, Vol. 524, No. 9‐10: 545-578.
14. Tsujikawa, S. (2018). Observational Signatures of f (R) Dark Energy Models That Satisfy
Cosmological and Local Gravity Constraints. Physical Review D, Vol. 77, No. 2: 023507.
15. Banik, S. K., Banik, D. K., dan Bhuyan, K. (2018). A Dynamical System Approach to Bianchi III
Cosmology for Hu-Sawicki Type f (R) Gravity. General Relativity Gravity, Vol. 50, No. 24: 1-19.
16. Kandhai, S. dan Dunsby, P. K. S. (2015). Cosmological Dynamics of Viable f(R) Theories of Gravity.
arXiv preprint arXiv:1511.00101.
17. Romero, J. P. dan Nesseris, S. (2018). Cosmological Constraints and Comparison of Viable f (R)
Model. Physical Review D, Vol. 97, No. 2: 1-11.
18. Nozari, K. dan Kiani, F. (2011). On The Cosmological Viability of The Hu-Sawicki Type Modified
Induced Gravity. Physics Letters B, Vol. 703: 395-401.
19. Amendola, L., Gannouji, R., Polarski, D., dan Tsujikawa, S. (2007). Conditions for The Cosmological
Viability of f(R) Dark Energy Models. Physical Review D, Vol. 75, No. 8: 083504.
20. Amendola, L. dan Tsujikawa, S. (2008). Phantom Crossing, Equation-of-State Singularities and
Local Gravity Constraints in f(R) Models. Physics Letters B, Vol. 660, No. 3: 125-132.
103
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
Abstrak
Telah dilakukan pemodelan persamaan diferensial parsial menggunakan metode elemen hingga yang
diselesaikan dengan program freefem++. Ada dua kasus yang diambil, yaitu persamaan Laplace dan
Navier-Stokes. Sintaks freefem++ sangat sederhana dan runut. Sintaks terdiri atas pembuatan domain,
pembuatan elemen, pemasukan syarat batas, penyelesaian persamaan diferensial dan pembuatan gambar.
Keluaran program freefem++ adalah grafik kontur. Pada kasus Navier-Stokes keluaran berupa vektor
kecepatan dan tekanan berupa garis kontur. Sedangkan pada kasus Laplace keluaran berupa gambar tiga
dimensi ketinggian x dan y
Kata Kunci: freefem++, metode elemen hingga, persamaan diferensial parsial, persamaan laplace dan
navier-stokes
1. PENDAHULUAN
Pemodelan matematika adalah salah satu cara untuk merepresentasikan fenomena fisika dalam istilah
matematika. Diantara contoh fenomena fisika yang bisa dimodelkan secara matematis yaitu persamaan
elastisitas linier, persamaan Navier-Stokes mekanika fluida, persamaan Maxwell elektromagnetisme,
dll. Oleh karena itu, aspek-aspek pemodelan matematika ini dianggap sebagai bagian penting dalam
fisika.
Salah satu contoh penggunaan pemodelan matematika yaitu mencari pemodelan untuk solusi dari
persamaan diferensial terutama pada Persamaan Diferensial Parsial (PDP). Persamaan Diferensial
Parsial (PDP) yang didefinisikan pada domain Rn, n = 1, 2, 3. Untuk memecahkan masalah ini secara
numerik saat ini tidak perlu dipertanyakan lagi karena ada banyak software yang digunakan untuk
memecahkan solusi fisika dengan pemodelan matematika misalnya dengan menggunakan python, m4th-
lab dan software lainnya.
Salah satu software yang digunakaan untuk memodelkan fenomena fisika yaitu menggunakan
Freefem++. Freefam++ adalah salah satu bahasa pemrograman dan software yang digunakan untuk
menyelesakan persamaan diferensial parsial (PDP) dengan menggunakan metode elemen hingga
(MEH). FreeFem++ merupakan perangkat lunak gratis.
Tujuan dibuatnya makalah ini adalah untuk membuat solusi Persamaan Diferensial Parsial dengan
metode elemen hingga. Dalam menyelesaikan persamaan tersebut digunakan software freefem++ untuk
memodelkan persamaan diferensial parsial tersebut.
persamaan ini menyatakan bahwa perubahan dalam momentum (percepatan) partikel-partikel fluida
bergantung hanya kepada gaya viskos internal (mirip dengan gaya friksi) dan gaya viskos tekanan eksternal
yang bekerja pada fluida. Oleh karena itu, persamaan Navier-Stokes menjelaskan kesetimbangan gaya-
gaya yang bekerja pada fluida.
Persamaan Navier-Stokes memiliki bentuk persamaan diferensial yang menerangkan pergerakan
dari suatu fluida. Persaman seperti ini menggambarkan hubungan laju perubahan suatu variabel terhadap
variabel lain. Sebagai contoh, persamaan Navier-Stokes untuk suatu fluida ideal dengan viskositas bernilai
nol akan menghasilkan hubungan yang proposional antara percepatan (laju perubahan kecepatan) dan
derivatif tekanan internal.
Untuk mendapatkan hasil dari suatu permasalahan fisika menggunakan persamaan Navier-Stokes,
perlu digunakan ilmu kalkulus. Secara praktis, hanya kasus-kasus aliran sederhana yang dapat dipecahkan
dengan cara ini. Kasus-kasus ini biasanya melibatkan aliran non-turbulen dan tunak (aliran yang tidak
berubah terhadap waktu) yang memiliki nilai bilangan Reynold kecil.
Untuk kasus-kasus yang kompleks, seperti sistem udara global seperti El Niño atau daya angkat
udara pada sayap, penyelesaian persamaan Navier-Stokes hingga saat ini hanya mampu diperoleh
dengan bantuan komputer. Kasus-kasus mekanika fluida yang membutuhkan penyelesaian berbantuan
komputer dipelajari dalam bidang ilmu tersendiri yaitu mekanika fluida komputasional
d2 y*
= 2c1 (8)
dx2
Residu fungsi aproksimasi terhadap persamaan (3.1) dituliskan :
R _ x; c1 i = 2c1 - 10x2 - 5 (9)
Digunakan integral untuk meminimalkan residu
# x ^ x - 1h_2c1 - 10x - 5 i dx = 0 (10)
1
2
Hasil eksekusinya digambarkan dalam gambar 1. Garis panah menunjukkan vektor kecepatan
(velocity). Kecepatan adalah penjumlahan vektor u dan vektor v. Dari gambar 1, panjang garis vektor
menunjukkan besar kecepatan. garis kontur yang menunjukkan tekanan yang sama pada lokasi sepanjang
garis.
107
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
5. KESIMPULAN
Metode elemen hingga berhasil mendapatkan jawaban persamaan diferensial parsial dalam
penyelesaian persamaan Laplace dan Navier-Stokes. Solusi diselesaikan menggunakan Freefem++.
Freefem++ dapat menyelesaikan persamaan diferensial parsial dengan sintaks yang singkat.
DAFTAR PUSTAKA
1. Font, R., Periago, F. (2014). The Finite Element Method with FreeFem++ for beginners. The
Electronic Journal of Mathematics and Technology 7(4)
2. Hecht, F. (2012). Freefem++ Manual. Journal of Numerical Mathematics
3. Naraswari, D., Kiftiah, M and Yudhi.(2017). Penyelesaian Persamaan Diferensial Parsial Dengan
Metode Transformasi Diferensial. Buletin Ilmiah Math. Stat. dan Terapannya (Bimaster) 6(2). 131
– 140.
4. Isworo, H., Razi, P. Metode Elemen Hingga Hmkb654. (2018). Universitas Lambung Mangkurat
108
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
Abstrak
Masalah pelipatan protein masih menjadi tantangan yang belum terselesaikan bahkan dengan kemajuan
ilmu pengetahuan moderen saat ini. Kompleksitas masalah pelipatan protein yang muncul dari begitu
banyaknya atom yang membentuk protein dan interaksinya menjadi sebab digunakannya model protein
sederhana dan metode komputasi. Dalam penelitian ini, dikaji proses pelipatan protein model HP untuk
beberapa protein dengan menganalisis perubahan besaran termodinamik dan struktural sistem. Simulasi
Monte Carlo dengan algoritma Wang-Landau dilakukan untuk memperoleh perubahan besaran panas
jenis Cv, radius girasi Rg dan τ terhadap T dari sistem. Hasil yang diperoleh akan memperlihatkan gambaran
perubahan sturuktur selama proses pelipatan protein. Dari kurva-kurva yang diperoleh kemudian dapat
disimpulkan bahwa proses pelipatan model HP melalui dua tahapan perubahan yang signifikan, yaitu
coil-globule collapse yang merupakan proses perubahan struktur protein dari bentuk rantai menjadi
bulatan yang lebih padat dan folding transition yang merupakan proses penyusunan monomer-monomer
protein sedemikian sehingga jumlah interaksi hidrofobik antara monomer H-H menjadi maksimum.
Kata Kunci: Algoritma Wang-Landau; Model Hydorphobic-Polar; Pelipatan Protein; Simulasi Monte
Carlo
1. PENDAHULUAN
Protein merupakan molekul biologi yang menjalankan hampir seluruh fungsi penting dalam sel
makhluk hidup. Agar dapat menjalankan tugasnya, protein harus melipat menjadi struktur 3D tertentu
yang unik melalui sebuah proses kompleks yang disebut sebagai pelipatan protein (protein folding)1.
Kesalahan dalam pelipatan protein, menghasilkan protein yang tidak berfungsi, dan dapat menjadi
pemicu berbagai penyakit degeneratif seperti Alzheimer, Huntington, dan Parkinson2. Maka, mekanisme
fisis dalam pelipatan protein menjadi hal yang penting untuk dipahami. Pemahaman ini juga penting
untuk mendorong kemajuan di bidang aplikasi, seperti bidang rekayasa protein, penemuan obat dan
aplikasi bioteknologi3. Namun demikian, hingga saat ini masalah pelipatan protein masih menjadi
tantangan besar yang belum terpecahkan4-7.
Kompleksitas masalah pelipatan protein muncul dari begitu banyaknya kemungkinan struktur
yang dapat terbentuk dari kombinasi 20 asam amino yang menyusun protein4. Maka, pengkajiannya
umumnya dilakukan dengan menggunakan model protein yang disederhanakan dan metode komputasi7.
Salah satu model protein yang paling sederhana adalah model HP (Hydrophobic-Polar Model)8. Model
ini mereduksi keduapuluh asam amino penyusun protein menjadi hanya dua tipe, yaitu H (hydrophobic)
dan P (polar)9. Dengan menggunakan model ini, kajian proses pelipatan protein dapat dilakukan tanpa
harus memperhatikan semua interaksi yang terlibat dan hanya fokus pada detail yang benar-benar
penting10. Meskipun model protein ini sangat sederhana, mencari struktur dengan energi terendah atau
keadaan dasar dari susunan protein tertentu dengan model ini termasuk dalam kasus NP-Complete, yang
merupakan salah satu kelas perhitungan tersulit dalam dunia komputasi11.
Berbagai metode komputasi telah dikembangkan untuk mengkaji perubahan struktur dari model
HP, salah satu diantaranya adalah dengan menggunakan simulasi Monte Carlo8. Alfred dkk. (2019)
menerapkan algoritma Wang-Landau untuk mensimulasikan model HP untuk beberapa protein7.
Algoritma ini terbukti efektif dan efisien dalam mencari struktur keadaan dasar (ground state) dan
109
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
menentukan rapat keadaan sistem yang dikaji9. Dalam penelitian ini, mekanisme pelipatan protein model
HP dikaji dengan menganalisis perubahan besaran struktural dan termodinamik pada dua buah protein
yang berbeda. Simulasi Monte Carlo dengan algoritma Wang-Landau dilakukan untuk memperoleh
perubahan besaran panas jenis (Cv), radius girasi (Rg) dan tortuositas (τ) terhadap T dari sistem.
110
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
gu _ EA i
p ^ A " Bh = min f ,1p (2)
gu _ EB i
Jika trial move diterima, nilai konfigurasi B diperbaharui dengan ketentuan:
gu _ EB i = f $ gu _ EB i dan H _ EB i = H _ EB i + 1 (3)
dimana diambil f = e di awal simulasi. Jika trial move ditolak, maka nilai konfigurasi A yang
diperbaharui. Hal ini dilakukan sampai histogram H(E) menjadi cukup datar dengan flatness criterion
p = 80%. Satu iterasi Wang-Landau.
Di setiap akhir satu iterasi Wang-Landau, nilai f umumnya diakarkan, f " f dan histogram H(E)
diatur ulang menjadi 0 untuk semua nilai E. Semua langkah-langkah di atas diulangi hingga f menjadi
lebih kecil dari fmin, dimana fmin = exp(10–8). Maka, diperoleh nilai rapat keadaan g(E) = g̃ (E) dan simulasi
Wang-Landau berakhir.
Semua langkah-langkah simulasi diimplementasikan dalam program dengan menggunakan bahasa C/
C++ dan Python. C/C++ digunakan dalam simulasi Wang-Landau sistem protein yang kompleks karena
memiliki performa yang tinggi dan efisien. Sedangkan penghitungan pasca simulasi dan pembuatan
grafik digunakan Python karena kemudahan dan kelengkapan modulnya. Sebagian besar program
C/C++ untuk simulasi Wang-Landau ini diadaptasi dan dimodifikasi dari program pada referensi 7.
Adapun program lengkap untuk penelitian ini dapat dilihat pada https://github.com/Safrullah021/PF-
Wang-Landau.
Untuk dapat meminimalkan kesalahan statistik yang timbul, dilakukan sepuluh kali simulasi yang
terpisah untuk setiap protein yang ditinjau. Nilai rata-rata kesepuluh simulasi ini digunakan. Setiap
simulasi yang dilakukan menggunakan kumpulan bilangan acak yang berbeda sehingga hasil untuk
setiap simulasi sedikit berbeda antara satu dengan yang lainnya namun berfluktuasi tidak jauh dari nilai
yang sebenarnya.
dimana E adalah energi sistem, kB adalah konstanta Boltzmann, T adalah temperatur dan g(E) adalah
rapat keadaan.
Dalam pengkajian pelipatan protein, besaran termodinamik yang sering digambarkan adalah Cv
terhadap suhu. Dari grafik Cv ini kemudian perubahan struktur yang terjadi dalam sistem dapat teramati.
Untuk menghitung nilai Cv ini, digunakan persamaan
d E 1 2
(5)
Cv = dT = E2 - E
kB T2
di mana E adalah energi rata-rata sistem yang dihitung dengan persamaan 9.
Selain besaran termodinamik dihitung, juga besaran struktural dihitung, yaitu radius girasi dan
tortuositas (τ). Besaran-besaran ini sangat penting dalam memberikan gambaran perubahan struktur
monomer-monomer protein seiring berubahnya temperatur. Radius girasi diberikan oleh persamaan
Rg = e N / _ ri - rcm i o
N
1 2
(6)
i
dimana ri adalah vektor posisi monomer ke-i dan rcm adalah pusat massa. Radius girasi ini
memberikan distribusi monomer-monomer protein relatif terhadap pusat massanya. Adapun tortuositas
(τ) didefinisikan oleh persamaan,
111
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
x = e N - 2 / _ si - sri o
N-2 1 /2
1 2
(7)
i
dimana rj,j + 1 dan rj,j + 2 adalah vektor perpindahan 2 dimensi antara monomer-monomer (j,j + 1) dan
(j,j + 2) secara berurutan. Tortuositas memberikan ukuran tentang seberapa berkeloknya rantai protein.
Kedua besaran struktural tersebut dihitung bersamaan dengan perhitungan rapat keaadan dalam
simulasi yang dilakukan. Rata-rata besaran struktural, Q, dituliskan dalam persamaan
Q = 1 / Q ^ E h g ^ E h e - E /k T (9)
Z ^T h
B
lahan meningkat. Sampai di temperatur rendah (T = 0,3) nilainya meningkat dengan cepat dan
membentuk puncak. Akhirnya kurvanya turun hingga menjadi datar nol saat mendekati T = 0. Hasil
itu mengindikasikan perubahan energi sistem dan pada saat yang sama mengindikasikan terjadinya
perubahan struktur. Daerah puncak pada kurva panas jenis menunjukkan daerah terjadi perubahan
struktur secara signifikan dalam sistem.
Untuk mengetahui perubahan struktur yang terjadi pada puncak kurva, dapat dilihat di gambar 2
struktur protein di sekitar daerah puncak. Gambar 2 menunjukkan bahwa pada daerah puncak terjadi
perubahan struktur protein yang drastis, di mana dari awalnya berupa lilitan menjadi bentuk yang bulat
dan padat. Dari sini kemudian struktur sistem terus berubah hingga terbentuk inti hidrofobik yang
dikelilingi oleh monomer-monomer polar pada keadaan dasarnya (T = 0).
Untuk besaran strukturalnya terlihat bahwa dari temperatur tinggi ke rendah, kurva Rg bernilai
maksimum di awal kemudian perlahan-lahan berkurang hingga akhirnya secara drastis berkurang di
daerah di mana kurva Cv bernilai maksimum. Hal ini menunjukkan bahwa pada daerah tersebut terjadi
pemadatan protein dengan cepat. Hal yang sama juga ditunjukkan oleh kurva τ di mana nilainya bernilai
minimum di awal kemudian meningkat secara drastis di puncak Cv dan akhirnya stabil di nilai maksimum
mendekati keadaan dasarnya. Hal ini menunjukkan bahwa pada daerah puncak Cv rantai susunan protein
melipat menjadi jauh lebih berkelok sehingga meminimalkan ukurannya bersesuaian dengan penurunan
radius girasi protein.
Hasil tersebut mengindikasikan bahwa sebenarnya pelipatan protein model HP melewati dua proses
perubahan yang signifikan. Proses pertama adalah perubahan struktur protein dari lilitan menjadi bulatan
yang padat. Kemudian, proses kedua adalah pelipatan protein hingga monomer-monomer hidrofobik
membentuk inti hidrofobik sebelum akhirnya stabil dalam keadaan dasarnya.
Hasil simulasi ini mendukung observasi yang diketahui terkait proses pelipatan protein model HP,
yaitu bahwa proses pelipatan protein model HP melalui dua proses utama. Proses pertama disebut sebagai
coil-globule collapse, yang merupakan proses perubahan struktur protein dari bentuk lilitan menjadi
bulatan yang lebih padat. Kemudian, proses kedua disebut sebagai folding transition, yang merupakan
proses penyusunan monomer-monomer protein sedemikian sehingga jumlah interaksi monomer H-H
menjadi maksimum.
4. KESIMPULAN
Dalam penelitian ini, untuk mengkaji mekanisme pelipatan protein pada model HP, dilakukan studi
kasus pada dua buah protein alami yang kemudian dipetakan ke dalam model HP. Hasil simulasi Monte
Carlo dengan algoritma Wang-Landau memberikan rapat keadaan sistem g(E) yang kemudian digunakan
untuk mencari perubahan besaran termodinamik dan struktural sistem. Perolehan kurva panas jenis CV
menunjukkan terbentuknya daerah puncak dan bahu yang menunjukkan terjadinya perubahan struktur
pada sistem. Kurva radius girasi dan tortuositas menunjukkan perubahan yang drastis pada daerah puncak
dan bahu tersebut dan memberikan gambaran secara kuantitatif perubahan struktur yang terjadi selama
proses pelipatan. Analisis terhadap kurva CV, Rg dan τ dari kedua protein yang ditinjau mendukung
asumsi bahwa pelipatan protein pada model HP mengalami dua proses yang signifikan. Pertama protein
mengalami coil-globule collapse, yang merupakan proses perubahan struktur protein dari bentuk lilitan
menjadi bulatan yang lebih padat. Kedua, protein mengalami folding transition, yang merupakan proses
penyusunan monomer-monomer protein sedemikian sehingga jumlah interaksi monomer H-H menjadi
maksimum.
DAFTAR PUSTAKA
1. Pattanasiri, B., Li, Y.W., Landau, D.P., Wust, T., and Triampo, W. (2013). Thermodynamics and
Structural Properties of a Confined HP Protein Determined by Wang-Landau Simulation. Journal of
Physics: Conference Series 454: 1-9.
2. Shi, G., Li, Y.W., Wust, T., and Landau, D.P. (2015). Protein Folding of the H0P Model: A Parallel
Wang-Landau Study. Journal of Physics: Conference Series 640: 1-6.
3. Khoury, G.A., Smadbeck, J., Kieslich, C.A., and Floudas, C.A. (2014). Protein Folding and De
Novo Protein Design for Bio-technological applications. Trends in Biotechnology 32(2): 1-6.
4. Li, Y.W., Wust, T., and Landau, D.P. (2011). Monte Carlo Simulations of the HP Model (The “Ising
Model” of Protein Folding). Computer Physics Communications 182: 1-6.
5. Farris, A.C.K., and Landau, D.P. (2021). Replica Exchange Wang-Landau Sampling of Long HP
Model Sequences. Physica A 569: 1-5.
6. Farris, A.C.K., Wust, T., and Landau, D.P. (2019). Statistical Physics Meets Biochemistry: Wang-
Landau Sampling of the HP Model of Protein Folding. Am. J. Phys., 87(4): 311-316.
7. Shi, G., Wust, T., and Landau, D.P. (2017). Replica Exchange Wang-Landau Simulation of Lattice
Protein Folding Funnels. Journal of Physics: Conference Series 905: 1-7.
8. Wust, T., and Landau, D.P. (2012). Optimized Wang-Landau Sampling of Lattice Polymers: Ground
State Search and Folding Thermodynamics of HP Model Protein. The Journal of Chemical Physics
137(4): 1-12.
114
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
9. Farris, A.C.K., Seaton, D.T., and Landau, D.P. (2019). A First Look at Lattice Effects in Coarse-
Grained Protein Models via Wang-Landau Simulations. Journal of Physics: Conference Series
1290: 1-6.
10. Wust, T., Li, Y.W., and Landau, D.P. (2011). Unraveling the Beautiful Complexity of Simple Lattice
Model Polymers and Proteins using Wang-Landau Sampling. J. Stat Phys 144: 638-651.
11. Wust, T., and Landau, D.P. (2008). The HP Model of Protein Folding: A Challenging Testing Ground
for Wang-Landau Sampling. Computer Physics Communications 179: 124-127.
12 Shi, G., Wust, T., and Landau, D.P. (2016). Characterizing Folding Funnels with Replica Exchange
Wang-Landau Simulation of Lattice Proteins. Physical Review E 94: 1-5.
115
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
Abstrak
Sumber data berjumlah 187.662 data dari ASAS-SN Variable Stars Database untuk melakukan klasifikasi
bintang variabel dengan menggunakan algoritma machine learning. Sebelum dilakukan pengolahan data
dilakukan pre-processing seperti pembersihan data dan penormalisasian data menggunakan normalisasi
Z-score. Terdapat 9 atribut yaitu raj2000, dej2000, mean vmag, amplitude, period, photo_g_mean_mag,
phot_pb_mean_mag, phot_rb_mean_mag, dan parallax dan 1 variabel respons yaitu variabel type yang
terdiri dari 4 label C (bintang kataklismik), E (bintang gerhana ganda), P (bintang berdenyut), dan R
(bintang variabel rotasi). Algoritma K-Nearest Neighbor (KNN) yang merupakan salah satu metode
klasifikasi pada data mining dan juga menjadi algoritma supervised learning pada machine learning
adalah sebuah metode untuk melakukan klaslfikasi terhadap objek berdasarkan data pembelajaran yang
jaraknya paling dekat dengan objek tersebut. Penelitian ini mencakup pengukuran performa (akurasi,
presisi, recall dan f-measure). Metode ini menghasilkan akurasi akurasi sebesar 81.5%, dimana presisi
dari keempat objek masing-masing bintang 39%, 87%, 92%, dan 56%. Recall dari keempat objek 50%,
91%, 100%, dan 44%, sedangkan nilai f-measurenya masing-masing sebesar 44%, 89%, 96%, dan 49%.
Kata Kunci : Bintang variabel, K-Nearest Neighbor, Z-score, ASAS-SN
1. PENDAHULUAN
Klasifikasi bintang dan objek langit lainnya merupakan hal yang sangat penting untuk analisis survei
astronomi yang akan datang. Akan tetapi dengan banyaknya data atau lebih dari satu miliar objek yang
akan dikumpulkan datanya oleh para astronom dan peneliti membuat proses klasifikasi atau pelabelan
secara manual terhadap objek-objek langit mustahil dilakukan, maka dari itu diperlukan metode dalam
analisis dan mengelompokkan data yang efektif salah satu metode yang paling mungkin digunakan
adalah algoritma machine learning1.
Machine learning adalah penentuan jenis berdasarkan pengenalan pola data input. Algoritma
K-Nearest Neighbour (KNN) adalah salah satu algoritma dari machine learning yang melakukan
klasifikasi terhadap objek berdasarkan data pembelajaran yang jaraknya paling dekat dengan objek
yang diuji2. Algoritma KNN sangat sederhana. Klasifikasi dilakukan dengan cara menghitung jarak
terdekat antara suatu objek yang tidak diketahui jenis dengan objek lain yang diketahui jenisnya.
KNN mengelompokkan hasil perhitungan dengan data latih yang mempunyai kerabat terbanyak dalam
jangkauan yang ditentukan. Jarak antara dua data yaitu data latih dan data uji dihitung dengan rumus
jarak Euclidean3. Salah satu variasi metode KNN adalah menetapkan jumlah tetangga yang memiliki
jarak terdekat. Keluaran program dilakukan analisis yang meliputi presisi, recall, dan f1-score.
pengolahan data seperti menghilangkan kolom yang tidak digunakan. Terdapat sembilan variabel
prediktor dan satu variabel respons yang akan digunakan pada pengimplementasian algoritma machine
learning yang ditampilkan pada Tabel 1.
Tabel 1. Atribut dalam database ASAS-SN
Variabel Atribut Keterangan
Variabel Predictor Raj2000 Mengukur timur dan barat pada bola langit
Dej2000 Mengukur utara dan selatan pada bola
langit
Mean_Vmag Magnitudo fotometrik
Amplitude Jarak maksimal dari pusat gerak
Period Waktu untuk satu siklus gerak lengkap
Phot_g_mean_mag Magnitudo rata-rata pada pita g
Phot_pb_mean_mag Magnitudo rata-rata pada pita pb
Phot_rb_mean_mag Magnitudo rata-rata pada pita rb
Parallax Mengukur pergerakan semua bintang
Variabel Respon Variabel Type : Bintang Variabel
1. Eclipsing Variabel (E) Bintang gerhana ganda
2. Cataclismic Variabel (C) Bintang kataklismik
3. Pulsating Variabel (P) Bintang berdenyut
4. Rotational Variabel (R) Bintang variabel rotasi
Proses selanjutnya adalah menormalisasi data. Normalisasi data dilakukan untuk membuat atribut
numerik diskalakan dalam range yang lebih kecil4. Metode normalisasi Z-score akan digunakan pada
proses normalisasi data dengan rumus.
x - xr (1)
Z= SDx
di mana Z adalah Z score (Nilai Baku), x adalah Nilai yang diamati (skor mentah) x̄ adalah Rata-rata
populasi dan SD = Standar deviasi.
Setelah data di normalisasi dilakukan tahap split data di mana 90% digunakan sebagai data training
dan 10% sebagai data testing. Uraian data tersebut ditunjukkan pada tabel 2.
Tabel 2. Pembagian Dataset
Jumlah data Kelas Bintang Split
187.662 Data C = 1367 data 90 % Training
E = 149.571 data 10 % Testing
P = 93 data
R = 36.623 data
Gambar 3 menvisualisasikan data dalam dan bar dataset yang menunjukkan pembagian dataset
training dan testing.
117
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
1 1
2
(2)
i=1
di mana p, q adalah dua titik diruang-n Euclidean, q1 - p1 adalah vektor Euclidean, dimulai dari asal
ruang (titik awal), dan n adalah ruang-n.
Setelah dilakukan perhitungan jarak dilakukan penurutan jarak dari yang terkecil dan pada akhirnya
dilakukan vote majority dengan mengkelaskan data uji berdasarkan tetangga terbanyak.
Keluaran klasifikasi dibuat matrikx konfusi yang digunakan untuk menguji performa dengan
menghitung nilai akurasi, presisi, recall dan f-measure (fJ -score) .
Keluaran program dibuat matriks konfusi. Tabel 4 menampilkan keluaran matriks konfusi.
Tabel. 4 Confusion matrik
C E P R
C 112 55 0 55
E 87 13564 1 1200
P 0 0 12 0
R 88 1985 0 1607
Dari tabel 5 menampilkan nilai presisi, recall, dan f1-score.
Tabel 5. Hasil Evaluasi menggunakan confusion matriks
Presisi Recall F1-score
C 0.39 0.50 0.44
E 0.87 0.91 0.89
P 0.92 1.00 0.96
R 0.56 0.44 0.49
Dilihat dari data didapat bahwa terjadi salah prediksi banyak salah prediksi pada kelas C sebanyak
175 data untuk false positif dan 110 data untuk false negatif dan 112 data yang diprediksi benar dari 222
data yang di uji, untuk kelas E didapat sebanyak 2040 data untuk false positif dan 1288 data untuk false
negatif dan data yang diprediksi benar sebanyak 13.564 data dari 134.719 data, dan untuk terdapat hanya
1 kesalahan pada proses prediksinya di mana 1 data yang P yang diprediksi ke dalam kelas E selebihnya
tidak ada kesalahan hal ini disebabkan karena tidak banyaknya data yang diklasifikasikan untuk kelas P.
dan pada kelas R didapat hampir setengah kesalahan prediksi pada prosesnya dengan rincian 1255 data
false positif dan 1695 data false negatif dengan 1985 data benar dari 3680 data yang diprediksi.
4. KESIMPULAN
Algoritma K-Nearest Neighbor dapat di Implementasikan dalam klasifikasi bintang variable dengan
metode Euclidean dalam metode perhitungan jaraknya. Metode ini mengklasifikasikan data ke suatu
kelas dari tetangga terdekatnya, metode ini menghasilkan akurasi 81%. Kelas yang paling buruk
dalam pengklasifikasiannya adalah kelas C dan kelas P kelas yang paling baik, hal ini dipengaruhi
data pencilan pada kelac C yang dimana titik data terlalu jauh dengan titik data lain sehingga membuat
metode klasifikasi kurang maksimal.
DAFTAR PUSTAKA
1. Bai, Y ., dkk. (2018). Machine Learning Applied to star-galaxy-QSO Clasification and Stellar
Effective Temperature, arXiv, preprint:1811,03740 [Astro-ph,GA].
2. R. Adi. (2018). “Implementasi Algoritma K-Nearest Neighbor Untuk Identifikasi Implementasi
Algoritma K-Nearest Neighbor Untuk Identifikasi Kualitas Air (Studi Kasus: Pdam Kota Surakarta).
3. A. Apriansyah, Ilhamsyah, and T. Rismawan. (2016). Prototype Kunci Otomatis Pada Pintu
Berdasarkan Suara Pengguna Menggunakan Metode KNN (K-Nearest Neighbor). J. Coding, Sist.
Komput. Untan, vol. 04, no. 1, pp. 45–56.
4. Junaedi, H dkk. (2011). Classification of imbalanced data by combining the complementart neural
network and SMOTE algorithm. International Conference on Neutral Information Processing 152-159.
5. C. A. Ul Hassan, M. S. Khan, and M. A. Shah. (2019). Comparison of Machine Learning Algorithms
in Data classification. 2018 24th Int. Conf. Autom. Comput., no. September, pp. 1–6.
119
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
Abstrak
Kebutuhan akan biomaterial yang sangat tinggi didunia medis terkhusus dalam bidang dokter orthopedi
dan kedokteran gigi. Pada penelitian ini akan memanfaatkan biomassa untuk membuat hidroksiapatit.
Hidroksiapatit (Ca10(PO4)6(OH)2) merupakan senyawa mineral yang dapat digunakan sebagai implan
tulang dan gigi manusia karena komposisi kimia yang dimiliki mendekati komponen-komponen yang
terdapat dalam tulang dan gigi. Senyawa ini diperoleh dari reaksi antara kalsium oksida (CaO) dan
diamonium hidrogen fosfat ((NH4)2HPO4). Senyawa CaO diperoleh dari cangkang kerang darah yang
telah dikalsinasi pada suhu 900°C dan fosfat didapatkan dari senyawa (NH4)2HPO4. Dalam penelitian
ini, metode yang digunakan dalam mensintesis adalah metode presipitasi. Hal ini dilakukan untuk
mengetahui pengaruh variasi suhu sintering terhadap pembentukan hidroksiapatit yang sesuai standar.
Variasi suhu sintering yang digunakan yaitu 700°C, 750°C, 800°C dan 850°C. Hidroksiapatit yang
didapatkan, dikarakterisasi menggunakan XRF. Hasilnya menunjukkan komposisi kimia dari masing-
masing suhu terdeteksi senyawa kimia utama CaO dan P2O5 dengan perbandingan CaO/P2O5 yaitu 1,62,
1,66, 1,70 dan 1,71.
Kata Kunci: Cangkang kerang darah, hidroksiapatit, metode presipitasi.
1. PENDAHULUAN
Tulang dan gigi merupakan bagian terpenting dalam tubuh manusia yang bersifat keras dan memiliki
kandungan kalsium. Kerusakan tulang dan gigi menyebabkan terganggunya fungsi struktur jaringan.
Upaya untuk memperbaiki kerusakan tersebut dilakukan dengan penambahan atau penggantian jaringan
tulang dan gigi. Akan tetapi ketersediaan material hingga saat ini masih terbatas. Sehingga diperlukan
suatu riset untuk menangani hal tersebut, salah satunya adalah dengan memanfaatkan teknologi dalam
pengembangan bahan-bahan pengganti struktur jaringan yang baik, murah dan tidak menimbulkan efek
negatif seperti hidroksiapatit1,2.
Hidroksiapatit (Ca10(PO4)6(OH)2) merupakan senyawa mineral penyusun jaringan keras sebagai
bahan rehabilitas tubuh manusia seperti tulang dan gigi yang dapat meningkatkan fungsi sel-sel jaringan
yang digantikan. Hidroksiapatit memiliki komposisi kimia yang mendekati komponen-komponen yang
terdapat dalam tulang serta memiliki sifat biokompatibel, bioaktif dan osteokonduktif3,4. Senyawa
hidroksiapatit (HAp) dapat diperoleh dengan mensintesis prekursor kalsium dan prekursor fosfat4. Salah
satu alternatif dalam mensintesis hidroksiapatit adalah dengan menggunakan bahan dari alam yang
banyak mengandung kalsium seperti cangkang keong, cangkang telur, tulang ikan, cangkang sotong,
tulang sapi dan cangkang kerang darah1,2,3,5-7.
Sumber kalsium yang dipilih dalam penelitian ini adalah limbah cangkang kerang darah sebagai
bahan baku untuk sintesis HAp. Limbah cangkang merupakan sisa dari kerang yang tidak termanfaatkan
dengan baik karena sifatnya yang sangat keras, pemanfaatannya hanya sebatas kerajinan tangan saja.
Padahal cangkang kerang darah ini memiliki kandungan kalsium karbonat yang dapat dimanfaatkan
sebagai bahan pembuatan biokeramik8. Pemanfaatan cangkang kerang darah sebagai sumber kalsium
oksida (CaO) dalam sintesis hidroksiapatit menjadi salah satu upaya meningkatkan nilai jual yang lebih
ekonomis dan diharapkan memberikan solusi terkait ketersediaan hidroksiapatit di Indonesia3.
Beberapa metode sintesis hidroksiapatit yang dapat digunakan yaitu sol-gel, hidrotermal dan metode
presipitasi9-11. Dalam penelitian ini metode yang digunakan dalam mensintesis hidroksiapatit adalah
metode presipitasi. Metode ini memiliki beberapa kelebihan diantaranya bahan baku yang digunakan
120
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
murah, reaksi kimia yang relatif sederhana, ukuran dan homogenitas ukuran partikel cenderung cukup
baik5.
Pada penelitian Malau dan Adinugraha (2019), menjelaskan bahwa dalam mensintesis hidroksiapatit
dari cangkang telur bebek sebagai sumber kalsium dan diamonium hidrogen fosfat ((NH4)2(HPO)4)
sebagai sumber fosfat. Hasil yang didapatkan pada penelitian tersebut mengatakan pada suhu sintering
900°C selama 5 jam dengan menggunakan metode presipitasi pada suhu tersebut dihasilkan rasio Ca/P
sebesar 1,67 dan sesuai dengan standar stoikometri Ca/P hidroksiapatit 1,6711.
Berdasarkan uraian di atas, maka akan dilakukan penelitian mengenai sintesis hidroksiapatit
menggunakan metode presipitasi dengan memvariasikan suhu sinteringnya. Dalam sintesis hidroksiapatit
ini sumber kalsiumnya diekstrak dari cangkang kerang darah dan sumber fosfat yang digunakan yaitu
Diamonium Hidrogen Fosfat ((NH4)2HPO4). Penelitian ini bertujuan untuk mengetahui pengaruh suhu
sintering dalam sintesis hidroksiapatit.
4. KESIMPULAN
Variasi suhu sintering sangat berpengaruh dalam mensintesis hidroksiapatit. Sesuai data XRF yang
memberikan informasi bahwa setiap suhu mengandung senyawa kimia utama CaO/P2O5. Suhu sintering
122
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
terbaik didapatkan pada suhu 750°C dengan perbandingan CaO/P2O5 sebesar 1,66 yang mendekati nilai
rasio standar CaO/P2O5 yaitu 1,67.
DAFTAR PUSTAKA
1. Indriani, Y., Iswandi., dan Fuadi, N. (2018). Pemanfaatan Limbah Cangkang Keong Sawah
(Bellamnya javanic) Untuk Sintesis Hidroksiapatit dengan Modifikasi Pori Menggunakan Pati Ubi
Jalar. JFT 5:164-176
2. Mutmainnah, Chadijah, S., dan Rustiah, W. O. (2017). Hidroksiapatit dari Tulang Ikan Tuna Sirip
Kuning (Tunnus albacores) dengan Metode Presipitasi. Al-kimia 5:119-126.
3. Henggu, K. U., Ibrahim, B., dan Suptijah, P. (2019). Hidroksiapatit dari Cangkang Sotong Sebagai
Sediaan Biomaterial Perancah Tulang”. JPHPI 22:1-13.
4. Andika, R., Fadli, A., dan Irdoni. (2015). Pengaruh Waktu Ageing dan Kecepatan Pengadukan Pada
Sintesis Hidroksiapatit dari Cangkang Telur dengan Metode Presipitasi. JOM FTEKNIK 2:1-8.
5. Haris, A., Fadli, A., dan Yenti. S.R. (2016). Sintesis Hidroksiapatit dari Limbah Tulang Sapi
Menggunakan Metode Presipitasi dengan Variasi Rasio Ca/P dan kosentrasi H3PO4. JOM FTEKNIK
3:1-10.
6. Mutmainnah. (2021). Sintesis Hidroksiapatit dari Cangkang Telur Bebek Dengan Metode Presipitasi
untuk Aplikasi Biokeramik. Makassar:Skripsi Universitas Hasanuddin.
7. Lahu. F. H. (2021). Pengaruh Suhu Sintering Terhadap Sintesis Hidroksiapatit Dari Cangkang
Kerang Darah (Anadara Granosa). Makassar:Skripsi Universitas Hasanuddin.
8. Octaviany, D., Amri, A., Zultiniar., dan Yelmida. (2015). Sintesa Precipitated Calcium Carbonat
(PCC) dari Kulit Kerang Darah (Anadara Granosa) dengan Variasi Kosentrasi Asam dan Rasio CaO/
HNO3. JOM FTEKNIK 2:1-6.
9. Zein, U. R., Anggresani, L., dan Yulianis. (2020). Pengaruh Waktu Sintering Terhadap Hidroksiapatit
Berpori Tulang Ikan Tenggiri dengan Proses Sol-Gel. Chempublish Journal 5:46-56.
10. Khoiruddin, M., Yelmida., dan Zultinar. (2015). Sintesis dan Karajkterisasi Hidroksiapatit (HAp)
dari Kulit Kerang Darah (Anadara Granosa) dengan Proses Hidrotermal. JOM FTEKNIK 2:1-8.
11. Malau, N. D., dan Adinugraha, F. (2019). Synthesis of Hydrokxyapatite Based duck egg shells using
precipitation method. ICOLSSTEM 1563:1-3.
12. Suci, I. A., dan Ngapa, Y. D. (2020). Sintesis dan Karakterisasi Hidroksiapatit (HAp) Dari Cangkang
Kerang Ale-Ale Menggunakan Metode Presipitasi Double Stirring. Cakra Kimia (Indonesian
E-Journal of Applied Chemistry) 8:73-81.
13. Ikhsan,, Gunawarman., dan Yetri. Y. (2018). Karekteristik Hidroksiapatit (HA) Dari Limbah Tulang
Sapi dengan Metode Mekanik-Termal. Poli Rekayasa 13:43-53.
14. Khaira, K. 2011. Pengaruh Temperatur dan Waktu Kalsinasi Batu Kapur terhadap Karakteristik
Precipitated Calcium Carbonate (PCC). Jurnal Saintek 13:33-43.
123
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
Abstrak
Penelitian ini bertujuan menganalisis uji kesesuaian pesawat X-Ray Mobile berdasarkan parameter
meliputi: selisih lapangan kolimasi, uji akurasi tegangan, uji linearitas keluaran radiasi, uji reproduksibilitas
dan uji kebocoran wadah tabung. Pengujian ini meliputi keseluruhan tindakan pemeriksaan fisik dan
pengukuran dengan membandingkan alat yang diukur dengan alat ukur standar dan menentukan besaran/
kesalahan pengukuran. Hasil uji kesesuaian X-Ray Mobile menunjukkan bahwa (1) uji selisih kolimasi
dengan berkas sinar X yaitu nilai ΔX diperoleh sebesar 2,1% (tidak memenuhi nilai lolos uji yang telah
ditetapkan) dan ΔY diperoleh sebesar 1,2% (memenuhi nilai lolos uji yang ditetapkan); (2) Uji akurasi
tegangan dihasilkan sebesar 2,28% (memenuhi nilai lolos uji≤ 10%); (3) Uji linearitas keluaran radiasi
diperoleh sebesar 0,01μGy/mAs (memenuhi nilai lolos ujiCL ≤ 0,1); (4) Uji reproduksibilitas untuk
keluaran radiasi sebesar 0,003 dan tegangan puncak sebesar 0,001 (memenuhi uji lolos CV ≤ 0,05) dan
untuk uji kebocoran wadah tabung diperoleh nilai sebesar 0,0006 (memenuhi uji lolos≤ 1).
Kata Kunci: baracuda, uji akurasi tegangan, uji linieritas, uji reproduksibilitas, x-ray mobile
1. PENDAHULUAN
Seiring perkembangan zaman kemajuan teknologi bukan lagi menjadi suatu hal yang tidak lazim
lagi. Perkembangan dan kemajuan teknologi pasti akan berdampak pada aspek dan bidang lainnya
misalnya pada bidang kesehatan. Dalam bidang kesehatan kemajuan ini memberikan banyak manfaat
misalnya pemanfaatan sinar-X pada alat medis X-Ray Mobile bermanfaat sebagai media diagnostik
dan pengobatan pada pasien yang memerlukan penangan serius. Foto rontgen atau yang dikenal dengan
pesawat rontgen atau pesawat sinar X merupakan suatu alat yang digunakan untuk melakukan diagnosa
medis dengan menggunakan sinar-X.
Sinar-X merupakan gelombang elektromagnetik yang memiliki panjang gelombang (λ = 10–10 m)
yang lebih pendek dibandingkan dengan cahaya tampak (400-700 nm). Kedokteran radiologi memanfaatkan
kemampuan daya tembus sinar X yang tinggi, daya tembusnya dapat menembus jaringan tubuh sehingga
dapat membentuk gambar atau bayangan dari bagian tubuh yang disinarinya. Sinar-X yang berenergi tinggi
mampu membentuk bayangan, sedangkan yang energinya rendah diserap oleh bahan obyek1.
Setiap alat medis yang memanfaatkan radiasi misalnya sinar-X untuk alat X-Ray Mobile harus
dilakukan uji kesesuaian dan kalibrasi dalam jangka waktu tertentu. Teknologi berupa alat kesehatan
wajib dijaga kehandalannya. Untuk menjaga kehandalan alat kesehatan baik disegi kinerja dan
fungsinya maka semua alat wajib dikalibrasi secara berkala6. Tidak dikalibrasinya alat secara berkala
akan menimbulkan parameter pengukurannya tidak akurat dan keliru. Telah menjadi ketentuan bahwa
setiap alat ukur proteksi radiasi harus dikalibrasi secara periodik oleh instansi yang berwenang.
Pesawat sinar-X mobile adalah pesawat sinar-X yang mudah dipindahkan dari satu ruangan ke
ruangan yang lain. Pesawat sinar-X terdiri dari sistem dan subsistem sinar-X atau komponen. Sistem
sinar-X adalah seperangkat komponen yang menghasilkan radiasi dengan cara terkendali. Sedangkan
subsistem berarti setiap kombinasi dari dua atau lebih komponen sistem sinar-X5. X-Ray Mobile adalah
salah satu alat medis untuk melakukan diagnosis atau terapi yang memanfaatkan sinar-X. Sinar-X yang
124
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
dipancarkan dari tabung diarahkan pada bagian tubuh yang akan diperiksa. Gambar dari bagian tubuh
akan terbentuk ketika film menangkap berkas sinar-X yang digunakan untuk menyinari bagian tubuh.
Ketika mesin X-Ray menghasilkan sinar-X maka akan terjadi interaksi sinar-X. Dimana sinar-X ini
diperoleh dari foton yang terdapat pada mesin sinar-X8.
Mekanisme pengoperasian X-Ray Mobile dilakukan dengan menghubungkan power kabel sinar-X
dan sumber listrik, kemudian menekan tombol “ON” pada panel pesawat sinar-X dan mengatur posisi
tabung sinar-X pada posisi yang tepat. Selanjutnya meletakkan kaset pada posisi yang tepat (proses
peletakan film pada kaset harus dilakukan di kamar gelap). Langkah berikutnya menyalakan lampu
lokalisasi untuk memastikan posisi kaset, mengatur jarak sumber-kaset (SID) dengan menggunakan
measuring tape (misal jarak 100 cm), mengeset luas lapangan radiasi sesuai keinginan (misal 10 ×10
cm2), lalu meletakkan fantom stepwedge pada posisi yang tepat, mengeset nilai kV, mA dan s sesuai
standar. Terakhir melakukan persiapan eksposi dengan menekan tombol eksposi (setengah pada tombol
ekposi selama 2,5-15 detik untuk model lain), kemudian melakukan eksposi dengan menekan penuh
tombol eksposi saat terdengan suara beep, selanjutnya film siap diproses6.
Bebeberapa parameter pengujian kesesuaian pesawat X-Ray yaitu pertama: uji kolimasi, bertujuan
menentukan selisih lapangan kolimasi dengan lapang berkas cahaya, dengan persamaan sebagai berikut2:
DX ^%SIDh = SID # 100%
X1 + X2
Kelima adalah uji kebocoran wadah tabung bertujuan untuk mengetahui posisi dan nilai kebocoran
wadah tabung. Perhitungan kebocoran adalah:
mAcont # 1 # (5)
mAhitung Hasil ukur max
1000
Batas lolos uji ≤ 1
Berdasarkan uraian diatas maka hal yang melatar belakangi dilakukannya penelitian ini adalah
memastikan Pesawat X-Ray Mobile memenuhi nilai batas lolos uji yang telah ditetapkan sesuai standar.
Dalam hal ini, pengujian dibatasi pada beberapa parameter yaitu: pengadministrasian dan pengecekan
awal, dan pengujian selisih lapangan kolimasi, uji akurasi tegangan, uji linearitas keluaran radiasi, uji
reproduksibilitas dan uji kebocoran wadah tabung. Kelima parameter tersebut dianalisi berdasarkan
persamaan (1) - (5) dengan membandingkan batas lolos uji masing-masing parameter.
Metode pengujian ini dilakukan dengan mengidentifikasi terlebih dahulu data administasi dan
mengecek spesifikasi konfigurasi pesawat. Selanjutnya melakukan pengukuran kondisi lingkungan
ruangan dan pemeriksaan kondisi fisik dan fungsi alat X-Ray Mobile. Untuk memastikan uji kesesuaian
maka tahap terakhir dilakukan pengukuran masing-masing uji sesuai dengan uraian, selanjutnya
menganalisis secara perhitungan dan membandingkan nilai uji standar yang ditetapkan.
3) Tabung insersi spesifikasinya: pabrikan /merk SIEMENS, model / tipe OX110-1, nomor seri260713,
ukuran focal spot 1,5 mm, rating maksimum 25 mA.
4) Kolimator berkas cahaya, dengan spesifikasi: pabrikan/merk SIEMENS, model/tipe M08633047,
nomor seri 033365, filter 0,7 mm Al ekuivalen, SID* minimum 20,5 cm, kolimator dapat diputar
5) Mode penyinaran, meliputi AEC Tidak tersedia dan seting mA, s tidak terbaca.
6) Sistem pencitraan: CR
c. Data Pendukung Kegiatan Pengujian
1) Pengukuran Kondisi Lingkungan Ruangan Pesawat Sinar-X
Tegangan jala-jala : - Volt
Suhu minimum : 22,9°C
Suhu maksimum : 28,2°C
Kelembaban relatif minimum : 49,0 %
Kelembaban relatif maksimum : 49,5 %
2) Pemeriksaan Kondisi Fisik dan Fungsi Alat X-Ray Mobile
Tabel 1. Kondisi Fisik dan Fungsi Alat X-Ray Mobile
Keterangan
No. Bagian Alat
Fisik Fungsi
1. Panel control dan Indikator Baik Baik
2. Sistem Pergerakan Unit Alat Baik Baik
3. Badan dan Permukaan Alat Baik Baik
4. Penyangga Tabung Baik Baik
5. Kolimator Baik Baik
6. Iluminasi Baik Baik
7. Generator Baik Baik
d. Data Pengujian
Hasil pengujian kesesuaian pada Pesawat X-Ray Mobile dapat ditunjukkan secara satu persatu
berikut ini:
Tabel 2. Selisih Lapangan Kolimasi dengan Berkas X-Ray Mobile
kVp set : 45 mAs set : 4 SID : 100 cm
Tepi Lap. Cahaya (cm) Tepi Lap. Sinar-X(cm)
Titik Ukur Keterangan
I II III I II II
X1 9,0 9,0 9,0 9,1 9,1 9,1
X2 9,2 9,2 9,2 7,2 7,2 7,2
ΔX dan ΔY ≤ 2%
Y1 7,0 7,0 7,0 7,1 7,1 7,1
Y2 7,0 7,0 7,9 5,9 5,9 5,9
Analisis:
DX ^%SIDh =
X1 + X2
SID # 100%
0, 1 + 2
= 100 # 100%
= 2, 1% _ tidak memenuhi nilai lolos uji yang telah ditetapkan i
DY ^%SIDh =
Y1 + Y2
SID # 100%
0, 1 + 1, 1
= 100
# 100%
= 1, 2% _ memenuhi nilai lolos uji yang ditetapkan i
127
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
128
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
129
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
BAPETEN, yaitu % SID ≤ 10%,dan rata-rata akurasi tegangan yang diujikan pada pesawat fluoroskopi
intervensional nilai telah lolos uji yang diperkenankan oleh BAPETEN, yaitu e maks ≤ 10 %. Dan nilai
laju kebocoran tabung sinar-X yang diujikan pada pesawat fluoroskopi intervensional masih di bawah nilai
lolos uji yang diperkenankan oleh BAPETEN, yaitu laju dosis adalah L maks ≤ 1 mGy/jam7. Penelitian Dwi
Rochmayanti dkk (2017), juga meneliti tentang faktor determinan kolimasi, ukuran imaging plate dan delay
time processing terhadap exposure indeks. Parameter yang diuji antara lain bahwa uji linieritas keluaran
radiasi dan hasil uji linieritas keluaran radiasi, dan uji reproduksibilitas tegangan puncak, waktu penyinaran
dan dosis. Hasil penelitiannya menunjukkan bahwa pada uji linieritas keluaran radiasi dengan setting
tegangan tabung 80 variasi arus tabung 2.5, 5, 10, dan 20 menunjukkan koefisien linieritas adalah 0.0472
(nilainya dibawah nilai lolos uji yang mensyaratkan nilai koefisien linieritas keluaran radiasi adalah ≤ 0.1).
uji reproduksibilitas tegangan puncak (kVp), waktu penyinaran (s) dan dosis (mGy) masing-masing 0.0008
kVp, 0.0067 s dan 0.0018 mGy. Berdasarkan hasil tersebut, dapat disimpulkan bahwa kondisi pesawat sinar
X yang digunakan sebagai alat penelitian dalam keadaan baik dan siap digunakan3.
4. KESIMPULAN
Berdasarkan analisis uji kesesuaian Pesawat X-Ray Mobile pada beberapa parameter pengujian dapat
disimpulkan bahwa: (1) uji selisih kolimasi dengan berkas sinar X yaitu nilai ΔX diperoleh sebesar 2,1% (tidak
memenuhi nilai lolos uji yang telah ditetapkan) dan ΔY diperoleh sebesar 1,2% (memenuhi nilai lolos uji
yang ditetapkan); (2) Uji akurasi tegangan dihasilkan sebesar 2,28% (memenuhi nilai lolos uji ≤ 10%); (3)
Uji linearitas keluaran radiasi diperoleh sebesar 0,01 μGy/mAs (memenuhi nilai lolos uji CL ≤ 0,1); (4) Uji
reproduksibilitas untuk keluaran radiasi sebesar 0,003 dan tegangan puncak sebesar 0,001 (memenuhi uji lolos
CV ≤ 0,05) dan untuk uji kebocoran wadah tabung diperoleh nilai sebesar 0,0006 (memenuhi uji lolos ≤ 1).
Parameter-parameter tersebut telah memenuhi uji kesesuaian Pesawat X-Ray Mobile yang menunjukkan bahwa
pesawat tersebut aman dalam pengoperasiannya serta menjamin keselamatan radiasi dan memberikan informasi
diagnostik yang tepat dan akurat. Rekomendasi penelitian ini adalah diharapkan dalam uji kesesuaian perlu
kehati-hatian dalam mengukur parameter kontrolnya terutama dalam pemberian tegangan dan arusnya.
DAFTAR PUSTAKA
1. A. Mukhlis, 2000, Dasar-Dasar Proteksi Radiasi, Rieneka Cipta, Jakarta.
2. Agoes Santika Hyperastuty, Yanuar Mukhammad, Sugeng. (2021). Analisis Uji Kesesuaian Pesawat
Sinar X Radiografi Mobile Merk Drgem Topaz40d Menggunakan X-Ray Multimeter PIRANH.
Journal Of Health Science (Jurnal Ilmu Kesehatan). 6 (1). h.19– 26.
3. Dwi Rochmayanti, Darmini Darmini, Marichatul Jannah. (2017).Faktor Determinan Kolimasi, Ukuran
Imagingplatedan Delay Time Processing Terhadap Exposure Index. Jurnal Riset Kesehatan, 6 (2). h 1 - 6
4. Latifa Listyalina. (2017). Peningkatan Kualitas Citra Foto Rontgen Sebagai Media Deteksi Kanker
Paru-Paru, Jurnal Teknologi Informasi. 12 (34). hal. 111.
5. Nur Mukminah R., Iswadi dan Ihsan.(2014).Analisis Linearitas Keluaran Radiasi Pada X Ray
Mobile dengan Menggunakan Piranha. Jurnal Alkimia. 2(1). hal. 78.
6. Peraturan Menteri Kesehatan Republik Indonesia Nomor 54 Tahun 2015 Tentang Pengujian Dan
Kalibrasi Alat Kesehatan.
7. Rika Susanti, Dian Milvita1, Kri Yudi Pati Sandy. 2017.Uji Kesesuaian Pesawat Fluoroskopi
Intervensional merek Philips Allura FC menggunakan Detektor Unfors Raysafe X2 di Rumah Sakit
Universitas Andalas.Jurnal Fisika Unand . 6(3).
8. Susilo. 2015. Modul Pelatihan Radiografi Sinar-X. Semarang: Universitas Negeri Semarang.
130
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
Abstrak
Penelitian ini merupakan hasil sintesis hidroksiapatit (HAp) dengan memanfaatkan limbah cangkang
kerang darah (Anadara Granosa) menggunakan metode presipitasi. Cangkang kerang dikalsinasi
pada suhu 900°C selama 5 jam untuk menghasilkan bubuk CaO. Sintesis HAp dilakukan dengan
pencampuran prekursor (NH4)2HPO4 dan suspense Ca(OH)2 dengan memvariasikan suhu sintering
700°C, 750°C,800°C, dan 850°C selama 5 jam. Penelitian ini bertujuan untuk mengetahui besar susut
massa bubuk cangkang kerang setelah dikalsinasi dan efisiensi massa hidroksiapatit yang dihasilkan
setelah sintering. Berdasarkan hasil pengujian susut massa bubuk cangkang kerang diperoleh rata-rata
sebesar 43,28%. Hal ini terjadi karena adanya proses oksidasi terhadap sebagian senyawa organik pada
cangkang kerang. Nilai efisiensi HAp mengalami penurunan seiring meningkatnya suhu sintering.
Kata Kunci: Cangkang kerang darah, Hidroksiapatit, Susut massa, Efisiensi Hidroksiapatit
1. PENDAHULUAN
Penelitian mengenai biomaterial yang saat ini mengalami peningkatan kebutuhan dalam dunia
kedokteran terutama dalam bidang kedokteran gigi dan ortopedi1. Hal ini disebabkan karena bahan
utamanya berasal dari pemanfaatan bahan alam dan limbah yang ketersediaannya melimpah di
lingkungan sekitar. Selain itu, pengaplikasian biomaterial bersifat efektif karena tidak menimbulkan
efek samping terhadap tubuh. Biomaterial bermanfaat sebagai material sintesis yang baik, diantaranya
sebagai bahan penggantian (replacement) dan perbaikan (repair), regenerasi untuk tulang dan gigi, serta
jaringan kerangka yang rusak menggunakan cara pencangkokan atau implantasi2,3. Hidroksiapatit (HAp)
merupakan salah satu biomaterial yang banyak disintesis menjadi biokeramik untuk tujuan tersebut.
Struktur tulang manusia terdiri dari komponen organik dan anorganik. Sebanyak 69% dari
komponen anorganik yang terkandung pada tulang, 99% anorganik tersebut merupakan hidroksiapatit.
Hidroksiapatit adalah senyawa kalsium fosfat dengan rumus kimia Ca10(PO4)6(OH)2 yang memiliki
kemiripan struktur dengan komponen mineral pembentukan tulang dan gigi4. Hidroksiapatit memiliki
bentuk struktur hexagonal dan merupakan senyawa yang bersifat paling stabil diantara jenis kalsium
apatit lainnya. Perbandingan antara kalsium dan fosfat (Ca/P) pada hidroksiapatit adalah 1,675-6.
Hidoksiapatit mampu menggantikan jaringan keras dan membangun kembali jaringan tulang yang rusak
pada tubuh tanpa menyebabkan kerusakan lain pada jaringan sehat. HAp memiliki beberapa keunggulan
diantaranya berpori, tidak beracun, mampu berikatan dengan jaringan tubuh (biocompatible), bersifat
bioaktif, ramah lingkungan dan tidak korosif2,7-8.
Metode sintesis HAp yang umum digunakan adalah metode sol-gel, metode hidrotermal dan
metode presipitasi (pengendapan basah)5,9-10. Perbedaan pemilihan metode sintesis yang digunakan
akan mempengaruhi karakter hidroksiapatit yang dihasilkan. Penentuan dalam pemilihan bahan alami
untuk sintesis hidroksiapatit didasarkan pada tinggi kadar kalsium bahan alami. Berbagai teknik
telah dikembangkan untuk sintesis hidroksiapatit diantaranya adalah penelitian N. D. Malau dan F.
Adinugraha (2020) mengenai sintesis HAp dengan mencampur CaO dari kulit telur bebek dengan larutan
(NH4)2HPO4 menggunakan metode presipitasi10. Penelitian berikutnya oleh Mohammad, dkk (2019)
Mengenai pengaruh pH dan suhu sintering pada hidroksiapatit dari cangkang kerang darah (Anadara
Granosa) menggunakan metode presipitasi11.
131
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
Pada penelitian ini dilakukan sintesis HAp menggunakan metode presipitasi. Sumber utama
kalsium untuk sintesis HAp berasal dari cangkang kerang darah (Anadara Granosa) yang diketahui
memiliki kandungan kalsium yang tinggi. Sehingga dapat dijadikan sebagai prekursor Ca untuk
menghasilkan bubuk hidroksiapatit11. Metode presipitasi merupakan metode yang banyak digunakan
karena menggunakan proses yang sederhana, mudah diaplikasikan untuk skala industri, produk akhir
yang dihasilkan adalah padatan kristalin dan air yang bersifat tidak mencemari lingkungan. Selain itu,
sebagian besar hidroksiapatit yang dihasilkan berbentuk amorf dan kemungkinan terjadinya kontaminasi
menggunakan metode ini sangat rendah. Oleh karena itu melalui penelitian ini diharapkan mampu
memperoleh nilai efisiensi massa hidroksiapatit yang sesuai dengan standar.
132
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
133
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
4. KESIMPULAN
Cangkang kerang darah telah disintesis menggunakan metode presipitasi untuk menghasilkan
bubuk hidroksiapatit. Hasil pengukuran susut massa bubuk cangkang dengan menghitung massa
sebelum dan setelah kalsinasi memperoleh nilai rata-rata besar susut massanyanya adalah sebesar
43,23% dikarenakan adanya proses oksidasi terhadap kandungan senyawa organik dari bubuk cangkang
kerang darah. Pengujian efisiensi massa hidroksiapatit menunjukkan penurunan nilai efisiensi seiring
meningkatnya suhu sintering. Nilai efisiensi tertinggi diperoleh pada suhu 700°C yakni sebesar 66,23%
dan nilai efisiensi terendah pada suhu 850°C sebesar 49,86%.
TERIMA KASIH
Penulis berterima kasih kepada civitas Departemen Fisika, FMIPA Unhas khususnya Laboratorium
Material dan Energi yang telah memberikan ruang dan wadah dalam menyelesaikan penelitian ini.
DAFTAR PUSTAKA
1. Suci, I. A., & Dala Ngapa, Y. (2020). Sintesis Dan Karakterisasi Hidroksiapatit (Hap) Dari Cangkang
Kerang Ale-Ale Menggunakan Metode Presipitasi Double Stirring. Indonesian E-Journal of Applied
Chemistry. 8: 73-81.
2. Supangat, D., & Cahyaningrum, S. E. (2017). Synthesis And Characterization of Hydroxyapatite of
Crabs Shell (Scylla Serrata) By Wet Application Method. Unesa Journal of Chemistry. 6:143-149.
3. Sabir, A., Abbas, H., Amini, A. Y., & Asmal, S. (2021). Characterization Of Duck Egg Shells and
Bioceramic Materials in Making Denture Applications. Aannual Conference on Computer Science
and Engineering Technology (Ac2set):1-7.
4. Asep, M. K., Sri, H., Dan Margareta, N. C. (2019). Pengaruh Konsentrasi Fosfat Terhadap
Perbandingan Ca/P Hidroksiapatit Dari Limbah Gipsum Industri Keramik. Eksakta Jurnal Ilmu-
Ilmu Mipa.19:46-56
134
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
5. Muliati. (2016). Sintesis Dan Karakterisasi Hidroksiapatit Dari Tulang Ikan Tuna (Thunus Sp)
Dengan Metode Sol-Gel. Skripsi. Universitas Islam Negeri Alauddin, Makassar.
6. Gintu, A. R., Kristiani, E. B. E., & Martono, Y. (2020). Hydroxyapatite (Hap) Bioceramics Made
from The Celetaiya Persclupta Snail Shells from Poso Lake. Jurnal Kimia Dan Pendidikan Kimia.
5: 254-263.
7. Azis, Y., Alfarisi, C. D., Komalasari, K., Khairat, K., & Sahan, Y. (2021). Synthesis And
Characterization of Hydroxyapatite from Duck Eggshell by Wet Precipitation Process, Jurnal
Applied Materials And Technology. 3:8-11
8. Nurmanta, D.N, Masruroh, Santjojo D.J.D. H. (2021). Perbaikan Nilai Kuat Tekan Biokeramik
Scaffold Hidroksiapatit Menggunakan Treatment Plasma Dbd. Jurnal Qua Teknika. 11:1-9.
9. Szterner, p. and Biernat, m. (2022). The Synthesis of Hydroxyapatite by Hydrothermal Process
with Calcium Lactate Pentahydrate: The Effect of Reagent Concentrations, pH, Temperature, and
Pressure, Bioinorganic Chemistry and Applications. 3481677:1-13
10. Malau, N. D., & Adinugraha, F. (2020). Penentuan Suhu Kalsinasi Optimum Cao Dari Cangkang
Telur Bebek Dan Cangkang Telur Burung Puyuh. Jurnal Edumatsains, 4:193-202.
11. Ahmad Khiri, M. Z., Matori, K. A., Mohd Zaid, M. H., Che Abdullah, C. A., Zainuddin, N., Alibe, I.
M., Abdul Rahman, N. A., & Abdul Wahab, S. A. (2019). The Effect Of the Ph Values and Sintering
Temperatures on The Physical, Structural and Mechanical Properties Of Nano Hydroxyapatite
Derived From Ark Clam Shells (Anadara Granosa) Prepared Via The Wet Chemical Precipitate
Method. Journal Ceramics-Silikáty.63:194-203.
12. Malau, N. D. (2018). Sintesis dan Karakterisasi Hidroksiapatit (HAP) dari Limbah Cangkang Kerang
Lokan (Batissa Violecea L) dengan Metode Basah Presipitasi. Jurnal Dinamika Sains: 67-68.
13. Rauf, N., Lahu, F. H., dan Suryani, S. (2021). Prosiding Seminar Nasional Fisika Makassar :81-85
135
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
Abstrak
Pada penelitian ini yang dilakukan menggunakan sistem kerja IEM-FC (Inorganic Electrolyte membrane
fuel cell) untuk pengambilan data menggunakan 2 sistem yang pertama tanpa membran elektrolite dan
membrane elektrolite. Untuk menghasilkan Energi Listrik yang paling besar nilainya antara kedua
sampel dilihat Vn dan Vout begitu juga dengan Iout dan Vout. Untuk Sistem Tanpa membran antara kedua
sampel maka larutan batang pisang tua lebih besar dengan nilai listrik yang diperoleh yaitu (∆E ± ∆(∆E))
yaitu (82.5 ± 8.85) × 10-6 joule. Sedangkan untuk sistem menggunakan membran pada kedua sampel
nilai energi listrik yang lebih besar yaitu pada larutan batang pisang muda (∆E ± ∆(∆E)) yaitu (57.6 ±
11.61) × 10-6 joule. Dan untuk daya listrik tertinggi dengan menggunakan membrane yaitu larutan batang
larutan batang pisang musa yaitu (0.275 ± 0.0533) × 10-6 watt.
Kata Kunci: daya listrik, energi listrik, massa jenis, membrane electrolite, musa parasidica var
sapientum, pisang ambon.
1. PENDAHULUAN
Energi difungsikan sebagai pendukung sehari-hari seperti penerangan, motor dan mobil penggerak
dan mesin-mesin industri. Pemanfaatan energi terbarukan belum dilakukan secara maksimal salah
satunya pemanfaatan dalam energi listrik dengan memanfaatkan potensi alam seperti tumbuhan misalnya
Pisang (musa paradisiaca var sapientum) dalam golongan terna monokotil tahunan berbentuk pohon
yang tersusun atas batang semu. Pada larutan batang pisang ambon (musa paradisiaca var sapientum)
dapat menghasilkan energi listrik terhadap kedua sampel yang diuji yaitu pada batang pisang ambon tua
dan batang pisang ambon muda (musa paradisiaca var sapientum)1. Tanaman pisang (Musa parasidiaca
sp) adalah tanaman yang multiguna. Selain dimanfaatkan buahnya, dari bonggol dan batang pisang yang
telah dipanen bisa diambil pati (5-10%) dan selulosanya (±63%)2. Batang pisang sebagian berisi air
dan serat (selulosa), di samping mineral, kalium, fosfor, dan lain-lain. Komposisi kimia batang pisang
dipengaruhi oleh berbagai faktor yaitu komposisi tanah, frekuensi pemotongan, fase pertumbuhan,
pemupukan, iklim setempat dan ketersediaan air. Serat batang pisang mengandung 63% selulosa, 20%
hemiselulosa dan 5% lignin3.
Limbah batang pisang dijadikan sebagai energi terbarukan penghasil Listrik dengan menentukan masa
jenis (ρ), perubahan kestabilan sampel dalam pengukuran arus,tegangan dan waktu serta perbandingan
hasil daya listrik dan energi listrik dari sistem IEM-FC4. Penelitian yang dilakukan dari sampel larutan
batang pisang muda (musa paradisiaca var sapientum) dan larutan batang pisang tua (musa paradisiaca
var sapientum) untuk menentukan tegangan Voutput, tegangan Vinput, Arus Ioutput dan waktu dalam sekon (s).
Dengan menggunakan sistem perhitungan terhadap parameter yang akan dihitung dimana yang pertama
yaitu tanpa membrane Inorganik dan membrane Inorganik dengan menggunakan membrane IEM-FC
yang mempunyai bahan utama yaitu karbon maka penelitian yang dilakukan menggunakan Inorganik.
eksperiment antara lain Proses pengambilan sampel, proses pengukuran Arus listrik pada sampel, proses
penimbangan sampel. Bagan Penelitian dapat dilihat pada Gambar 1.
137
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
138
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
Gambar 3. (a) Grafik hubungan Vin dan Vout mulai dari Vlow ke Vhigh, dan (b) Grafik
hubungan Vin dan Vout mulai dari Vhigh ke Vlow (c) Grafik hubungan Vin dan Iout mulai
dari Vlow ke Vhigh (d) Grafik hubungan Vin dan Iout mulai dari Vhigh ke Vlow
Grafik yang yang dapat dilihat pada gambar 2 mempunyai perbedaan tegangan. Gambar (a) dan (b)
tegangan input nilai mendekati nol atau kestabilan mulai dari 5.0 volt yaitu 0.07 volt sampai 6.5 volt
yaitu -0.08 volt. Sedangkan untuk gambar (c) dan (d) dilihat pada arus output yang mendekati nol atau
kestabilan mulai dari 6 volt -0.04 sampai 4 volt yaitu 0.08 volt untuk semua waktu dikali dengan 20
detik.
2. Analisis Data dari sampel Larutan batang Pisang Muda (musa paradisiaca var sapientum)
Analisis yang dilakukan pada sampel yang digunakan sama seperti pada larutan batang pisang tua
terdapat 2 perhitungan Daya listrik dan energi listrik. Sehigga hasil menunjukan Vlow ke Vhigh mulai dari
0.0 samapi 12 Volt sedangkan untuk Vin ke Vout mulai dari 0.41 volt sampai dengan -0.39 volt dan arus
yg diperoleh 0.3 μA sampai dengan -0.3 μA dengan t =10 sekon. Sedangkan Vhigh ke Vlow mulai dari 0.0
samapi 12 Volt sedangkan untuk Vin ke Vout mulai dari 0.41 volt sampai dengan -0.39 volt dan arus yang
diperoleh 0.3 μA dan kembali -0.3 μA dengan t =10 sekon. Pengabungan kedua tabel dianalisa serta
diplotkan dengan menggunakan Origin versi 8.0 pada windows 2010 sehingga terlihat seperti pada
Gambar 4.
139
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
Gambar 4. (a) Grafik hubungan Vin dan Vout mulai dari Vlow ke Vhigh, dan (b) Grafik
hubungan Vin dan Vout mulai dari Vhigh ke Vlow (c) Grafik hubungan Vin dan Iout mulai
dari Vlow ke Vhigh (d) Grafik hubungan Vin dan Iout mulai dari Vhigh ke Vlow
Grafik yang yang dapat dilihat pada gambar 2 mempunyai perbedaan tegangan untuk Vlow ke Vhigh
berada pada tegangan input 0.5 volt yaitu 0.43 volt tetapi untuk tegangan input terendah 11-12.0 volt
yaitu -0.39 volt sedangkan untuk Vlow ke Vhigh tegangan inputnya yang tertinggi berada pada tegangandan
arus yang mendekati 0 kestabilan data kestabilan untuk tegangan dan Arus untuk semua waktu dikali
dengan 20 detik. Setelah analisa dari kedua gambar sehingga dapat dilihat perbandingan Energi Listrik
pada Tabel 2.
Tabel 2. Perbandingan hasil Energi listrik untuk sistim membran dan tanpa membran.
Energi Listrik Membran (E) Energi Listrik Tanpa membran
Nama Sampel
(∆E±∆(∆E)) × 10-6 joule (∆E±∆(∆E)) × 10-6 joule
Larutan batang pisang tua (57.6 ±6.45) (79.5 ±8.82)
Larutan batang pisang muda (82.5 ±8.91) (75 ±8.32)
4. KESIMPULAN
Berdasarkan pengujian hipotesis data analisis penelitian, maka dalam penelitian ini dapat mengambil
suatu kesimpulan sebagai berikut:
1. Pada massa jenis (ρ) dari sampel larutan yang digunakan sehingga dapat menentukan bahwa pada
sampel larutan batang pisang tua massa jenis dengan nilai (ρawal ± ∆ρakhir) yaitu (1.130±0.006) × 103 kg/
m3 yang dihasilkan lebih besar dibandingkan sampel larutan batang pisang muda yaitu dengan nilai
(ρawal ± ∆ρakhir) yaitu (1.080±0.006) × 103 kg/m3.
140
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
2. Berdasarkan pengamatan yang dilakukan sehingga nilai tegangan dan arus yang diperoleh mendekati
kestabilan atau sama dengan 0 yang terbanyak berada pada larutan batang pisang tua Vhigh ke Vlow
sehingga (Vin ± Vin) yaitu 9 volt hingga 4 volt dengan nilai arusnya (Iout ± Iout) yaitu -0.031 A sampai
-0.0104 A.
3. Untuk Perbandingan energi listrik yang paing besar nilai antara kedua sampel yang digunakan yaitu
sampel yang larutan batang pisang tua untuk Vin dan Vout begitu juga dengan Iout dan Vout dan larutan
batang pisang muda dengan nilai Energi listriknya (∆E±∆(∆E)) yaitu (82.5 ± 8.91) × 10-6 joule. Dan
energi listrik terendah pada larutan batang pisang tua (∆E±∆(∆E)) yaitu (57.6 ± 6.45) × 10-6 joule.
Dan untuk daya listrik tertinggi dengan menggunakan membrane yaitu larutan batang pisang muda
(0.275±0.0533) × 10-6 watt.
LAMPIRAN
Untuk menentukan energi listrik pada penelitian ini maka digunakan persamaan sebagai berikut :
Persamaan Daya Listrik
Rumus umum yang digunakan untuk menghitung Daya Listrik merupakan laju hantaran energi
listrik dengan hambatan listrik yang menimbulkan kerja pada sebuah rangkaian listrik adalah sebagai
berikut :
P=I×V (1)
Diturunkan dari tegangan sehingga terjadi perubahan.
P = I × (I.R) (2)
Setelah itu penjabaran Daya Listrik dapat terlihat.
P = I2 × R (3)
Jika sejumlah energi E ditransfer dalam jumlah waktu t, maka daya yang dihasilkan sebagai berikut:
3,4
TE
TE = Tt
Sehingga dari pers 4 sehingga persamaan energi yang diperoleh sebagai berikut:
P=I×V (5)
Untuk menghitung ralat pada setiap alat yang digunakan pada pengambilan data sesuai dengan
persamaan yang digunakan yaitu sebagai berikut :
Ralat Arus:
Tl = 2 # ^skala terkecil alat ukurh
1 (6)
Ralat Tegangan:
Tl = 2 # ^skala terkecil alat ukurh
1
(7)
Ralat Waktu:
Tt = 2 # ^skala terkecil alat ukurh
1 (8)
Sehingga untuk mengitung ralat dari daya listrik dan energi listrik dapat dilihat pada persamaan di
bawah ini :
Ralat Daya Listrik:
TP = c V + I m P
TV TI (9)
Ralat Daya Listrik:
TE = c P + T t m E (10)
TP Tt
141
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
DAFTAR PUSTAKA
1. Abnisa, Faisal, W. M.A.W. Daud, W. N.W. Husin, and J. N. Sahu, ‘Utilization Possibilities of Palm
Shell as a Source of Biomass Energy in Malaysia by Producing Bio-Oil in Pyrolysis Process’,
Biomass and Bioenergy, 35.5 (2011), 1863–72
2. Ahmad, A. L., N. H.Mat Yasin, C. J.C. Derek, and J. K. Lim, ‘Microalgae as a Sustainable Energy
Source for Biodiesel Production: A Review’, Renewable and Sustainable Energy Reviews, 15.1
(2011), 584–93
3. Barbir, Frano, ‘PEM Electrolysis for Production of Hydrogen from Renewable Energy Sources’,
Solar Energy, 78.5 (2005), 661–69
4. Cruz-Martínez, H., M. M. Tellez-Cruz, O. X. Guerrero-Gutiérrez, C. A. Ramírez-Herrera, M. G.
Salinas-Juárez, A. Velázquez-Osorio, and others, ‘Mexican Contributions for the Improvement of
Electrocatalytic Properties for the Oxygen Reduction Reaction in PEM Fuel Cells’, International
Journal of Hydrogen Energy, 2019, 12477–91
5. ‘PHYS 0175 : Physics for Science and Engineering 2’, 2016, 1–5
6. Schultz, Thorsten, Su Zhou, and Kai Sundmacher, ‘Current Status of and Recent Developments in
the Direct Methanol Fuel Cell’, Chemical Engineering and Technology, 24.12 (2001), 1223–33
142
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
Abstrak
CT scan sebagai modalitas pencitraan medis telah banyak digunakan dalam bidang radiologi, khususnya
bidang radiodiagnostik maupun radioterapi. Penggunaan CT scan dalam diagnosis membutuhkan dosis
radiasi yang relatif tinggi. Salah satu cara yang dapat dilakukan untuk mengurangi dosis radiasi adalah
dengan mengoptimalkan nilai arus tabung. Penelitian ini bertujuan untuk membandingkan dosis radiasi
pada pemeriksaan CT scan dengan menggunakan teknik Automatic Exposure Control (AEC) dan Fixed
Tube Current (FTC). Penelitian ini dilakukan dengan pengambilan data Computed Tomography Dose
Index (CTDI) pada CT scan mode helical menggunakan fantom kepala (head phantom) dari phantom
polymethyl methacrylate (PMMA) dengan menghubungkan pensil ionization chamber pada lubang
pusat dan tepi fantom. Untuk teknik AEC dilakukan pengukuran CTDI dengan variasi tegangan tabung
80 kV, 100 kV, dan 120 kV, waktu rotasi 1 s, arus tabung 125 mA, pitch 0.938, slice thickness 5 mm, dan
scan length 180 mm. Untuk teknik FTC dilakukan pengukuran CTDI dengan variasi arus tabung 120
mA, 130 mA, dan 140 mA, tegangan tabung 120 kV, waktu rotasi 1 s, pitch 0.938, slice thickness 5 mm,
dan scan length 180 mm. Terdapat peningkatan yang signifikan pada dosis radiasi untuk pemeriksaan
CT scan dengan menggunakan teknik FTC pada CTDIvol dan Dose Length Product (DLP). Dengan
demikian, pemeriksaan CT scan dengan menggunakan teknik AEC lebih baik dalam mengurangi dosis
radiasi dibandingkan dengan menggunakan teknik FTC.
Kata Kunci: automatic exposure control, ctdi, ct scan, dose length product, fixed tube current
1. PENDAHULUAN
Computed Tomography (CT) scan merupakan modalitas pencitraan medis yang mengolah data
radiologi diagnostik dengan waktu akuisisi dan rekonstruksi yang lebih cepat, seperti teknik akuisisi
spiral dengan kemampuan multi-slice1. CT scan merupakan suatu alat penunjang dalam bidang
diagnostik yang menggunakan berkas sinar-X melalui teknik tomografi dan komputerisasi modern untuk
pemeriksaan organ internal tubuh2. CT scan menghasilkan citra berkualitas tinggi dari objek-objek di
dalam tubuh, seperti tulang, organ jantung, paru-paru, dan pembuluh darah3.
Keluaran dosis CT scan diperoleh dari dosimetri CT atau dikenal sebagai Computed Tomography
Dose Index (CTDI). Dosimetri yang digunakan di CT scan adalah CTDI100, CTDIw, CTDIvol, dan Dose
Length Product (DLP). CTDI sebagai indeks dosis digunakan untuk perbandingan dosis, pemantauan
dosis, dan optimasi dosis4. Penggunaan CT scan untuk diagnosis pasien membutuhkan dosis radiasi
yang relatif tinggi. Dosis radiasi pada CT scan relatif tinggi karena dosis primer dan sekunder diperoleh
secara bersamaan di setiap proses scanning, sehingga dosis radiasi untuk setiap CT scan harus optimal5.
Salah satu cara untuk mengoptimalkan dosis radiasi adalah mengurangi dosis radiasi yang diterima
pasien dengan mengoptimalkan nilai arus tabung. Optimalisasi arus tabung dapat dilakukan dengan
menggunakan teknik Automatic Exposure Control (AEC) dan Fixed Tube Current (FTC). AEC
merupakan teknik yang menyesuaikan secara otomatis arus tabung pada bidang x, y (angular modulation),
sepanjang z-axis (longitudinal modulation), atau keduanya (combined modulation)6. FTC merupakan
143
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
teknik yang nilai arus tabung dan keseluruhan scanning dilakukan pada nilai tertentu yang ditetapkan
tanpa meninjau anatomi objek dan variasi pelemahan pada sudut proyeksi berkas dan sumbu z yang
berbeda7. Oleh karena itu, tujuan dilakukannya penelitian ini adalah membandingkan dosis radiasi pada
pemeriksaan CT scan dengan menggunakan teknik Automatic Exposure Control (AEC) berdasarkan
variasi tegangan tabung dan teknik Fixed Tube Current (FTC) berdasarkan variasi arus tabung.
atau pengambilan data CT scan dengan beberapa variasi nilai tegangan dan arus tabung yang berbeda.
Dalam penelitian ini digunakan teknik AEC dan FTC.
(a) (b)
Gambar 2 (a) Grafik nilai CTDIvol dan (b) Grafik nilai DLP
untuk variasi tegangan tabung pada teknik AEC
Grafik dosis untuk variasi tegangan tabung pada teknik AEC ditunjukkan pada Gambar 2. Terlihat
bahwa besarnya nilai CTDIvol dan DLP berbanding lurus terhadap besarnya nilai tegangan tabung.
Artinya jika nilai tegangan tabung semakin besar maka nilai CTDIvol dan DLP semakin besar. Demikian
pula sebaliknya, jika nilai tegangan tabung kecil maka nilai CTDIvol dan DLP rendah. Hal ini karena
nilai CTDI dipengaruhi oleh parameter tegangan tabung (kV). Tegangan tabung menentukan besarnya
energi sinar-X yang diemisikan oleh tabung sinar-X. Semakin besar beda tegangan antara anoda dan
katoda, elektron akan semakin dipercepat dan sinar-X yang dihasilkan memiliki energi rata-rata yang
lebih tinggi. Hal ini akan menghasilkan dosis radiasi yang tinggi.
145
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
(a) (b)
Gambar 3 (a) Grafik nilai CTDIvol dan (b) Grafik nilai DLP untuk variasi arus tabung pada teknik FTC
Grafik dosis untuk variasi arus tabung pada teknik FTC ditunjukkan pada Gambar 3. Terlihat bahwa
besarnya nilai CTDIvol dan DLP berbanding lurus terhadap besarnya nilai arus tabung. Artinya jika
nilai arus tabung semakin besar maka nilai CTDIvol dan DLP semakin besar. Demikian pula sebaliknya,
jika nilai arus tabung kecil maka nilai CTDIvol dan DLP rendah. Hal ini karena nilai CTDI dipengaruhi
oleh parameter arus tabung (mA). Arus tabung memengaruhi banyak sinar-X yang dihasilkan. Semakin
besar arus yang diberikan maka jumlah elektron yang dilepaskan oleh katoda semakin banyak. Jumlah
elektron yang menumbuk anoda semakin banyak, sehingga berkas sinar-X yang dihasilkan semakin
banyak dan dosis radiasi meningkatkan secara linear dengan arus tabung.
European Guidelines on Quality Criteria for Computed Tomography memiliki nilai batasan pada
DLP, yaitu sebesar 1050 mGy.cm pada pemeriksaan CT scan kepala rutin. Berdasarkan Gambar 2(b)
dan 3(b), terlihat bahwa nilai DLP yang diperoleh masih berada di bawah 1050 mGy.cm, sehingga hasil
pengukuran nilai DLP pada teknik AEC dan FTC masih sesuai standar.
4. KESIMPULAN
Berdasarkan hasil penelitian diperoleh nilai CTDIvol dan DLP pada teknik AEC untuk variasi tegangan
tabung 80 kV, 100 kV, dan 120 kV, yaitu berkisar antara 7.07 mGy sampai 18.54 mGy dan 127.3 mGy.
cm sampai 333.7 mGy.cm. Nilai CTDIvol dan DLP pada teknik FTC untuk variasi arus tabung 120 mA,
130 mA, dan 140 mA, yaitu berkisar antara 19.62 mGy sampai 25.22 mGy dan 353.2 mGy.cm sampai
453.9 mGy.cm. Hal ini menunjukkan bahwa nilai CTDIvol dan DLP untuk teknik FTC mengalami
peningkatan dosis yang signifikan dibandingkan teknik AEC. Dengan demikian, pemeriksaan CT scan
dengan teknik AEC lebih baik dalam mengurangi dosis radiasi dibandingkan dengan teknik FTC.
DAFTAR PUSTAKA
1. Sulemana, H., Inkoom, S., Sosu, E.K., Schandorf, C. (2020). Estimation of Absorbed and Effective
Doses in Organs through Computed Tomography Examinations Using Automatic Exposure Control
and Fixed Tube Current Techniques: A Phantom Case Study. Iran J Med Phys. Vol. 17, No. 1: 58-65.
2. Aprilyanti, D.D., Milvita, D., Prasetio, H., Yuliati, H. (2013). Pengaruh Diameter Phantom dan
Tebal Slice terhadap Nilai CTDI pada Pemeriksaan Menggunakan CT Scan. Jurnal Fisika Unand.
Vol. 2, No. 2: 81-87.
3. Harmayeni, Milvita, D., Sandy, K.Y. (2019). Analisis Nilai CTDI di Udara dengan Variasi Faktor
Eksposi dan Tebal Slice pada Pesawat CT-Scan Merek GE Optima 660. Jurnal Fisika Unand. Vol.
146
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
8, No. 1: 52-56.
4. Jauhari, A., Anam, C., Ali, M.H., Rae, W.I., Akbari, S., Meilinda, T. (2021). The Effect on CT Size-
Specific Dose Estimates of Mis-Positioning Patients from the Iso-Centre. European Journal of
Molecular & Clinical Medicine. Vol. 8, No. 3: 155-164.
5. Matsubara, K., Kawashima, H., Kobayashi, M. Fukuda, A. (2020). Performance Evaluation of Near-
Real Time Angular Tube Current Modulation in X-Ray Computed Tomography Using Real-Time
Dosimeter: A Phantom Study. Journal Health Technology. Vol. 10, No. 6: 1437–1443.
6. Indrati, R., Yazid, A., Abimanyu, B. (2019). Noise Citra dan Estimasi Dosis Radiasi dengan Aktifasi
Sistem Automatic Exposure Control pada Pemeriksaan Computed Tomography Kepala. Jurnal
Imejing Diagnostik. Vol. 1, No. 2: 59-64
7. Nisak, Z. (2011). Analisis Penggunaan Teknik Arus Tabung Konstan dan Teknik Modulasi Arus
Tabung Otomatis terhadap Dosis Efektif Computed Tomography (CT) Scan Bagian Kepala. Skripsi,
Universitas Brawijaya, Malang, Indonesia.
147
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
Abstrak
Teknologi CT Scan telah menjadi alat yang sangat penting dalam bidang radiologi khususnya untuk
keperluan radiodiagnostik dan radioterapi. Prinsip panduan CT Scan adalah menggunakan dosis
yang rendah tetapi tetap mempertahankan hasil citra yang didapatkan, namun hal tersebut cenderung
menimbulkan noise. Salah satu cara yang dapat dilakukan untuk mengurangi nilai noise adalah dengan
melakukan penyesuaian parameter pemindaian yaitu tegangan tabung (kV), arus waktu rotasi (mAs),
tebal irisan (mm). Penelitian ini bertujuan untuk mengetahui noise level dengan variasi tegangan tabung
dan variasi tebal irisan slice thickness. Penelitian ini dilakukan dengan pengambilan data noise level
pada CT Scan mode axial menggunakan phantom jenis America Association of Physicists in Medicine
(AAPM) CT Performance Phantom model 610. Pengukuran noise level dilakukan dengan variasi
tegangan tabung (100 kv, 120 kv, 140 kv), variasi slice thickness (1,25 mm dan 2,5 mm), nilai arus
tabung 125 mA dan waktu rotasi 1 detik. Noise level dilakukan pada Region of Interest (ROI) di bagian
pusat phantom. Hasil penelitian noise level pada variasi tegangan tabung dan slice thickness adalah
semakin besar tegangan tabung memudahkan foton sinar-X untuk menembus jaringan dan penggunaan
slice thickness yang tidak terlalu tebal akan menghasilkan citra dengan detail-detail gambar yang tinggi.
Nilai noise yang didapatkan masih berada dalam batas tolenrasi yang masih diizinkan oleh BAPETEN.
Kata Kunci: ct scan, noise, phantom, slice thickness, tegangan tabung
1. PENDAHULUAN
Tomografi terkomputerisasi (computed tomography, CT) adalah sistem pencitraan yang sering
digunakan dalam pemeriksaan organ tubuh manusia dan perawatan kesehatan1. Sejak diperkenalkan
untuk pertama kali pada tahun 1972 oleh Godfrey N. Hounsfield, CT Scan telah berkembang pesat
dalam teknologi khususnya dalam bidang pencitraan medis. Salah satunya dengan menggunakan radiasi
pengion untuk mengetahui ada atau tidaknya suatu kelainan pada organ tubuh tanpa harus melakukan
proses pembedahan2.
Penggunaan CT Scan, untuk menghasilkan citra objek, berkas radiasi yang dihasilkan sumber
dilewatkan melalui suatu bidang obyek dari berbagai sudut. Radiasi terusan ini dideteksi oleh detektor
untuk kemudian dicatat dan dikumpulkan sebagai data masukan yang kemudian diolah menggunakan
komputer untuk menghasilkan citra dengan suatu metode yang disebut sebagai rekonstruksi 3.
Noise adalah gambar digital berbentuk acak yang tidak berkorelasi, menyebabkan penurunan
kualitas visual gambar4. Noise memengaruhi kualitas gambar citra. Semakin tinggi nilai noise, maka
kualitas citra yang di dapatkan semakin menurun. Kualitas citra yang rendah merupakan suatu hambatan
dalam pemberian dosis dan analisis hasil citra5. Faktor-faktor yang menyebabkan noise yaitu faktor
eksposi (tegangan tabung, arus tabung dan waktu eksposi), ukuran pixel, slice thickness dan artefak.
Faktor eksposi merupakan faktor yang memengaruhi terhadap eksposi dari energi sinar-X yang
meliputi tegangan tabung dengan parameter kilo voltage (kV), arus tabung dengan parameter mili
ampere (mA) dan waktu eksposi dengan parameter second (s)6. Tegangan tabung merupakan parameter
pembangkit sinar-x untuk menembus objek yang akan diperiksa dan tebal slice yang digunakan, sehingga
berpengaruh pada intensitas radiasi dan kualitas gambar yang akan didapatkan7,3. Arus tabung (mA)
148
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
menentukan kuantitas sinar- X yang dihasilkan. Semakin besar arus yang dihasilkan, semakin besar
pula foton sinar-X yang terbentuk. Perubahan nilai arus tabung akan memengaruhi densitas radiografi
dan dosis radiasi yang akan diterima oleh pasien. Pengaruh arus tabung akan menurunkan noise, tetapi
menaikkan dosis radiasi yang diterima pasien6. Waktu eksposi (s) merupakan waktu yang diperlukan
untuk setiap kali eksposi. Faktor ini biasanya dihubungkan dengan faktor mA. Kombinasi faktor ini
dilambangkan dengan mAs (mili Ampere second). CT Scan mampu melakukan scanning tanpa putus
sampai dengan 100 s. Sedangkan scan time per rotation merupakan waktu yang dibutuhkan untuk satu
putaran tabung sinar-X6.
Slice Thickness merupakan tebalnya irisan atau potongan dari objek yang diperiksa dalam
pemeriksaan CT Scan. Penggunaan slice thickness yang tebal akan menghasilkan gambaran detail yang
rendah, tetapi cenderung akan terjadi artefak. Sebaliknya jika penggunaan slice thickness yang tipis
akan menghasilkan gambaran dengan detail yang lebih tinggi, tetapi cenderung menghasilkan noise8.
Nilai slice thickness pada teknologi Multi-Slice CT (MSCT) dapat dipilih antara 0,5 mm - 10 mm sesuai
dengan keperluan klinis6.
150
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
151
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
Tabel 6. Perhitungan keseragaman noise tegangan tabung 120 kV dan ketebalan irisan 1,25 mm
Noise Keseragaman Nilai Lolos
Posisi ROI Noise Kesimpulan
Ternormalisasi Noise Uji
Tepi 1 15,02 3,83
Tepi 2 14,46 3,69
0,138 ≤ 2 CT Sesuai
Tepi 3 15,84 4,04
Tepi 4 15,94 4,07
Tabel 7. Perhitungan keseragaman noise tegangan tabung 140 kV dan ketebalan irisan 1,25 mm
Noise Keseragaman Nilai Lolos
Posisi ROI Noise Kesimpulan
Ternormalisasi Noise Uji
Tepi 1 11,88 3,54
Tepi 2 12,35 3,68
0,29 ≤ 2 CT Sesuai
Tepi 3 11,36 3,38
Tepi 4 12,20 3,63
Tabel 8. Perhitungan keseragaman noise tegangan tabung 140 kV dan ketebalan irisan 2,5 mm
Noise Keseragaman Nilai Lolos
Posisi ROI Noise Kesimpulan
Ternormalisasi Noise Uji
Tepi 1 10,05 4,23
Tepi 2 10,84 4,56
0,77 ≤ 2 CT Sesuai
Tepi 3 10,49 4,42
Tepi 4 9,20 3,80
Berdasarkan hasil perhitungan keseragaman noise dengan variasi tegangan tabung dan variasi
ketebalan irisan pada tabel 5, tabel 6, tabel 7, dan tabel 8 memperoleh nilai yang masih dibawah ambang
batas nilai lolos uji yang ditetapkan oleh BAPETEN yaitu ≤ 2 CT.
4. KESIMPULAN
Berdasarkan hasil penelitian noise level hasil citra CT Scan dengan variasi tegangan tabung dan
variasi slice thickness adalah pengaruh variasi tegangan tabung dan slice thickness berbanding terbalik
dengan noise level yang dihasilkan. Semakin meningkatnya tegangan tabung dan slice thickness maka
noise level semakin menurun dan begitu juga sebaliknya. Tegangan tabung yang menghasilkan noise
level paling rendah adalah 140 kV dan slice thickness yang menghasilkan noise level paling rendah
adalah 2,5 mm. Nilai noise yang didapatkan masih berada dalam batas toleransi yang masih diizinkan
oleh BAPETEN.
DAFTAR PUSTAKA
1. Imran Abdullah-Al-Zubaer, dkk. (2021). SSIQA: Multi-Task Learning For Non-Reference CT Image
Quality Assessment With Self-Supervised Noise Level Prediction. 2021 IEEE 18th International
Symposium on Biomedical Imaging (ISBI) 1962-1965.
2. Hutami Ida Ayu Putu, dkk. (2021). The Analysis of the Effect of Slice Thickness of Phantom on
152
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
Image Quality of CT Scan at RSUD Bali Mandara. Buletin Fisika Vol 22 No.2 Agustus 2021 77-83.
3. Martin Uffmann, et. al. (2005). Flat-Panel–Detector Chest Radiography: Effect of Tube Voltage on
Image Quality. 235:642–650.
4. Seeram, E. (2001). Computed Tomography: physical principles, clinical applications, and quality
control. Second edition. Philadelphia: WB Saunders Company.
5. Bhawna Goyal, Sunil Agrawal, B.S Sohi. (2018). Noise Issues Prevaling in Various Types of Medical
Images. “Biomedical & Pharmacology Journal”. Vol 11, No 3, Hal 1227-1237.
6. Bushberg, J. T. (2002). The Essential Physics of Medical Imaging. Second Edition. Philadelphia,
USE: Lippincot Williams & Wilkins.
7. Slamet Riyanto, Wahyu Setia Budi, dan Choirul Anam. (2019). Pengaruh Arus Tabung Terhadap
Noise dan Kontras Citra Pada Pesawat CT Scan. Vol. 22, No. 3, Juli 2019, Hal. 105-109.
8. Suprapto Teddy. (2020). Pengaruh Variasi Slice Thickness Terhadap Nilai Noisepada Pemeriksaan
CT Scan Kepalanonkontrasdi RSUD Dr. Adnaan WD Payakumbuh. Program Studi Teknologi
Radiologi.
153
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
Abstrak
Telah dilakukan penelitian tentang analisis keluaran berkas radiasi foton pada energi 6 MV
menggunakan Linear Accelerator (LINAC). Penelitian ini dilakukan di RS Universitas Hasanuddin
dengan menggunakan detektor ion chamber PTW 30013 Farmer untuk mengukur keluaran energi foton
dan water phantom sebagai pengganti pasien. Penelitian bertujuan untuk mengukur dan menganalisis
output berkas radiasi foton pada ukuran luas lapangan penyinaran (25 × 25) cm2, (30 × 30) cm2, dan (35
× 35) cm2 dengan Source to Surface Distance (SSD) 100 cm. Penelitian sejenis telah dilakukan oleh
(Mona Vadila, 2018) dilakukan dengan luas lapangan standar (10 × 10) cm2 menggunakan detektor
FC65-G/IC70 Farmer. Analisis bertujuan untuk memperoleh output dosis pada kedalaman maksimum
(Dw,Q(zmaks)) berdasarkan pengukuran faktor koreksi suhu, tekanan dan kelembaban (kTP) sesuai
dengan protokol Technical Report Series (TRS) 398 IAEA untuk mengetahui kondisi LINAC selama
digunakan. Diperoleh hasil Dw,Q(zmaks) pada luas lapangan penyinaran (25 × 25) cm2, (30 × 30) cm2,
dan (35 × 35) cm2 yaitu 0,978 cGy/MU, 0,983 cGy/MU dan 0,99 cGy/MU dengan nilai penyimpangan
2,2 %, 1,7 % dan 1 %. Hasil penelitian menunjukkan bahwa pengukuran sesuai dengan Protokol TRS
398 yang mengacu pada 1cGy/MU dengan nilai penyimpangan yaitu ±3 % sehingga LINAC aman
digunakan untuk pasien.
Kata Kunci: energi foton, LINAC, luas lapangan penyinaran, PTW 30013 Farmer, TRS 398.
1. PENDAHULUAN
Tumor dan kanker merupakan salah satu penyakit yang memiliki iesiko kematian yang cukup tinggi1.
Terdapat beberapa metode yang dapat digunakan untuk pengobatan penyakit kanker, yaitu pembedahan,
kemoterapi atau disebut juga kemo, imunoterapi, targeted therapy, dan terapi radiasi atau radioterapi2.
Radioterapi atau terapi radiasi adalah pengobatan kanker dengan menggunakan radiasi pengion3 seperti
pada kanker retina, sistem saraf pusat, kulit, isofaring dan laring, kerongkongan, leher rahim, vagina,
prostat dan limfa. Selain itu, radioterapi juga digunakan sebagai pengobatan tambahan, untuk kanker
paru-paru, payudara, rahim, kandung kemih, rektum, testis (seminoma) dan tumor lunak4. Salah satu
peralatan radioterapi yang telah dikembangkan untuk mengobati kanker yaitu pesawat terapi Linear
Accelerator (LINAC)5. LINAC adalah salah satu pesawat radioterapi yang didesain untuk mempercepat
pergerakan elektron secara linier sehingga menghasilkan berkas foton dan electron. Berkas foton
biasanya memiliki energi 6 MV dan 10 MV yang dapat digunakan untuk menyinari kanker yang berada
pada jaringan dalam misalnya kanker payudara, kanker serviks, dan kanker nasofaring6,7.
Dalam radioterapi dapat dilakukan pengukuran, perhitungan, dan penilaian dosis radiasi yang diserap
oleh tubuh manusia (radiation dosimetry)8. Pada perhitungan dosis radiasi harus mengikuti protokol
Technical Report Series (TRS) 398. TRS 398 adalah kode praktis yang dikeluarkan oleh International
Atomic Energy Agency (IAEA) pada akhir tahun 2000 yang dijadikan pedoman untuk menentukan dosis
serap berkas radiasi9. TRS 398 merekomendasikan penggunaan detektor ionisasi chamber farmer untuk
foton energi tinggi dengan pengukuran berkas radiasi dikalibrasi langsung di dalam air atau fantom air10.
Berdasarkan rekomendasi IAEA, nilai dosis radiasi yang dapat diterima oleh terapi pasien memiliki
deviasi ± 3 %9. Jika keluaran radiasi yang diterima > 3 %, maka akan memberikan dampak negatif pada
pasien10. Pemilihan berkas radiasi sangat berkaitan dengan penerimaan berkas radiasi sehingga diperlukan
154
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
ketepatan dalam pemberian dosis radiasi. Pemberian dosis tersebut bergantung pada tujuan pengobatan,
jenis kanker dan kedalaman target. Parameter lain dalam ketepatan pemberian dosis radiasi bergantung
pada ukuran lapangan dan kedalaman yang diinginkan dan berkaitan dengan nilai Percentage Depth Dose
(PDD) yang digunakan untuk menentukan berapa nilai dosis radiasi yang diterima oleh pasien11,12.
Telah dilakukan penelitian oleh Vadila (2018) yang dilakukan dengan luas lapangan penyinaran
10 × 10 cm dengan SSD 100 cm pada berkas foton 6 MV dan 10 MV menggunakan detektor FC65-G/
IC70 Farmer. Hasil analisis menunjukkan bahwa pada berkas foton dan elektron masih berada dalam
rentang toleransi pengukuran yaitu < 3 %. Selain itu, penelitian juga telah dilakukan oleh Wulandari dkk
(2018) dengan distribusi dosis radiasi foton pada luas lapangan penyinaran. Hasil penelitian tersebut
menunjukkan bahwa semakin bertambah luas lapangan penyinaran maka semakin bertambah nilai
dosis radiasi yang didapatkan. Penelitian juga dilakukan oleh Nabilla dkk (2020) dengan menganalisis
keluaran dosis menggunakan Co-60 terhadap variasi luas lapangan penyinaran sesuai dengan protokol
TRS 398 IAEA. Hasil yang diperoleh sesuai dengan TRS 398 IAEA. Melihat pentingnya keluaran
dosis radiasi pada berkas foton khususnya pada pengobatan penyakit kanker, penelitian ini dilakukan
dengan tujuan untuk mengukur dan menganalisis keluaran pada berkas radiasi foton dengan energi 6
MV pada SSD 100 cm dengan variasi luas lapangan penyinaran mulai dari (25 × 25) cm2, (30 × 30)
cm2 dan (35 × 35) cm2 menggunakan detektor ion chamber PTW 30013 Farmer pada LINAC Varian
HCX 6540 di ruang Instalasi Radioterapi Rumah Sakit Universitas Hasanuddin. Hasil pada penelitian
ini akan dibandingkan apakah nilai dosis yang diterima masih berada dalam batas toleransi pengukuran
berdasarkan TRS 398 IAEA dan LINAC masih aman untuk digunakan.
ditentukan dengan mengukur tegangan yang biasa digunakan beserta tegangan referensinya. Nilai ks
dapat dihitung menggunakan persamaan 314
ks = a0 + a2 e M1 o + a2 e M1 o
2
M M (3)
2 2
156
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
Berdasarkan Tabel 1 telah diperoleh jumlah nilai muatan pada kedalaman 100 mm terhadap variasi
luas lapangan penyinaran dengan pengukuran suhu, pengukuran kelembaban dan pembacaan elektrometer
untuk menghitung nilai faktor koreksi (kTP). Pada nilai tekanan tidak diukur menggunakan alat ukur,
tetapi nilai tersebut didapatkan melalui pembacaan nilai tekanan pada alat elektrometer. Pengukuran
dilakukan dengan variasi tegangan +300 V, -300 V untuk menghitung nilai faktor koreksi polaritas
dengan jumlah yang sama tetapi berlawanan. Sedangkan untuk tegangan -100 V adalah 1/3 dari tegangan
awal yang digunakan untuk menghitung nilai faktor koreksi rekombinasi ion (ks)13. Jumlah nilai muatan
pada Tabel 1 didapatkan dari hasil rata-rata dari 3× penyinaran untuk setiap luas lapangan penyinaran.
Pada nilai pengukuran suhu didapatkan nilai yang hampir sama, hal tersebut dapat disebabkan karena
faktor pembacaan nilai suhu.
Hasil Perhitungan Faktor Koreksi
Perhitungan faktor koreksi digunakan untuk menghitung output berkas foton terhadap variasi
luas lapangan penyinaran. Perhitungan dilakukan berdasarkan nilai muatan pada Tabel 1. Data nilai
perhitungan faktor koreksi dapat dilihat pada Tabel 2.
Tabel 2. Data nilai perhitungan faktor koreksi kTP, kpol, ks, kelec, kQ,Q0
No Faktor Koreksi (25 × 25) cm2 (30 × 30) cm2 (35 × 35) cm2
1 kTP 1,002 1,001 1,001
2 kelec 1 1 1
3 kpol 1,001 0,988 1
4 ks 1,003 1,003 1,003
5 kQ,Q0 0,984 0,98 0,98
Berdasarkan Tabel 2 diperoleh nilai faktor koreksi kTP, kpol, ks, kelec, kQ,Q0 bernilai ±1. Hal tersebut
berarti nilai faktor koreksi yang didapatkan telah sesuai dengan dengan standar yang ditetapkan TRS
398 IAEA karena faktor koreksi yang diperoleh mendekati nilai 1. Selanjutnya, nilai faktor koreksi
yang telah diperoleh digunakan sebagai parameter dalam perhitungan output berkas radiasi foton pada
kedalaman zref dan zmaks untuk variasi luas lapangan penyinaran13.
Hasil Perhitungan Output Radiasi Foton
Perhitungan output berkas foton dilakukan pada kedalaman referensi (zref) dan kedalaman maksimum
(zmaks). Pengukuran output berkas radiasi berkas pada LINAC dilakukan untuk mengetahui kondisi
LINAC selama digunakan dengan tetap mengacu pada nilai 1 cGy sama dengan 1 MU, agar output
tersebut sesuai dengan kebutuhan pasien10. Data nilai perhitungan output berkas foton dapat dilihat
pada Tabel 3.
Tabel 3. Data nilai perhitungan output radiasi foton
MQ Dw,Q(zref) Dw,Q(zmax) Deviasi
No Luas Lapangan
(nC/MU) cGy/MU cGy/MU (%)
1 (25 × 25) cm2 0,146 0,692 0,978 2,2
2 (30 × 30) cm 2
0,149 0,703 0,983 1,7
3 (35 × 35) cm 2
0,151 0,713 0,99 1
Berdasarkan Tabel 3 diperoleh nilai output yang semakin besar seiring bertambahnya luas lapangan,
hal tersebut berarti nilai output yang dihasilkan berbanding lurus dengan luas lapangan penyinaran.
Pada nilai MQ diperoleh untuk menghitung nilai output pada kedalaman (zref). Pada perhitungan
Dw,Q (zmax) dilakukan dengan menggunakan nilai PDD pada kedalaman 200 mm berdasarkan luas lapangan
penyinaran yang telah diukur oleh fisikawan medis di Rumah Sakit tersebut. Pada luas lapangan (25 × 25)
cm2, (30 × 30) cm2 dan (35 × 35) cm2 diperoleh nilai PDD 70,74 %, 71,48 %, dan 71,98 % sehingga diperoleh
nilai Dw,Q (zmax) yaitu 0,978 cGy/MU, 0,983 cGy/MU, dan 0,99 cGy/MU dengan nilai penyimpangan yang
dihasilkan adalah masing-masing 2,6 %, 2,2 %, 1,7 %, dan 1 %. Berdasarkan TRS 398 IAEA nilai output
157
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
berkas foton memiliki nilai 1cGy/MU, dengan penyimpangan ± 3 % maka hal tersebut masih sesuai dengan
batas toleransi TRS 398 IAEA sehingga LINAC yang digunakan masih aman untuk pasien.
4. KESIMPULAN
Berdasarkan analisis output radiasi foton diperoleh bahwa pada luas lapangan (25 × 25) cm2, (30 × 30) cm2
dan (35 × 35) cm2 memiliki nilai dosis yaitu 0,978 cGy/MU, 0,983 cGy/MU, dan 0,99 cGy/MU dengan nilai
deviasi 2,2 %, 1,7 % dan 1 %. Hal tersebut menunjukkan bahwa nilai deviasi yang diperoleh masih berada pada
batas toleransi TRS 398 IAEA yaitu ± 3 % sehingga LINAC aman digunakan untuk pemeriksaan radioterapi.
DAFTAR PUSTAKA
1. Bambang, H. S., Ika, Y. A., Hilmaniyya., S, D. A. (2020). Quality Assurance (QA) dan Quality Control
(QC) pada Instrumen Radioterapi Pesawat LINAC. Jurnal Biosans Pascasarjana 22(2): 73-80.
2. Nurhayati., Neng, N. M. (2020). Penerapan Radioterapi pada Pengobatan Kanker Payudara. Jurnal
Ilmiah Mahasiswa Pendidikan Fisika 1(2): 88-94.
3. Bagus, S. W. H., Dian, M. (2018). Verifikasi Luas Lapangan Radiasi penyinaran Linac Tipe Clinac
CX Terintegrasi Electronic Portal Imaging Device (EPID) Menggunakan Teknik IMRT Di RSP
Universitas Andalas. Jurnal Fisika Unand 7(4): 2302-8491.
4. Emma, L. D., Paul, E. Banwell., Timothy. EE. G. (2005). Radiotherapy and Wound Healing.
International Wound Journal 2(2): 112-127.
5. Nanang, S., Dian, M., Muhammad, A. J. K. (2020). Analisis Kurva Profile Dose Menggunakan
Lapangan Radiasi Elektron pada Pesawat LINAC Tipe Clinac-Cx di Rs Unand. Jurnal Fisika Unand
(JFU) 9(1): 73-78.
6. Mona, V., Dian, M. (2018). Analisis Keluaran Berkas Elektron Pesawat Terapi LINAC Tipe Varian
CX 6264 di Rumah Sakit Universitas Andalas. Jurnal Fisika Unand 7(2): 91-96.
7. Rahma, A. P., dkk. (2020). Analisis Kualitas Berkas Radiasi LINAC Untuk Effektivitas Radioterapi.
Jurnal Biosains Pascasarjana 22(1): 11-19.
8. Silamai, T. M. F., Giner, M., Suryasatriya, T., Mohammad, H. (2018). Analisis Efek Dosimetri dan
Jarak dari Penggabungan Lapangan Foton 6 MV dan Lapangan Elektron 8 MeV pada Terapi Ca
Mammae. Jurnal Fisika FLUX 15(2): 66-75.
9. Dian, M., Alimin, M., Mona, V. (2018). Analisis Keluaran Berkas Radiasi Sinar-X Pesawat Terapi
Linac Berdasarkan TRS 398 IAEA pada Fantom Air di Instalasi Radioterapi RS Universitas Andalas.
Jurnal Ilmu Fisika 10(2): 83-88.
10. Mona, V. (2018). Analisis Keluaran Berkas Radiasi Pesawat Terapi Linac Tipe Varian Cx 6264 Di Rs
Unand. Skripsi, Departemen Fisika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas
Padang, Padang.
11. Dian, M., Alimin, M., Vinny, A. (2018). Analisis Nilai Percentage Depth Dose (PDD) Terhadap
Variasi Kedalaman Target Dan Luas Lapangan Penyinaran Menggunakan Pesawat Linac-Cx.
Komunikasi Fisika Indonesia 15(02): 93-97.
12. Awan, P., Herty, A. S., Martha, R., Kerista, S., Nasruddin, N. (2018). Analysis of 6 MV Energy Quality File
Index using Percentage Depth Dose (PDD) and Tissue Phantom Ratio (TPR) Methods on Linac Siemens
and Electa. International Journal of Sciences: Basic and Applied Research (IJSBAR) 39(2): 10-14.
13. Alya, N., Dian, M., Mursiyatun. (2020). Analisis Perbandingan Dosis Keluaran Berkas Radiasi Pesawat
Co-60 Merek Theratron Phoenix Dari Perubahan Nilai Panjang Dan Lebar Persegi Panjang Pada Luas
Lapangan Yang Sama. Prosiding SNFA (Seminar Nasional Fisika dan Aplikasinya): 25-34.
14. TRS 398. (2000). Absorbed Dose Determination in External Beam Radiotheraphy. IAEA. Vienna:
Austria.
158
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
Abstrak
Modalitas radiologi diagnostik dan intervensional berupa CT-Scan semakin sering digunakan dalam
mendiagnosis tubuh manusia, sehingga dalam penggunaannya perlu dilakukan perhatian khusus terhadap
penggunaan dosis radiasi untuk proteksi dan keselamatan radiasi bagi pasien yang berupa optimisasi
dengan menentukan nilai Diagnostic Reference Level (DRL) Typical Value. Telah dilakukan pengolahan
data hasil pemeriksaan Head CT-Scan, Thorax, dan Abdomen pada pemeriksaan pasien dewasa dengan
menggunakan analisis deskriptif. Dari hasil pengolahan data tersebut, diperoleh nilai CTDIVol dan DLP
Typical Value masing-masing ialah Head CT-Scan adalah 35,33 mGy dan 935,03 mGy.cm, Thorax CT-
Scan adalah 6,42 mGy dan 225,88 mGy.cm, serta Abdomen CT-Scan adalah 6,44 mGy dan 311,46 mGy.
cm, sehingga nilai yang didapatkan tersebut tidak melebihi nilai Diagnostic Reference Level Nasional.
Kata Kunci: Abdomen, CT-Scan, DRL, Head, Thorax.
1. PENDAHULUAN
Peralatan medis berupa Computed Tomography Scanning (CT-Scan) saat ini memperoleh pengaruh
perkembangan yang pesat melalui kemampuannya mendeteksi anatomi tubuh dalam waktu yang
singkat1. CT-Scan merupakan salah satu modalitas radiodignostik pengion yang sering digunakan,
sehingga prinsip proteksi dan keselamatan radiasi penting untuk diterapkan sebagai perhatian khusus
dalam pemanfaatannya terhadap petugas, pasien, dan masyarakat. Prinsip proteksi dan keselamatan
radiasi yang dimaksud ialah berupa justifikasi penggunaan, optimisasi proteksi, serta limitasi dosis2.
Dalam kajian yang berfokus pada paparan medik dengan tujuan diagnostik bagi pasien, prinsip optimisasi
merupakan salah satu upaya yang tepat dengan mempertahankan dosis radiasi serendah mungkin dan
tetap memberikan citra yang baik untuk mendiagnosis penyakit.
Diagnostic Reference Level (DRL) merupakan suatu upaya dalam penerapan prinsip optimisasi yang
pada tahun 1990 yang telah diusulkan oleh Internasional Commision on Radiological Protection (ICRP) dan
merupakan suatu prosedur pencitraan yang digunakan sebagai pemantauan tingkat pemberian dosis3. DRL ini
berfungsi untuk menghindari adanya paparan radiasi yang tidak diperlukan oleh pasien selama menjalankan
prosedur diagnostik atau pada pemeriksaan dengan menggunakan modalitas CT-Scan2,4. Upaya tersebut
dapat dilakukan dengan pemanfaatan data dosis populasi pasien dengan jumlah yang telah direkomendasikan
secara nasional yang kemudian data tersebut menghasilkan nilai typical value sebagai acuan terhadap data
DRL Nasional atau I-DRL dalam mengetahui tingkat penggunaan dosis radiasi. Pentingnya upaya penentuan
nilai DRL tersebut dapat memberikan kesadaran dalam mengoptimalkan proteksi radiasi yang diperoleh oleh
pasien serta penggunaan dosis radiasi seminimal mungkin dan tetap memberikan hasil citra yang baik dalam
mendukung pembacaan diagnosis, dengan begitu keselamatan radiasi pada pasien menggunakan modalitas
radiologi diagnostik dan intervensional yang berupa CT-Scan dapat memiliki mutu yang baik2. Pada penelitian
ini, dilakukan penentuan nilai DRL Typical Value pada pemeriksaan umum pasien dewasa di RSUD Haji
Makassar dengan perbandingan terhadap nilai rekomendasi pada I-DRL atau DRL Nasional BAPETEN.
di rumah sakit berupa head, thorax, dan abdomen. Data yang diperoleh untuk diolah adalah jenis
pemeriksaan, usia, serta indikator dosis berupa nilai Dose Length Product (DLP) dan Volume Computed
Tomography Dose Index (CTDIVol), serta parameter akuisisi berupa nilai tegangan dan arus pada setiap
pemeriksaan pasien5. Pasien yang menjadi objek penelitian adalah pasien dewasa mulai pada umur 15-
80 tahun, yang selanjutnya dilakukan pemisahan pada data yang telah diperoleh menurut pengelompokan
jenis pemeriksaan. Pengolahan data dilakukan dengan menggunakan perangkat lunak pengolahan data
statistik IBM SPSS Statistic Ver.25. Nilai distribusi pada masing-masing indikator dosis berupa DLP dan
CTDIVol ditentukan pada nilai kuartil 1, kuartil 2 atau yang merupakan typical value dan kuartil 3. Hal
tersebut merupakan ukuran letak nilai dengan membagi data kelompok sesuai total kelompok kuartil6.
Hasil luaran yang diperoleh ialah berupa nilai DLP dan CTDIVol pada masing-masing kelompok kuartil,
di mana pada nilai typical value dibandingkan dengan nilai DRL Nasional yang dimiliki oleh BAPETEN.
Adapun salah satu contoh nilai DRL BAPETEN ditunjukkan pada Tabel 1.
Tabel 1. Nilai DRL Nasional Tahun 2019 pada Pemeriksaan Pasien Dewasa
Kategori Pasien Dewasa (Adult Patien, >15)
Jenis Pemeriksaan CTDIVol (mGy) DLP (mGy.cm)
CT Abdomen 19 1000
CT Chest 14 600
CT Head 59 1300
Hasil yang didapatkan nantinya akan dilakukan evaluasi terhadap setiap parameter akuisisi berupa
nilai tegangan dan arus yang dilakukan selama pemeriksaan, jika nilai DRL typical value yang didapatkan
melebihi nilai rekomendasi BAPETEN, dilakukan peninjauan penurunan penggunaan nilai tegangan
dan arus jika hal tersebut memungkinkan dan tidak merusak hasil citra yang nantinya digunakan dalam
mendiagnosis penyakit, namun jika nilai DRL typical value yang didapatkan lebih rendah dibandingkan
rekomendasi BAPETEN maka dapat dianggap bahwa penggunaan modalitas terhadap pasien selama
ini telah dilakukan secara baik dengan memperhatikan pemberian dosis radiasi kepada pasien dan
menghasilkan mutu citra yang baik. Adapun skema penelitian ditampilkan pada Gambar 1.
Gambar 3. Grafik Hubungan CTDIVol DRL Typical Value terhadap DRL Nasional
Gambar 3 memperlihatkan perbedaan terhadap Typical Value pada CTDIVol dari jenis pemeriksaan
kepala, thorax, dan abdomen terhadap nilai DRL Nasional 2019 hingga 2021 yang diperoleh melalui
BAPETEN dengan masing-masing nilainya ialah 35,33 mGy, 59 mGy, 55 mGy, dan 51,54 mGy pada
pemeriksaan kepala, dan diperoleh nilai sebesar 6,42 mGy, 14 mGy, 11 mGy, dan 9,90 mGy pada
pemeriksaan thorax, serta 6,44 mGy, 19 mGy, 14 mGy, dan 14,40 mGy pada pemeriksaan abdomen.
Nilai yang diperoleh tersebut menunjukkan bahwa pemeriksaan pada kepala memiliki nilai yang lebih
161
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
besar dibanding dengan pemeriksaan thorax dan abdomen. Hal tersebut disebabkan oleh kemungkinan
adanya pencitraan berulang yang dilakukan, adapun nilai pemeriksaan abdomen lebih besar dibandingkan
dengan pemeriksaan thorax disebabkan oleh faktor bobot jaringan di masing-masing organ, dan pada
organ abdomen memiliki total bobot jaringan yang lebih besar7,8.
Gambar 4. Grafik Hubungan DLP DRL Typical Value terhadap DRL Nasional
Adapun Gambar 4 memperlihatkan perbedaan Typical Value pada DLP dari jenis pemeriksaan
kepala, thorax, dan abdomen terhadap nilai DRL Nasional 2019 hingga 2021 dengan masing-masing
nilainya ialah 935,03 mGy.cm, 1300 mGy.cm, 1240 mGy.cm, dan 1128 mGy.cm pada pemeriksaan
kepala, dan diperoleh nilai sebesar 225,88 mGy.cm, 600 mGy.cm, 480 mGy.cm, dan 368 mGy.cm
pada pemeriksaan thorax, serta 311,46 mGy.cm, 1000 mGy.cm, 1250 mGy.cm, dan 780 mGy.cm pada
pemeriksaan abdomen.
Berdasarkan hasil penelitian yang didapatkan dan terhadap nilai data nasional secara keseluruhan
menunjukkan perbedaan dengan data penelitian dominan rendah terhadap nilai DRL Nasional sehingga
dikatakan bahwa data tersebut tidak melebihi batas rekomendasi nasional. Adapun, mengenai perbedaan
nilai CTDIVol dan DLP yang diperoleh pada masing-masing pemeriksaan disebabkan oleh adanya
perbedaan bobot jaringan yang miliki oleh masing-masing organ tersebut, di mana pada organ dengan
bobot jaringan terbesar ialah pada pemeriksaan organ abdomen. Data yang diperoleh menunjukkan
nilai indikator dosis CTDIVol dan DLP pemeriksaan kepala yang lebih besar. Hal ini diakibatkan oleh
beberapa faktor diantaranya ialah pengaruh dari tingkat penyerapan radiasi, dimana pada pemeriksaan
kepala terdapat tulang yang dapat menyerap lebih banyak radiasi, serta adanya pengaruh penggunaan
arus dan tegangan yang besar dan disebabkan oleh proses pengulangan pencitraan yang sering terjadi
pada pemeriksaan tersebut.
Adapun analisis yang dilakukan terhadap data tahunan DRL Nasional bahwa setiap tahunnya
mengalami penurunan penggunaan dosis radiasi pada nilai CTDIVol dan DLP di pemeriksaan kepala
dan thorax, sedangkan pada pemeriksaan abdomen sempat mengalami sedikit kenaikan nilai CTDIVol
pada tahun 2021 dan kenaikan yang cukup drastis pada nilai DLP tahun 2020 dengan perbedaan 250
mGy.cm. Hal ini mungkin disebabkan oleh beberapa hal diantaranya, keperluan pemeriksaan dengan
hasil pembacaan diagnosis yang diperlukan, penggunaan akuisisi arus dan tegangan yang berlebih dan
dilakukan secara otomatis tanpa penurunan nilai yang memungkinkan tetap memberikan hasil yang
baik. Hal ini biasa terjadi pada usia yang lebih rendah namun tetap menggunakan akusisi arus dan
tegangan yang besar. Dalam hal penelitian yang diperoleh dianggap telah menghasilkan keseluruhan
typical value yang baik sebab tidak melebihi data DRL Nasional, maka sebaran penggunaan tegangan
dan arus pada seluruh pemeriksaan diperlihatkan pada Tabel 4.
162
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
Tabel 4. Parameter Akuisisi Arus terhadap Usia Pasien dengan Tegangan 120 kV
Umur Pasien Arus Head Umur Pasien Arus Thorax Umur Pasien Arus Abdomen
Head (Thn) (mA) Thorax (Thn) (mA) Abdomen (Thn) (mA)
15 125 15 100 15 116
17 125 17 100 18 100
25 130 19 100 23 70
27 125 20 100 26 124
28 125 30 100 28 157
34 125 31 100 36 65
43 125 31 200 39 169
48 130 35 142 39 193
49 125 41 151 49 98
51 125 43 100 49 110
53 125 57 100 50 146
54 125 61 100 50 180
59 125 63 100 53 129
62 125 63 131 55 85
62 125 65 100 62 182
64 125 65 100 63 101
66 125 71 100 63 124
75 125 72 100 66 72
79 125 72 100 75 200
80 125 80 100 80 84
Tabel 3 memperlihatkan bahwa penggunaan arus pada pemeriksaan kepala dominan pada nilai 125 -
130 mA, pada pemeriksaan thorax berkisar antara 100-200 mA, dan pada pemeriksaan abdomen berada
di antara70 - 200 mA. Dari sebaran yang diperoleh diketahui bahwa tidak ada hubungan pemberian
arus terhadap usia pasien yang memengaruhi typical value sebab terdapat pada pemeriksaan kepala
penggunaan arus yang lebih besar berada di usia 25 tahun, pada pemeriksaan thorax dengan arus
terbesar 31 tahun, dan pada pemeriksaan abdomen dengan arus terbesar berada pada usia 75 tahun.
Tidak adanya pengaruh usia terhadap penggunaan arus yang memengaruhi typical value diakibatkan
oleh jumlah populasi pasien yang berada pada jumlah minimal, sehingga walau dengan ketidakstabilan
pemberian arus akan tetap menghasilkan nilai typical value yang baik dengan tetap berada di bawah
batas rekomendasi. Hal pendukung lainnya ialah dengan penggunaan tegangan yang konstan berada
pada nilai 120 kV. Sehingga, pada pencitraan pasien yang lebih banyak, tetap perlu diperhatikan dalam
pengaturan arus dan tegangan, untuk menghindari dosis radiasi yang akan melebihi rekomendasi.
Adapun penggunaan arus yang besar terdapat pada pemeriksaan kepala, hal tersebutlah yang
menjadikan nilai CTDIVol dan DLP pada pemeriksaan tersebut lebih besar dibanding pemeriksaan
lainnya, sebab ketika kuat arus meningkat maka nilai CTDIVol dan DLP akan ikut meningkat9. Variasi
pada kuat arus ini hanya berkaitan dengan kuantitas sinar-X dan tidak mempengaruhi kualitas, karena
panjang gelombang tidak berubah seiring perubahan kuat arus10. Dari hasil pembasahan sebelumnya
menujukkan bahwa perlu dilakukan pendataan dosis pasien dengan jumlah yang lebih banyak sehingga
memperoleh data yang lebih akurat terhadap nilai DRL Nasional yang nantinya dijadikan sebagai
acuan dalam pemberian ketepatan dosis radiasi ke depannya. Pemantauan dosis radiasi sebagai upaya
optimisasi ini juga diharapkan agar setiap Rumah Sakit memperhatikan pendataannya terhadap pasien
dan adanya pelaporan kepada BAPETEN, sehingga mendukung keakuratan nilai DRL Nasional.
163
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
4. KESIMPULAN
Berdasarkan analisis hasil pada pemeriksaan Head CT-Scan, Thorax, dan Abdomen pada bulan Maret
2022, pemeriksaan pasien dewasa diperoleh Typical Value CTDIVol dan DLP di RSUD Haji Makassar
masing-masing ialah Head CT-Scan adalah 35,33 mGy dan 935,03 mGy.cm, Thorax CT-Scan adalah
6,42 mGy dan 225,88 mGy.cm, serta Abdomen CT-Scan adalah 6,44 mGy dan 311,46 mGy.cm. Nilai
CTDIVol dan DLP yang diterbitkan sebagai nilai DRL Nasional ialah berturut-turut Head CT-Scan adalah
35,33 mGy dan 935,03 mGy.cm, Thorax CT-Scan adalah 6,42 mGy dan 225,88 mGy.cm, serta Abdomen
CT-Scan adalah 6,44 mGy dan 311,46 mGy.cm. DRL Typical Value berdasarkan penelitian di RSUD
Haji Makassar, didapatkan lebih rendah dibandingkan dengan data tahunan DRL Nasional yang dimiliki
oleh BAPETEN, dan dari hasil perbandingan tersebut diketahui pasien yang melakukan pemeriksaan
CT-Scan memperoleh dosis radiasi yang baik dalam proteksi dan keselamatan radiasi.
DAFTAR PUSTAKA
1. Latifah, R et al. (2019). Determination of Local Diagnostic Reference Level (LDRL) Pediatric
Patients On Ct Head Examination Based On Size-Specific Dose Estimates (SSDE) Values. Journal
of Vocational Health Studies: Vol.2, No.3:127-128.
2. Kunarsih, E., Sudradjat., dan Pratama, I. B. G. P. (2021). Pedoman Teknis Penerapan Tingkat
Panduan Diagostik Indonesia (Indonesian Diagnostic Reference Level). BAPETEN.
3. Clerkin, C., Brennan, S., dan Muallaney, L, M. (2018). Establishment of National Diagnostic
Reference Levels (DRLs) for Radiotherapy Localisation Computer Tomography of the Head and
Neck. Reports of Practical Oncology & Radiotherapy:Vol.23, No.5:408.
4. Razali, M. A. S. M et al. (2019). Optimization Of Radiation Dose In Ct Imaging: Establishing
The Institutional Diagnostic Reference Levels And Patient Dose Auditing. Radiation Protection
Dosimetry: Vol.188, No.22:1-8.
5. Roch, P., Celier,D., Dessaud, C., dan Etard, C. (2018). Using Diagnostic Reference Levels to
Evaluate The Improvement of Patient Dose Optimisation and The Influence of Recent Technologies
in Radiography and Computed Tomography. European Journal of Radiology: Vol.98, hal:68.
6. Pratikno, A., S.., Prastiwi, A., A., dan Ramahwati., S. (2020). Kuartil, Desil, dan Presentil serta Cara
Menghitungnya dalam Dsitribusi Frekuensi. OSF Preprints:Vol.23, No.3.
7. Siregar, E. S. B., Sutapa, G. N., dan Sudarsana, I. W. B. (2020). Analysis of Radiation Dose of
Patients on CT Scan Examination using Si-INTAN Application. Buletin Fisika: Vol.21, No.2:58.
8. Rusmanto dan Syafitri, I. (2019). Pedoman Teknis Penyusunan Tingkat Panduan Diagnostik Atau
Diagnostic Reference Level (DRL) Nasional. BAPETEN.
9. Jannah, D., H., L. (2017). Analisis Pengaruh Arus Terhadap Nilai CTDI, DLP, serta Dosis Efektif
pada Pemeriksaan CT Scan Kepala. Semantic Scholar.
10. Herlinda, S., Fitriyani, D., dan Marzuki. (2019). Analisis Pengaruh Kuat Arus dan Tegangan
Terhadap Kualitas Citra Computed Tomography (CT) Scan Siemens Perspective di RSUP Dr. M.
Djamil Padang. POSITRON:Vol. 9, No. 1:42.
164
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
Abstrak
Telah dilakukan penelitian mengenai analisis keseragaman distribusi dosis berdasarkan Dose Volume
Histogram (DVH) pada radioterapi kanker serviks di Rumah Sakit Pendidikan Universitas Hasanuddin.
Penelitian ini bertujuan untuk mengetahui keseragaman distribusi dosis pada perencanaan radioterapi
pasien kanker serviks sesuai dengan ketetapan International Commission on Radiation Units and
Measurements (ICRU) 83. Teknik 3D-CRT dengan jumlah lapangan penyinaran berbeda dibandingkan
berdasarkan nilai Homogeneity Index (HI). Jumlah lapangan penyinaran yang digunakan yaitu 4 dan 8
lapangan penyinaran. Perhtungan nilai HI menggunakan Dosis yang mencakup 2%,50%, 98% volume
PTV (Gy). Dosis radiasi diperoleh dari Dose Volume Histogram (DVH) pada Treat Planning System
(TPS). Pada hasil penelitian, diperoleh 8 lapangan penyinaran mempunyai nilai rata rata HI yang lebih
rendah yaitu 0,0627. Hal ini masih memenuhi standar yang ditetapkan oleh International Commission
on Radiation Units and Measurements (ICRU) Report 83 yaitu nol.
Kata Kunci- 3D-CRT, Homogeneity Index,Kanker Serviks.
1. PENDAHULUAN
Kanker merupakan salah satu masalah kesehatan bagi masyarakat di seluruh dunia[1]. Berdasarkan
penelitian, sebanyak 50% pasien meninggal karena kanker[2]. Salah satu jenis kanker adalah kanker
serviks[3,4,5]. Kanker serviks adalah kanker paling umum yang menyerang wanita pada rentang usia 30-
65 tahun[3,4]. Berdasarkan analisis di seluruh dunia, kanker serviks menyerang 570.000 orang setiap
tahunnya dengan jumlah kematian 311.000 orang[4,5].
Radioterapi merupakan salah satu cara untuk mengobati kanker yang menggunakan radiasi pengion[6].
Metode radioterapi ada dua, yaitu brachytherapy dan teleterapi[6]. Metode yang umum digunakan adalah
teleterapi[6]. Metode teleterapi biasanya menggunakan pesawat terapi Linear Accelerator (LINAC)
dengan energi radiasi elektron (4, 6, 9, 12, 15, dan 18) MeV dan radiasi foton 6 dan 10 MV[6]. Tujuan
utama dari proses radioterapi adalah membunuh sel-sel kanker dengan menggunakan radiasi pengion
sambil meminimalisir radiasi ke Organ at Risk (OAR) yaitu organ sehat di sekitar kanker[7].
Kemajuan radioterapi modern muncul dengan berkembangnya teknik radioterapi konformal seperti
Three-Dimensional Conformal Radiation Therapy (3D-CRT)[8,9,10]. 3D-CRT adalah teknik radioterapi
yang menyesuaikan distribusi dosis radiasi dengan bentuk volume target secara tepat[9,11]. Teknik ini
menggunakan lapangan radiasi yang tidak beraturan sesuai bentuk kanker dan intensitas radiasi yang
seragam pada setiap arah lapangan[6].Hal ini dapat meningkatkan kontrol target kanker dan meminimalisir
radiasi yang mengenai OAR[9,11]. Dalam radioterapi dilakukan suatu perencanaan penyinaran yang disebut
dengan Treatment Planning System (TPS)[12]. TPS dilakukan dengan menentukan target penyinaran,
volume target, sudut penyinaran, distribusi dosis pada kanker, serta banyak lapangan penyinaran[12].
Informasi distribusi dosis serta volume target ditampilkan dalam bentuk Dose Volume Histogram (DVH)
[2]
. DVH dapat digunakan untuk mengevaluasi rencana penyinaran[2,10].
Telah dilakukan penelitian yang menganalisis distribusi dosis penyinaran pada pengobatan kanker
165
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
payudara dengan menentukan keseragaman dosis. Penelitian ini dilakukan dengan membandingkan
teknik penyinaran 3D Conformal Radiotherapy (3D-CRT), Volumetric Modulated Arc Therapy
(VMAT), Tomotherapy (TOMO) and Intensity Modulated Proton Therapy (IMPT). Hasil penelitian
menunjukkan TOMO memiliki keseragaman distribusi dosis terbaik[10]. Telah dilakukan juga penelitian
yang menganalisis distribusi dosis pada pengobatan kanker serviks. Penelitian ini dilakukan dengan
membandingkan teknik penyinaran 3D-CRT dan Intensity Modulated Radiotherapy (IMRT). Hasil
penelitian menunjukkan kedua teknik ini memiliki keseragaman distribusi dosis yang baik[13].
Penelitian selanjutnya adalah membandingkan teknik penyinaran 3D-CRT berdasarkan jumlah
lapangan penyinaran. Perencanaan radioterapi menggunakan TPS Eclipse. Analisis keseragaman dosis
dilakukan dengan menentukan nilai Homogeneity Index (HI) yang diperoleh dari DVH setiap pasien
kanker serviks. Standar untuk nilai HI yang ideal yaitu 0. Hal ini sesuai dengan ketetapan International
Commission on Radiation Units and Measurements (ICRU) Report 83 tahun 2010.
bagian dari serviks selain bagian kanker juga terkena paparan radiasi walaupun dengan dosis yang lebih
rendah dari target kanker. Garis berwarna biru pada DVH merupakan Planning Target Volume (PTV) yaitu
volume target pada perencanaan. Dosis pada daerah PTV lebih besar dari boddy dengan mempertimbangkan
dosis yang diberikan mampu membunuh kanker dan jaringan di sekitar kanker yang bisa berpotensi menjadi
kanker kembali. Garis berwarna orange merupakan Clinical Target Volume (CTV) merupakan jaringan
yang berisi GTV atau penyakit ganas mikroskopis sub-klinis yang harus dihilangkan. Garis berwarna merah
merupakan Gross Tumor Volume (GTV) merupakan besar dan lokasi tumor ganas yang terlihat. Dosis pada
CTV dan GTV lebih besar dari PTV karena merupakan kanker yang harus dihilangkan
3.2 Nilai Homogeneity Index berdasarkan Volume PTV
Sampel menggunakan sepuluh data pasien kanker serviks yang telah melakukan radioterapi. Setiap
pasien kanker serviks mempunyai data DVH. Data nilai dosis PTV pada DVH selanjutnya digunakan
untuk menghitung nilai Homogeneity Index menggunakan persamaan (1.1). Tabel 3.1 menyajikan nilai
rata-rata HI berdasarkan besarnya volume PTV atau volume target penyinaran radioterapi. Volume PTV
yang digunakan sebagai sampel mempunyai ukuran dari (800-1800) cm3.
Tabel 3.1 Pengaruh Volume PTV Terhadap Nilai HI
Volume PTV (cm3) Rata-rata Homogeneity Index (HI)
800-1000 0,088
1001-1200 0,065
1201-1400 0,065
1401-1600 0,064
1601-1800 0,061
Volume PTV setiap pasien kanker serviks berbeda ukurannya. Hal ini dikarenakan ukuran kanker
yang berbeda. Perbedaan volume PTV tentunya akan memengaruhi dosis yang akan diberikan ke
setiap pasien. Dosis radiasi yang diberikan kepasien kanker serviks bergantung kepada ukuran, bentuk,
dan posisi kanker. Karena besar dosis yang diberikan berbeda, tentunya akan berpengaruh terhadap
keseragaman dosis atau Homogeneity Index (HI)[2]. Rata-rata nilai HI yang paling rendah adalah 0,061
dengan volume PTV (1601-1800) cm3 dan yang paling tinggi adalah 0,088 dengan volume PTV (800-
1000) cm3. Perbedaan nilai HI ini dikarenakan besarnya dosis yang didistribusikan berbeda[8].
3.3 Nilai Homogeneity Index berdasarkan Jumlah Lapangan Penyinaran
Nilai Homogeneity Index dari setiap pasien selanjutnya dibandingkan berdasarkan jumlah lapangan
penyinaran radioterapi. Hal ini dilakukan untuk mengetahui apakah ada pengaruh jumlah lapangan
penyinaran radioterapi terhadap nilai HI. Lapangan penyinaran pada radioterapi merupakan bidang yang
akan disinari oleh radiasi pengion. Lapangan penyinaran dapat berbeda jumlahnya untuk setiap kasus
kanker yang akan melakukan radioterapi. Hal ini bergantung pada posisi dan bentuk kanker itu sendiri.
Setiap lapangan atau bidang penyinaran dilakukan penyinaran dari sudut yang berbeda.
Sampel yang digunakan berjumlah sepuluh pasien kanker serviks. Lima pasien diberikan radioterapi
dengan 4 lapangan penyinaran dan lima pasien diberikan radioterapi dengan 8 lapangan penyinaran.
Sudut penyinaran yang digunakan untuk semua pasien dengan 4 lapangan penyinaran yaitu: 0°, 90°,180°
dan 270°. Sudut penyinaran yang digunakan untuk semua pasien dengan 8 lapangan penyinaran yaitu
0°, 45°, 90°,135°, 180°, 225°, 270° dan 315°.
Gambar 3.2 menyajikan nilai HI berdasarkan jumlah lapangan penyinarannya. Garis berwarna cokelat
muda menunjukkan nilai HI dari lima pasien kanker serviks yang diberikan 4 lapangan penyinaran. Garis
berwana cokelat tua menunjukkan nilai HI dari lima pasien kanker serviks yang diberikan 8 lapangan
penyinaran. Nilai HI untuk 4 lapangan penyinaran adalah (0,0893; 0,0883; 0,0877; 0,0725; 0,068).
Nilai HI untuk 8 lapangan penyinaran adalah (0, 0,0716; 0,0715; 0,0601; 0,06; 0,0505). Mengacu
pada ketetapan International Commission on Radiation Units and Measurements (ICRU) Report 83
yang menetapkan nilai ideal untuk Homogeneity Index untuk teknik penyinaran 3D-CRT adalah 0[14].
Nilai Homogeneity Index 0 menandakan dosis yang disinari ke target kanker itu homogen atau merata.
Begitu juga sebaliknya, apabila nilai HI yang didapat melebihi 0, artinya dosis yang mengenai target
kanker tidak seragam. Hasil penelitian ini menunjukkan bahwa penyinaran radioterapi di Rumah Sakit
Pendidikan Universitas Hasanuddin masih memenuhi standar yang ditetapkan ICRU Report 83. Nilai
tersebut tidak menyimpang jauh dari keseragaman dosis yang ideal yaitu 0.
Nilai HI berdasarkan setiap lapangan penyinaran selanjutnya dirata-ratakan untuk melihat
perbandingan nilai secara keseluruhan. Rata-rata nilai HI secara berurut adalah 0,0811 (4 lapangan
penyinaran) dan 0,0627 (8 lapangan penyinaran). Jumlah lapangan penyinaran yang memiliki nilai HI
paling rendah adalah 8 lapangan penyinaran. Hal ini menunjukkan bahwa dengan bertambahnya jumlah
lapangan penyinaran memiliki keseragaman dosis yang baik atau tepat mengenai target kanker dan tidak
terhambur[5].
4. KESIMPULAN
Volume PTV setiap pasien kanker serviks berbeda ukurannya. Hal ini dikarenakan ukuran kanker
yang berbeda. Perbedaan volume PTV mempengaruhi keseragaman distribusi dosis (HI). Hal ini dapat
dilihat dari rata-rata nilai HI yang paling rendah adalah 0,061 dengan volume PTV (1601-1800) cm3
dan yang paling tinggi adalah 0,088 dengan volume PTV (800-1000) cm3. Lapangan penyinaran juga
memengaruhi nilai Homogeneity Index (HI) pada radioterapi kanker serviks. Nilai rata-rata HI untuk
(4 dan 8) lapangan penyinaran secara berurut adalah 0,0811 dan 0,0627. Hal ini menunjukkan bahwa
dengan bertambahnya jumlah lapangan penyinaran maka akan diperoleh keseragaman distribusi dosis
yang baik.
UCAPAN TERIMAKASIH
Terima kasih kepada Direktur Utama Rumah Sakit Pendidikan Universitas Hasanuddin, Instalasi
dan Staff Radioterapi Rumah Sakit Pendidikan Universitas Hasanuddin yang telah menyediakan sarana
dan prasarana sehingga penelitian ini dapat terlaksanakan dengan baik, serta semua pihak yang telah
membantu kelancaran penelitian ini.
DAFTAR PUSTAKA
1. Bray F., Laversanne M., Weiderpass E., Soerjomataram I., 2021. The ever-increasing importance of
cancer as a leading cause of premature death worldwide. Cancer. 127(16):3029- 3030.
2. Tai D. T., Oanh L. T., Phuong P. H., Sulieman A., Abolaban F. A., Omer H., Chow J. C. L., 2022.
Dosimetric and radiobiological comparison in head and neck radiotherapy using JO-IMRT and
3D-CRT. Saudi Journal of Biological Sciences. 103336.
3. Liu Z., Liu X., Guan H., Zhen H., Sun Y., Chen Q., Chen Y., Wang S., Qiu J., 2020. Development
and validation of a deep learning algorithm for auto-delineation of clinical target volume and organs
at risk in cervical cancer radiotherapy. Radiotherapy and Oncology. 153: 172-179.
4. Desta A. A., Endale Z. M., Aklil M. B., 2022. Cervical cancer screening utilization and associated
168
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
factors among women of 30–65 years in Girar Jarsoo district North shoa, Ethiopia, 2021. Clinical
Epidemiology and Global Health. 15 : 101048.
5. Zhao X., Liu X., Chen D., He Y., 2022. Extended-field radiotherapy bowel sparing for cervical
cancer after surgical staging: Intensity-modulated radiation therapy versus helical tomotherapy.
Journal of Radiation Research and Applied Sciences. 15 : 163-169.
6. Febrietri O., Milvita D., Diyona F., 2020. Analisis Dosis Radiasi Paru-Paru Pasien Kanker Payudara
dengan Teknik Three-Dimensional Conformal Radiation Therapy (3D-CRT) Berdasarkan Grafik
Dose Volume Histogram (DVH). Jurnal Fisika Unand. 9(1) : 110–117.
7. Siddiquea A., Chow J. C. L., 2020. Artificial intelligence in radiotherapy. Reports of Practical
Oncology and Radiotherapy. 25 : 656–666.
8. Mahmoudi L.,Mostafanezhad K., Zeinali A., 2022. Performance evaluation of a Monte Carlo-based
treatment planning system in out-of-field dose estimation during dynamic IMRT with different dose
rates. Informatics in Medicine Unlocked. 29 : 100912.
9. Dawod T., Omar R., 2015. Assessment of brain dose distribution for ARC and conformal radiation
therapy (CRT): A comparison study. Journal of Radiation Research and Applied Sciences. 8 : 55-60.
10. Lee H. L., Lim L. H., Master Z., Wong S. M. M., 2020. The role of breath hold intensity modulated
proton therapy for a case of left-sided breast cancer with IMN involvement. How protons compare
with other conformal techniques?. Technical Innovations & Patient Support in Radiation Oncology.
15 : 1-5.
11. Khan M. I., Rehman J. U., Afzal M., Chow J. C. L., 2022. Comparison of plan dosimetry on multi-
targeted lung radiotherapy: A phantom-based computational study using IMRT and VMAT. Nuclear
Engineering and Technology. 10 : 1016.
12. Krim D. E., Rrhioua A., Zerfaoui M., Bakari D., Oulhouq Y., Hanouf N., 2021. Dosimetric
comparison of three-field and four-field 3D conformal radiation therapy ballistics for rectal cancer
treatment. Materials Today: Proceedings. 2 : 623.
13. Effina A., Milvita D., Ilyas M. 2022. Distribusi Dosis Radiasi Foton Pada Treatment Planning System
Menggunakan Teknik 3D-CRT dan IMRT untuk Terapi Kanker Serviks. Jurnal Fisika Unand. 11(1):
126 – 130.
14. The International Commission on Radiation Units and Measurements (ICRU) Report 83.
169
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
Abstrak
Coronavirus Disease (Covid-19) disebabkan oleh virus Severe Acute Respiratory Syndrome
Coronavirus-2 (SARS-CoV-2) yang menginfeksi saluran pernapasan. Covid-19 memiliki tingkat
penularan yang tinggi dan menjadi pandemik dalam kurun waktu yang singkat. Proses penanganan
yang lamban akan mengakibatkan komplikasi hingga kematian. Data mining mampu mengidentifikasi
Covid-19 dengan mudah dan membantu para dokter dalam mendiagnosa penderita Covid-19 . Pada
penelitian ini, digunakan data latih dan data uji berupa citra digital Chest CT-Scan untuk kondisi
positif Covid-19 dan non-covid-19 dengan esktarksi fitur Gray-Level Co-occurrence Matrix (GLCM).
Pengklasifikasi dilakukan dengan 3 (tiga) algoritma, yaitu Artificial Neural Network (ANN), Random
Forest (RF), dan Decision Trees (DTs). Nilai akurasi pada dataset dengan 90 citra chest CT-Scan
menggunakan pengklasifikasi ANN memperoleh 91,11%, RF dan DTs memperoleh 94,44%.
Kata Kunci: Deteksi Covid-19, GLCM, Artificial Neural Network, Random Forest, dan Decision Trees.
1. PENDAHULUAN
Pada akhir Februari 2003 di Cina, penduduk Guangdong terinfeksi virus Severe Acute Respiratory
Syndrome (SARS). Kemudian, muncul virus baru di penghujung 2019 dengan subkelompok yang sama;
beta Coronavirus–menewaskan ratusan nyawa dan menyebar ke seluruh dunia dengan pesat1,2. Pada 12
Februari 2020, World Health Organization (WHO) resmi menyatakan penyakit ini dengan sebutan Corona
Virus Disease 2019 (Covid-19)3,4. Data statistik dari Center for Systems Science and Engineering (CSSE)
di Johns Hopkins University (JHU) menunjukkan total kasus terkonfirmasi di seluruh dunia sebanyak
388.048.849 dan 5.712.849 kasus meninggal per 4 Februari 2022. Kasus baru terus terjadi sebab Covid-19
dapat ditularkan dari manusia ke manusia melalui tetesan berukuran mikron dari hidung dan/atau mulut.
Virus ini memengaruhi saluran pernafasan dan menimbulkan lapisan luka pada thorax. Tingkat keparahan
yang tinggi dapat menyebabkan pneumonia, sindrom pernafasan akut, dan kematian5,6.
Mengetahui seorang terinfeksi Covid-19 secara efektif merupakan masalah yang tengah dihadapi
saat ini. Tes antibodi dan antigen, seperti Polymerase Chain Reaction (PCR) sebagai alat pendeteksi,
membutuhkan waktu yang lama sehingga tidak memadai dengan jumlah penderitanya7. Sedangkan
untuk mengidentifikasi bentuk atau infeksi yang ditimbulkan oleh Covid-19 perlu dilakukan scan atau
pencitraan dengan menggunakan Computed Tomography (CT-Scan)8,9. Berdasarkan kajian literatur10,
citra thorax CT-Scan pasien Covid-19 menunjukkan air bronchogram, konsolidasi, dan ground-glass
opacities (GGO) sebagai indikasi kerusakan thorax. Namun, ahli radiologi dalam mengamati citra
thorax pada penderita Covid-19 masih bersifat subjektif, sehingga hasil analisisnya masih bias karena
dipengaruhi oleh pengalaman pengamat itu sendiri11. Untuk itu, diperlukan model identifikasi otomatis
saat menggunakan pencitraan CT-Scan penderita Covid-19 yang akan mengurangi keterlibatan manual.
Proses deteksi citra CT-Scan dapat diidentifikasi berdasarkan warna, tekstur, dan ciri lainnya.
Beberapa paper telah menunjukkan penelitian dengan berbagai metode. Seperti yang dilakukan oleh Tri
Deviasari Wulan dan rekannya12, memperoleh akurasi sebesar 85% pada 60 citra chest CT-scan dengan
fitur GLCM dan klasifikasi Probabilistic Neural Network (PNN) untuk membedakan nodule dan bukan
nodul paru-paru. Peningkatan nilai akurasi dilakukan oleh Nilanjan Dey13, dkk menggunakan Random-
Forest (RF) dengan performa 87%, menggunakan fitur Hu Moments, CWT, DWT, EWT, dan haralick
(GLCM) untuk mencari informasi data Covid-19. Selanjutnya, Fitriyasari14 menghasilkan akurasi sistem
170
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
sebesar 87,8% pada 205 citra X-ray dengan machine learning sederhana–jaringan syaraf tiruan yang
dikombinasikan dengan teknik pengolahan citra digital.
Penelitian sebelumnya menunjukkan bahwa proses chest CT-Scan memerlukan proses tambahan,
yaitu pemrosesan citra digital agar informasi terkait deteksi Covid-19 terhadap paru-paru yang terpapar
lebih mudah dideteksi dan pastinya pemilihan ektraksi fitur dan ciri yang tepat akan meningkatkan
performa dari deteksi Covid-19. Berdasarkan paparan yang telah dijelaskan di atas, maka peneliti
melakukan pengklasifikasian data citra chest CT-Scan untuk mengidentifikasi penyakit Covid-19
dengan menggunakan ekstraksi fitur GLCM dengan metode klasifikasi Artificial Neural Network
(ANN), Random Forest (RF), dan Decision Trees (DTs). Penelitian ini dilakukan dengan harapan
mampu mengidentifikasi Covid-19 berdasarkan data chest CT-Scan, sehingga hasil dari klasifikasi dapat
bermanfaat dan membantu tenaga medis untuk mengklasifikasi antara pasien yang terinfeksi Covid-19
dan non-Covid-19.
(a) (b)
Gambar 1 (a) Citra chest CT-Scan non covid dan (b) covid
PRE-PROCESSING
Pertama, dilakukan resize, mengubah ukuran awal dari citra. menjadi 224 × 224. Langkah
selanjutnya, edge-aware local contrast untuk meningkatkan kontras lokal dari grayscale atau gambar
RGB. Tahap awal, citra grayscale diberikan fungsi edgeThreshold yang mendefinisikan amplitudo
intensitas minimum dari tepi untuk dibiarkan utuh dalam kisaran 0-1, jika nilai mendekati 0 citra akan
mendekati gambar aslinya, sedangkan jika mendekati nilai 1 citra akan meningkatkan intensitas contrast
dari gambar tersebut. Tahap akhir, mengatur parameter nilai edgeThreshold untuk menyesuaikan tingkat
kontras yang diinginkan. Penelitian ini menggunakan edgeThreshold 0.9 untuk meningkatkan kualitas
kontras dari citra, sedangkan jika edgeThreshold diberikan nilai 1 proses pre-processing mengalami
error mengakibatkan citra tidak dapat ditingkatkan kualitasnya. Dalam proses ini diperlukan untuk
melihat lebih jelas bagian daerah mana yang telah terpapar oleh Covid-1915.
SEGMENTASI CITRA
Menggunakan active contour–model kurva tertutup yang bergerak melebar ataupun menyempit
dengan cara meminimumkan energi citra eksternal dan juga dipengaruhi garis ataupun tepi (edge). Tahap
awal, pada proses active contour citra dibutuhkan iterasi nilai n yang digunakan untuk menginisialisasikan
bagian paru-paru foreground pada proses segmentasi dan merupakan titik terkendali yang berurutan satu
sama lainnya, dengan nilai n yang digunakan sebesar 500 karena untuk memilih paru-paru foreground
yang utuh, sedangkan jika nilai n di bawah 500 paru-paru tidak semuanya terpilih sebagai foreground.
Tahap akhir, memisahkan bagian foreground dan background pada paru-paru dengan menggunakan
171
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
metode active contour. Dengan active contour bagian dari paru-paru dipilih sebagai foreground yang
telah diminimumkan energi citranya dengan model kurva tertutup, sedangkan bagian yang tidak terpilih
merupakan bagian background dari paru-paru. Dengan segmentasi ini, citra keabuaan akan diubah
menjadi citra biner sehingga akan diketahui daerah yang merupakan objek foreground dan background15.
EKSTRAKSI FITUR
Hasil citra segmentasi diekstraksi dengan fitur GLCM pada orientasi arah 0° dengan tahap15:
a. Mengambil matriks citra biner dengan foreground paru chest CT- Scan.
b. Menghitung kemunculan jumlah matriks yang sama.
c. Menjumlahkan matriks GLCM dengan tranposenya untuk menjadikannya simetris.
d. Normalisasi matriks dengan mengubah nilai matriks menjadi nilai statistik.
e. Menghitung fitur-fitur GLCM, yakni ASM or energy, contrast, homogeneity, correlation dan,
dissimilarity, berikut persamaannya:
1) Energi (Energy)/Angular Second Moment/Uniformity
Energi digunakan untuk menentukan intensitas keabuan dengan ukuran konsentrasi pasangan
tertentu.
ASM = / i,j = 0 Pi2,j (1)
levels - 1
1 + _i - j i
2
4) Korelasi (Correlation)
Korelasi merupakan perhitungan untuk memberikan petunjuk struktur linier dalam citra dengan
menunjukkan ketergantungan linier derajat keabuan.
_i - ni i` j - n j j
Correlation = / i,j = 0 Pi,j (5)
levels - 1
v1 vi
5) Ketidakmiripan (Dissimilarity)
Mengukur ketidakmiripan suatu tekstur, yang akan bernilai besar bila acak dan sebaliknya akan
bernilai kecil bila seragam.
Dissimilarity = / i,j = 0 Pi,j i - j (6)
levels - 1
KLASIFIKASI
Terdapat dua kelas yang digunakan dalam proses klasifikasi, yaitu non-covid dan covid. Proses
ini menggunakan bantuan aplikasi Rapidminer untuk mempermudah pengklasifikasian ciri fitur yang
digunakan. Tahap Pertama, input data Rapidminer adalah data excel yang berisi nilai ekstraksi fitur
yang telah dikategorikan kelas 0 untuk non-covid dan 1 untuk covid. Tahap kedua, nilai ekstraksi
tesebut dinormalisasi untuk mengubah skala nilai atribut agar sesuai dalam rentang tertentu. Pada proses
ini digunakan normalisasi proportion range, di mana setiap nilai atribut dinormalisasi sebagai proporsi
dari jumlah total atribut masing-masing, yaitu nilai atribut dibagi dengan jumlah total nilai atribut.
Tahap ketiga, data yang telah dinormalisasi selanjutnya dipisahkan menjadi data testing dan data
training menggunakan operator cross-validation untuk memperkirakan kinerja statistik dari data yang
digunakan. Tahap keempat, data testing dan training digabungkan untuk diklasifikasi menggunakan
classifer Artificial Neural Network (ANN), Random Forest (RF), dan Decision Trees (DTs). Tahap
terakhir, dari classifer tersebut didapatkan hasil untuk menentukan performa dari deteksi Covid-19.
172
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
METODE EVALUASI
Cross-validation
Prinsip dari K-fold adalah membagi tiap kelompok data yang digunakan untuk data pelatihan dan
pengujian sejumlah K, dimana nilai K-fold yang digunakan dalam penelitian ini yaitu 3.
Confusion Matrix
Confusion matrix sangat diperlukan sebagai struktur umum dari prosedur diagnosis actual dan
predicted. Tabel Confusion matrix dijelaskan pada Tabel 1.
Tabel 1. Confusion matrix
Actual True Actual False
Predicted True True Positive (TP) False Negative (FN)
Predicted False False Positive (FP) True Negative (TN)
Keterangan:
TP = true positive (banyaknya citra covid yang berhasil terdeteksi sebagai covid).
TN = true negative (banyaknya citra non covid yang berhasil terdeteksi sebagai non covid).
FP = false positive (banyaknya citra covid yang terdeteksi sebagai non covid).
FN = false negative (banyaknya citra non covid yang terdeteksi sebagai covid).
Unjuk kerja pada sistem dihitung berdasarkan parameter berikut:
1. True Positif (TP), False Positif (FP), False Negatif (FN) dan True Negatif (TN)
2. Akurasi
Akurasi merupakan ketepatan suatu hasil pengukuran yang mendekati nilai sebenarnya.
TP - TN (7)
Akurasi = TP + TN + FP + FN # 100%
3. Sensitivitas
Sensitivitas menunjukkan kemungkinan pengujian/testing bernilai benar dengan mengidentifikasi
subjek yang memang terdeteksi sebagai terinfeksi covid.
TP (8)
Sensitivitas = TP + FN # 100%
4. Spesifisitas
Spesifisitas menunjukkan kemungkinan pengujian/testing bernilai benar dengan mengidentifikasi
orang yang memang terdeteksi sebagai pasien non-covid.
TN (9)
Spesifitas = TN + FP # 100%
173
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
174
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
yang digunakan. Sedangkan tingkat sensitivitas tertinggi juga didapatkan pada metode RF dan DTs
dengan nilai 98,33%. Diikuti dengan nilai spesifisitas 86,67%. Dengan klasifikasi RF dan DTs diketahui
bahwa fitur GLCM dengan nilai k-fold 3 mampu mendeteksi non-covid dan covid dengan performa yang
baik. Pada pengujian ini, metode yang menggunakan classifier RF dan DTs lebih sesuai dibandingkan
dengan ANN karena beberapa fitur dari GLCM lebih dapat mengakomodasi pada metode tersebut.
PERBANDINGAN PERFORMA METODE EKTRAKSI
Tabel 4. Perbandingan Performa Metode Ekstraksi
No. Literatur Ekstraksi Fitur Klasifikasi Akurasi Dataset
1 Tri Deviasari GLCM PNN 85% 60 citra CT-Scan
Wulan, dkk
2 Nilanjan Dey, GLCM, Hu Moments, Random-Forest 87% 78 citra CT-Scan
dkk CWT, DWT, EWT (RF)
3 Fitriyasari GLCM ANN 87,8% 205 citra X-Ray
4 Metode yang GLCM RF dan Decision 94,44% 90 citra CT-Scan
Diuji Trees
Pada Tabel 4, hasil pada pengujian yang telah dilakukan akan dibandingkan dengan penelitian dari
berbagai peneliti. Pada penelitian Tri Deviasari Wulan dan dkk, menggunakan segmentasi region of
interest (ROI) kemudian diekstraksi dengan fitur GLCM dan klasifikasi menggunakan Probabilistic
Neural Network (PNN) menghasilkan tingkat akurasi sebesar 85%. Pada Penelitian Nilanjan Dey dan
dkk, menggunakan SGO-K thresholding, K-means clustering, dan morphological segmentation untuk
proses sebelum data diekstraksi. Pada penelitian ini, menggunakan beberapa fitur yaitu Hu Moments,
CWT, DWT, EWT dan haralick fitur (GLCM) untuk mencari informasi data covid-19. Klasifikasi yang
digunakan yaitu Rando-Forest (RF), Support Vector Machine-radial basis Function (SVM-RBF),
K-Nearest Neighbors (KNN), dan Decision Tree (DT). Performa yang dihasilkan dalam penelitian ini
sebesar 87%.
Dengan menggunakan metode yang diuji pada penelitian ini, maka diketahui nilai akurasi lebih
tinggi dibandingan penelitian-penelitian sebelumnnya, dengan nilai 94,44% untuk RF dan DTs serta
91,11% untuk ANN. Hal ini dikarenakan jumlah data yang digunakan lebih banyak, tahapan metode
yang digunakan berbeda, seperti adanya preprocessing dataset terlebih dahulu, resize, RGB to grayscale,
peningkatan kontras lokal, dan segmentasi. Tak hanya itu, sebelum melakukan klasifikasi data ciri
dinormalisasi untuk mengubah skala nilai atribut agar sesuai dalam rentang tertentu. Pada penelitian Tri
Deviasari Wulan, performa yang dihasilkan lebih rendah dibandingkan penguji lainnya, hal ini mungkin
terjadi karena pada penelitian tersebut, tidak menggunakan pre-processing dan data yang digunakan
lebih sedikit, tetapi memungkinkan hasil ekstraksi fitur yang digunakan dapat mengakomodasi klasifer.
Dari penelitian-penelitian yang telah dilakukan, tentu saja dimungkinkan beberapa ciri fitur yang cocok
dapat digunakan untuk mengakomodasi klasifer untuk menghasilkan performa yang baik. Sehingga,
tahapan-tahapan untuk menghasilkan nilai ciri fitur harus dengan pemilihan yang tepat agar performa
yang dihasilkan dapat lebih baik.
4. KESIMPULAN
Klasifikasi Covid-19 dan non-Covid-19 menggunakan metode Artificial Neural Network (ANN),
Random Forest (RF), dan Decision Trees (DTs) menunjukkan hasil kinerja yang sangat baik dengan
akurasi 94,44% dan 91,11% dalam menganalisis citra Covid-19 dan non-Covid-19. Pada pengujian
ini, metode yang menggunakan classifier RF dan DTs lebih tepat dibandingkan dengan ANN karena
beberapa fitur dari GLCM lebih akomodatif terhadap kedua classifier tersebut.
175
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
Rumah Sakit Universitas Hasanuddin, serta kepada semua pihak yang telah membantu dalam penelitian
dan review naskah.
DAFTAR PUSTAKA
1. L. Chang, Y. Yan, and L. Wang, “Coronavirus Disease 2019: Coronaviruses and Blood Safety,”
Transfusion Medicine Reviews, vol. 34, no. 2, pp. 75-80, DOI: 10.1016/j.tmrv.2020.02.003 (2020)
2. T. Singhal, “A Review of Coronavirus Disease-2019 (COVID-19),” The Indian Journal of Pediatrics,
vol. 87, pp. 281–286, 2020. DOI: 10.1007/s12098-020-03263-6.
3. C.-C. Lai, T.-P. Shih, W.-C. Ko, H.-J. Tang, and P.-R. Hsueh, “Severe acute respiratory syndrome
coronavirus 2 (SARS-CoV-2) and corona virus disease-2019 (COVID-19): the epidemic and the
challenges,” International Journal of Antimicrobial Agents, vol. 55, no. 3, 2020. DOI: 10.1016/j.
ijantimicag.2020.105924.
4. F. A. Rabi, M. S. Al Zoubi, G. A. Kasasbeh, D. M. Salameh, and A. D. Al-Nasser, “SARS-CoV-2
and Coronavirus Disease 2019: What We Know So Far,” Pathogens, vol.9, 2020. DOI: 10.3390/
pathogens9030231.
5. Y. Han, and H. Yang, “The transmission and diagnosis of 2019 novel coronavirus infection disease
(COVID‐19): A Chinese perspective,” Journal of Medical Virology, vol. 92, no. 6, pp. 639-644,
2020. DOI: 10.1002/jmv.25749.
6. D. Wang, B. Hu, C. Hu, et al., “Clinical Characteristics of 138 Hospitalized Patients With 2019 Novel
Coronavirus–Infected Pneumonia in Wuhan, China,” Journal of the American Medical Association,
vol. 323, no. 11, pp. 1061–1069, 2020. DOI: 10.1001/jama.2020.1585
7. S. Srivatsan, P. D. Han, K. van Raay, C. R. Wolf, et al., “Preliminary support for a dry
swab, extraction free protocol for SARS-CoV-2 testing via RT-qPCR,” bioRxiv, 2020. DOI:
10.1101/2020.04.22.056283.
8. S. Ahuja, B. K. Panigrahi, N. Dey, V. Rajinikanth, and T. K. Gandhi, “Deep transfer learning-based
automated detection of COVID-19 from lung CT scan slices,” Applied Intelligence, 2020. DOI:
10.1007/s10489-020-01826-w.
9. M. Chung, A. Bernheim, X. Mei, N. Zhang, M. Huang, X. Zeng, J. Cui, W. Xu, Y. Yang, Z. A. Fayad,
A. Jacobi, K. Li, S. Li, and H. Shan, “CT Imaging Features of 2019 Novel Coronavirus (2019-
nCoV),” Radiology, vol. 295, no. 1, pp. 202-207, 2020. DOI: 10.1148/radiol.2020200230.
10. Malaru, Rondo, Wagiu., Gambaran Hasil CT-Scan Toraks pada Pasien Coronavirus Disease 2019
(COVID-19). e-CliniC. 2021;9(1):212-217
11. V. Rajinikanth, N, Dey, A. N. J. Raj, A. E. Hassanien, K. C. Santosh, and N. S. M. Raja, “Harmony-
Search and Otsu based System for Coronavirus Disease (COVID-19) Detection using Lung CT Scan
Images,” arXiv, 2020. arXiv: 2004.03431.
12. A. Amyar, R. Modzelewski & S. Ruan, Multi-task Deep Learning Based CT Imaging Analysis For
COVID-19: Classification and Segmentation. Computers in Biology and Medicine. (2020).
13. N. Dey, V. Rajinikanth, S. J. Fong, M. S. Kaiser, and M. Mahmud, “Social Group Optimization–
Assisted Kapur’s Entropy and Morphological Segmentation for Automated Detection of COVID-19
Infection from Computed Tomography Images,” Cognitive Computation, vol. 12, no. 5, pp. 1011–
1023, 2020.
14. M. Fitriyasari, Deteksi Covid-19 Pada Citra X-Ray Dada Menggunakan Machine Learning. Jurnal
INSTEK. Vol. 7, No. 1, 2022.
15. R.R.Rachman, S. Dewang, S.D.Astuty, dan E. Juarlin. “Covid-19 Detection on Chest CT-Scan Image
Using GLCM-Based Feature Extraction with K-NN and Naïve Bayes Classification”. International
Journal of Scientific and Research Publications, Vol. 12, No. 8, 2022.
176
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
Abstrak
Kontrol kualitas peralatan radiologi merupakan salah satu upaya untuk menjaga agar alat tersbut dapat
beroperasi dengan baik. Salah satu peralatan radiologi yang banyak digunakan adalah pesawat CT Scan.
Tulisan ini membahas tentang kontrol kualitas pesawat CT Scan multi-slice menggunakan phantom
AAPM chart model 610. Dalam penelitian ini, kualitas gambar CT scan dengan multi detektor CT
digunakan untuk mengetahui parameter kualitas citra hasil CT Scan menggunakan phantom AAPM yang
diisi air (aquabides). Penerimaan kualitas gambar yang diperoleh untuk penentuan ketebalan irisan.
Tujuan penelitian ini untuk menentukan ketebalan irisan citra pada phantom menggunakan software
radiant. Pengujian dilakukan dengan eksposi sebanyak lima kali dengan perubahan tegangan dan arus
tabung yang berbeda pada slice yang tetap. Faktor eksposi yang digunakan pada beberapa variasi tegangan
dan arus tabung yang berbeda yaitu 100 kVp-120 mA, 100 kVp-125 mA, 120 kVp-125 mA, 140 kVp-
125 mA dan 120 kVp-140 mA dengan ketebalan 10 mm. Metode yang digunakan menghasilkan nilai
ketebalan irisan yang akurat kurang dari 0,5 mm. Dari hasil pengujian diketahui perubahan tegangan dan
arus tabung tidak berpengaruh terhadap nilai ketebalan irisan. hasil pengukuran diketahui bahwa nilai
ketebalan irisan untuk masing – masing ketebalan, lebih besar dibanding dengan nominal beam width.
Nilai yang diperoleh menunjukkan hasil yang masih dibawah toleransi pada pengukuran irisan citra CT
Scan sesuai standar yang ditentukan.
Kata kunci : Tebal irisan, tegangan tabung, arus tabung, Citra CT Scan
1. PENDAHULUAN
CT-scan merupakan suatu sistem pencitraan medis yang cukup kompleks sehingga terdapat risiko
terjadinya mis-aligment, kesalahan kalibrasi, dan kegagalan fungsi sistem pembangkit dan deteksi
sinar-X. pesawat CT-scan memerlukan program quality control (QC) untuk menjamin kualitas citra
CT-scan dengan tetap menjaga dosis agar berada di bawah batas yang diizinkan1. QC dilakukan dengan
menggunakan fantom sebagai bahan pengganti pasien. Hal ini bertujuan agar pengukuran saat penelitian
bisa dilakukan berulang-ulang, sehingga nilai yang didapatkan akan semakin akurat2.
Salah satu parameter penting yang harus diukur dalam pengendalian kualitas adalah akurasi
ketebalan irisan3. Ketebalan irisan memengaruhi resolusi gambar klinis, yang kemudian berdampak
pada keakuratan penentuan ukuran organ. Ketebalan irisan juga berdampak langsung pada noise gambar.
Mengurangi ketebalan irisan yang direkonstruksi akan meningkat gambar noise. Untuk mengimbangi
peningkatan kebisingan4, operator dapat memilih untuk meningkat mAs (arus waktu) kepada pasien.
Keakuratan penentuan ketebalan irisan telah diteliti pada penelitian sebelumnya dengan menggunakan
berbagai phantom5.
Metode pengujian ketebalan irisan tergantung pada jenis phantom yang digunakan. Dalam phantom
CT ACR, pengukuran ketebalan irisan adalah dilakukan pada citra aksial dengan menghitung jumlah
kabel diskrit pada bagian atas dan bawah6. Dalam phantom CatPhan, lebar penuh pada setengah
maksimum (FWHM) profil untuk setiap ramp kawat diukur kemudian konversi trigonometri dihitung
177
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
berdasarkan ramp yang diketahui . Pada performance phantom AAPM CT, ketebalan irisan diukur dari
7
citra objek tangga. Ketebalan tangga menggambarkan ketebalan irisan dan dapat diukur menggunakan
penggaris elektronik pada perangkat lunak yang digunakan.
178
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
Penelitian dilakukan di instalasi Radiologi Rumah Sakit Haji Makassar. CT Scan yang digunakan
adalah CT Scan merk General Electric (GE) Brivo 385 Tipe 46-274891G1. Dengan range tegangan 100-
140 kV, range arus tabung 120-140 mA dan slice 10 mm. Berikut ini menunjukkan Gambar peswat CT
Scan yang digunakan sesuai Gambar 2.
179
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
4. KESIMPULAN
Pengukuran ketebalan irisan (slice thickness) merupakan salah satu bagian dari kontrol kualitas
(quality control) dari pesawat CT Scan, mengingat tebal irisan dalam setiap pelaksanaan pengambilan
data CT Scan akan menentukan hasil kualitas Citra dari pesawat CT Scan. Hasil pengukuran ketebalan
irisan menggunakan CT performance test phantom pada variasi tegangan dan arus tabung, diperoleh
180
Seminar Nasional Fisika Makassar (SNF-MKS) 2022, 2 Oktober 2022
Universitas Hasanuddin, Makassar – Indonesia
nilai lolos uji di bawah 0,5 mm, dalam artian pengukuran nilai ketebalan irisan dari pasawat CT Scan
tersebut masih dalam kondisi baik, sesuai standar yang ditetapkan oleh BAPETEN.
REFERENSI
1 Sofiyatun, anam, Zahro, Rukmana & Dougherty. An automated measurement of image slice thickness
of computed tomography. Journal Medical Physics 2021;47:2 121-128.
2 Anam C, Adi, Sutanto, Arifin, Budi, Fujibuchi & Dougherty. Noise reduction in CT image using a
selective mean filter. Journal Medical Physics 2020;10:5 623-634.
3 Joon A, Jaeman, Hyeongmin, Jiwon & Minsoo C. Acceptance test and clinical commissioning of CT
simulator. Journal Medical Physics 2019;30:4 160-167.
4 Nani L, Choirul A, Eko H & Geoff D. Automated procedure for slice thickness verification of computed
tomography images: variations of slice thickness position from iso-center, and recanstruction filter.
Journal of Applied Medical Physics 2021;22:7 313-321.
5 D. Aprilyanti, D Milvita, H.Prasetio, H. Yulianti. Pengaruh Diameter Phantom dan Tebal Slice
Terhadap Nilai CTDI Pada Pemeriksaan Menggunakan CT-Scan. Jurnal Fisika Unand 2018;2:2
81-87.
6 Mulyadin, Syamsir D, Bualkar A, & Dahlang T. Study of Image Quality From CT Scanner Multi-
Detector by using Americans College of Radiology (ACR) Phantom. Journal of Physics ICOS 2018;
7 Ummu ZM, Anam C, Wahyu, Pandji, Jhon & Dito. Investigation of noise level and spatial resolution
of CT images filtered with a selective mean filter and its comparison to an adaptive statistical iterative
reconstruction”. Iranian Journal of Medical Physics 2020;18:5 374-383.
8 Hutami, Gusti N, & Ida B. Analisis Pengaruh Slice Thickness Terhadap[ Kualitas Citra Pesawat CT
Scan Di RSUD Bali Mandara. Jurnal Fisika 2021;19:02 1-7.
9 Oliver, Salgado, Nico, Isabelle, Paul & Alain. Image quality in coronary CT angiography: challenges
and technical. The British journal of Radiology 2017;90:1072 1-13
10 Ari M, Wahyu S & Choirul A. Evaluasi Ketebalan Irisan (Slice Thickness) pada Pesawat CT-Scan
Single Slice. Jurnal Sains dan Matematika 2017;21:2 1-6.
181
GedungUPTUnha sPres
s
KampusUnha sTamal
anrea
Jl
n.Pe
rint
isKeme r
deka
anKm. 1
0
Email
:unhaspre
ss@gmai
l.
com
Makass
ar