ANALISIS SUDUT DATANG RADIASI MATAHARI PADA ATAP GELOMBANG DAN PENDUGAAN TEMPERATUR UDARA DALAM GREENHOUSE

ANALISIS SUDUT DATANG RADIASI MATAHARI PADA ATAP GELOMBANG DAN PENDUGAAN TEMPERATUR UDARA DALAM GREENHOUSE MENGGUNAKAN PRINSIP PINDAH PANAS DAN ARTIFICIAL NEURAL NETWORK

SKRIPSI Oleh : MURNIWATY F 14103131

2008 DEPARTEMEN TEKNIK PERTANIAN FAKULTAS TEKNOLOGI PERTANIAN INSTITUT PERTANIAN BOGOR


SKRIPSI Sebagai salah satu syarat untuk memperoleh gelar SARJANA TEKNOLOGI PERTANIAN Departemen Teknik Pertanian Fakultas Teknologi Pertanian Institut Pertanian Bogor

Oleh:

MURNIWATY F 14103131

2008 FAKULTAS TEKNOLOGI PERTANIAN INSTITUT PERTANIAN BOGOR BOGOR

INSTITUT PERTANIAN BOGOR FAKULTAS TEKNOLOGI PERTANIAN


SKRIPSI Sebagai salah satu syarat untuk memperoleh gelar SARJANA TEKNOLOGI PERTANIAN Departemen Teknik Pertanian Fakultas Teknologi Pertanian Institut Pertanian Bogor Oleh: MURNIWATY F 14103131 Dilahirkan di Depok pada tanggal 9 Mei 1983 Lulus tanggal: 17 Januari 2008 Menyetujui Bogor,

Januari 2008

Dr. Ir. Herry Suhardiyanto, M.Sc. Dosen Pembimbing Mengetahui,

Dr. Ir. Wawan Hermawan, M.S. Ketua Departemen Teknik Pertanian

Murniwaty. F14103131. Analisis Sudut Datang Radiasi Matahari pada Atap Gelombang dan Pendugaan Temperatur Udara dalam Greenhouse Menggunakan Prinsip Pindah Panas dan Artificial Neural Network. Dibawah bimbingan Herry Suhardiyanto. 2007. RINGKASAN Greenhouse merupakan bangunan dengan struktur yang tertutup oleh bahan transparan yang tembus cahaya sehingga lingkungan di dalamnya dapat dimanfaatkan untuk pertumbuhan tanaman. Radiasi matahari yang sampai ke dalam greenhouse sangat berpengaruh terhadap proses pindah panas dalam greenhouse. Di Indonesia, besarnya radiasi matahari menjadi masalah dalam penggunaan greenhouse, karena dapat meningkatkan temperatur udara dalam greenhouse. Suatu perhitungan yang akurat diperlukan untuk memprediksi jumlah radiasi matahari yang masuk dan diserap oleh struktur greenhouse. Pendugaan temperatur udara di dalam greenhouse penting untuk dilakukan dalam perancangan greenhouse. Pendugaan dilakukan dengan simulasi persamaan pindah panas dengan memperhatikan sudut datang radiasi matahari pada penututp greenhouse dan bentuk dari bahan penutup itu sendiri. Hal ini diharapkan dapat memberikan hasil yang akurat. Pendugaan juga dapat dilakukan dengan menggunakan Artificial Neural Network (ANN). ANN mampu menstimulasi kemampuan otak manusia untuk belajar dan menunjukkan seberapa besar koneksi antar neuron, sehingga dapat diharapkan hasil yang lebih akurat. Tujuan dilakukannya penelitian ini adalah untuk mempelajari proses pindah panas pada single-span greenhouse dengan atap berbentuk gelombang, mempelajari proporsi radiasi matahari yang diteruskan untuk berbagai posisi greenhouse dengan atap rata dan gelombang, membuat simulasi komputer untuk memprediksi temperatur udara dalam greenhouse berdasarkan data iklim di sekitar greenhouse dengan memperhatikan sudut datang radiasi matahari, melakukan training dengan ANN untuk memprediksi temperatur udara dalam greenhouse berdasarkan data iklim di sekitar greenhouse, serta melakukan validasi hubungan antara hasil pengukuran dengan hasil simulasi computer dan hasil pendugaan dengan ANN. Penelitian dilakukan pada greenhouse single-span tipe standard peak dengan atap gelombang berbahan polycarbonate di Leuwikopo, Departemen Teknik Pertanian, Fakultas Teknologi Pertanian, IPB, dari bulan April sampai Juli 2007. Alat dan bahan yang digunakan adalah greenhouse, weather station, termokopel dan hybrid recorder, serta oil bath dan termokopel standar. Data iklim yang diukur di sekitar greenhouse berupa kecepatan dan arah angin, temperatur udara,, dan radiasi sinar matahari. Sedangkan temperatur greenhouse berupa temperatur penutup greenhouse, temperatur udara dalam greenhouse, temperatur permukaan lantai, temperatur pada batas lantai dan permukaan tanah, dan temperatur pada kedalaman 0.09 m dan 0.13 m dari permukaan lantai. Pengambilan data dilakukan mulai pukul 06.00 WIB sampai pukul 18.00 WIB. Data proporsi radiasi matahari yang diteruskan untuk atap gelombang dan rata didapatkan dengan mengubah berbagai posisi kemiringan greenhouse (0, 30, 60, 90, 120, 150, 180) derajat terhadap arah utara. Sedangkan

nilai sudut datang radiasi matahari pada penutup greenhouse berbentuk gelombang didapatkan dengan cara membagi bentuk satu gelombang pada penutup tersebut ke dalam delapan segmen berbentuk rata. Program untuk memprediksi temperatur dalam greenhouse menggunakan model pindah panas dibuat dalam bahasa Visual Basic 6.0. Input program adalah karakteristik elemen-elemen greenhouse dan data iklim hasil pengukuran di sekitar greenhouse. Output program adalah pendugaan temperatur udara di dalam greenhouse. Sedangkan program ANN yang dikembangkan menggunakan algoritma back propagation dengan bahasa program Delphi. Model ANN yang digunakan terdiri dari tiga layer yaitu input layer, hidden layer, dan output layer. Input layer terdiri dari 6 node, yaitu data kecepatan angin, temperatur udara di sekitar greenhouse, radiasi sinar matahari, temperatur udara dalam greenhouse, temperatur permukaan lantai, dan temperatur tanah kedalaman 0.09 m. Output layer berupa pendugaan temperatur udara di dalam greenhouse. Validasi dilakukan dengan parameter Standard Error of Prediction (SEP), bias (đ), dan Coefficient of Variation (CV) untuk tiga model yang berbeda berdasarkan jumlah data training dan validasinya. Penggunaan atap rata dan gelombang pada greenhouse menghasilkan nilai transmisivitas radiasi matahari yang berbeda. Transmisivitas bahan penutup atap rata berkisar 0,6 – 0,7 dengan nilai terendah 0,6066 pada posisi kemiringan 90o terhadap arah utara, sedangkan untuk atap gelombang berkisar antara 0,8 – 0,9 dengan nilai terendah 0,8793 pada posisi kemiringan 30o terhadap arah utara. Berdasarkan analisis sudut datang radiasi matahari dengan pembagian segmen pada atap gelombang didapatkan nilai kosinus untuk arah utara (ku) sebesar 0.78223 dan 0.814181, sedangkan untuk arah selatan (ks) sebesar -0,95241 dan 0.03098. Grafik perbedaan antara simulasi model pindah panas dengan pengukuran aktual menunjukkan hasil yang baik, karena terdapat titik dari garis simulasi yang tepat menyentuh maupun mamiliki pola yang sama dengan garis pengukuran actual. Tetapi grafik hasil regresi antara simulasi model pindah panas dengan pengukuran aktual menunjukkan bahwa hasil simulasi tidak cukup akurat, karena walaupun gradiennya mendekati nilai satu, tapi intersepnya menjauhi nilai nol. Hasil keluaran ANN menunjukkan model 3 dengan proporsi jumlah data training 75% dan data validasi 33% dari total data adalah model yang paling baik untuk pendugaan temperatur udara dalam greenhouse, karena memiliki nilai SEP, đ, dan CV yang terkecil dibanding dua model lainnya. Berdasarkan persamaan regresi yang dihasilkan model simulasi pindah panas dan model ANN, terlihat bahwa nilai gradien dan koefisien determinasi pada model ANN lebih mendekati satu, serta nilai koefisien intersep yang lebih mendekati nol dibandingkan dengan model simulasi. Maka dapat dikatakan model ANN lebih akurat untuk pendugaan temperatur udara di dalam greenhouse dibandingkan dengan model simulasi.

DAFTAR RIWAYAT HIDUP Penulis dilahirkan di Depok, 9 Mei 1983 sebagai anak ketiga dari pasangan M. Djafar Ziza Canany dan Siti Fatimah A. Pasay. Penulis mendapatkan pendidikan dasar selama 6 tahun di SD Tugu Ibu. Pada tahun 1995 penulis meneruskan pendidikan menengah di SLTP Negeri 3 Depok dan tamat pada tahun 1998. Penulis melanjutkan pendidikan tingkat atas selama 3 tahun di SMU Negeri I Depok dan tamat pada tahun 2001. Setelah lulus SMU penulis meneruskan pendidikan di jurusan Fisika fakultas MIPA, Universitas Indonesia selama 2 tahun, kemudian pindah ke Departemen Teknik Pertanian, Fakultas Teknologi Pertanian, Institut Pertanian Bogor melalui jalur SPMB. Selama 4 tahun penulis aktif di beberapa kepanitiaan acara dan aktif dalam English Club HIMATETA pada tahun kepengurusan 2004-2006. Penulis pernah mengikuti Seleksi Mahasiswa Berprestasi tingkat Fakultas Teknologi Pertanian pada tahun 2006. Penulis juga menjadi Asisten Praktikum mata kuliah Motor Bakar, Ilmu Ukur Wilayah, dan Gambar Teknik pada tahun 2007. Penulis telah melaksanakan kegiatan Praktek Lapang di PT. Saung Mirwan, Bogor, Jawa Barat pada tahun 2006 dengan judul “Evaluasi Fungsi Greenhouse pada Budidaya Tanaman Hortikultura di PT. Saung Mirwan, Bogor“. Sebagai salah satu syarat memperoleh gelar Sarjana Teknologi Pertanian, penulis menyelesaikan tugas akhir skripsi yang berjudul “Analisis Sudut Datang Radiasi Matahari pada Atap Gelombang dan Pendugaan Temperatur Udara dalam Greenhouse Menggunakan Prinsip Pindah Panas dan Artificial Neural Network”.

KATA PENGANTAR Puji dan syukur penulis panjatkan kehadirat Tuhan Yang Maha Esa, karena atas rahmat dan karunia-Nya lah penulis dapat menyelesaikan penulisan skripsi ini. Skripsi ini berjudul “Analisis Sudut Datang Radiasi Matahari pada Atap Gelombang dan Pendugaan Temperatur Udara dalam Greenhouse Menggunakan Prinsip Pindah Panas dan Artificial Neural Network”. Skripsi ini berisi tentang analisis proses pindah panas pada greenhouse beratap gelombang serta perbedaan transmisivitas atap rata dengan bergelombang untuk berbagai arah terhadap utara, dan pengembangan simulasi model pindah panas untuk memprediksi temperatur dalam greenhouse berdasarkan data iklim di sekitar greenhouse dengan memperhatikan sudut datang radiasi matahari menggunakan program Visual Basic 6.0 dan Artificial Neural Network (ANN). Penulisan skripsi ini tidak akan selesai tanpa bantuan orang-orang yang berharga yang berada di sekitar penulis, penulis mengucapkan terima kasih yang sebesar-besarnya kepada: 1. Bapak Dr. Ir. Herry Suhardiyanto, M.Sc. selaku dosen pembimbing, terima kasih atas bimbingan, arahan, dan perhatiannya. 2. Dr. Leopold O. Nelwan, M.Si. dan Yudi Chadirin, S.TP, M.Agr selaku dosen penguji atas saran-saran yang diberikan. 3. Ayah, Papi, Mami, Iyai, Ayuk, dan Rama di rumah yang telah memberikan kasih sayang, dukungan, dan doanya kepada penulis. 4. Pak Ahmad, Pak Harto dan Mas Firman atas bantuannya selama penelitian. 5. Oryssa Sathalica atas bantuan dan kebersamaannya selama ini terutama saat penelitian. 6. Mulki Awaliyah dan teman-teman di Fahmeda untuk kebersamaannya selama di IPB 7. Dewi Nurna, Eka, Shinta, Yuni, Rena, Dewi Abon, Gia, Ale, Woko, Bagus, semua yang ada di Shelter Greenhouse, Robot, AE 40, dan semua pihak yang telah membantu terselesaikannya skripsi ini.

Penulis menyadari bahwa penulisan skripsi ini masih jauh dari sempurna, oleh karena itu kritik dan saran yang membangun sangat diharapkan untuk perbaikan dan penyempurnaan skripsi ini. Semoga skripsi ini dapat bermanfaat dan menjadi masukan bagi semua pihak yang membutuhkan.

Bogor, Januari 2008

Penulis

DAFTAR ISI

KATA PENGANTAR….………………………………………….……….i DAFTAR ISI................................................................................................. iii DAFTAR TABEL

v

DAFTAR GAMBAR.....................................................................................vi DAFTAR LAMPIRAN

viii

I. PENDAHULUAN A. Latar Belakang................................................................................ 1 B. Tujuan.............................................................................................. 2 II. TINJAUAN PUSTAKA A. Greenhouse..................................................................................... 3 B. Temperatur...................................................................................... 4 C. Radiasi Matahari............................................................................. 5 D.Pindah Panas dalam Greenhouse..................................................... 5 E. Simulasi Greenhouse....................................................................... 6 F. Artificial Neural Network (ANN)................................................... 7 III. PENDEKATAN TEORITIS A. Sudut Datang Radiasi Matahari...................................................... 11 B. Model Pindah Panas pada Greenhouse............................................11 C. Asumsi............................................................................................. 14 IV. METODOLOGI PENELITIAN A. Tempat dan Waktu.......................................................................... 15 B. Alat dan Bahan................................................................................ 15 C. Metode Penelitian............................................................................ 16 V. HASIL DAN PEMBAHASAN A. Sudut Datang Radiasi Matahari pada Penutup Greenhouse…….. 24 B. Pengaruh Perbedaan Posisi Greenhouse pada Greenhouse Beratap Rata dengan Bergelombang……………………………………… 26 C. Model Simulasi Pindah Panas dalam Greenhouse……………….. 34 D. Validasi Model Simulasi Pindah Panas………………………….. 38 E. Pengembangan Model Artificial Neural Network (ANN)………... 41

F. Validasi Model Artificial Neural Network………………………...43 VI. KESIMPULAN DAN SARAN A. Kesimpulan………………………………………………………. 46 B. Saran……………………………………………………………… 47 DAFTAR PUSTAKA..................................................................................... 48 LAMPIRAN……………………………………………………………….... 50

DAFTAR TABEL Tabel 1. Nilai konstanta yang digunakan dalam simulasi pendugaan suhu udara dalam greenhouse............................................................... 35 Tabel 2. Nilai Standard Error of Prediction (SEP), bias (đ), dan Coefficient of Variation (CV)`ketiga model.......................................... 43

DAFTAR GAMBAR

Gambar 1. Struktur ANN Backpropagation....................................................... 8 Gambar 2. Skema perpindahan panas pada empat elemen model pindah panas yang dikembangkan (Suhardiyanto et al, 2007)..................... 11 Gambar 3. Pembagian segmen pada atap bergelombang.................................... 16 Gambar 4. Skema titik pengukuran pada greenhouse......................................... 18 Gambar 5. Diagram alir program Visual Basic untuk memprediksi temperatur dalam greenhouse............................................................ 21 Gambar 6. Model ANN yang digunakan untuk pendugaan temperatur dalam greenhouse………………………………………………….. 22 Gambar 7. Diagram alir ANN backpropagation unuk memprediksi temperatur dalam greenhouse……………………………………… 23 Gambar 8. Perubahan radiasi matahari harian selama pengukuran..................... 25 Gambar 9. Radiasi total harian selama pengukuran.............................................25 Gambar 10. Persamaan regresi transmisivitas untuk arah 0o terhadap utara....... 27 Gambar 11. Persamaan regresi transmisivitas untuk arah 30o terhadap utara..... 27 Gambar 12. Persamaan regresi transmisivitas untuk arah 60o terhadap utara..... 28 Gambar 13. Persamaan regresi transmisivitas untuk arah 90o terhadap utara..... 28 Gambar 14. Persamaan regresi transmisivitas untuk arah 120o terhadap utara... 29 Gambar 15. Persamaan regresi transmisivitas untuk arah 150o terhadap utara... 29 Gambar 16. Persamaan regresi transmisivitas untuk arah 180o terhadap utara... 30 Gambar 17. Persamaan regresi transmisivitas untuk arah 0o terhadap utara....... 30 Gambar 18. Persamaan regresi transmisivitas untuk arah 30o terhadap utara..... 31 Gambar 19. Persamaan regresi transmisivitas untuk arah 60o terhadap utara..... 31 Gambar 20. Persamaan regresi transmisivitas untuk arah 90o terhadap utara..... 32 Gambar 21. Persamaan regresi transmisivitas untuk arah 120o terhadap utara... 32 Gambar 22. Persamaan regresi transmisivitas untuk arah 150o terhadap utara... 33 Gambar 23. Persamaan regresi transmisivitas untuk arah 180o terhadap utara... 33 Gambar 24. Grafik perbedaan temperatur hasil simulasi dengan Pengukuran pada cuaca cerah, 13 Mei 2007.................................... 36

Gambar 25. Grafik perbedaan temperatur hasil simulasi dengan pengukuran pada cuaca berawan dan hujan, 14 Mei 2007.............. 36 Gambar 26. Grafik perbedaan temperatur hasil simulasi dengan pengukuran pada cuaca cerah, 15 Mei 2007.................................... 36 Gambar 27. Grafik perbedaan temperatur hasil simulasi dengan pengukuran pada cuaca berawan dan hujan, 16 Mei 2007.............. 37 Gambar 28. Grafik perbedaan temperatur hasil simulasi dengan pengukuran pada cuaca cerah, 17 Mei 2007.................................... 37 Gambar 29. Grafik perbedaan temperatur hasil simulasi dengan pengukuran pada cuaca berawan dan hujan, 18 Mei 2007.............. 37 Gambar 30. Grafik regresi temperatur hasil simulasi dengan pengukuran untuk cuaca cerah, 13 Mei 2007................................. 38 Gambar 31. Grafik regresi temperatur hasil simulasi dengan pengukuran untuk cuaca berawan dan hujan, 14 Mei 2007............39 Gambar 32. Grafik regresi temperatur hasil simulasi dengan pengukuran untuk cuaca cerah, 15 Mei 2007................................. 39 Gambar 33. Grafik regresi temperatur hasil simulasi dengan pengukuran untuk cuaca berawan dan hujan, 16 Mei 2007............ 40 Gambar 34. Grafik regresi temperatur hasil simulasi dengan pengukuran untuk cuaca cerah, 17 Mei 2007................................. 40 Gambar 35. Grafik regresi temperatur hasil simulasi dengan pengukuran untuk cuaca berawan dan hujan, 18 Mei 2007............ 41 Gambar 36. Tampilan program ANN.................................................................. 42 Gambar 37. Grafik regresi Model 1..................................................................... 44 Gambar 38. Grafik regresi Model 2..................................................................... 44 Gambar 39. Grafik regresi Model 3..................................................................... 44

DAFTAR LAMPIRAN

Lampiran 1. Greenhouse yang digunakan dan posisi weather station dalam penelitian............................................................................... 51 Lampiran 2. Hasil pengukuran radiasi matahari di bawah atap dan di luar untuk atap rata dan gelombang............................................. 52 Lampiran 3. Program untuk mempredisi temperatur dalam greenhouse............. 54 Lampiran 4. Data hasil pengukuran yang dipergunakan dalam simulasi model pindah panas.........................................................................55 Lampiran 5. Hasil keluaran program Visual Basic untuk memprediksi temperatur dalam greenhouse......................................................... 59 Lampiran 6. Data trainingdan validasi yang digunakan dalam program ANN................................................................................................ 65 Lampiran 7. Data training dan validasi yang digunakan dalam program ANN................................................................................................ 62 Lampiran 8. Temperatur hasil validasi ANN....................................................... 82

I. PENDAHULUAN

A. LATAR BELAKANG Greenhouse merupakan bangunan dengan struktur yang tertutup oleh bahan transparan yang tembus cahaya sehingga lingkungan di dalamnya dapat dimanfaatkan untuk pertumbuhan tanaman. Perencanaan produksi tanaman di dalam greenhouse lebih baik dari pada di areal terbuka. Hal ini terjadi karena di dalam greenhouse, faktor lingkungan yang berpengaruh terhadap pertumbuhan tanaman seperti: cahaya matahari, temperatur udara, kelembaban udara, pasokan nutrisi, kecepatan angin, dan konsentrasi CO2 dapat dikendalikan sedemikian rupa, sehingga tanaman yang berada dalam greenhouse tersebut terhindar dari berbagai pengaruh buruk dari lingkungan luar bangunan. Radiasi matahari yang sampai ke dalam greenhouse sangat berpengaruh terhadap proses pindah panas dalam greenhouse, sehingga menciptakan kondisi termal yang berbeda dengan kondisi di sekitar greenhouse. Di Indonesia, besarnya radiasi matahari menjadi masalah dalam penggunaan greenhouse, karena dapat meningkatkan temperatur dalam greenhouse. Suatu perhitungan yang akurat diperlukan untuk memprediksi jumlah radiasi matahari yang masuk dan diserap oleh struktur greenhouse. Temperatur

udara

merupakan

salah

satu

faktor

penting

yang

mempengaruhi pertumbuhan tanaman. Temperatur udara berpengaruh langsung terhadap proses fisika, kimia, serta biologi dalam pertumbuhan tanaman. Semua tanaman memiliki kisaran temperatur dimana mereka dapat tumbuh. Di bawah atau di atas kisaran temperatur ini, akan menyebabkan proses-proses penting pada pertumbuhan tanaman menjadi terhenti. Pendugaan temperatur dalam greenhouse penting untuk dilakukan dalam perancangan greenhouse. Pendugaan dengan simulasi persamaan pindah panas dengan memperhatikan sudut datang radiasi matahari pada penutup greenhouse diharapkan dapat memberikan hasil yang akurat. Pendugaan juga dapat dilakukan dengan menggunakan Artificial Neural Network (ANN). ANN mampu menstimulasi kemampuan otak manusia untuk

belajar dan menunjukkan seberapa besar koneksi antar neuron, sehingga dapat diharapkan hasil yang lebih akurat.

B. TUJUAN Tujuan dilakukannya penelitian ini adalah: 1. Mempelajari proses pindah panas pada single-span greenhouse dengan atap berbentuk gelombang. 2. Mempelajari proporsi radiasi matahari yang diteruskan untuk berbagai posisi greenhouse dengan atap rata dan gelombang. 3. Membuat simulasi komputer untuk memprediksi temperatur dalam greenhouse berdasarkan data-data iklim di sekitar greenhouse dengan memperhatikan sudut datang radiasi matahari. 4. Melakukan training dengan Artificial Neural Network untuk memprediksi temperatur dalam greenhouse berdasarkan data-data iklim di sekitar greenhouse. 5. Melakukan validasi hubungan antara hasil pengukuran dengan hasil simulasi komputer dan hasil pendugaan dengan Artificial Neural Network. 6. Membandingkan hasil simulasi komputer dengan hasil pendugaan dengan Artificial Neural Network.

II. TINJAUAN PUSTAKA

A. GREENHOUSE Menurut Mastalerz (1977), greenhouse adalah struktur lingkungan yang tertutup oleh bahan transparan (tembus cahaya) dengan memanfatkan radiasi surya untuk pertumbuhan tanaman. Menurut Widyastuti (1993), istilah greenhouse berasal dari kata “green” yang berarti hijau dan “house” yang berarti rumah. Oleh karena itu istilah greenhouse bisa diterjemahkan sebagai rumah hijau, karena tanaman yang ditanam di dalamnya selalu tampak hijau sepanjang tahun (Rahayu, 2001). Nelson (1978) mendefinisikan greenhouse sebagai suatu bangunan yang memiliki struktur atap dan dinding yang bersifat tembus cahaya yang memungkinkan bagi cahaya yang dibutuhkan tanaman bisa masuk dan terhindar dari kondisi lingkungan yang tidak menguntungkan, seperti curah hujan deras, tiupan angin kencang, atau keadaan temperatur yang terlalu rendah atau tinggi yang dapat menghambat pertumbuhan tanaman. Di Indonesia, seperti daerah tropis lainnya, sinar matahari merupakan faktor iklim yang paling destruktif terhadap tanaman. Dengan demikian, fungsi greenhouse di Indonesia lebih ditekankan sebagai sarana pelindung tanaman terhadap iklim, terutama mengurangi intensitas serangan hama penyakit (Widyastuti, 1993). Penggunaan greenhouse sebagai rumah tanaman akan berpengaruh terhadap iklim mikro yang berbeda sama sekali dengan lingkungan luar (Bot, 1983). Untuk mengubah iklim mikro dalam greenhouse yang cocok bagi pertumbuhan tanaman, seringkali digunakan berbagai peralatan pengendali lingkungan di dalam greenhouse sehingga sesuai dengan kebutuhan tanaman (Mastalerz, 1977). Menurut Mastalerz (1977), alasan dasar untuk penggunaan greenhouse adalah untuk mengkontrol temperatur di mana tanaman tumbuh. Temperatur di dalam greenhouse naik karena dua alasan, yaitu karena greenhouse effect dan struktur greenhouse yang tertutup. Greenhouse effect terjadi karena cahaya matahari masuk ke dalam greenhouse sebagai gelombang pendek, panjang

gelombangnya berubah ketika diserap tanaman, tanah, jalanan, kemudian dikonversi menjadi panas, dan radiasi gelombang panjang ini akan terperangkap di dalam struktur greenhouse. Greenhouse merupakan ruangan yang tertutup, sehingga transfer panas melalui pergerakan udara turbulen menjadi berkurang.

B. TEMPERATUR Businger (1963) menyatakan bahwa energi yang masuk ke dalam greenhouse secara radiasi dipantulkan dari berbagai permukaan. Energi ini diserap oleh tanaman, lantai, dan lain-lain. Energi tersebut kemudian diubah menjadi panas.

Kelebihan

energi

dihamburkan

sebagai

panas

laten

transpirasi,

memanaskan udara dalam greenhouse secara konduksi dan konveksi atau dipancarkan sebagai radiasi gelombang panjang. Energi yang dipancarkan sebagai radiasi gelombang panjang ini terperangkap dalam greenhouse dan memanaskan udara di dalamnya sehingga temperatur akan naik. Di dalam greenhouse, temperatur siang malam dapat dipertahankan pada tingkat-tingkat tertentu yang sesuai bagi tanaman dengan maksud untuk memperoleh jumlah dan kualitas yang lebih baik. Untuk memperoleh kondisi yang optimum bagi pertumbuhan tanaman, pengelola greenhouse harus mengetahui faktor-faktor yang mempengaruhi lingkungan di dalam greenhouse serta cara mempergunakan perlengkapan untuk mengontrol lingkungan tersebut (Mastalerz, 1977). Faktor-faktor yang mempengaruhi besarnya temperatur udara di dalam greenhose adalah tingkat intensitas radiasi matahari, tingkat kapasitas alat pemanas, besar-kecilnya perubahan panas akibat transpirasi tanaman, besarkecilnya panas yang diserap tanaman untuk fotosintesis, dan besar-kecilnya panas yang hilang melalui ventilasi serta bahan konstruksi (Walker, 1965). Garis lintang merupakan faktor utama yang mempengaruhi temperatur greenhouse. Faktor lainnya adalah ketinggian matahari, kondisi topografi yang mempengaruhi pergerakan angin dan panjang hari (Hanan, et al., 1978).

C. RADIASI MATAHARI Transmisi radiasi matahari yang masuk dalam greenhouse sangat berpengaruh terhadap kondisi iklim dan pertumbuhan tanaman dalam greenhouse. Takakura (1989) menyatakan sebagian radiasi matahari yang sampai ke penutup greenhouse ditransmisikan, sebagian dipantulkan, dan sebagian lagi diserap oleh material penutup greenhouse. Transmisivitas dipengaruhi oleh sudut datang radiasi matahari, sedangkan besarnya asorpsivitas hampir konstan untuk semua sudut datang matahari dari 0o-90o (Wulandari, 2005). Lokasi greenhouse mempengaruhi kuantitas total dan variasi harian dari energi radiasi matahari yang tersedia untuk pertumbuhan tanaman. Selain itu, tipe, struktur, bentuk, dan ukuran atap, orientasi matahari, lokasi peralatan dalam greenhouse, serta kondisi penutup atap akan mempengaruhi iradiasi (kerapatan flux radiasi yang mengenai suatu permukaan) matahari (Mastalerz, 1977). Radiasi langsung dari matahari ditransmisikan secara maksimum oleh penutup greenhouse apabila sudut datang 90o (normal) terhadap permukaan. Semakin jauh dari garis normal permukaan, semakin banyak sinar dibelokan. Perlu pertimbangan sudut datang matahari dalam rancangan greenhouse agar transmisivitas cahaya matahari menjadi optimum. Bentuk konvensional greenhouse dengan kemiringan atap normal yatu 25o - 35oC yang lebih efisien dalam mentransmisikan radiasi sinar matahari (Wulandari, 2005). Radiasi matahari yang melewati atap greenhouse memiliki nilai yang lebih kecil dibandingkan dengan radiasi matahari di luar greenhouse. Sifat optik bahan atap sebaiknya dipilih yang dapat melewatkan sebanyak mungkin spektrum cahaya tampak tapi dapat menahan radiasi spektrum panas sebanyak mungkin (Apriliani, 2006).

D. PINDAH PANAS DALAM GREENHOUSE Pendapat Soegijanto (1999), bangunan akan mendapat perolehan panas dan mengeluarkan atau kehilangan panas ke lingkungan sekitarnya. Perolehan dan pengeluaran panas dapat terjadi melalui perpindahan panas. Perpindahan panas konduksi terjadi melalui dinding dan atap bangunan dengan arah masuk dan keluar bangunan. Termasuk juga konduksi panas dari dan

masuk ke dalam tanah. Perpindahan panas konveksi terjadi karena aliran udara yang masuk dan keluar melalui bukaan ventilasi. Perpindahan panas radiasi gelombang pendek dari radiasi matahari yang terdiri dari radiasi matahari langsung dan refleksinya serta radiasi matahari difusi yang selalu bernilai positif. Perpindahan panas radiasi gelombang panjang yang dipancarkan oleh permukaan bangunan maupun yang diterima dari lingkungan sekitar bangunan. Panas yang ditimbulkan oleh sumber-sumber panas di dalam ruangan seperti penghuni dan peralatan juga diperhitungkan. Perpindahan panas karena penguapan yang terjadi karena proses penguapan dari air yang membasahi permukaan dinding luar dan atap bangunan (Soegijanto, 1999). Takakura (1989) dalam Nuryawati (2006) menyatakan keseimbangan panas di udara dalam greenhouse lebih mudah dihitung. Pindah panas konveksi dari penutup ke udara dalam greenhouse terjadi secara alami. Perpindahan panas konveksi juga terjadi melalui bukaan ventilasi baik dengan arah masuk dan keluar greenhouse. Keseimbangan panas di permukaan tanah greenhouse meliputi pindah panas radiasi gelombang panjang dari tanah ke penutup greenhouse, pindah panas konveksi dari permukaan tanah ke lapisan di bawahnya maupun sebaliknya

E. SIMULASI GREENHOUSE Takakura et al. (1971), Avisar et al. (1982) dan Takakura (1989) dalam Nuryawati (2006) menyatakan batas kondisi utama yang umum untuk memprediksi iklim mikro dalam greenhouse adalah data klimatologi berupa temperatur udara, kelembaban udara relatif (RH), kecepatan angin, radiasi matahari serta sifat termal dan optik dari elemen-elemen greenhouse. Rhomdonah (2002) dan Nuryawati (2006) mengembangkan model simulasi untuk memprediksi temperatur dalam greenhouse dengan menggunakan prinsip pindah panas yang melibatkan sudut datang radiasi matahari. Model dibuat dengan menggunakan model kesetimbangan panas dalam greenhouse yang dibagi menjadi empat elemen, yaitu lapisan atap, udara dalam greenhouse, permukaan lantai, dan lapisan tanah.

F. ARTIFICIAL NEURAL NETWORK (ANN) Menurut Rudiyanto et al. (2004), Artificial Neural Network (ANN) merupakan sebuah sistem pemproses informasi yang mempunyai karakteristik dasar menyerupai jaringan saraf biologis. Bentuk karakteristik dasar itu adalah: pertama ANN terdiri dari beberapa elemen pemproses dasar (neuron) yang menerima masukan dari beberapa neuron yang berada di depannya. Kedua, nilai masukan sinyal akan dikalikan dengan pembobot keterhubungan antar neuron, dan dijumlahkan secara menyeluruh dari semua masukan, dan nilai ini disebut nilai total masukan neuron. Ketiga, apabila nilai total masukan neuron melebihi ambang batas tertentu, maka neuron tersebut akan mengirim sinyal keluaran kepada semua neuron yang berhubungan dengannya. Keempat, pembobot keterhubungan antar neuron dapat diubah melalui proses pembelajaran. Berdasarkan arsitektur keterhubungan antar neuron, terdapat single layer feedforward dan multilayer feedforward ANN. Multilayer feedforward lebih mampu menyelesaikan persoalan dengan tingkat kesulitan yang tinggi, mempunyai satu atau lebih layar neuron diantara input layer dan output layer, yang disebut dengan hidden layer. Multilayer feedforward neural networks dan backpropagation terdiri dari 3 layer, yaitu input layer, hidden layer, dan output layer. Input layer mempunyai n noda. Hidden layer mempunyai h noda. Output layer mempunyai m noda. Notasi yang dipakai adalah sebagai berikut: xi

Vektor masukan di mana i = 1,2,3,…n

vji

Pembobot penghubung input layer dengan hidden layer dimana i = 1,2,3,…n dan j = 1,2,3,…n

wkj

Pembobot penghubung hidden layer dengan output layer dimana k = 1,2,3,...n

xp

data input training di mana p = 1,2,3,…p

ypj

Output pada hidden layer unit ke-j dengan input xp

p

z

k

Output pada output layer unit ke-k

tp k

Target output

f

Fungsi aktivasi

Struktur ANN Backpropagation diperlihatkan pada Gambar 1. Vij

Zij

Wjk

Yk

Xi

Xn Input layer

Hiden layer

Output Layer

Gambar 1. Struktur ANN Backpropagation. Algoritma pembelajaran ANN backpropagation menurut Rudiyanto et al (2004) adalah sebagai berikut: 1. Inisialisasi pembobot Pembobot awal pada ANN diberi nilai secara acak. Nilai acak ini biasanya berkisar -1-1 atau 0-1.

2. Perhitungan nilai aktivasi Perhitungan feedforward dimulai dengan menjumlahkan hasil perkalian input xi dengan pembobot vji. Dan menghasilkan Hj yang merupakan nilai input ke fungsi aktivasi hidden layer. Kemudian output yj pada hidden layer unit j merupakan hasil fungsi aktivasi f dengan masukan Hj. Hal ini diformulasikan dalam:

⎛ ⎞ z k = f (I k ) = f ⎜⎜ ∑ wkj y j ⎟⎟ = ⎝ j ⎠

⎛ ⎞ f ⎜⎜ ∑ wkj f (H j )⎟⎟ = ⎝ j ⎠

⎛ ⎛ ⎞⎞ f ⎜ ∑ wkj f ⎜⎜ ∑ v ji xi ⎟⎟ ⎟ ..(1) ⎜ j ⎟ ⎝ j ⎠⎠ ⎝

dengan fungsi aktivasi berupa fungsi sigmoid sebagai berikut:

f (x ) =

1 1 + e − βx

…… (2)

dimana β adalah gain atau slope fungsi sigmoid (konstanta).

3. Pelatihan (pengkoreksian) nilai pembobot

Pelatihan

nilai

pembobot

pada

ANN

dilakukan

dengan

mengurangi/menurunkan total error system untuk semua data melalui koreksi pembobot. Rata-rata total error system merupakan error output untuk semua pasang data training. Perubahan total error system dapat ditulis sebagai berikut: ∂Etot 1 p ∂E p = ∑ ∂W p p =1 ∂W

…… (3)

dimana E adalah sebagai berikut: 2

1 m E = ∑ (t kp − z kp ) 2 k =1

........(4)

Pengkoreksi pembobot antara output layer dan hidden layer dan antara hidden layer dan input layer berturut-turut ditulis sebagai berikut:

Δwkj (t + 1) = −η

∂E + αΔwkj (t ) ∂wkj

Δv ji (t + 1) = −η

∂E + αΔv ji (t ) ∂v ji

...... (5) ......... (6)

dimana α adalah momentum (konstanta 0<α<1 Proses perhitungan pembobot antara output layer dan hidden layer dilakukan dengan persamaan berikut: wkjnew = wkjold + Δwkj (t + 1)

........ (7)

dan pebobot antara hidden layer dan input layer dilakukan dengan persamaan berikut:

v new = v old ji ji + Δv ji (t + 1)

....... (8)

4. Pengulangan

Keseluruhan proses ini dilakukan pada setiap contoh dan setiap iterasi. Proses pemberian contoh atau pasangan input-output, perhitungan nilai aktifasi dan pembelajaran dengan mengkoreksi pembobot dilakukan terus menerus sampai didapatkan nilai pembobot dengan nilai total error system mencapai minimum global.

III. PENDEKATAN TEORITIS

A. SUDUT DATANG RADIASI MATAHARI

Sudut datang radiasi matahari (θ) digunakan untuk mencari nilai kosinus sudut datang radiasi matahari (K). Untuk bangunan yang berorientasi utaraselatan, maka nilai K dihitung menggunakan persamaan: Ku = Cos (θu)

............(9)

Ks = Cos (θs)

............(10)

B. MODEL PINDAH PANAS PADA GREENHOUSE

Bangunan greenhouse akan mendapat dan kehilangan panas melalui peristiwa perpindahan panas secara radiasi, konveksi, dan konduksi. Model pindah panas yang diterapkan merupakan pengembangan dari Suhardiyanto et al, 2007. Gambar 2 menunjukkan semua perpindahan panas pada empat elemen model pindah panas.

Gambar 2. Skema perpindahan panas pada empat elemen model pindah panas yang dikembangkan (Suhardiyanto et al, 2007). Sistem pindah panas pada greenhouse dibagi menjadi empat bagian subsistem secara vertikal, yaitu atap, udara dalam, permukaan tanah, dan lapisan

lantai. Temperatur penutup greenhouse (Tatap), temperatur udara dalam greenhouse (Tin), temperatur lantai (Tlantai), dan lapisan tanah (Tz0) dihitung dari kondisi batas temperatur udara di luar greenhouse (Tout). Radiasi matahari dijadikan input dengan mempertimbangkan sudut datang radiasi matahari pada penutup greenhouse. Selain itu, kecepatan angin di luar greenhouse (v) sangat berpengaruh dan dijadikan input untuk mencari nilai Vwind (koefisien pindah panas konveksi angin yang masuk ke dalam greenhouse) yang kemudian dikali nilai massa jenis udara (ρudara) dan luasan bukaan ventilasi (Avent) untuk mendapat nilai massa angin yang masuk ke greenhouse. Pindah panas yang terjadi pada keempat bagian tersebut dianalisis dengan persamaan keseimbangan panas pada setiap elemen persatuan luas sebagai berikut:

a. Keseimbangan panas pada atap

Qatap = Qradiasi matahari + Qemittance + Qkonveksi udara luar ke atap + Qkonveksi udara dalam ke atap matap x cpatap x dTatap/dt = ((I x α1 x K) + σ x εatap x (T4sky – Tatap4)) x Aatap + hatapluar x Aatap (Tluar – Tatap) + hatapdalam x Aatap x (Tin – Tatap) ......(11) dimana matap adalah massa atap yang merupakan hasil kali antara ρatap dengan volume atap, cpatap adalah panas jenis bahan atap (J/kg oC), Tatap adalah suhu atap greenhouse (oC), I adalah radiasi global matahari pada bidang horizontal (W/m2), α1 adalah absorbtivitas bahan penutup greenhouse terhadap gelombang pendek, K adalah kosinus sudut datang radiasi matahari, σ adalah konstanta Stefan Boltzman (W/m2K4), εatap adalah emisivitas bahan penutup greenhouse, Tsky adalah angka pendekatan suhu langit (K) yang pada simulasi komputer diabaikan karena nilainya terlalu kecil. hatapdalam adalah koefisien pindah panas konveksi dari atap bagian dalam ke udara dalam (W/m2 oC), Aatap adalah luas atap, Tin adalah suhu udara dalam rumah kaca (oC), hatapluar adalah koefisien pindah panas konveksi di

atap bagian luar karena pengaruh angin (W/m2 oC), dan Tout adalah suhu udara di luar greenhouse (K). Koefisien pindah panas konveksi karena pengaruh angin (hatapluar) pada permukaan datar dihitung dengan persamaan: hatapluar = 5.7 + 3.8 v

........... (12)

dimana v adalah kecepatan angin (m/s).

b. Keseimbangan panas pada udara dalam

Qudara dalam = Qkonveksi atap + Qkonveksi lantai + Qtanaman + Qangin yang masuk ke dalam greenhouse min x cpin x dTin/dt = hatapdalam x Aatap x (Tatap – Tin) + hlantai x Alantai x (Tlantai– Tin) + Qst + ((ρudara x Vwind x Avent) x cpudara x (Tout – Tin)

….(13)

dimana min adalah massa udara dalam yang merupakan hasil kali antara ρudara dengan volume udara, cpin panas jenis udara (J/kg oC), hlantai koefisien pindah panas konveksi dari permukaan lantai ke udara dalam (W/m2 oC), Tlantai suhu permukaan lantai (oC), Qst panas sensibel yang diserap tanaman dalam greenhouse dimana besarnya diperkirakan 0.33 dan 0.67, ρudara adalah massa jenis udara, Vwind adalah koefisien pindah panas konveksi yang masuk ke dalam greenhouse. Nilai Vwind didapat dengan menggunakan prinsip vektor terhadap kecepatan angin di luar greenhouse (v). Inlet ditetapkan dari arah barat atau timur.

c. Keseimbangan panas pada permukaan lantai

Qlantai = Qradiasi matahari ke lantai + Qemittence lantai + Qkonveksi lantai + Qkonduksi lantai ke tanah mlantai x cplantai x dTlantai/dt = (α2 x l x τ + σ x εlantai x (Tatap 4 – Tlantai 4)) x Alantai + hlantai x Alantai x (Tin – Tlantai) + 2 x kf x Alantai x (Tz0 – Tlantai)/(z0)

.....(14)

dimana mlantai adalah massa lantai (concrete) yang merupakan hasil kali antara ρconcrete dengan volume lantai, cplantai panas jenis lantai (concrete) (J/kg oC), τ

transmisivitas penutup atap (polycarbonate), Alantai luasan lantai greenhouse, z0 ketebalan lapisan tanah yang mewakili suhu tanah kedalaman 0.09 m, α2 absorptivitas lantai (concrete), kf konduktivitas panas lantai (W/m K), Tz0 suhu lapisan tanah kedalaman 0.09 m (oC), εlantai emisivitas lantai.

d. Keseimbangan panas pada lapisan tanah

Qtanah = Qkonduksi lantai ke tanah + Qkonduksi tanah lapisan bawah ke tengah mtanah x cptanah x dTtanah/dt = 2 x ks xAtanah x (Tlantai – Tz0)/(z0 ) + 2 x ks x Atanah x (Tz1 – Tz0)/ (z1 – z0)

....... (15)

dimana ks konduktivitas panas pada tanah (W/m oC). C. ASUMSI

Asumsi yang digunakan dalam model pindah panas sama seperti pada Suhardiyanto et.al, 2007, yaitu: 1. Sistem dapat dibagi ke dalam 4 elemen vertikal, yaitu atap greenhouse, udara di dalam greenhouse, permukaan lantai, dan lapisan tanah. 2. Semua elemen vertikal greenhouse tersebut homogen secara horizontal dan vertikal, kecuali lapisan tanah yang dibagi menjadi dua subelemen yang homogen secara horizontal. 3. Kondisi atas lingkungan termal sistem greenhouse adalah suhu udara luar, kecepatan angin, radiasi matahari, dan suhu tanah terdalam yang masih dapat ditentukan. 4. Massa angin yang masuk diperhitungkan dengan menghitung volume angin yang masuk ke dalam greenhouse. 5. Koefisien pindah panas konveksi pada permukaan lantai (hlantai) tidak berubah selama simulasi. 6. Aliran udara di dalam greenhouse terjadi dengan seragam dan dalam arah horizontal. 7. Transmisivitas, absorbtivitas, dan refleksivitas atap greenhouse dianggap tidak berubah dengan perubahan sudut datang radiasi matahari.

IV. METODOLOGI PENELITIAN

A. TEMPAT DAN WAKTU

Penelitian akan dilakukan pada greenhouse beratap gelombang di Leuwikopo, Departemen Teknik Pertanian, Fakultas Teknologi Pertanian, Institut Pertanian Bogor. Penelitian dimulai dari bulan April 2007 sampai Juli 2007.

B. ALAT DAN BAHAN 1. Greenhouse

Greenhouse yang digunakan dalam penelitian ini bertipe single-span greenhouse tipe standard peak. Greenhouse memiliki ukuran panjang 12 m, lebar 6 m, dan tinggi bubungan 5.3 m. Konstruksi greenhouse menggunakan besi, atap bergelombang dari bahan polykarbonat, dinding dengan kawat kasa dan lantai terbuat dari concrete. Greenhouse dibangun dengan orientasi utara-selatan. Gambar greenhouse dapat dilihat pada Lampiran 1. 2. Stasiun Cuaca (Weather Station)

Weather station yang digunakan adalah RM YOUNG model 26700. Weather station merupakan rangkaian alat yang terdiri dari sensor kecepatan dan arah angin (anemometer), sensor temperatur dan kelembaban, sensor tekanan udara (barometer), dan sensor radiasi matahari (pyranometer). Sensor ini dihubungkan pada translator dan nilai dari hasil pengukuran dapat ditampilkan lewat layar display. Setiap sensor melakukan pengukuran setiap detik. Satuan pengukuran dapat diset sesuai kebutuhan pemakai. 3. Termokopel dan Hybrid Recorder

Termokopel digunakan untuk mengukur temperatur udara di dalam greenhouse, yang meliputi pengukuran temperatur atap, temperatur ruangan, temperatur lantai, temperatur tanah, dan temperatur dari dinding greenhouse. Termokopel tersebut dihubungkan dengan hybrid recorder merk Yokogawa type HR2300, tujuannya agar data pengukuran terekam dan dapat langsung dicetak sesuai dengan set waktu yang telah ditentukan.

4. Oil bath dan Termometer standar

Oil bath dan termometer standar digunakan untuk mengkalibrasi termokopel yang digunakan pada pengukuran temperatur. Pengkalibrasian bertujuan untuk mendapatkan hubungan antara temperatur yang terukur oleh termokopel dengan temperatur yang terukur oleh termometer standar.

C. METODE PENELITIAN 1. Analisis Sudut Datang Radiasi Matahari pada Penutup Greenhouse

Analisis sudut datang radiasi matahari pada penutup greenhouse digunakan untuk mengetahui nilai radiasi matahari langsung yang ditransmisikan oleh penutup greenhouse. Analisis sudut datang radiasi matahari dilakukan dengan membagi bentuk satu gelombang pada atap ke dalam delapan (8) segmen dengan sudut datang (θ) tertentu, seperti yang terlihat pada Gambar 3. Dari delapan segmen yang dibentuk, empat menghadap utara dan sisanya menghadap selatan. θ2 θ1

θ3 θ4 θ5

θ8

θ6

θ7

Gambar 3. Pembagian segmen pada atap bergelombang.

2. Penentuan Model Pindah Panas dalam Greenhouse

Persamaan pindah panas digunakan untuk menghitung temperatur penutup greenhouse dan temperatur permukaan tanah. Persamaan pindah panas yang digunakan melibatkan kesetimbangan panas di penutup greenhouse, udara dalam greenhouse, di permukaan lantai, dan lapisan tanah yang disesuaikan dengan

kondisi

greenhouse.

Model

pindah

panas

greenhouse

dibuat

dengan

memperhatikan sudut datang radiasi matahari agar perhitungan radiasi matahari yang masuk dalam sistem lebih akurat.

3. Pengambilan Data di Lapang

Parameter yang diukur adalah kondisi cuaca di sekitar greenhouse berupa kecepatan dan arah angin, temperatur udara, kelembaban udara, tekanan udara, curah hujan, dan radiasi matahari. Radiasi matahari yang diukur adalah radiasi matahari sesaat yang diterima greenhouse. Untuk mencari nilai radiasi total harian dapat dihitung secara matematis dengan menggunakan metode Simpson (Purcell and Vanberg, 1999), sebagai berikut: Ih = Dimana

Δt (I1 + 4∑ I gt + 2∑ I gp + I f 3

)

Ih

= total radiasi harian (Wh/m2)

∆t

= selang pengukuran (jam)

Igt

= radiasi selang pengukuran ganjil (W/m2)

Igp

= radiasi selang pengukuran genap (W/m2)

I1

= radiasi awal (W/m2)

If

= radiasi akhir (W/m2)

............(16)

Temperatur greenhouse yang diukur berupa temperatur penutup greenhouse, temperatur udara dalam greenhouse, temperatur permukaan lantai, temperatur pada batas lantai dengan permukaan tanah pada kedalaman 0.09 m dan 0.13 m dari permukaan lantai. Pengambilan data dilakukan mulai pukul 06.00 smpai 18.00 WIB. Skema titik pengukuran pada greenhouse dapat dilihat pada Gambar 4.

a

3.00 m

2.75 m

2.50 m

5.30 m

(a)

3.00 m

0.13 m

0.09 m

a

(b)

1.00 m

1.00 m 6.00 m 12.00 m

Gambar 4. Skema titik pengukuran pada greenhouse tampak depan (a), tampak samping (b).

Penentuan perbedan antara atap rata dengan atap bergelombang untuk arah greenhouse terbaik dilakukan dengan mengukur radiasi matahari langsung, serta radiasi matahari di bawah atap rata dan bergelombang untuk berbagai posisi arah terhadap utara selama selang waktu tertentu.

4. Pembuatan Program

Pembuatan program untuk mendeteksi temperatur dalam greenhouse dibuat dalam bahasa Visual Basic 6.0. Input program adalah karakteristik elemenelemen greenhouse, data cuaca hasil pengukuran di sekitar greenhouse, serta sudut datang radiasi matahari pada tiap segmen atap bergelombang. Output program adalah pendugaan temperatur penutup greenhouse, temperatur udara dalam greenhouse, temperatur permukaan lantai, dan temperatur tanah pada kedalaman 13 cm. Output program diletakkan pada Microsoft Excel Template. Program yang dikembangkan ialah program yang telah dibuat oleh Suhardiyanto et al, 2007. Diagram alir program dapat dilihat pada Gambar 5.

5. Validasi Program

Validasi program dilakukan dengan membandingkan temperatur udara hasil simulasi dengan hasil pengukuran di lapangan. Pengujian keabsahan dilakukan dengan menggunakan garis regresi yang terbentuk pada hubungan linear antara temperatur hasi simulasi (Y) dan hasil pengukuran (X). Dimana a menyatakan intersep atau perpotongan garis regresi dengan sumbu tegak dan b menyatakan kemiringan atau gradien garis regresi. Y = a + bX

............(17)

Model simulasi dinyatakan memberikan prediksi temperatur yang semakin baik bila persamaan regresinya memiliki koefisien intersep mendekati nol dan gradiennya mendekati satu.

6. Pengembangan Artificial Neural Network (ANN) untuk Sistem Identifikasi Pengukuran Temperatur dalam Greenhouse

Program ANN untuk mengidentifikasi temperatur dalam greenhouse menggunakan algoritma back propagation dan least mean square dengan

memakai bahasa pemprograman Delphi yang dikembangkan oleh Rudiyanto dan Budi I. Setiawan, 2003. Metode yang digunakan adalah pembuatan jaringan saraf tiruan (ANN) untuk membuat sistem identifikasi temperatur dalam greenhouse. Model ANN ini terdiri dari tiga layer, yaitu input layer, hidden layer, dan output layer. Input layer terdiri dari 6 noda, yaitu kecepatan angin, temperatur udara di sekitar greenhouse, radiasi sinar matahari, temperatur udara dalam greenhouse, temperatur penutup greenhouse, temperatur lantai, dan temperatur tanah kedalaman 0.13 m. Model ANN yang digunakan terdapat pada Gambar 6. Sedangkan diagram alir backpropagation terdapat pada Gambar 7. Parameter ini ditentukan berdasarkan analisis variabel pada persamaan kesetimbangan panas yang terjadi dalam greenhouse. Variabel yang dipilih adalah variabel dasar yang terdapat pada persamaan kesetimbangan panas dan dilakukan pengukuran dalam penelitian. Data yang diperoleh dari hasil pengukuran dibagi menjadi dua kelompok yaitu satu set data untuk proses training dan satu set data untuk proses validasi jaringan. Training akan berhenti pada saat grafik validasi mencapai nilai optimum. Kinerja jaringan dinilai berdasarkan RMS error (Root Mean Square Error). Validasi ANN dilakukan dengan menggunakan parameter Standard Error of Prediction (SEP), bias (đ), dan Coefficient of Variation (CV). n

SEP = ∑ i =1

−

n

d =∑ i =1

CV =

(Ya − Yp) 2 n −1

(Ya − Yp) n

SEP −

............(18) ............(19)

x100%

............(20)

Ya dimana Ya adalah nilai aktual dari pengukuran, Yp adalah nilai prediksi oleh −

ANN, n adalah jumlah data dan Ya adalah nilai rata-rata aktual pengukuran.

Mulai

Dim data-data yang diperlukan

Program Gauss

Sifat bahan dari cover, udara, lantai, tanah, dan kosinus sudut datang Program Matrix Finite Difference

Irr, Ti, wind, Tz1, t, Vwind

dt = 600 t=0 Time end = 72 k=2

Tatap, Tudara dalam, Tlantai, Ttanah

End

Gambar 5. Diagram alir program Visual Basic untuk memprediksi temperatur dalam greenhouse

Xi

Vij

Zj

1

Wjk

2 Yk 3 7 4 5 6 Input Layer

Hidden Layer

Output Layer

Keterangan gambar: 1. Kecepatan angin (m/s2) 2. Radiasi matahari (W/m2) 3. Temperatur penutup greenhouse (oC) 4. Temperatur udara di luar greenhouse (oC) 5. Temperatur permukaan lantai (oC) 6. Temperatur tanah kedalaman 9 cm (oC) 7. Temperatur udara di dalam greenhouse (oC)

Gambar 6. Model ANN yang digunakan untuk pendugaan temperatur dalam greenhouse

Mulai

Input Training

Inisialisasi pembobot

Perhitungan nilai aktivasi

Perbaikan nilai pembobot

Learning rate, konstanta momentum, konstanta persamaan sigmoid, iterasi

Training terklarifikasi dengan benar

End

Gambar 7. Diagram alir ANN backpropagation unuk memprediksi temperatur dalam greenhouse.

V. HASIL DAN PEMBAHASAN

A.

SUDUT

DATANG

RADIASI

MATAHARI

PADA

PENUTUP

GREENHOUSE

Radiasi yang mengenai permukaan benda terdiri dari radiasi langsung, sebaran, dan pantulan. Radiasi langsung adalah radiasi matahari yang langsung mengenai permukaan benda tanpa mengalami pantulan atmosfer. Radiasi sebaran adalah radiasi yang sudah dipencarkan oleh molekul-molekul gas, debu, dan uap air di atmosfer. Radiasi pantulan adalah radiasi yang dipantulkan dari permukaan yang berdekatan dengan benda tersebut. Sebagian radiasi matahari yang sampai ke penutup greenhouse ditransmisikan, sebagian dipantulkan, dan sebagian lagi diserap oleh material penutup greenhouse. Transmisivitas dan reflektivitas merupakan bagian yang penting karena dipengaruhi oleh sudut datang radiasi matahari, sedangkan besarnya asorpsivitas hampir konstan untuk semua sudut datang matahari dari 0o90o (Takakura, 1989 dalam Nuryawati, 2006). Menurut Mastalerz (1977), semakin besar nilai sudut datang radiasi matahari maka semakin kecil radiasi yang ditransmisikan penutup greenhouse. Sedangkan menurut Lunde (1980), transmisivitas berkurang secara bertahap bila sudut datang (θ) lebih dari 45o terhadap vertikal. Nuryawati (2006), telah melakukan penelitian untuk menganalisis sudut datang matahari pada greenhouse beratap rata untuk memperkirakan temperatur di dalam greenhouse tersebut. Greenhouse yang digunakan pada penelitian ini merupakan greenhouse beratap gelombang dari bahan yang sama, yaitu polykarbonat. Terlebih dahulu dilakukan pengukuran ada tidaknya perbedaan jumlah radiasi matahari yang ditransmisikan oleh atap datar dengan bergelombang. Hasil pengukuran radiasi matahari dibawah atap dan di luar seperti terlihat pada Lampiran 2 menunjukkan bahwa terdapat perbedaan nilai transmisivitas yang sangat besar antara atap rata dengan atap gelombang. Atap gelombang menunjukkan nilai transmisivitas yang lebih besar bila dibandingkan dengan atap rata. Nilai transmisivitas untuk atap gelombang berkisar antara 0,8 – 0,9 sedangkan untuk atap rata antara 0,6 – 0,7.

Hasil transmisivitas ini merupakan dasar untuk mencoba simulasi komputer yang dibuat Nuryawati (2006) untuk memprediksi temperatur di dalam

greenhouse beratap rata. Data pengukuran yang digunakan dalam simulasi adalah: 13 Mei, 15 Mei, dan 17 Mei 2007 dipilih mewakili data cuaca cerah dengan nilai radiasi total harian secara berturut-turut sebesar 5042,832 Wh/m2, 5040,275 Wh/m2 dan 5028,601 Wh/m2, sedangkan tanggal 14 Mei, 16 Mei, dan 18 Mei 2007 dipilih mewakili data cuaca berawan dan hujan dengan nilai radiasi total harian secara berturut-turut sebesar 4986,284 Wh/m2, 4984,231 Wh/m2, dan 4974,792 Wh/m2. Gambar 8, menunjukkan perubahan radiasi matahari selama pengukuran. Radiasi matahari akan berubah setiap saat dengan titik maksimum pada siang hari, dan nilai radiasi matahari akan berkurang apabila langit berawan. Radiasi total harian dapat dilihat pada Gambar 9.

Radiasi Matahari (W/m 2)

1200

13-Mei-07 14-Mei-07 15-Mei-07 16-Mei-07

1000 800

17-Mei-07 18-Mei-07

600 400 200

18 :0 0

17 :0 0

16 :0 0

15 :0 0

14 :0 0

13 :0 0

12 :0 0

11 :0 0

9: 00 10 :0 0

8: 00

7: 00

6: 00

0

Pukul (WIB)

Gambar 8. Perubahan radiasi matahari harian selama pengukuran. 2 R a d ia s iM a ta h a riT o ta lH a ria n )(

5060 5040 5020 5000 4980 4960 4940 13 M ei 2007

14 Mei 2007

15 Mei 2007

16 M ei 2007

17 Mei 2007

Tanggal

Gambar 9. Radiasi total harian selama pengukuran.

18 Mei 2007

Nilai sudut datang radiasi matahari pada penutup greenhouse didapatkan dengan cara membagi bentuk satu gelombang pada penutup tersebut ke dalam delapan segmen. Pembagian segmen ini bertujuan untuk membagi bentuk gelombang ke dalam bentuk datar, sehingga memudahkan dalam pengukuran sudut datang (θ). Setelah dibagi ke dalam segmen, didapatkan delapan nilai θ. Empat nilai untuk yang menghadap utara dan empat nilai untuk yang menghadap selatan. Nilai θ yang menghadap utara secara berturut-turut yaitu 103, 120, 120, dan 103 derajat, sedangkan yang menghadap selatan, yaitu 60, 77, 77, dan 60 derajat. Nilai kosinus untuk arah utara (ku) sebesar -0.78223 dan 0.814181, sedangkan untuk arah selatan (ks) sebesar -0,95241 dan -0.03098. Keempat nilai ini, kemudian digunakan dalam persamaan pindah panas untuk tiap nilai waktu (t) tertentu.

B.

PENGARUH

PERBEDAAN

POSISI

GREENHOUSE

PADA

GREENHOUSE BERATAP RATA DENGAN BERGELOMBANG

Penggunaan atap rata dan gelombang pada greenhouse menghasilkan nilai transmisivitas yang berbeda. Untuk melihat posisi terbaik dari penggunaan atap rata dan gelombang pada greenhouse agar transmisivitasnya minimum, maka diukur radiasi matahari di bawah atap dan di luar atap untuk berbagai posisi arah sudut terhadap utara. Kemiringan untuk tiap atap dibuat 30º, miring ke arah timur. Nilai transmisivitas bahan penutup atap ditunjukkan dengan nilai a pada persamaan regresi y = ax +b. Hal ini didapat dari hubungan linear antara radiasi dalam dengan hasil perkalian radiasi luar dengan transmisivitas. Apabila radiasi luar naik, maka radiasi dalam juga akan naik sebesar nilai transmisivitas atapnya. Tabel proporsi radiasi matahari yang diteruskan untuk berbagai posisi

greenhouse dengan atap rata dan gelombang terdapat pada Lampiran 3. Grafik untuk atap rata dari bahan polykarbonat untuk berbagai posisi arah terlihat pada Gambar 10, 11, 12, 13, 14, 15, dan 16.

R a dia s i da la m (W /m 2 )

700

y = 0.7246x - 27.38

600 500 400 300 200 100 0 0

100

200 300 400 500

600 700

Radiasi luar (W/m2)

Gambar 10. Persamaan regresi transmisivitas untuk arah 0o terhadap utara.

R a d ia s i d a la m (W /m 2 )

700

y = 0.659x - 24.841

600 500 400 300 200 100 0 0

100

200

300

400

500

600

700

Radiasi luar (W/m2)



700

y = 0.6399x - 17.116

600 500 400 300 200 100 0 0

100 200 300 400 500 600 700 Radiasi luar (W/m2)



700

y = 0.6066x + 16.814

600 500 400 300 200 100 0 0

100 200 300 400 500 600 700 Radiasi luar (W/m2)



700

y = 0.6172x + 7.2176

600 500 400 300 200 100 0 0

100 200 300 400 500 600 700 Radiasi luar (W/m2)



700

y = 0.6482x + 20.012

600 500 400 300 200 100 0 0

100 200 300 400 500 600 700 Radiasi luar (W/m2)


R a dia s i d a la m (W /m 2 )

700

y = 0.6789x + 17.47

600 500 400 300 200 100 0 0

100 200 300 400 500 600 700 Radiasi luar (W/m2)

Gambar 16. Persamaan regresi transmisivitas untuk arah 180o terhadap utara. Gambar-gambar persamaan regresi yang menggambarkan transmisivitas bahan penutup atap rata menunjukkan bahwa transmisivitas terendah terjadi pada posisi sudut 90o terhadap utara, yaitu sebesar 0,6066. Grafik untuk atap bergelombang dari bahan polykarbonat untuk berbagai posisi arah terlihat pada Gambar 17, 18, 19, 20, 21, 22, dan 23.


700

y = 0.9352x - 10.151

600 500 400 300 200 100 0

0

100 200 300 400 500 600 700 Radiasi luar (W/m2)



700

y = 0.8793x - 51.998

600 500 400 300 200 100 0 0

100 200 300 400 500 600 700 Radiasi luar (W/m2)



700

y = 0.9622x - 57.517

600 500 400 300 200 100 0 0

100 200 300 400 500 600 700 Radiasi luar (W/m2)



700

y = 0.9348x - 16.577

600 500 400 300 200 100 0 0

100 200 300 400 500 600 700 Radiasi luar (W/m2)


R a dia s i d a la m (W /m 2 )

700

y = 0.9056x - 52.688

600 500 400 300 200 100 0 0

100 200 300 400 500 600 700 Radiasi luar (W/m2)


R a d ia s i da la m (W /m 2 )

700

y = 0.9853x - 73.112

600 500 400 300 200 100 0 0

100 200 300 400 500 600 700 Radiasi luar (W/m2)



700

y = 0.9596x - 49.742

600 500 400 300 200 100 0 0

100 200 300 400 500 600 700 Radiasi luar (W/m2)

Gambar 23. Persamaan regresi transmisivitas untuk arah 180o terhadap utara. Gambar-gambar persamaan regresi yang menggambarkan transmisivitas bahan penutup atap bergelombang menunjukkan bahwa transmisivitas terendah terjadi pada posisi sudut 30o terhadap utara, yaitu sebesar 0,8793.

C. MODEL SIMULASI PINDAH PANAS DALAM GREENHOUSE

Model pindah panas yang digunakan merupakan pengembangan dari model yang dibuat oleh Suhardiyanto et al, 2007. Model pindah panas menggunakan persamaan kesetimbangan panas di penutup, udara dalam, lantai, dan lapisan tanah. Model ini menggunakan bahasa pemprograman Visual Basic 6.0 yang dijalankan dengan menggunakan Microsoft Excel Template Macro. Keluaran program langsung disimpan pada Microsoft Excel Template Macro. Program selengkapnya dapat dilihat pada Lampiran 4 .

Input yang digunakan adalah karakteristik greenhouse yang meliputi dimensi greenhouse, karakteristik bahan atap (transmisivitas, absorbtivitas dan emisivitas bahan polykarbonat), sifat fisik udara di dalam greenhouse, karakteristik lantai, dan karakteristik tanah. Data yang digunakan dalam model adalah hasil pengukuran dari tanggal 13 sampai 18 Mei 2007, yang mewakili kondisi cuaca cerah, berawan, dan hujan. Data-data yang digunakan dalam model pindah panas dapat dilihat pada Lampiran 5. Perhitungan untuk menduga suhu udara di dalam greenhouse dilakukan dengan menggunakan persamaan-persamaan pindah panas dalam greenhouse yang diselesaikan dengan metode Finite Difference dan perhitungan dilakukan dengan metode Gauss menggunakan matrik 4 x 4. Perhitungan dimulai untuk data pukul 06.00 sampai 18.00 WIB setiap harinya. Data suhu atap, udara dalam, permukaan lantai, dan suhu tanah pada kedalaman z0 hasil pengukuran sebelum pukul 06.00 WIB dijadikan input dalam perhitungan model pindah panas. Nilai konstanta yang digunakan dalam simulasi dapat dilihat pada Tabel 1.

Tabel 1. Nilai konstanta yang digunakan dalam simulasi pendugaan suhu udara dalam greenhouse. Simbol Nilai 0.02 (Critten and Bailey, 2002) α1 0.01 (Critten and Bailey, 2002) α2 0.60 (Esmay et al., 1983) εa 1260 kj/kg K (www.matweb.com) Catap Cudara 1007 (Esmay et al., 1983) Clantai 880 (Cengel, 2003) Ctanah 800 (Cengel, 2003) 1.3 kg/m3 (edboyden.org/constans.html) ρatap 3 ρudara 1.1168 kg/m (Cengel, 2003) 3 ρlantai 2300 kg/m (Cengel, 2003) 3 ρtanah 2660 kg/m (Cengel, 2003) 0.88 (Esmay et al., 1986) εf 7 W/m2 (Bot, 2001) hlantai hatapdalam 7 W/m2 (Bot, 2001) 1.28W/mK (www.hukseflux.com) kf 8.8 W/m oC (Papadakis et al., 1989) ks -0.23786 kse 0.33 Qst 19.1 oC Tc0 21.6 oC Tf0 20 oC Tin0 23.8 oC Tzo0 Batas 0.44 m lantai 0.09 m z0 0.13 m z1 5.67 x 108 W/m2K4 σ 0.77 (Nelson, 2003) τ Hasil keluaran simulasi kemudian dibandingkan dengan hasil pengukuran. Hasil keluaran program dapat dilihat pada Lampiran 6. Grafik perbedaan temperatur hasil simulasi dengan pengukuran dapat dilihat pada Gambar 24 sampai Gambar 29.

Tin aktual

18:00

17:00

16:00

15:00

14:00

13:00

12:00

11:00

10:00

9:00

8:00

7:00

Tin prediksi

6:00

Temperatur ( o C)

45 40 35 30 25 20 15 10 5 0

Pukul

Temperatur ( o C)

Gambar

24.

Grafik perbedaan hasil simulasi dengan pengukuran pada cuaca cerah, 13 Mei 2007.

40.00

Tin aktual

35.00

Tin prediksi

30.00 25.00 20.00 15.00 10.00 5.00 18:00

17:00

16:00

15:00

14:00

13:00

12:00

11:00

10:00

9:00

8:00

7:00

6:00

0.00

Pukul

Gambar

25.

Grafik perbedaan hasil simulasi dengan pengukuran pada cuaca berawan dan hujan, 14 Mei 2007.

45

Tin aktual

Temperatur ( o C)

40

Tin prediksi

35 30 25 20 15 10 5 18:00

17:00

16:00

15:00

14:00

13:00

12:00

11:00

10:00

9:00

8:00

7:00

6:00

0

Pukul

Gambar

26.

Grafik perbedaan hasil simulasi dengan pengukuran pada cuaca cerah, 15 Mei 2007.

Temperatur ( o C)

40

Tin aktual

35

Tin prediksi

30 25 20 15 10 5 18:00

17:00

16:00

15:00

14:00

13:00

12:00

11:00

10:00

9:00

8:00

7:00

6:00

0

Pukul

Gambar

27.


45

Tin aktual

Temperatur ( o C)

40

Tin prediksi

35 30 25 20 15 10 5 18:00

17:00

16:00

15:00

14:00

13:00

12:00

11:00

10:00

9:00

8:00

7:00

6:00

0

Pukul

Gambar 28. Grafik perbedaan hasil simulasi dengan pengukuran pada cuaca cerah, 17 Mei 2007. 45

Tin aktual

Temperatur ( o C)

40

Tin prediksi

35 30 25 20 15 10 5 18:00

17:00

16:00

15:00

14:00

13:00

12:00

11:00

10:00

9:00

8:00

7:00

6:00

0

Pukul

Gambar

29.


Grafik-grafik perbedaan hasil simulasi dengan pengukuran aktual untuk tiap cuaca baik cerah maupun berawan dan hujan menunjukkan hasil yang cukup baik. Hampir pada setiap grafik terdapat titik dari garis simulasi yang tepat menyentuh maupun memiliki pola yang sama dengan garis pengukuran aktual.

D. VALIDASI MODEL SIMULASI PINDAH PANAS

Pengujian keakuratan hasil simulasi dilakukan dengan menganalisis garis regresi yang terbentuk pada hubungan linear antara temperatur udara hasil simulasi dengan pengukuran. Temperatur simulasi akan semakin akurat apabila nilai koefisien intersepnya (a) mendekati nol dan gradiennya (b) mendekati satu. Grafik regresi hubungan linear antara temperatur hasil simulasi dengan pengukuran ditunjukkan oleh Gambar 30 sampai 35.

45

y = 0.7455x + 6.3172 R2 = 0.5661

Tin prediksi (o C)

40 35 30 25 20 20

25

30

35

40

45

Tin aktual (o C)

Gambar 30. Grafik regresi temperatur hasil simulasi dengan pengukuran untuk cuaca cerah, 13 Mei 2007.

45

y = 0.5575x + 9.6323 R2 = 0.7203

Tin pre dik s i ( o C )

40

35

30

25

20 20

25

30

35

40

45

Tin aktual (oC)

Gambar 31. Grafik regresi temperatur hasil simulasi dengan pengukuran untuk cuaca berawan dan hujan, 14 Mei 2007.

45

y = 0.6124x + 8.5939 R2 = 0.7984

Tin prediksi (o C)

40 35 30 25 20 20

25

30

35

40

45

Tin aktual (o C)


45

y = 0.7784x + 2.9235 R2 = 0.5154

T in p red iksi ( o C)

40 35 30 25 20 20

25

30

35

40

45

Tin aktual (o C)

Gambar 33. Grafik regresi temperatur hasil simulasi dengan pengukuran untuk cuaca berawan dan hujan, 16 Mei 2007.

45

y = 0.7563x + 4.1857 R2 = 0.849

T in p red iksi (o C)

40 35 30 25 20 20

25

30

35

40

45

Tin aktual (o C)


45

y = 0.3879x + 15.854 R2 = 0.7817

Tin prediksi (o C)

40 35 30 25 20 20

25

30

35

40

45

Tin aktual (o C)

Gambar 35. Grafik regresi temperatur hasil simulasi dengan pengukuran untuk cuaca berawan dan hujan, 18 Mei 2007. Grafik hasil regresi temperatur hasil simulasi dengan pengukuran untuk semua cuaca dan hari menunjukkan bahwa hasil simulasi tidak cukup akurat, karena gradiennya mendekati nilai satu, tapi koefisien intersepnya menjauhi nilai nol. Hal ini kemungkinan disebabkan karena penggunaan konstanta pada model pindah panas yang diambil dari literatur, yang berbeda untuk kondisi lingkungan pada tempat penelitian, seperti penggunaan koefisien konveksi, dimana seharusnya diambil pengukuran tersendiri pada lingkungan yang bersangkutan.

E. PENGEMBANGAN MODEL ARTIFICIAL NEURAL NETWORK (ANN)

Penelitian ini menggunakan Artificial Neural Network (ANN) dengan algoritma backpropagation. ANN ditraining dengan data input, dan akan menghasilkan output berupa weight (pembobot) yang menghubungkan antara

input layer, hidden layer, dan output layer. Jumlah data yang diperoleh dari hasil pengukuran adalah 433 unit data. Data ini kemudian dibagi menjadi dua bagian yaitu satu set data untuk training yang berjumlah 287 unit data, dan satu set data untuk validasi yang berjumlah 146 unit data. Dalam pemilihan data-data tersebut, data nilai maksimum dan minimum

dimasukkan ke dalam bagian data untuk training, sedangkan bagian data untuk validasi dipilih diantara nilai minimum dan maksimum dari data tersebut. Hal ini bertujuan agar validasi ANN dapat berhasil dengan baik. Parameter input yang digunakan merupakan data-data lingkungan termal dan iklim mikro di sekitar greenhouse, yaitu kecepatan angin di luar greenhouse, radiasi matahari luar, temperatur udara luar, temperatur penutup greenhouse, temperatur permukaan lantai, dan temperatur tanah pada kedalaman 13 cm. Sedangkan parameter outputnya ialah temperatur udara di dalam greenhouse. ANN yang digunakan memakai bahasa program Delphi dengan algoritma

backpropagation yang dikembangkan oleh Rudiyanto dan Budi I. Setiawan, 2003. Gambar tampilan ANN dapat dilihat pada Gambar 36.

Gambar 36. Tampilan program ANN. Proporsi jumlah data training dan validasi untuk ANN yang digunakan terdiri dari tiga model yaitu model 1, model 2, dan model 3. Model 1 menggunakan jumlah data untuk training sebesar 55 % dan jumlah data untuk validasi sebesar 45 % dari jumah data keseluruhan. Model 2 menggunakan jumlah data untuk training dan validasi masing-masing 67 % dan 33 % dari jumlah data keseluruhan. Sedangkan model 3 masing-masing 75 % dan 25 % dari jumlah data keseluruhan. Ketiga model yang digunakan menggunakan learning parameter yang sama, yaitu learning rate sebesar 0,5, momentum sebesar 0,5, dan gain

sebesar 1. Data training dan validasi yang digunakan untuk ketiga model dapat dilihat pada Lampiran 7.

F. VALIDASI MODEL ARTIFICIAL NEURAL NETWORK

Validasi merupakan pengujian model ANN yang dilakukan terhadap data yang tidak digunakan dalam training. Temperatur prediksi hasil validasi dapat dilihat pada Lampiran 7. Validasi model dilakukan dengan menggunakan parameter Standard Error of Prediction (SEP), bias (đ), dan Coefficient of

Variation (CV). Tabel 2. Nilai Standard Error of Prediction (SEP), bias (đ), dan Coefficient of Variation (CV)`ketiga model. Model 1 2 3 SEP 1,231197 0,995203 0,789001 Bias -0,58955 -0,3469 -0,09667 CV 0,040684 0,033015 0,026377 Tabel 2 memperlihatkan model 3 memiliki nilai SEP, đ, dan CV yang terkecil dibandingkan dua model lainnya. Standard Error of Prediction (SEP),

bias (đ), dan Coefficient of Variation (CV) menyatakan tingkat kecocokan antara nilai temperatur hasil pendugaan menggunakan ANN dengan hasil pengukuran. Semakin kecil nilai SEP dan CV, serta semakin mendekati nol nilai đ berarti semakin baik tingkat kecocokannya. Dengan demikian, model 3 dengan proporsi jumlah data training 75 % dan data validasi 33 % dari total data yang berjumlah 433 data, adalah model yang paling baik untuk pendugaan temperatur udara di dalam greenhouse. Grafik regresi untuk kecocokan hasil pendugaan menggunakan ANN dengan pengukuran aktual seperti terlihat pada Gambar 37, 38, dan 39 juga memperlihatkan hubungan yang lebih baik pada model 3 dibandingkan kedua model lainnya. Pada model 3, grafik persamaan regresi y = ax + b memperlihatkan nilai intersep (a) dan R2 yang lebih mendekati satu.

Temperatur Perkiraan ANN (oC)

40

y = 1.1399x - 3.6454 R2 = 0.9326

35

30

25

20 20

25

30

35

40 o

Temperatur Aktual Pengukuran ( C)

40

y = 1.1415x - 3.9179 R2 = 0.9382

T e m p e ra t u r P e rk ira a n A N N (

o

C)

Gambar 37. Grafik regresi model 1.

35

30

25

20 20

25

30

35

40 o

Temperatur Aktual Pengukuran ( C)

40

y = 1.1006x - 2.9134

T em p eratu r Perkiraan A N N (

o

C)


R2 = 0.9395

35

30

25

20 20

25

30

35

Temperatur Aktual Pengukuran ( oC)


40

Berdasarkan persamaan regresi yang dihasilkan model simulasi pindah panas dan model ANN, terlihat bahwa nilai gradien dan koefisien determinasi pada model ANN lebih mendekati satu, serta nilai koefisien intersep yang lebih mendekati nol dibandingkan dengan model simulasi pindah panas. Maka dapat dikatakan model ANN lebih akurat untuk pendugaan temperatur udara di dalam greenhouse dibandingkan dengan model simulasi pindah panas.

DAFTAR PUSTAKA

Apriliani, Baby. Analisa Temperatur Udara dalam Single-span Greenhouse, Kebun Percobaan Cikabayan, IPB dengan Menggunakan Atap Dua Lapis (Double Layer), Fateta. IPB. 2006. Bot, G.P.A. 1983. Greenhouse Climate: from Physical Processes to a Dynamic Model. Thesis. Agricultural University of Wagenigen, Netherland. Businger. 1963. The Greenhouse Environment. W.M. John. Department of Horticulture, The Pennsylvania State University, New York, USA. Cengel, Yunus A. 2003. Heat Transfer: A Practical Approach 2nd ed. The McGraw-Hill Companies, Inc. New York. USA. Esmay, M.L., J.E. Dixon. 1983. Environmental Control for Agricultural Buildings. The AVI Publishing Inc., Westport, Conecticut, USA. Hanan, J.J., W.D, Holley, K.L. Goldsberry. 1978. Greenhouse Management. Springer-Verlag, Berlin, Heidelberg. Hukseflux Thermal Sensors. 2006. Thermal Conductivity Science. hukseflux.com. 5 Agustus 2006. Lunde, P.J. 1980. Solar Thermal Engineering (Space Heating and Hot Water System). John Wiley and Sons, New York, USA. Mastalerz, J.W. 1977. The Greenhouse Environment. John Willey & Sons, New York, USA. Nelson, Paul V. 1978. Greenhouse Opertaion and Management, 2nd edition. Reston Publishing Company, Inc. virginia, USA. Nuryawati, Titin. 2006. Analisis Sudut Datang Radiasi Matahari dan Pengembangan Model Pindah Panas pada Greenhouse Menggunakan artificial Neural Network. Skripsi. Departemen Teknik Pertanian, Fakultas Teknologi Pertanian, IPB. Bogor Rhomdonah, Yayu. 2002. Analisis Sudut Datang Radiasi Matahari dan Pengembangan Model Pindah Panas pada Greenhouse. Skripsi. Departemen Teknik Pertanian, Fakultas Teknologi Pertanian, IPB. Bogor.

Rudiyanto, B.I. Setiawan. 2004. Backpropagation Artificial Neural Network. Artikel. Departemen Teknik Pertanian. FATETA-IPB. Bogor. Soegijanto. 1999. Bangunan di Indonesia dengan Iklim Tropis Lembab Ditinjau dari Aspek Fisika Bangunan. Direktorat Jenderal Pendidikan Tinggi. Departemen Pendidikan dan Kebudayaan. Jakarta. Suhardiyanto, H., Y. Chadirin, T. Nuryawati, Y. Rhomdonah. 2007. Analisis Sudut Datang Radiasi Matahari untuk Pengembangan Model Pindah Panas pada Rumah Kaca di Daerah Beriklim Tropika. Bogor. Papadakis et al., 1989. Soil Energy Balance Analysis of A Solar Greenhouse. J. Agric. Eng. Res. 43: 231-243. Walker, J.W. 1965. Ventilation of Agricultural Structure. ASAE Monograph (6): 81-98. Widyastuti. 1993. Greenhouse Rumah untuk Tanaman. PT Penebar Swadaya, Jakarta. Wulandari, Niken. 2005. Pengembangan Model Artificial Neural Network untuk Pendugaan Temperatur dalam Greenhouse pada Berbagai Kondisi Naungan (Transmisivitas Bahan Penutup) dalam Single-Span Greenhouse. Skripsi. Departemen Teknik Pertanian, Fakultas Teknologi Pertanian, IPB. Bogor.

LAMPIRAN

Lampiran 1. Greenhouse yang digunakan dan posisi weather station dalam penelitian.

Lampiran 2. Hasil pengukuran radiasi matahari di bawah atap dan di luar untuk atap rata dan gelombang. Pukul

8

9

10

11

12

13

Sudut terhadap Utara 0 30 60 90 120 150 180 0 30 60 90 120 150 180 0 30 60 90 120 150 180 0 30 60 90 120 150 180 0 30 60 90 120 150 180 0 30 60 90 120 150 180

Atap rata Luar Dalam 89,6 84,3 100,8 81,4 102,2 71,4 109,2 102,9 110,6 94,3 116,2 102,9 121,8 118,6 345,8 254,3 331,8 191,4 336,0 185,7 336,0 150,0 327,6 120,0 324,8 108,6 324,8 111,4 467,6 327,1 450,8 331,4 448,0 297,1 474,6 294,3 485,8 278,6 487,2 330,0 485,8 252,9 562,8 428,6 567,0 365,7 567,0 351,4 555,8 344,3 554,4 340,0 557,2 350,0 481,6 375,7 564,2 402,9 565,6 364,3 546,0 360,0 537,6 424,3 616,0 390,0 620,2 418,6 607,6 440,0 518,0 310,0 522,2 307,1 518,0 322,9 515,2 318,6 515,2 342,9 505,4 381,4 469,0 382,9

Atap gelombang Luar Dalam 98,0 84,3 100,8 92,9 102,2 97,1 107,8 88,6 110,6 90,0 112,0 91,4 121,8 105,7 337,4 292,9 333,2 320,0 337,4 262,9 337,4 287,1 327,6 121,4 324,8 118,6 324,8 110,0 452,2 431,4 456,4 385,7 459,2 442,9 456,4 440,0 484,4 424,3 488,6 464,3 481,6 450,0 568,4 472,9 579,6 535,7 599,2 568,6 555,8 488,6 557,2 527,1 639,8 568,6 555,8 475,7 621,6 581,4 543,2 468,6 553,0 530,0 532,0 525,7 614,6 560,0 616,0 584,3 602,0 550,0 512,4 491,4 527,8 387,1 519,4 431,4 511,0 397,1 515,2 382,9 508,2 452,9 574,0 494,3

14

15

0 30 60 90 120 150 180 0 30 60 90 120 150 180

445,2 442,4 436,8 431,2 414,4 408,8 399,0 274,4 280,0 331,8 344,4 396,2 296,8 309,4

251,4 208,6 198,6 204,3 295,7 357,1 357,1 90,0 100,0 178,6 300,0 307,1 261,4 272,9

477,4 445,2 443,8 441,0 420,0 471,8 408,8 273,0 281,4 222,6 364,0 372,4 343,0 301,0

452,9 164,3 187,1 430,0 371,4 407,1 351,4 235,7 102,9 134,3 300,0 295,7 282,9 298,6

Lampiran 4. Program untuk memprediksi temperatur dalam greenhouse. Dim ah(4, 4), bh(4), yh(4) Dim imax, ibar, ikol Dim asimp, bsimp, ratio Dim nx, i, ii, irr, Tl, Tz1, j, t, wind, Tpermtanah Dim T1, T2, T3, T4, k, T10, T20, T30, T40 Dim timeend Dim matap, mudara, mlantai, mtanah Dim cpatap, cpudara, cplantai, cptanah Dim Aatap, Alantai, Atanah, Aventilasi Dim hatapluar, hatapdalam Dim hventilasi, hlantai Dim Tsky, eatap, boltzman, elantai Dim ktanah, klantai, bataslantai, pudara, Vwind Dim mcpatap, mcpudara, mcplantai, mcptanah Dim alfa1, alfa2, Qst, transmisivitas, kse Dim z1, z0, dt Dim hAatap1, hAatap2, HAtanah, HAventilasi, HAlantai Public Sub gaus() For i = 1 To nx - 1 imax = i For ibar = i + 1 To nx If Abs(ah(ibar, i)) > Abs(ah(imax, i)) Then imax = ibar Next ibar For ikol = i To nx asimp = ah(i, ikol) ah(i, ikol) = ah(imax, ikol) ah(imax, ikol) = asimp Next ikol bsimp = bh(i) bh(i) = bh(imax) bh(imax) = bsimp For ibar = i + 1 To nx ratio = ah(ibar, i) / ah(i, i) For ikol = i + 1 To nx ah(ibar, ikol) = ah(ibar, ikol) - ratio * ah(i, ikol) Next ikol bh(ibar) = bh(ibar) - ratio * bh(i) Next ibar Next i yh(nx) = bh(nx) / ah(nx, nx) For i = nx - 1 To 1 Step -1 yh(i) = bh(i) For j = i + 1 To nx

yh(i) = yh(i) - ah(i, j) * yh(j) Next j yh(i) = yh(i) / ah(i, i) Next i End Sub Public Sub Datainput() alfa1 = 0.13 alfa2 = 0.6 kse = -0.78223 matap = 320.398 cpatap = 1260 Aatap = 169.974 Tsky = (0.0552 * (Tl ^ 1.5)) eatap = 0.11 elantai = 0.88 boltzman = 5.669 * 0.00000001 transmisivitas = 0.77 Qst = 0.33 mudara = 424.97 cpudara = 1007 pudara = 1168 mlantai = 6624 cplantai = 880 Alantai = 72 mtanah = 7660.8 cptanah = 800 Atanah = 72 hatapluar = (5.7 + (3.8 * wind)) hatapdalam = 7 hlantai = 7 mcpudara = Aventilasi = 155.5 ktanah = 8.8 klantai = 1.28 bataslantai = 0.04 mcpatap = matap * cpatap mcpudara = mudara * cpudara mcplantai = mlantai * cplantai mcptanah = mtanah * cptanah

hAatap1 = hatapluar * Aatap hAatap2 = hatapdalam * Aatap HAlantai = hlantai * Alantai T1 = 19.1 T2 = 20 T3 = 21.6 T4 = 23.8 z1 = 0.13 z0 = 0.09 End Sub Public Sub matrik() nx = 4 ah(1, 1) = (mcpatap / dt) + hAatap1 + hAatap2 ah(1, 2) = -hAatap2 ah(1, 3) = 0 ah(1, 4) = 0 ah(2, 1) = -hAatap2 ah(2, 2) = (mcpudara / dt) + hAatap2 + HAlantai + mcpudara ah(2, 3) = -HAlantai ah(2, 4) = 0 ah(3, 1) = 0 ah(3, 2) = -HAlantai ah(3, 3) = (mcplantai / dt) + HAlantai + ((2 * klantai * Atanah) / bataslantai) ah(3, 4) = -(2 * (klantai * Alantai) / z0) ah(4, 1) = 0 ah(4, 2) = 0 ah(4, 3) = -(2 * (ktanah * Atanah) / z0) ah(4, 4) = (mcptanah / dt) + ((2 * ktanah * Atanah) / z0) + ((2 * ktanah * Atanah) / (z1 - z0)) bh(1) = ((mcpatap / dt) * T10) + (alfa1 * Aatap * irr * kse) + (hAatap1 * Tl) + (eatap * boltzman * Aatap * ((Tsky ^ 4) - (T10 ^ 4))) bh(2) = ((mcpudara / dt) * T20) + Qst bh(3) = ((mcplantai / dt) * T30) + (alfa2 * Alantai * irr * transmisivitas) + (elantai * boltzman * transmisivitas * Alantai * ((T10 ^ 4) - (T30 ^ 4))) bh(4) = ((mcptanah / dt) * T40) + (((2 * ktanah * Atanah) / (z1 - z0)) * Tz1) End Sub Public Sub Hasil() Sheet3.Cells(k, 1) = k - 2 Sheet3.Cells(k, 2) = irr Sheet3.Cells(k, 3) = Tl Sheet3.Cells(k, 4) = wind

Sheet3.Cells(k, 5) = Tz1 Sheet3.Cells(k, 6) = Vwind Sheet1.Cells(1, 10) = t Sheet3.Cells(k, 6) = yh(1) Sheet3.Cells(k, 7) = yh(2) Sheet3.Cells(k, 8) = yh(3) Sheet3.Cells(k, 9) = yh(4) End Sub Private Sub CommandButton1_Click() dt = 600 t=0 timeend = 72 k=2 Call Datainput T10 = T1 T20 = T2 T30 = T3 T40 = T4 Sheet3.Cells(k, 6) = T1 Sheet3.Cells(k, 7) = T2 Sheet3.Cells(k, 8) = T3 Sheet3.Cells(k, 9) = T4 k=k+1 Do Until t > timeend irr = Sheet2.Cells(k, 2) Tl = Sheet2.Cells(k, 3) wind = Sheet2.Cells(k, 4) Tz1 = Sheet2.Cells(k, 5) Vwind = Sheet2.Cells(k, 6) Call matrik Call gaus Call Hasil T10 = yh(1) T20 = yh(2) T30 = yh(3) T40 = yh(4) k=k+1 t=t+1 Loop End Sub

Lampiran 5. Data hasil pengukuran yang dipergunakan dalam simulasi model pindah panas. 13 MEI 2007 Pukul 6:00 6:10 6:20 6:30 6:40 6:50 7:00 7:10 7:20 7:30 7:40 7:50 8:00 8:10 8:20 8:30 8:40 8:50 9:00 9:10 9:20 9:30 9:40 9:50 10:00 10:10 10:20 10:30 10:40 10:50 11:00 11:10 11:20 11:30 11:40 11:50 12:00

Tl Wind Irr Vwind 22,07 0 8,76 1.9562 22,2 0 11,15 1.9562 22,32 0 20,07 1.9562 22,58 0 58,94 1.9562 23,07 0 88,09 1.9562 23,73 4,9 140,98 1.9562 24,36 0 165,35 1.0085 25,38 0 89,68 1.0085 25,87 0 75,35 1.0085 26,4 0 209 1.0085 26,28 0 72,95 1.0085 26,53 0 100,52 1.0085 26,66 0,3 86,98 1.0085 26,91 0 91,6 1.0085 27,42 0 120,1 1.0085 27,68 0,5 116,61 1.0085 28,7 0 145,12 1.0085 29,33 0 297,57 1.0085 28,95 0 730,54 1.0085 29,46 0 697,25 1.0085 29,84 1,1 717,8 1.0085 30,1 0,8 771,14 1.55 31,12 0 753,64 1.55 30,99 0 790,59 1.55 32,14 0 892,66 1.55 30,1 1,7 416,39 1.55 30,35 1,2 608,68 1.0268 30,61 0,8 727,69 1.0268 30,74 0 623,64 1.0268 30,48 0,3 963,46 1.0268 30,35 2,2 933,01 1.0268 30,86 0,7 1005,78 1.1497 31,12 1,4 897,92 1.1497 30,99 0,7 992,03 1.3437 30,86 1,9 949,26 1.3437 31,12 0,9 1021,52 1.3322 32,52 0 1058,66 1.3322

Pukul 12:10 12:20 12:30 12:40 12:50 13:00 13:10 13:20 13:30 13:40 13:50 14:00 14:10 14:20 14:30 14:40 14:50 15:00 15:10 15:20 15:30 15:40 15:50 16:00 16:10 16:20 16:30 16:40 16:50 17:00 17:10 17:20 17:30 17:40 17:50 18:00

Tl Wind Irr Vwind 30,99 1,4 733,31 1.3322 30,99 1,9 817,08 1.3322 30,86 0,4 560,12 1.5692 31,12 1,2 566,32 1.5692 30,99 2,2 593,54 1.5692 31,12 2,1 865,85 1.4924 31,37 1,1 924,27 1.4924 30,86 0,7 672,4 1.4924 31,37 0 794 1.4924 31,5 0,8 721,69 1.4924 31,37 1,5 836,54 1.3376 31,37 1,5 836,54 1.3713 30,99 0,1 727,23 1.3713 30,48 2,4 449,7 1.7258 29,84 0 181,44 1.7258 29,72 0 347,12 1.7258 29,84 0 323,89 1.7258 29,97 2,5 429,81 1.4329 29,33 0,4 209,34 1.4329 29,33 0 291,53 1.4329 29,21 0,6 180,64 1.4329 28,82 0,5 130,63 1.4329 28,57 0,4 85,38 1.4329 28,57 0,9 123,3 1.4329 28,57 0 102,76 1.4329 28,44 0,7 102,75 1.4329 28,19 0,8 80,6 1.4329 27,8 0 16,57 1.4329 27,29 0,9 19,12 1.4329 27,15 0 39,51 1.4329 27,04 0 36,16 1.4329 26,91 0,8 15,13 1.4329 26,53 0 2,55 1.4329 25,51 1,2 0 1.0264 24,75 0 0 1.0264 24,62 0 0 1.0264

14 MEI 2007 Pukul 6:00 6:10 6:20 6:30 6:40 6:50 7:00 7:10 7:20 7:30 7:40 7:50 8:00 8:10 8:20 8:30 8:40 8:50 9:00 9:10 9:20 9:30 9:40 9:50 10:00 10:10 10:20 10:30 10:40 10:50 11:00 11:10 11:20 11:30 11:40 11:50 12:00

Tl Wind Irr Vwind 21,67 0 3,35 1.0715 21,69 0 8,28 1.0715 21,56 0 15,93 1.0715 21,56 0 32,18 1.0715 21,67 0 52,88 1.0715 21,79 1,1 71,36 1.0715 21,92 0 86,65 1.2634 21,94 0 91,28 1.2634 22,18 0 82,35 1.2634 22,2 0 66,42 1.2634 22,43 0 65,95 1.2634 22,32 0 71,05 1.2634 22,3 0 82,99 1.2634 22,32 0 103,21 1.2634 22,45 0 122,17 1.2634 22,83 0 143,52 1.2634 23,22 0 147,02 1.2634 22,94 0 108 1.2634 23,22 0 105,93 1.2634 23,22 0 118,98 1.2634 23,47 0 157,85 1.2634 23,73 0 203,08 1.2634 24,11 0 230,62 1.2634 24,24 0 208,36 1.2634 24,24 0 195,46 1.2634 24,22 0 209,16 1.2634 24,11 0 187,49 1.2634 24,24 0 194,82 1.2634 24,24 0 162,96 1.2634 23,47 1,5 98,61 1.2634 22,07 1,2 60,37 1.1167 22,18 0 53,05 1.1167 22,2 0 84,75 1.1167 22,32 0 108,8 1.1167 22,45 0 159,62 1.1167 22,69 0 229,07 1.1167 23,47 0 42,89 1.1167

Pukul 12:10 12:20 12:30 12:40 12:50 13:00 13:10 13:20 13:30 13:40 13:50 14:00 14:10 14:20 14:30 14:40 14:50 15:00 15:10 15:20 15:30 15:40 15:50 16:00 16:10 16:20 16:30 16:40 16:50 17:00 17:10 17:20 17:30 17:40 17:50 18:00

Tl Wind Irr Vwind 23,85 0 352,06 1.1167 23,96 1,1 286,74 1.1167 24,09 1,9 310,47 1.1167 24,11 0 407,01 1.1167 24,6 0 584,46 1.1167 24,98 0 431,38 1.1167 24,24 0 236,72 1.1167 24,49 0 185,12 1.1167 24,11 0 152,93 1.1167 23,34 0 151,18 1.1167 23,22 0 179,53 1.1167 23,22 0 179,22 1.1167 22,81 0 144,96 1.1167 22,96 0 176,35 1.1167 23,34 0 212,82 1.1167 23,47 0 178,89 1.1167 23,96 0 230,03 1.1167 24,36 0 187,01 1.1167 24,36 0 147,83 1.1167 24,75 4,9 159,3 3.8874 25 0,4 134,93 3.8874 25,26 1,1 130,46 1.0491 25,26 0 104,82 1.0491 25,13 0,1 50,02 1.0491 24,85 0 97,81 1.0491 25 0 85,7 1.0491 24,87 0 45,08 1.0491 24,62 0,8 36,16 1.0491 24,62 0 34,73 1.0491 24,49 0 15,61 1.0491 23,85 1 14,18 1.0491 23,6 0 7,65 1.0491 23,45 0 1,12 1.0491 23,6 0 0 1.0491 22,94 0 0 1.0491 23,34 0 0 1.0491

15 MEI 2007 Pukul 6:00 6:10 6:20 6:30 6:40 6:50 7:00 7:10 7:20 7:30 7:40 7:50 8:00 8:10 8:20 8:30 8:40 8:50 9:00 9:10 9:20 9:30 9:40 9:50 10:00 10:10 10:20 10:30 10:40 10:50 11:00 11:10 11:20 11:30 11:40 11:50 12:00

Tl Wind Irr Vwind Pukul 23,6 0 3,5 1.3599 12:10 23,58 0 8,28 1.3599 12:20 23,6 0 10,2 1.3599 12:30 23,6 0 10,2 1.3599 12:40 23,6 0 10,67 1.3599 12:50 23,73 0 16,73 1.3599 13:00 23,96 0 29,79 1.3599 13:10 24,11 0 41,42 1.3599 13:20 24,22 0 41,26 1.3599 13:30 24,24 0 51,77 1.3599 13:40 24,49 0 80,92 1.3599 13:50 24,87 0 109,59 1.3599 14:00 25,62 0 174,75 1.3599 14:10 26,51 0 159,94 1.3599 14:20 26,28 0 194,5 1.3599 14:30 26,28 0 176,66 1.3599 14:40 27,42 0 226,84 1.3599 14:50 27,53 0,2 376,25 1.3599 15:00 28,06 0 832,95 1.3599 15:10 27,29 1 325,3 1.3599 15:20 28,57 0 339,26 1.3599 15:30 29,46 0 1031,4 1.3599 15:40 29,46 0 415,13 1.3599 15:50 30,35 0 247,7 1.3599 16:00 30,48 0 462,6 1.3599 16:10 30,61 0 337,71 1.3599 16:20 32,24 0 724,13 1.3599 16:30 31,76 0 429,47 1.3599 16:40 31,99 0 254,24 1.3599 16:50 32,39 0 273,51 1.3599 17:00 33,16 0 569,33 1.3599 17:10 34,94 0,1 1040,88 1.3599 17:20 34,18 0 1133,69 1.3599 17:30 34,92 1,4 1036,36 1.3599 17:40 33,03 0 733,19 1.1365 17:50 31,23 0,8 385,82 1.1365 18:00 31,25 0 459,73 1.1365

Tl 31,5 32,39 32,27 33,03 33,8 33,03 33,16 30,99 29,85 29,97 29,85 29,46 29,46 28,95 28,44 28,19 28,19 27,17 27,42 27,55 27,91 27,68 27,81 27,42 27,68 27,55 27,53 27,3 25,77 25,77 25,77 25,51 25,26 25,13 25,26 25,13

Wind Irr Vwind 0,5 876,59 1.1365 0 731,81 1.1365 0 658,22 1.1365 0 1064,88 1.1365 0 865,92 1.1365 0 1080,68 1.1365 0,6 248,98 1.1365 1,2 182,4 1.1365 0 474,22 1.56 0 511,19 1.56 0,9 437,91 1.56 0 502,11 1.56 1,6 684,82 1.56 1,3 876,46 1.2613 0,5 799,04 1.2613 0,7 817,83 1.2613 0 514,69 1.2613 0,5 299,64 1.2613 0 225,72 1.2613 0,7 183,67 1.2613 0,4 441,89 1.2613 0 205,49 1.2613 0 154,2 1.2613 0 119,95 1.2613 0 91,44 1.2613 0 54 1.2613 0 82,68 1.2613 0 60,22 1.2613 0 47,95 1.2613 0 37,92 1.2613 0 30,59 1.2613 0,7 18,32 1.2613 0 4,94 1.2613 0 0,8 1.2613 0,1 0 1.2613 0 0 1.2613

16 MEI 2007 Pukul 6:00 6:10 6:20 6:30 6:40 6:50 7:00 7:10 7:20 7:30 7:40 7:50 8:00 8:10 8:20 8:30 8:40 8:50 9:00 9:10 9:20 9:30 9:40 9:50 10:00 10:10 10:20 10:30 10:40 10:50 11:00 11:10 11:20 11:30 11:40 11:50 12:00

Tl Wind Irr Vwind 24,36 4,9 0 3.4314 24,24 4,9 3,03 2.111 24,11 4,9 22,3 2.111 24,09 4,9 14,5 1.2823 24,09 4,9 20,23 2.0094 23,6 4,9 30,11 2.8056 24,36 0 45,56 2.8056 24,47 4,9 62,76 1.2459 24,75 4,9 62,6 1.2028 24,98 4,9 63,72 2.0739 25 4,9 70,09 1.2533 25,38 4,9 90,8 2.8496 25,62 4,9 100,2 2.8105 26,02 0 119,32 2.8105 26,82 0 140,02 2.8105 26,64 0 137,47 2.8105 26,79 0 129,67 2.8105 25,38 0 155,48 2.8105 27,17 0 193,39 2.8105 28,7 0 262,04 2.8105 29,72 0 392,99 2.8105 29,21 0 345,04 2.8105 29,72 0 296,77 2.8105 29,84 0 162,8 2.8105 28,93 0,7 180,96 2.8105 28,82 1,2 198,8 1.047 28,44 1 88,57 1.047 28,06 0,7 92,87 1.047 28,57 1,2 235,92 1.0316 28,57 0 277,82 1.0316 28,57 1,3 317,16 1.1782 28,82 1,2 319,07 1.0903 29,21 0 362,56 1.0903 29,33 0,7 367,18 1.0903 29,21 0,4 347,59 1.0903 29,08 0,5 227 1.0903 29,33 0,1 369,89 1.0903

Pukul 12:10 12:20 12:30 12:40 12:50 13:00 13:10 13:20 13:30 13:40 13:50 14:00 14:10 14:20 14:30 14:40 14:50 15:00 15:10 15:20 15:30 15:40 15:50 16:00 16:10 16:20 16:30 16:40 16:50 17:00 17:10 17:20 17:30 17:40 17:50 18:00

Tl 29,84 30,59 30,48 30,99 29,33 28,57 24,87 29,33 28,82 29,08 29,21 29,08 29,97 29,97 29,21 29,21 31,25 31,1 31,12 30,84 30,74 30,23 30,1 29,97 29,46 28,7 28 28,57 26,15 27,8 27,55 27,42 27,55 27,17 25,51 20,54

Wind 0 0 1 0 0 0 0,8 0,6 0 1,4 0 1,3 1,9 1,3 1,1 1 1,4 0 1,4 0 0 0 0,2 0 4,9 4,9 4,9 4,9 4,9 4,9 4,9 4,9 4,9 4,9 4,9 0

Irr 457,66 428,03 403,5 488,26 625,4 317,64 355,07 689,44 360,81 257,58 356,51 252,96 677,96 283,53 260,3 284,51 223,5 196,9 149,1 149,58 46,99 78,69 43,01 20,55 6,05 10,2 16,09 27,08 20,39 7,17 4,62 2,55 1,27 0 0 0

Vwind 1.0903 1.0903 1.0903 1.0903 1.0903 1.0903 1.0903 1.0903 1.0903 1.2195 1.2195 1.1887 1.5774 1.1071 1.1071 1.1071 1.1745 1.1745 1.265 1.265 1.265 1.265 1.265 1.265 1.265 2.7478 2.8307 2.1588 2.2192 2.8056 2.8056 2.8056 1.2856 1.2971 1.2971 1.2971

17 MEI 2007 Pukul 6:00 6:10 6:20 6:30 6:40 6:50 7:00 7:10 7:20 7:30 7:40 7:50 8:00 8:10 8:20 8:30 8:40 8:50 9:00 9:10 9:20 9:30 9:40 9:50 10:00 10:10 10:20 10:30 10:40 10:50 11:00 11:10 11:20 11:30 11:40 11:50 12:00

Tl Wind Irr Vwind 22,2 4,9 7,17 1.2682 22,07 4,9 17,04 1.2913 22,07 4,9 23,57 1.2624 22,07 0 26,6 1.2624 22,71 4,9 128,71 1.2624 23,58 0 142,41 1.2624 23,73 0 46,2 1.2624 23,85 0 207,88 1.2624 24,22 0 275,42 1.2624 24,75 0 321,62 1.2624 24,98 0 55,43 1.2624 25,13 0 87,44 1.2624 25,75 0 61,96 1.2624 26,28 0 113,42 1.2624 26,64 0 70,09 1.2624 27,42 0,5 73,49 1.2624 24,87 0,1 82,83 1.2624 24,6 0 499,23 1.2624 25,51 0 698,18 1.2624 25,26 0 719,99 1.2624 27,42 0,9 791,21 1.2624 26,64 1,2 831,35 1.0898 28,57 0,3 862,05 1.0898 28,82 0 917,23 1.0898 26,38 0 959,83 1.0898 25,64 0 888,63 1.0898 26,91 0 896,3 1.0898 27,55 1,1 840,89 1.0898 28,17 1,2 652,13 1.0866 28,19 0 813,97 1.0866 28,42 0,8 948,86 1.0866 28,75 1 951,23 1.0866 29,08 1 959,74 1.0866 30,1 1,4 985,23 1.2385 29,59 1 1012,02 1.2385 29,33 1 1035,57 1.2385 29,33 1,8 983,66 1.6226

Pukul 12:10 12:20 12:30 12:40 12:50 13:00 13:10 13:20 13:30 13:40 13:50 14:00 14:10 14:20 14:30 14:40 14:50 15:00 15:10 15:20 15:30 15:40 15:50 16:00 16:10 16:20 16:30 16:40 16:50 17:00 17:10 17:20 17:30 17:40 17:50 18:00

Tl Wind Irr Vwind 30,1 0 1009,42 1.6226 28,93 1,2 961,26 1.0708 29,72 1,5 1011,7 1.3607 30,33 1 1040,98 1.3607 30,48 1,6 1023,36 1.4522 30,59 1,5 1078,28 1.2662 29,72 0 264,55 1.2662 30,1 1,3 835,1 1.1723 30,99 1,2 958,76 1.0703 30,23 0,9 912,46 1.0703 29,97 1,1 329,56 1.0703 29,08 0 264,42 1.0703 28,55 1,8 108,31 1.6308 27,55 0,7 55,27 1.6308 26,53 0 27,08 1.6308 26,15 0 2,87 1.6308 22,71 3,7 0,32 2.2688 20,79 2 0,48 1.2705 17,48 0 1,12 1.2705 16,7 0 3,66 1.2705 19,37 0 6,37 1.2705 18,63 0 19,12 1.2705 20,14 0 30,9 1.2705 19,52 0 59,1 1.2705 20,16 0 262,53 1.2705 22,83 0 276,38 1.2705 23,09 0 150,22 1.2705 23,34 0 113,74 1.2705 23,47 0 106,73 1.2705 22,96 0 86,18 1.2705 23,34 0 64,83 1.2705 22,71 0 40,46 1.2705 22,94 0 12,43 1.2705 23,09 0 1,12 1.2705 22,58 0 0 1.2705 22,71 0 0 1.2705

18 MEI 2007 Pukul 6:00 6:10 6:20 6:30 6:40 6:50 7:00 7:10 7:20 7:30 7:40 7:50 8:00 8:10 8:20 8:30 8:40 8:50 9:00 9:10 9:20 9:30 9:40 9:50 10:00 10:10 10:20 10:30 10:40 10:50 11:00 11:10 11:20 11:30 11:40 11:50 12:00

Tl Wind Irr Vwind 22,05 0 7,65 1.7145 22,71 0 23,1 1.7145 22,96 0 32,18 1.7145 22,96 0 32,66 1.7145 25,64 0 39,18 1.7145 25,89 0 67,53 1.7145 26,53 0 121,38 1.7145 27,02 0 93,98 1.7145 27,42 0 243,55 1.7145 27,68 0 164,07 1.7145 27,93 0 167,9 1.7145 28,19 0 173,94 1.7145 28,7 0 153,39 1.7145 28,93 0 135,24 1.7145 29,33 0 188,44 1.7145 26,91 0 223,81 1.7145 27,8 0 237,35 1.7145 27,68 0 269,19 1.7145 28,06 0 389,43 1.7145 29,21 0 776,02 1.7145 29,72 0 495,17 1.7145 29,21 0 755,07 1.7145 29,21 0 770,6 1.7145 29,08 0 831,95 1.7145 29,46 0 921,99 1.7145 29,33 0,4 887,54 1.7145 30,1 0 606,56 1.7145 29,97 0 593,19 1.7145 31,37 0 956,19 1.7145 31,63 0 864,67 1.7145 32,65 0 973,58 1.7145 31,25 2,1 490,78 1.7145 32,39 0 911,43 1.4602 31,88 0,7 1045,1 1.4602 31,63 1,6 1103,82 1.4602 31,63 1,3 1107,16 1.1793 32,39 1,2 1092,64 1.1793

Pukul 12:10 12:20 12:30 12:40 12:50 13:00 13:10 13:20 13:30 13:40 13:50 14:00 14:10 14:20 14:30 14:40 14:50 15:00 15:10 15:20 15:30 15:40 15:50 16:00 16:10 16:20 16:30 16:40 16:50 17:00 17:10 17:20 17:30 17:40 17:50 18:00

Tl Wind Irr Vwind 32,78 0 948,73 1.1793 32,27 0 280,17 1.1793 32,01 0 934,92 1.1793 33,03 0 952,82 1.1793 30,99 0 781,78 1.1793 32,9 0 829,58 1.1793 31,76 1 243,39 1.1793 30,1 0 156,9 1.1793 29,08 0 62,6 1.1793 29,72 0 6,21 1.1793 29,08 1,3 1,59 1.09 26,13 0,8 25,33 1.09 26,15 0 27,88 1.09 26,79 1,1 30,27 1.09 26,4 0 26,44 1.09 26 0 25,81 1.09 25,89 0 24,06 1.09 25,89 0 23,74 1.09 26 0 26,76 1.09 25,87 0 31,06 1.09 25,89 0 35,52 1.09 26,15 0 39,83 1.09 26,15 0 31,54 1.09 26,28 0 39,67 1.09 26,53 0 42,22 1.09 26,51 0 40,62 1.09 26,4 0 28,52 1.09 26,53 0 32,34 1.09 26,79 0 20,71 1.09 26,66 0 10,83 1.09 26,53 0 10 1.09 26,28 0 5,1 1.09 25,77 0 1,12 1.09 25,77 0 0 1.09 25,64 0 0 1.09 25,51 0 0 1.09

Lampiran 6. Hasil keluaran program Visual Basic untuk memprediksi temperatur dalam greenhouse. 13 MEI 2007 Pukul 6:00 6:10 6:20 6:30 6:40 6:50 7:00 7:10 7:20 7:30 7:40 7:50 8:00 8:10 8:20 8:30 8:40 8:50 9:00 9:10 9:20 9:30 9:40 9:50 10:00 10:10 10:20 10:30 10:40 10:50 11:00 11:10 11:20 11:30 11:40 11:50 12:00

Tin Tin Tin Tin aktual prediksi Pukul aktual prediksi 24.3 20.9 12:10 37.6 35.9 24.5 21.8 12:20 37.8 35.9 24.5 22.5 12:30 36.7 36.0 24.7 23.0 12:40 36.6 36.0 25.7 23.5 12:50 36.2 35.8 28.3 24.1 13:00 36.5 35.6 28.1 24.6 13:10 37.0 35.5 29.3 25.3 13:20 37.7 35.6 31.8 26.0 13:30 37.6 35.7 32.0 26.4 13:40 39.2 35.8 32.0 26.8 13:50 38.6 35.8 33.4 27.1 14:00 38.1 35.8 31.9 27.4 14:10 34.5 35.8 33.8 27.6 14:20 34.0 35.8 33.4 27.8 14:30 35.1 35.7 34.5 28.1 14:40 35.2 35.2 35.5 28.5 14:50 33.3 34.8 35.1 28.8 15:00 33.6 34.5 34.8 28.9 15:10 33.0 34.2 36.5 29.3 15:20 32.9 33.9 37.5 29.9 15:30 31.5 33.6 37.4 30.5 15:40 32.0 33.3 38.1 31.3 15:50 32.4 32.9 38.5 31.8 16:00 31.8 32.5 37.4 32.6 16:10 31.3 32.2 36.2 32.9 16:20 33.9 32.0 36.3 33.0 16:30 29.8 31.7 36.9 33.1 16:40 29.7 31.4 36.3 33.4 16:50 29.5 31.0 36.1 33.3 17:00 29.3 30.6 37.0 33.5 17:10 29.1 30.4 38.4 33.8 17:20 28.8 30.1 36.9 34.2 17:30 28.5 29.9 38.0 34.5 17:40 28.0 29.4 38.6 34.8 17:50 27.7 29.0 38.9 35.1 18:00 27.5 28.6 37.6 35.6

14 MEI 2007 Tin Tin Tin Tin Pukul aktual prediksi Pukul aktual prediksi 6:00 24.32 21.1 12:10 29.84 25.8 6:10 24.49 21.7 12:20 30.66 26.0 6:20 24.52 22.1 12:30 30.53 26.1 6:30 24.52 22.4 12:40 30.66 26.2 6:40 24.68 22.7 12:50 32.00 26.4 6:50 24.84 23.0 13:00 33.93 26.8 7:00 25.56 23.2 13:10 32.98 26.9 7:10 25.82 23.4 13:20 32.13 27.1 7:20 25.56 23.7 13:30 31.87 27.1 7:30 26.02 23.9 13:40 31.48 26.7 7:40 25.89 24.2 13:50 30.73 26.5 7:50 26.45 24.3 14:00 30.40 26.4 8:00 26.57 24.3 14:10 30.24 26.2 8:10 26.80 24.4 14:20 29.88 26.1 8:20 26.58 24.5 14:30 30.07 26.2 8:30 27.49 24.8 14:40 30.30 26.2 8:40 27.52 25.0 14:50 30.37 26.4 8:50 27.42 25.1 15:00 30.92 26.7 9:00 27.43 25.3 15:10 30.62 26.8 9:10 27.75 25.4 15:20 30.04 27.0 9:20 27.68 25.5 15:30 30.66 27.1 9:30 28.47 25.6 15:40 29.84 27.3 9:40 29.15 25.9 15:50 29.68 27.4 9:50 29.77 26.1 16:00 29.91 27.3 10:00 29.54 26.2 16:10 29.61 27.2 10:10 30.20 26.3 16:20 29.68 27.2 10:20 30.46 26.3 16:30 29.45 27.1 10:30 30.20 26.4 16:40 29.09 27.0 10:40 30.89 26.5 16:50 28.37 26.9 10:50 30.56 26.2 17:00 27.95 26.8 11:00 29.09 25.6 17:10 27.75 26.5 11:10 28.41 25.4 17:20 27.49 26.2 11:20 27.69 25.3 17:30 27.43 26.0 11:30 27.75 25.2 17:40 27.26 26.0 11:40 27.95 25.2 17:50 27.03 25.7 11:50 28.37 25.2 18:00 26.84 25.7 12:00 28.96 25.7





Lampiran 7. Data training dan validasi yang digunakan dalam program ANN. No. 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40

Tin 24,7 25,7 24,3 24,5 24,5 24,5 24,7 24,8 25,6 25,8 25,6 25,9 24,6 24,6 24,6 24,8 24,7 24,6 25,1 25,2 25,3 25,6 24,8 24,8 24,9 25,1 25,1 25,1 25,3 25,7 25,9 23,6 23,4 23,6 23,5 24,4 25,6 25,3 25,1 24,9

Wind 0 0 0 0 0 0 0 1,1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 4,9 4,9 4,9 4,9 4,9 4,9 0 4,9 4,9 4,9 4,9 4,9 0 4,9 0 0 0 0

Irr 58,94 88,09 3,35 8,28 15,93 32,18 52,88 71,36 86,65 91,28 82,35 65,95 3,5 8,28 10,2 10,2 10,67 16,73 29,79 41,42 41,26 51,77 0 3,03 22,3 14,5 20,23 30,11 45,56 62,76 62,6 7,17 17,04 23,57 26,6 128,71 142,41 1,12 3,66 6,37

Tout 23,2 24,4 23,2 23,2 23,4 23,6 23,8 23,9 24,7 25,0 24,4 24,5 23,9 23,9 23,9 23,9 24,2 24,2 24,6 24,7 24,9 25,1 23,7 23,8 24,0 24,1 24,0 24,3 24,5 25,1 25,5 22,1 22,1 22,3 22,5 23,7 24,7 24,1 23,9 24,0

Tcover 22,58 23,07 21,67 21,69 21,56 21,56 21,67 21,79 21,92 21,94 22,18 22,43 23,6 23,58 23,6 23,6 23,6 23,73 23,96 24,11 24,22 24,24 24,36 24,24 24,11 24,09 24,09 23,6 24,36 24,47 24,75 22,2 22,07 22,07 22,07 22,71 23,58 17,48 16,7 19,37

Tlantai 26,7 26,9 27,1 26,9 27,0 27,3 27,2 27,5 27,5 27,5 27,6 27,6 26,9 26,9 26,9 26,2 26,9 26,9 26,9 26,4 27,1 27,2 27,4 27,6 27,2 27,2 26,9 27,5 27,6 27,2 27,4 25,7 25,9 25,8 25,9 26,2 26,0 30,8 30,6 30,9

Ttanah 29,4 29,3 30,1 29,8 29,8 29,9 29,8 29,9 29,8 29,8 29,8 29,8 29,0 29,0 29,0 28,8 28,9 28,9 29,0 28,8 28,9 29,0 29,7 29,8 29,6 29,6 29,6 29,5 29,6 29,6 29,6 28,9 28,8 28,8 28,6 28,6 28,5 30,9 31,0 31,0

41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83

24,9 24,7 25,3 23,9 24,3 24,2 24,5 24,7 24,8 25,5 25,6 28,3 28,1 29,3 31,8 32,0 32,0 33,4 31,9 33,8 33,4 34,5 35,5 35,1 34,8 34,5 34,0 35,1 35,2 33,3 33,6 33,0 32,9 31,5 32,0 32,4 31,8 31,3 33,9 29,8 29,7 29,5 29,3

0 0 0 0 0 0 0 0 0 0 0 4,9 0 0 0 0 0 0 0,3 0 0 0,5 0 0 0 2,4 0 0 0 2,5 0,4 0 0,6 0,5 0,4 0,9 0 0,7 0,8 0 0,9 0 0

19,12 30,9 59,1 7,65 23,1 32,18 32,66 39,18 67,53 121,38 93,98 140,98 165,35 89,68 75,35 209 72,95 100,52 86,98 91,6 120,1 116,61 145,12 297,57 730,54 727,23 449,7 181,44 347,12 323,89 429,81 209,34 291,53 180,64 130,63 85,38 123,3 102,76 102,75 80,6 16,57 19,12 39,51

24,1 23,9 24,4 22,8 23,6 23,7 23,7 23,9 24,2 25,6 25,2 25,3 25,9 25,6 27,2 26,7 29,3 31,5 32,1 33,8 34,4 35,8 40,0 40,0 39,9 34,2 33,9 36,4 36,8 34,3 36,0 34,1 33,2 31,8 32,1 31,8 31,0 30,4 30,4 28,7 28,7 28,7 28,1

18,63 20,14 19,52 22,05 22,71 22,96 22,96 25,64 25,89 26,53 27,02 23,73 24,36 25,38 25,87 26,4 26,28 26,53 26,66 26,91 27,42 27,68 26,7 29,33 28,95 30,99 30,48 29,84 29,72 29,84 29,97 29,33 29,33 29,21 28,82 28,57 28,57 28,57 28,44 28,19 27,8 27,29 27,15

30,0 29,7 29,9 26,6 25,9 26,8 25,9 26,8 27,0 27,2 26,7 27,3 27,3 27,5 27,9 28,0 28,1 28,6 29,8 30,3 31,6 32,0 32,7 33,1 33,1 35,9 35,2 36,7 35,3 36,4 35,2 35,1 34,2 34,3 34,1 33,7 33,5 33,6 33,3 32,8 32,5 32,5 32,2

31,0 30,9 30,9 29,1 29,1 29,2 29,0 29,1 29,2 29,1 28,8 29,5 29,2 29,2 29,3 29,2 29,0 28,9 28,8 28,7 29,1 28,9 29,1 28,9 29,1 31,0 30,9 30,9 31,0 31,0 31,1 31,3 31,2 31,3 31,3 31,3 31,4 31,5 31,6 31,5 31,3 31,6 31,5

84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126

29,1 28,8 27,7 27,5 26,0 26,4 26,6 26,8 26,6 27,5 27,5 27,4 27,4 27,8 27,7 28,5 29,2 29,8 29,5 30,2 30,5 30,2 30,9 30,6 29,1 28,4 27,7 27,8 27,9 28,4 29,0 29,8 30,7 30,5 30,7 32,0 33,9 33,0 32,1 31,9 31,5 30,7 30,4

0,8 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1,5 1,2 0 0 0 0 0 0 0 1,1 1,9 0 0 0 0 0 0 0 0 0

36,16 15,13 0 0 66,42 71,05 82,99 103,21 122,17 143,52 147,02 108 105,93 118,98 157,85 203,08 230,62 208,36 195,46 209,16 187,49 194,82 162,96 98,61 60,37 53,05 84,75 108,8 159,62 229,07 42,89 352,06 286,74 310,47 407,01 584,46 431,38 236,72 185,12 152,93 151,18 179,53 179,22

27,8 26,7 25,7 25,4 24,7 25,1 25,2 25,6 25,8 27,0 27,0 26,9 26,6 27,2 27,6 28,4 29,8 30,5 30,4 31,3 31,7 31,7 32,5 31,6 27,1 26,8 26,6 27,1 27,4 28,2 28,5 30,2 30,9 31,1 31,3 34,2 38,5 36,0 33,6 32,3 30,5 29,0 29,2

27,04 26,91 24,75 24,42 22,2 22,32 22,3 22,32 22,45 22,83 23,22 22,94 23,22 23,22 23,47 23,73 24,11 24,24 24,24 24,22 24,11 24,24 24,24 23,47 22,07 22,18 22,2 22,32 22,45 22,69 23,47 23,85 23,96 24,09 24,11 24,6 24,98 24,24 24,49 24,11 23,34 23,22 23,22

32,2 31,9 31,1 31,0 27,6 27,7 27,7 27,8 27,7 28,1 28,2 28,4 28,1 28,3 28,5 28,7 28,8 29,2 29,1 29,2 29,7 29,5 29,8 29,8 29,7 29,3 29,1 29,2 28,9 29,2 29,3 29,5 29,8 29,9 30,2 30,6 31,2 31,3 31,1 31,0 30,9 30,9 30,7

31,6 31,6 31,6 31,7 29,8 29,8 29,8 29,7 29,7 29,7 29,7 29,8 29,6 29,8 29,7 29,5 29,5 29,6 29,5 29,5 29,5 29,5 29,6 29,6 29,8 29,8 29,7 29,8 29,6 29,5 29,5 29,5 29,5 29,5 29,6 29,5 29,2 29,6 29,6 29,8 29,8 29,9 29,8

127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169

30,2 29,9 30,1 30,3 30,4 30,9 30,6 30,0 30,7 26,8 26,1 26,3 27,8 28,3 30,5 30,9 31,2 34,2 34,6 36,5 37,5 37,4 38,1 38,5 37,4 36,2 36,3 36,9 36,3 36,1 37,0 38,4 36,9 38,0 38,6 38,9 37,6 37,6 37,8 36,7 36,6 36,2 37,0

0 0 0 0 0 0 0 4,9 0,4 0 0 0 0 0 0 0 0 0,2 0 0 1,1 0,8 0 0 0 1,7 1,2 0,8 0 0,3 2,2 0,7 1,4 0,7 1,9 0,9 0 1,4 1,9 0,4 1,2 2,2 2,1

144,96 176,35 212,82 178,89 230,03 187,01 147,83 159,3 134,93 0 80,92 109,59 174,75 159,94 194,5 176,66 226,84 376,25 832,95 697,25 717,8 771,14 753,64 790,59 892,66 416,39 608,68 727,69 623,64 963,46 933,01 1005,78 897,92 992,03 949,26 1021,52 1058,66 733,31 817,08 560,12 566,32 593,54 865,85

29,3 29,3 29,6 30,0 29,8 32,2 30,4 30,4 30,8 25,3 25,6 26,1 28,0 29,2 32,2 33,4 33,0 38,6 39,4 41,5 42,1 43,5 43,7 44,2 44,2 42,3 43,4 43,2 40,4 41,3 44,7 45,3 44,4 44,3 45,2 45,2 43,1 43,6 43,6 40,8 39,6 41,2 43,5

22,81 22,96 23,34 23,47 23,96 24,36 24,36 24,75 25 23,34 24,49 24,87 25,62 26,51 26,28 26,28 27,42 27,53 28,06 29,46 29,84 30,1 31,12 30,99 32,14 30,1 30,35 30,61 30,74 30,48 30,35 30,86 31,12 30,99 30,86 31,12 32,52 30,99 30,99 30,86 31,12 30,99 31,12

30,6 30,6 30,6 29,9 29,7 30,5 30,5 30,6 30,6 29,1 26,9 27,2 27,5 28,6 29,8 30,6 30,5 31,4 31,3 33,1 33,7 34,2 34,8 34,1 34,5 35,3 35,1 34,8 35,2 35,5 35,9 36,6 36,7 36,3 37,1 36,8 36,4 36,4 36,4 37,0 36,7 36,7 36,5

29,8 29,8 29,7 29,8 29,8 29,8 29,6 29,8 29,9 30,1 28,8 28,8 28,5 27,9 28,4 28,8 28,7 28,6 28,7 29,1 28,8 29,2 29,0 28,8 29,2 29,4 29,4 29,4 29,5 29,5 29,5 29,5 29,7 29,6 29,7 29,6 30,0 30,1 29,9 30,2 30,2 30,3 30,3

170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212

37,0 37,7 37,6 39,2 38,6 38,1 37,5 37,4 36,0 37,1 36,3 37,3 37,8 36,4 38,1 39,4 36,4 36,0 36,6 37,2 37,2 36,5 29,1 36,6 36,1 36,3 37,2 36,8 36,5 37,3 37,3 36,1 37,5 38,3 38,9 37,9 38,3 37,8 38,2 37,4 37,7 38,7 37,9

1,1 0,7 0 0,8 1,5 0,1 0,1 0 1,4 0 0,8 0,5 0 0 0 0 0 0,6 1,3 0,5 0,7 0 0 1,2 0,3 0 0 0 1,1 1,2 0 0,8 1 1 1,4 1 1 1,8 0 1,2 1,5 1 1,6

924,27 672,4 794 721,69 836,54 836,54 1040,88 1133,69 1036,36 733,19 385,82 876,59 731,81 658,22 1064,88 865,92 1080,68 248,98 876,46 799,04 817,83 514,69 275,42 831,35 862,05 917,23 959,83 896,3 840,89 652,13 813,97 948,86 951,23 959,74 985,23 1012,02 1035,57 983,66 1009,42 961,26 1011,7 1040,98 1023,36

43,5 43,0 41,8 43,4 42,7 41,0 45,1 47,0 42,8 44,4 39,3 43,5 43,9 38,6 45,7 46,5 40,7 38,0 42,7 42,6 41,9 39,5 26,1 41,5 41,7 42,1 43,7 42,8 42,3 42,8 42,9 43,0 44,7 44,3 44,6 44,9 44,7 44,8 45,7 44,8 44,6 45,7 41,8

31,37 30,86 31,37 31,5 31,37 31,37 34,94 34,18 34,92 33,03 31,23 31,5 32,39 32,27 33,03 33,8 33,03 33,16 28,95 28,44 28,19 28,19 24,22 26,64 28,57 28,82 26,38 26,91 27,55 28,17 28,19 28,42 28,75 29,08 30,1 29,59 29,33 29,33 30,1 28,93 29,72 30,33 30,48

36,5 37,0 36,7 37,0 36,7 36,3 33,9 34,5 34,3 34,4 33,9 34,9 35,4 34,8 35,1 35,4 35,3 34,7 34,9 35,0 35,1 34,7 26,7 33,1 34,2 34,1 34,1 34,6 34,0 35,2 35,0 35,6 35,9 36,2 36,0 36,0 36,7 37,1 36,9 37,0 36,9 37,4 37,0

30,3 30,3 30,4 30,4 30,5 30,6 28,7 28,7 28,8 28,8 29,2 29,4 29,2 29,5 29,2 29,2 29,5 29,5 29,7 29,9 30,0 30,1 28,5 28,5 28,4 28,4 28,5 28,5 28,6 28,7 28,8 28,8 28,8 29,0 28,8 29,1 29,2 29,2 29,2 29,5 29,5 29,5 29,7

213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255

37,6 36,7 37,2 39,3 36,3 36,1 37,2 38,4 37,5 37,5 38,4 37,8 37,9 37,8 37,8 38,0 39,9 40,1 40,0 40,8 40,5 40,6 39,9 37,9 40,7 38,5 35,9 33,8 34,7 35,4 35,0 35,2 35,2 33,9 33,3 32,5 33,1 32,5 32,3 31,8 31,2 30,8 30,5

1,5 0 1,2 0,9 0 0 0 0,4 0 0 0 0 0 2,1 0 0,7 1,6 1,3 1,2 0 0 0 0 0 0 1 0 1,2 0 0 0,9 0 1,6 0,5 0 0,7 0,4 0 0 0 0 0 0

1078,28 264,55 958,76 912,46 770,6 831,95 921,99 887,54 606,56 593,19 956,19 864,67 973,58 490,78 911,43 1045,1 1103,82 1107,16 1092,64 948,73 280,17 934,92 952,82 781,78 829,58 243,39 459,73 182,4 474,22 511,19 437,91 502,11 684,82 299,64 225,72 183,67 441,89 205,49 154,2 119,95 91,44 54 82,68

43,4 39,5 41,9 45,9 42,7 43,0 44,4 46,6 44,0 46,0 45,8 46,1 44,8 45,6 45,0 47,0 48,2 49,4 49,3 48,4 48,4 48,8 47,1 42,5 47,0 42,5 39,4 34,6 38,5 38,9 37,9 37,7 38,3 35,0 34,3 33,0 35,0 33,3 32,7 31,8 31,1 30,2 30,4

30,59 29,72 30,99 30,23 29,21 29,08 29,46 29,33 30,1 29,97 31,37 31,63 32,65 31,25 32,39 31,88 31,63 31,63 32,39 32,78 32,27 32,01 33,03 30,99 32,9 31,76 31,25 30,99 29,85 29,97 29,85 29,46 29,46 27,17 27,42 27,55 27,91 27,68 27,81 27,42 27,68 27,55 27,53

37,2 36,7 36,4 37,0 32,6 33,4 33,5 34,1 33,7 34,7 34,8 35,2 34,8 35,4 36,1 36,3 36,6 37,2 37,2 37,6 38,0 37,6 37,7 37,6 37,6 37,0 33,9 34,5 34,6 34,6 34,3 34,5 34,6 34,2 34,1 34,0 33,9 33,7 33,4 33,3 33,1 32,8 32,6

29,8 29,8 30,0 29,9 28,3 28,3 28,3 28,2 28,5 28,6 28,6 28,6 28,8 28,7 29,0 28,9 28,7 29,1 28,9 29,1 29,4 29,3 29,2 29,7 29,5 29,7 29,2 29,8 29,8 29,8 29,8 29,9 29,9 30,3 30,2 30,4 30,3 30,3 30,4 30,4 30,6 30,5 30,6

256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298

30,4 29,9 29,6 29,6 29,3 29,0 28,9 28,7 28,7 26,1 26,2 26,5 26,6 26,9 27,3 27,8 28,0 28,2 29,3 29,7 30,7 32,1 31,6 30,6 30,2 30,1 29,3 28,8 29,7 29,6 30,0 30,4 30,9 30,9 31,0 30,8 30,8 31,6 32,8 33,2 34,3 35,1 32,8

0 0 0 0 0,7 0 0 0,1 0 4,9 4,9 4,9 4,9 0 0 0 0 0 0 0 0 0 0 0 0,7 1,2 1 0,7 1,2 0 1,3 1,2 0 0,7 0,4 0,5 0,1 0 0 1 0 0 0

60,22 47,95 37,92 30,59 18,32 4,94 0,8 0 0 63,72 70,09 90,8 100,2 119,32 140,02 137,47 129,67 155,48 193,39 262,04 392,99 345,04 296,77 162,8 180,96 198,8 88,57 92,87 235,92 277,82 317,16 319,07 362,56 367,18 347,59 227 369,89 457,66 428,03 403,5 488,26 625,4 317,64

30,0 29,2 28,8 28,6 28,3 27,9 28,0 27,5 27,5 25,6 25,6 25,9 26,2 26,4 27,0 27,4 27,6 27,8 30,5 31,5 34,4 35,4 34,8 31,9 31,8 31,7 29,9 29,5 32,0 32,2 33,0 33,5 34,5 34,1 33,9 32,4 34,0 35,5 36,4 37,4 38,8 40,6 34,9

27,3 25,77 25,77 25,77 25,51 25,26 25,13 25,26 25,13 24,98 25 25,38 25,62 26,02 26,82 26,64 26,79 25,38 27,17 28,7 29,72 29,21 29,72 29,84 28,93 28,82 28,44 28,06 28,57 28,57 28,57 28,82 29,21 29,33 29,21 29,08 29,33 29,84 30,59 30,48 30,99 29,33 28,57

32,5 32,0 31,8 31,9 31,3 31,2 31,1 31,2 31,0 27,5 27,8 27,8 27,6 27,8 27,8 28,1 28,3 28,2 28,8 29,0 29,6 29,8 30,0 30,4 29,8 29,9 29,9 29,5 29,8 29,8 30,2 30,3 30,4 30,5 31,0 30,4 30,5 31,2 31,3 31,5 32,0 32,2 32,0

30,7 30,7 30,6 30,7 30,6 30,7 30,7 30,7 30,7 29,3 29,5 29,5 29,3 29,3 29,3 29,2 29,5 29,3 29,3 29,2 29,2 29,2 29,2 29,2 29,3 29,3 29,3 29,3 29,3 29,2 29,2 29,2 29,2 29,2 29,3 29,2 29,2 29,2 29,2 29,2 29,2 29,3 29,5

299 300 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 321 322 323 324 325 326 327 328 329 330 331 332 333 334 335 336 337 338 339 340 341

32,7 35,2 33,7 32,7 33,4 31,9 34,3 32,2 31,8 31,9 30,7 30,7 30,0 30,1 29,3 29,1 28,8 28,5 28,3 28,0 27,9 27,8 27,8 27,5 27,3 27,0 26,9 26,5 26,4 26,2 26,3 26,9 30,3 31,5 31,1 31,8 31,2 32,8 32,7 32,6 34,3 34,9 34,4

0,8 0,6 0 1,4 0 1,3 1,9 1,3 1,1 1 1,4 0 1,4 0 0 0 0,2 0 4,9 4,9 4,9 4,9 4,9 4,9 4,9 4,9 4,9 4,9 4,9 0 0 0 0 0 0 0 0 0 0,5 0,1 0 0 0

355,07 689,44 360,81 257,58 356,51 252,96 677,96 283,53 260,3 284,51 223,5 196,9 149,1 149,58 46,99 78,69 43,01 20,55 6,05 10,2 16,09 27,08 20,39 7,17 4,62 2,55 1,27 0 0 0 46,2 207,88 321,62 55,43 87,44 61,96 113,42 70,09 73,49 82,83 499,23 698,18 719,99

35,6 41,3 36,4 34,6 36,2 34,5 39,3 34,1 33,9 33,8 32,2 31,7 31,1 30,9 29,2 29,1 28,5 27,1 26,1 26,3 26,2 26,3 26,2 26,0 25,7 25,5 25,3 25,2 25,1 25,0 25,2 25,6 26,6 27,2 27,9 29,9 30,4 33,5 33,6 33,4 36,3 37,1 38,1

24,87 29,33 28,82 29,08 29,21 29,08 29,97 29,97 29,21 29,21 31,25 31,1 31,12 30,84 30,74 30,23 30,1 29,97 29,46 28,7 28 28,57 26,15 27,8 27,55 27,42 27,55 27,17 25,51 20,54 23,73 23,85 24,75 24,98 25,13 25,75 26,28 26,64 27,42 24,87 24,6 25,51 25,26

32,5 32,5 32,8 32,7 32,5 32,6 33,1 32,1 32,3 32,3 32,0 31,9 32,0 31,9 31,8 31,4 31,3 30,7 30,5 30,6 30,0 29,9 29,8 29,7 29,6 29,7 29,2 29,6 29,1 28,9 26,3 26,4 26,9 27,7 28,1 28,4 29,7 31,2 31,5 31,9 32,3 32,2 32,6

29,6 29,4 29,5 29,7 29,5 29,8 29,6 29,7 29,7 29,9 29,9 30,0 30,1 30,0 30,1 30,1 30,1 30,1 30,2 30,2 30,1 30,2 30,1 30,2 30,1 30,2 30,2 30,3 30,2 30,2 28,7 28,5 28,5 28,5 28,5 28,5 28,4 28,5 28,4 28,3 28,3 28,3 28,4

342 343 344 345 346 347 348 349 350 351 352 353 354 355 356 357 358 359 360 361 362 363 364 365 366 367 368 369 370 371 372 373 374 375 376 377 378 379 380 381 382 383 384

34,5 34,7 35,4 35,7 35,3 33,5 31,3 30,5 30,4 29,4 27,1 26,6 28,1 27,5 27,3 26,9 26,8 26,8 26,6 26,5 26,3 26,5 26,0 26,6 27,3 28,5 28,7 29,0 29,8 30,4 30,8 32,8 32,9 33,7 34,9 35,3 34,2 35,1 33,9 32,4 30,1 29,6 28,9

0,9 0 1,3 1,1 0 1,8 0,7 0 0 3,7 2 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1,3 0,8 0

791,21 888,63 835,1 329,56 264,42 108,31 55,27 27,08 2,87 0,32 0,48 262,53 276,38 150,22 113,74 106,73 86,18 64,83 40,46 12,43 1,12 0 0 243,55 164,07 167,9 173,94 153,39 135,24 188,44 223,81 237,35 269,19 389,43 776,02 495,17 755,07 156,9 62,6 6,21 1,59 25,33 27,88

38,7 43,1 38,1 38,6 37,2 34,3 30,9 30,0 29,4 26,1 25,1 26,3 28,3 28,5 27,3 26,8 26,4 26,1 25,7 25,6 25,2 24,7 24,4 26,2 26,8 27,6 27,6 29,0 31,3 29,7 31,6 35,1 34,9 37,7 40,8 41,2 38,2 35,9 34,4 31,6 29,3 28,4 27,1

27,42 25,64 30,1 29,97 29,08 28,55 27,55 26,53 26,15 22,71 20,79 20,16 22,83 23,09 23,34 23,47 22,96 23,34 22,71 22,94 23,09 22,58 22,71 27,42 27,68 27,93 28,19 28,7 28,93 29,33 26,91 27,8 27,68 28,06 29,21 29,72 29,21 30,1 29,08 29,72 29,08 26,13 26,15

32,1 34,5 36,5 36,3 35,8 35,2 34,3 33,6 33,7 32,3 32,5 29,9 30,1 30,3 30,8 30,6 30,0 29,8 29,7 29,7 29,3 29,2 29,1 27,5 27,2 28,1 28,3 27,9 28,9 29,6 30,0 31,1 31,2 31,4 31,8 31,7 32,5 36,4 35,5 34,6 33,9 33,5 33,1

28,3 28,8 30,1 30,2 30,2 30,3 30,4 30,5 30,6 30,8 31,6 31,0 30,8 30,7 30,7 30,8 30,8 30,8 30,8 30,8 30,9 30,9 30,9 29,0 28,8 28,9 28,8 28,7 28,3 29,1 28,9 28,8 28,7 28,6 28,5 28,4 28,8 30,2 30,3 30,4 30,4 30,5 30,5

385 386 387 388 389 390 391 392 393 394 395 396 397 398 399 400 401 402 403 404 405 406 407 408 409 410 411 412 413 414 415 416 417 418 419 420 421 422 423 424 425 426 427

27,8 27,9 28,1 27,8 27,7 27,7 27,6 27,8 27,7 27,8 27,7 27,7 28,0 27,6 27,9 27,7 27,6 27,6 27,6 27,2 27,1 27,0 27,0 29,8 29,7 29,9 29,6 29,7 29,5 29,1 28,4 27,9 27,8 27,5 27,4 27,3 27,0 32,8 32,4 33,8 34,5 33,1 33,8

1,1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1,1 0 0,1 0 0 0 0,8 0 0 1 0 0 0 0 1 0 0 0 0 0

30,27 26,44 25,81 24,06 23,74 26,76 31,06 35,52 39,83 31,54 39,67 42,22 40,62 28,52 32,34 20,71 10,83 10 5,1 1,12 0 0 0 130,46 104,82 50,02 97,81 85,7 45,08 36,16 34,73 15,61 14,18 7,65 1,12 0 0 325,3 339,26 1031,4 415,13 247,7 462,6

26,2 26,0 26,1 26,0 26,0 26,1 26,2 26,3 26,5 26,6 26,7 26,8 26,9 26,8 26,9 26,7 26,4 26,1 25,8 25,6 25,2 25,2 24,9 30,0 29,7 29,8 29,3 29,6 29,6 28,4 28,0 27,5 26,9 26,6 26,2 25,8 25,3 35,4 34,6 39,4 38,5 35,1 37,8

26,79 26,4 26 25,89 25,89 26 25,87 25,89 26,15 26,15 26,28 26,53 26,51 26,4 26,53 26,79 26,66 26,53 26,28 25,77 25,77 25,64 25,51 25,26 25,26 25,13 24,85 25 24,87 24,62 24,62 24,49 23,85 23,6 23,45 23,6 22,94 27,29 28,57 29,46 29,46 30,35 30,48

32,5 32,6 32,6 31,4 32,1 32,0 30,9 31,0 30,7 30,9 30,3 30,4 30,6 31,0 30,3 30,3 30,9 30,7 30,2 29,7 29,9 30,0 29,9 30,4 30,3 30,4 30,3 30,3 30,3 30,0 30,0 29,8 29,7 29,5 29,7 29,4 29,1 31,1 31,1 32,0 32,2 31,5 31,8

30,7 30,7 30,7 30,7 30,7 30,7 30,7 30,7 30,8 30,9 30,9 30,9 30,9 30,8 30,9 30,9 30,9 30,9 31,0 30,9 30,8 31,0 30,9 29,8 29,9 29,9 30,1 30,1 30,0 30,1 30,1 30,1 30,1 30,1 30,2 30,2 30,1 28,7 28,8 28,6 28,5 28,6 28,8

428 429 430 431 432 433

34,1 33,9 34,1 34,3 33,1 34,0

0 0 0 0 0 0

337,71 724,13 429,47 254,24 273,51 569,33

38,1 38,2 37,8 36,8 36,0 38,1

30,61 32,24 31,76 31,99 32,39 33,16

31,9 32,7 32,0 32,0 32,5 32,8

28,8 28,7 28,8 28,8 29,1 28,9

Lampiran 8. Temperatur hasil validasi ANN. Model 1: Data training 55 %, validasi 45 % No. 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39

Tprediksi Taktual 36,15 35,90 34,50 33,80 35,99 34,70 36,13 35,40 35,69 35,00 35,83 35,20 36,14 35,20 34,35 33,90 33,98 33,30 33,32 32,50 34,66 33,10 33,38 32,50 32,78 32,30 32,32 31,80 31,71 31,20 31,15 30,80 31,10 30,50 30,70 30,40 29,91 29,90 29,68 29,60 29,56 29,60 28,98 29,30 28,62 29,00 28,54 28,90 28,46 28,70 28,30 28,70 26,05 26,10 26,13 26,20 26,34 26,50 26,51 26,60 27,36 26,90 27,71 27,30 28,15 27,80 28,06 28,00 28,28 28,20 29,93 29,30 30,89 29,70 32,75 30,70 32,93 32,10

No. 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78


No. 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117


No. 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156


No. 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195


Model 2: Data training 67 %, validasi 33 % No. 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40

Tprediksi Taktual 31,43 30,80 32,32 30,80 33,43 31,60 33,63 32,80 33,86 33,20 34,75 34,30 35,43 35,10 33,43 32,80 34,09 32,70 35,63 35,20 34,45 33,70 33,38 32,70 34,15 33,40 33,17 31,90 35,24 34,30 32,77 32,20 32,91 31,80 32,73 31,90 31,73 30,70 31,46 30,70 31,02 30,00 31,13 30,10 30,14 29,30 29,85 29,10 29,46 28,80 28,39 28,50 27,50 28,30 27,71 28,00 27,28 27,90 27,11 27,80 27,21 27,80 26,82 27,50 26,76 27,30 26,68 27,00 26,16 26,90 26,39 26,50 26,11 26,40 26,43 26,20 25,85 26,30 26,72 26,90

No. 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80


No. 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120


No. 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143

Tprediksi Taktual 29,27 29,60 29,32 29,70 29,34 29,50 28,46 29,10 28,39 28,40 27,99 27,90 27,66 27,80 27,45 27,50 27,38 27,40 26,96 27,30 26,68 27,00 33,68 32,80 33,44 32,40 36,06 33,80 35,47 34,50 33,80 33,10 34,78 33,80 34,72 34,10 35,72 33,90 34,78 34,10 34,27 34,30 34,16 33,10 35,36 34,00

Model 3: Data training 75 %, validasi 25 % No. 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40


No. 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80


No. 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109

Tprediksi Taktual 26,29 27,10 26,22 27,00 26,12 27,00 29,77 29,80 29,42 29,70 29,39 29,90 29,08 29,60 29,15 29,70 29,15 29,50 28,36 29,10 28,20 28,40 27,82 27,90 27,55 27,00 27,31 27,50 27,20 27,40 26,81 27,30 26,56 27,00 33,47 32,80 33,09 32,40 36,12 33,80 35,13 34,50 33,34 33,10 34,55 33,80 34,43 34,10 35,53 33,90 34,52 34,10 33,87 34,30 33,73 33,10 35,14 34,00

ANALISIS SUDUT DATANG RADIASI MATAHARI PADA ATAP GELOMBANG DAN PENDUGAAN TEMPERATUR UDARA DALAM GREENHOUSE

Recommend Documents