Hasil Pencarian  ::  Simpan CSV :: Kembali

"Kota dengan laju pertumbuhan penduduk yang tinggi umumnya bermasalah dengan penyediaan air baku sebagai sumber air bersih. Penyediaan air baku ini terkait erat dengan permasalahan kualitas air baku yang terus menerus mengalami degradasi. Untuk mengatasi permasalahan degradasi kualitas air baku, perlu dilakukan pengendalian dinamika kualitas air sungai dari waktu ke waktu. Untuk dapat melakukan pengendalian, perlu dilakukan pemantauan berupa pengambilan sampel di lapangan untuk kemudian menggunakan data berupa sampel tersebut dalam melakukan prediksi kualitas air sungai.Terdapat dua cara yang dapat dilaksanakan dalam rangka memprediksi kualitas air, yaitu memanfaatkan data eksisting melalui pengambilan sampel di lapangan, dilanjutkan penggunaan metode regresi sehingga trend yang terbentuk dapat dianalisa lebih lanjut. Hanya saja metode regresi ini memiliki kekurangan, karena hanya dapat memprediksi situasi dan kondisi apabila tidak terdapat perubahan kebijakan dari pemerintah sehubungan dengan berbagai hal yang berpotensi memberi pengaruh pada kualitas air.Diperlukan alat prediksi yang mampu mengakomodir berbagai parameter yang berpotensi menyebabkan perubahan pada kualitas air sungai dengan lebih baik. Demi tujuan tersebut, maka dipakai cara kedua, yaitu pengembangan model yang lebih kompleks dari sekedar penggunaan metode regresi, berupa model matematis yang dalam pengembangannya akan mempertimbangkan mekanisme adveksi dan disperse dalam aliran sungai.Model adveksi-dispersi yang telah dikembangkan akan diperbandingkan dengan model eksisting yang telah ada dan dianggap telah mapan. Validasi logis dilakukan untuk membuktikan bahwa model adveksi-dispersi cukup valid dan memiliki tingkat kehandalan baik karena trend konsentrasi BOD pada model tersebut memberikan hasil yang tidak jauh berbeda dari trend konsentrasi BOD model eksisting, yaitu model QUAL2K, dengan catatan nilai parameter berupa selang waktu (?t) dan selang jarak (?x) cukup kecil, sehingga osilasi yang terjadi tidak signifikan dan hasil simulasi yang diperoleh cukup akurat serta dapat diandalkan.

---

Regions with high population?s growth rate mostly have problems with finding raw water intake to provide clean water for its own population. The problem about raw water availability has a correlation with the problem of raw water quality that continuously decreasing. Therefore, controlling the dynamics of the quality of the river stream routinely is necessary to solve the problems. These controlling activities can be done by taking some samples from the field to be able to predict the stream water quality in the future.

There are two ways that can be done to predict the water quality. First is by using the existing samples data collected from the field, and then utilizing regression method to generate the data trend. However, this regression method has a major limitation because it could only predict the situation and condition where there is no regulation change from the government involving things that could potentially give influences to water quality.

The more complex prediction tools are needed to accommodate many parameters that could potentially affect the water quality of the streams. In order to accomplish the work, the regression models are no longer in use and are replaced by the second way of predicting the water quality, which is the complex ones that could cover more of scenarios of water quality formulation. This complex predicting tool is the mathematic model that its development will involve observing advection and dispersion mechanism on each element of the streams.

The advection-dispersion model that has been developed will be compared to the existing models that are considered well-working before. The advection-dispersion methods will be as valid as the existing model and have an excellent quality if the BOD concentration?s trend produced by the mathematic model is not much different from that of the existing model, QUAL2K, with notes that the magnitude of step time (?t) and step length (?x) are not significantly large, so that the oscillation caused by the use of numerical formulation is also not significant, and makes the model output is accurate and reliable."

"Pencemar terlarut di saluran terbuka merupakan masalah yang cukup signifikan untuk dilakukan penelitian. Pencemar terlarut di saluran terbuka memiliki pola penyebaran yang berbeda-beda, tergantung dari jenis pencemar terlarutnya dan jenis sebaran bebannya. Besi (Fe) merupakan pencemar terlarut yang banyak mencemari saluran terbuka di Indonesia. Saluran terbuka merupakan sumber utama air baku di Indonesia terutama di daerah perkotaan seperti DKI Jakarta. Sumber air baku harus memenuhi standar yang telah ditetapkan. Kadar besi (Fe) dalam air baku tidak boleh melebihi 2 mg/L.Dan hasil penelitian yang dilakukan Bapedalda DKI Jakarta tahun 1995/1996 dan penelitian yang dilakukan Departemen Teknik Sipil bekerja sama dengan PT. Thames PAM Jaya tahun 2002 kadar besi (Fe) di Tarum Kanal Barat terus mengalami peningkatan. Kalau kadar besi (Fe) terus meningkat akan mengakibatkan hal-hal sbb :- Biaya pengolahan air bersih akan meningkat- Sistem jaringan air bersih akan tercemari besi (Fe) yang mengakibatkan biaya pemeliharaan bertambah dan umur pipa semakin pendek.- Kadar besi (Fe) yang tinggi mengakibatkan gangguan terhadap kesehatan, peralatan rumah tangga dan industri.Pengendalian kadar besi (Fe) perlu dilakukan untuk menekan biaya pengolahan, pemeliharaan dan kerugian yang dialami oleh rumah tangga, industri dan kesehatan masyarakat. Untuk mengendalikan kadar besi (Fe) pada saluran terbuka harus diketahui pola penyebaran dari besi (Fe) tersebut. Model matematik merupakan altematif yang paling layak baik dari segi biaya maupun dari segi waktu, model ini berguna untuk memprediksi pola penyebaran pencemar.Sebelum model matematik digunakan pada suatu saluran terbuka, model matematik tersebut harus melalui dua tahapan validasi dan satu tahapan kalibrasi. Tahap pertama adalah validasi teoritis, tahap kedua validasi terhadap data laboratorium dan tahap ketiga adalah kalibrasi terhadap lapangan. DaIam penelitian ini hanya dilakukan validasi teoritis suatu model penyebaran pencemar. Model matematik yang akan divalidasi adalah model matematik yang dikembangkan oleh Laboratorium Hidrolika Universitas Indonesia yang diberi nama UIQUAL. Validasi teoritis dilakukan dengan cara membandingkan model UIQUAL terhadap perhitungan cara analitis dan perhitungan cara numerik yang sudah "mapan". Pembandingan terhadap perhitungan cara numerik yang sudah "mapan" bertujuan untuk mengetahui validitas model yang sedang dikembangkan terhadap sebaran beban yang tidak dapat diselesaikan dengan perhitungan cara analitis. Cara analitis adalah teknik perhitungan matematik untuk proses tertentu atau sistem fisik tertentu berdasarkan penyelesaian aljabar dan kalkulus sedangkan cara numerik adalah perhitungan matematik berdasarkan penyelesaian diskritisasi aritmatik. Dalam penelitian ini cara numerik menggunakan program yang sudah "mapan" yaitu DUFLOW versi 2.0 yang dikembangkan oleh lima perguruan tinggi yang ada di Belanda. Dalam penelitian ini dijelaskan secara keseluruhan langkah-langkah validasi teoritis suatu model. Hasil akhir dari penelitian ini adalah model matematik yang telah divalidasi terhadap perhitungan analitis dan perhitungan secara numerik. Validasi terhadap perhitungan analitis bertujuan untuk mengetahui keandalan dari program UIQUAL terhadap sebaran beban tertentu yang memiliki solusi dalam bentuk fomulasi matematik. Sedangkan validasi terhadap cara numerik bertujuan untuk mengetahui keandalan UIQUAL terhadap sebaran beban yang tidak dapat diselesaikan dengan cara analitis. Hasil penelitian ini UIQUAL valid terhadap cara analitis dan cara numerik dilihat dari pola respon atau kurva respon yang dihasilkan akibat masukan sebaran beban dihulu. Sedangkan nilai deviasi yang cukup besar baik terhadap perhitungan cara analitis maupun cara numerik disebabkan karena program UIQUAL tidak menggunakan formula deferensiasi akurasi tinggi (high-accuracy defferentiation formulas)."

"Fenomena adveksi-dispersi dapat dimodelkan dengan mobile bed model tank. Penelitian ini dilakukan untuk mengembangkan protokol dalam menentukan nilai koefisien dispersi akibat perbedaan gradien kecepatan dengan memodelkan fenomena. Persamaan kerja yang digunakan adalah persamaan adveksi-dispersi 2D dari Bear (1972). Kecepatan aliran dimodelkan dengan dynamic similitude bernilai 7 cm/s hingga 13 cm/s dan dimensi saluran dimodelkan dengan dimensional analysis yang menghasilkan lebar saluran sebesar 40 cm. Zat pencemar diwakili dengan tinta yang bersifat konservatif. Zat pencemar akan diinjeksikan pada awal grid saluran dengan metode pulse. Hasil penelitian akan berupa gambar yang akan merepresentasikan fenomena adveksi-dispersi. Gambar akan menjadi data pengamatan yang akan diolah menjadi dimensi zat pencemar. Data pengamatan akan dimasukkan kedalam persamaan kerja untuk mendapatkan nilai pendekatan koefisien dispersi. Hasil pengembangan protokol penelitian ini cukup konsisten dapat direka ulang, hasil gambar penelitian sesuai dengan teori fenomena adveksi-dispersi dan nilai koefisien dispersi longitudinal dan transversal masuk dengan rentang nilai koefisien dispersi literatur.

---

An advection and dispertion phenomenon can be modeled by using mobile bed model tank. This research is to develop the protocol on predicting dispertion coefficient caused by velocity gradient. This phenomenon can be formulated by advection-dispertion equation for 2D pulse injection by Bear (1972). The velocity is modeled by using dynamic similitude which gives the velocity range up to 7 cm/s until 13 cm/s and the channel is modeled by using dimensional analysis which gives the width of the channel 40 cm. The pollutant will be subtitude by using dye tracer which will be injected to the stream. The pollutant injection is modeled to be pulse and will be observed on the disperse of the pollutant. The pollutant dispersion will be filmed, observed and measured. The data will be inputted to the formula where the value prediction of coeffient dispertion will be found. The protocol which is given in this research can be replicated and constant on its results."

"Aliran air tanah mengalir disebabkan oleh perbedaan tinggi hidraulik. Dalam menurunkan persamaan, massa jenis sering diasumsikan konstan. Persamaan ini dapat dan sering diaplikasi di tempat yang jauh dari wilayah pantai. Namun, persamaan tersebut tidak dapat diaplikasikan di wilayah/akuifer pantai karena massa jenis merupakan sebuah fungsi dari konsentrasi. Air laut yang mengandung garam NaCl menginduksi air tanah sehingga menyebabkan perubahan massa jenis. Peristiwa ini disebut transpor pencemar. Perbedaan massa jenis menyebabkan perubahan tinggi hidraulik. Dalam kondisi aliran tidak berubah menurut waktu (steady), transpor pencemar tidak terlalu berpengaruh terhadap perubahan tinggi hidraulik. Sebaliknya, dalam kondisi aliran yang berubah menurut waktu (unsteady), transpor pencemar sangat berpengaruh. Hal ini menyebabkan terjadi aliran air tanah didorong oleh perbedaan massa jenis (driven density). Untuk memodelkan masalah ini, digunakan metode numerik beda hingga dan diterapkan pada spread sheet program Microsoft Excel.

---

Groundwater flow caused by hydraulic head. In term of governing equation, density often assumed as a constant value. This equation often used far away from coastal area. However, those equation can?t be used in coastal area/aquifers because density is a function of concentration. Saltwater which is containing salt (NaCl) induces freshwater so that causing changes in the density of water. This phenomenon called contaminant transport. The changing of density caused changes in the hydraulic head. At steady condition, contaminant transport does not significantly affect to the hydraulic head. Otherwise, contaminant transport significantly affect to the hydraulic head. This is caused driven density groundwater flow. To solving this problem, is used numerical method (finite difference method) and applied to the spread sheet of Microsoft Excel."

"The paper is concerned with solving the tranport pollutant problem for a steady, gradually varied flow in an open channel network.The ID advective-diffusive transport equation is solved using the spliting technique....."

"Berdasarkan laporan United Nations Environment Programme (UNEP, 2011) sektor konstruksi menempati urutan pertama sebagai penyumbang polusi dan emisi gas rumah kaca terbesar di dunia. UNEP juga menyampaikan informasi bahwa sepertiga dari total penggunaan energi dunia dikonsumsi di gedung-gedung. Untuk meredusir penggunaan energi tersebut, diperkenalkan bangunan hijau (green building) yang memiliki konsep Zero Energy/Emission Building (ZEB) sebagai solusi untuk mengurangi efek emisi gas. Fitur utama dari bangunan hijau adalah efisiensi energi dan optimasi pemanfaatan sumber energi baru-terbarukan.Turbin sebagai pembangkit daya merupakan salah satu peralatan utama pada sistem pembangkit energi. Turbin yang digunakan sebagai pembangkit energi pada bangunan hijau dalam studi ini adalah turbin air arus lintang (cross-flow). Penelitian pengembangan model turbulen dinamika aliran pada runner turbin cross-flow bertujuan untuk mendapatkan efisiensi yang terbaik melalui optimasi numerik pada CFD. Model Renormalization Group (RNG) k-e memiliki akurasi numerik lebih baik dari model k-e, akan tetapi membutuhkan waktu numerik yang lebih lama dibanding model k-e. Dinamika aliran pada runner turbin cross-flow memiliki beberapa zona penting, diantaranya daerah blade turbin cross-flow. Optimasi numerik dilakukan dengan modifikasi nilai Prandtl model k-e untuk optimasi waktu dan akurasi numerik. Modifikasi nilai Prandtl model k-e dibandingkan dengan model RNG k-e untuk mendapatkan nilai ok dan oe yang memiliki simpangan rata-rata yang kecil pada parameter fisika dan turbulen. Hasil simulasi dinamika aliran pada tingkat pertama blade turbin air cross-flow dengan perubahan nilai konstanta ok model k-e mendapatkan nilai simpangan rata-rata yang besar dibandingkan model RNG k-e pada parameter fisika; distribusi tekanan dan kecepatan, serta untuk parameter turbulen; energi kinetik turbulen, laju disipasi turbulen, dan viskositas efektif turbulen.Perubahan nilai konstanta oe model k-e mendapatkan nilai simpangan rata-rata yang kecil dibandingkan model RNG k-e pada parameter fisika dan turbulen. Modifikasi model k-e dengan perubahan nilai konstanta oe=0,47 dan ok=1 memiliki simpangan rata-rata pada parameter; tekanan 9%, kecepatan 2%, energi kinetik turbulen 0%, laju disipasi turbulen 4%, dan viskositas efektif turbulen 1%. Nilai konstanta oe=0,47 dan ok=1 direkomendasikan untuk mendapatkan nilai simpangan yang kecil dibandingkan model RNG k-e

---

Based on the report "United Nations Environment Program (UNEP, 2011)" the construction sector ranks first as the largest contributor to pollution and greenhouse gas emissions in the world. UNEP also conveyed information that a third of the world's total energy use is consumed in buildings. To reduce energy use, green building was introduced with the concept of Zero Energy/Emission Building (ZEB) as a solution to reduce the effects of gas emissions. The main characteristics of green buildings are energy efficiency and optimization of the use of new and renewable energy sources.

Turbine as a power plant is one of the main equipment in the energy generation system. The turbine used for energy generation in the green building in this study is a cross-flow water turbine. Research on the development of turbulent flow dynamics model on a cross-flow turbine runner aims to get the best efficiency through numerical optimization on CFD. The k-ε Renormalization Group (RNG) model has better numerical accuracy than the k-ε model, but requires a longer numerical time than the k-ε model. The flow dynamics of the cross-flow turbine runner has several important zones, including the area of ​​the cross-flow turbine blade. Research on the development of turbulent models on flow dynamics in cross-flow turbine blades is important for numerical optimization. Numerical optimization is done by modifying the Prandtl value of the k-ε model for time optimization and numerical accuracy. Modify the Prandtl value of the k-ε model compared to the RNG k-ε model to get the value and which has a small average deviation of the physical and turbulent parameters. The results of the flow dynamics simulation on the first stage of the cross-flow turbine blade with changes in the constant value of the k-ε model get a large average deviation value compared to the k-ε RNG model on physical parameters; distribution of pressure and velocity, as well as for turbulent parameters; turbulent kinetic energy, turbulent dissipation rate, and turbulent effective viscosity.

Changes in the constant value of the k-ε model get a small average deviation value compared to the k-ε RNG model on physical and turbulent parameters. Modification of the k-ε model with changes in the constant values ​​= 0.47 and = 1 has an average deviation of the parameters; 9% pressure, 2% velocity, 0% turbulent kinetic energy, 4% turbulent dissipation rate, and 1% turbulent effective viscosity. Constant values ​​= 0.47 and = 1 are recommended to get a smaller deviation value compared to the k-ε RNG model

"

"Konversi luka bakar merupakan perubahan zona kedalaman dari dangkal menjadi dalam pada 3–7 hari pasca luka bakar. Saat ini, proses autofagi, inflamasi, iskemia, infeksi, dan reactive oxygen species dianggap berperan dalam patogenesis konversi luka bakar. Penelitian ini bertujuan untuk mengkaji faktor risiko terjadinya konversi luka bakar pada pasien dewasa dan mengembangkan sistem skor untuk memprediksi kejadian konversi luka bakar sebagai acuan tatalaksana konservatif dan operatif. Penelitian dilaksanakan dengan metode nested case control pada pasien luka bakar dewasa yang dirawat di Unit Luka Bakar RSUPN Dr. Cipto Mangunkusumo dan RS Islam Jakarta Cempaka Putih. Subjek direkrut dengan metode consecutive sampling pada Februari 2019–Agustus 2020. Faktor risiko yang diteliti adalah karakteristik klinis, pemeriksaan klinis lokal, dan pemeriksaan klinis sistemik. Faktor risiko dianalisis secara bivariat dan multivariat regresi logistik.Terdapat 40 subjek kelompok kasus dan 20 subjek kelompok kontrol. Luka bakar di regio trunkus (OR = 3,67; p = 0,028), regio tungkai (OR = 6,93; p = 0,001), luas luka bakar yang dihitung dengan ImageJ ³ 9,49 %TBSA (OR = 32,11 p < 0,001), suhu permukaan luka yang diukur dengan termografi FLIR ONE® ≤ -1,55 oC (OR = 13,78; p < 0,001), kadar prokalsitonin ≥ 0,075 ng/mL (OR = 12; p < 0,001), dan kadar laktat darah ≥ 1,75 mmol/L (OR = 7; p = 0,001) memiliki hubungan bermakna dengan konversi luka bakar. Dikembangkan 3 model konversi luka bakar dari variabel bermakna. Model 1 diterapkan di fasilitas kesehatan tersier dengan sensitivitas dan spesifisitas sebesar 92,5% dan 85% (IK95% 0,835–1,00; p < 0,001). Model 2 dan 3 dapat diterapkan di fasilitas kesehatan primer dan sekunder dengan model 2 memiliki sensitivitas dan spesifisitas sebesar 95% dan 70% (IK95% 0,830– 1,00; p < 0,001) dan model 3 memiliki sensitivitas dan spesifisitas sebesar 92,5% dan 85% (IK95% 0,832–1,00; p < 0,001). Model skor yang dibuat dapat dipertimbangkan digunakan dalam praktek seharihari terutama sebagai acuan tatalaksana konservatif dan operatif.

---

Burns are a global public health problem with high morbidity and mortality rates. Burn wound conversion describes the process by which superficial-partial thickness burns convert into deeper burns within 3–7 days after the burn. Currently, autophagy, inflammation, ischemia, infection, and reactive oxygen species are thought to play a role in the pathogenesis of burn wound conversion. This study aims to assess risk factors for burn wound conversion and develop a scoring system to predict burn conversion as a reference for burn wound management.

The study was conducted using the nested case control method, in adult burn patients who were treated at Dr. Cipto Mangunkusumo and Jakarta Islamic Hospital Cempaka Putih. Subjects were recruited by consecutive sampling method in February 2019–August 2020. The role of clinical characteristics, local clinical examination, and systemic examination as predictors of burn wound conversion were assessed. The risk factors were analyzed using bivariate and logistic regression multivariate analysis.

There were 40 subjects in case group and 20 subjects in control group. Involvement of trunk (OR = 3.67; p = 0.028), limbs (OR = 6.93; p = 0.001), burn extent measured using ImageJ ³ 9.49 %TBSA (OR = 32.11 p < 0.001), wound surface temperature measured using FLIR ONE® thermography ≤ -1.55 oC (OR = 13.78; p < 0.001), procalsitonin level ≥ 0.075 ng/mL (OR = 12; p < 0.001), dan blood lactate level ≥ 1.75 mmol/L (OR = 7; p = 0.001) had significant relationship with burn wound conversion. Three scoring models were developed based on the significant variables with model 1 to be applied in tertiary health facilities and model 2 and 3 to be applied in primary and secondary health facilities with sensitivity and specificity of 92.5% and 85% (95% CI 0.835–1,00; p < 0.001)), 95% and 70% (95% CI 0.830–1.00; p < 0.001) and 92,5% and 85% (95% CI 0.832–1.00; p < 0.001), respectively).

The scoring models can be considered to be used in daily practice, especially as a reference for conservative and operative management."