ANALISIS TURBIDITAS AIR MENGGUNAKAN PENGOLAHAN CITRA DAN POLARIMETRI BERBASIS POLA INTENSITAS CAHAYA
DOI:
https://doi.org/10.24252/sainfis.v5i2.63716Kata Kunci:
cahaya, ImageJ, intensitas, pengolahan citra, polarimetri, turbiditasAbstrak
Kekeruhan merupakan parameter penting dalam penilaian kualitas air karena berkaitan
langsung dengan jumlah partikel tersuspensi dan kemampuan medium dalam meneruskan cahaya.
Metode konvensional untuk mengukur kekeruhan menggunakan turbidimeter membutuhkan
peralatan laboratorium khusus, sehingga diperlukan pendekatan alternatif yang lebih sederhana dan
mudah diterapkan. Penelitian ini bertujuan menganalisis tingkat kekeruhan tiga jenis air—air murni,
air keran, dan air tercemar melalui kombinasi pengolahan citra digital dan pengukuran pola polarisasi
cahaya. Citra sampel diambil menggunakan kamera smartphone dengan geometri pengambilan yang
dikontrol, kemudian dianalisis menggunakan perangkat lunak ImageJ untuk memperoleh parameter
optik berupa Mean Gray Value dan transmisi relatif Trel. Selain itu, setiap sampel diukur gelap–terang–gelap (G–T–G) sebagai indikator hamburan cahaya. Hasil penelitian menunjukkan
peningkatan Mean Gray secara konsisten dari air murni (108,005), air keran (130,365), hingga air
tercemar (184,951), yang menandakan bertambahnya hamburan cahaya akibat kenaikan kekeruhan.
Nilai T₍rel₎ mengikuti tren serupa dengan rasio 1 : 1,21 : 1,71. Pengukuran polarimetri memperlihatkan
bahwa pola T–G–T dan G–T–G muncul jelas pada air murni, bergeser pada air keran, dan tidak
terbentuk pada air tercemar akibat depolarisasi total. Temuan ini menunjukkan bahwa kombinasi
analisis citra dan polarisasi cahaya dapat menjadi metode alternatif yang murah, cepat, dan cukup
sensitif untuk mengidentifikasi tingkat kekeruhan air tanpa memerlukan instrumen laboratorium
konvensional.
Unduhan
Referensi
Ceylan Koydemir, H., Rajpal, S., Gumustekin, E., Karinca, D., Liang, K., Göröcs, Z., Tseng, D., & Ozcan, A. (2019). Smartphone-based turbidity reader. Scientific Reports, 9(1), 19901. https://doi.org/10.1038/s41598-019-56474-z
Chai, M. M. E., Ng, S. M., & Chua, H. S. (2017). An alternative cost-effective image processing based sensor for continuous turbidity monitoring. 020014.
https://doi.org/10.1063/1.4975247
Hecht, E. (2017). Optics (5 edition. Global edition). Pearson Education, Inc.
Jantarakasem, C., Sioné, L., & Templeton, M. R. (2024). Estimating drinking water turbidity using images collected by a smartphone camera. AQUA — Water Infrastructure, Ecosystems and Society, 73(6), 1277–1284. https://doi.org/10.2166/aqua.2024.085
Miglino, D., Saddi, K. C., Isgrò, F., Jomaa, S., Rode, M., & Manfreda, S. (2024). Technical note: Image processing for continuous river turbidity monitoring – full scale tests and potential applications. Rivers and Lakes/Instruments and observation techniques.
https://doi.org/10.5194/egusphere-2024-2172
Mohammed, A. (2024). Determine Water Turbidity by Using Image Processing Technology.
Muoio, R., Caretti, C., Rossi, L., Santianni, D., & Lubello, C. (2020). Water safety plans and risk assessment: A novel procedure applied to treated water turbidity and gastrointestinal diseases. International Journal of Hygiene and Environmental Health, 223(1), 281–288. https://doi.org/10.1016/j.ijheh.2019.07.008
Rudy, I. M., & Wilson, M. J. (2024a). Turbidivision: A machine vision application for estimating turbidity from underwater images. PeerJ, 12, e18254. https://doi.org/10.7717/peerj.18254
Rudy, I. M., & Wilson, M. J. (2024b). Turbidivision: A machine vision application for estimating turbidity from underwater images. PeerJ, 12, e18254. https://doi.org/10.7717/peerj.18254
Soto, I. L., Concha-Sánchez, Y., & Raya, A. (2025). An Image-Based Water Turbidity
Classification Scheme Using a Convolutional Neural Network. Computation, 13(8),
178. https://doi.org/10.3390/ ADDIN ZOTERO_ITEM CSL_CITATION {"citationID":"z50SPmV5","properties":{"formattedCitation":"(n.d.)","plainCitation":"(n.d.)","noteIndex":0},"citationItems":[{"id":216,"uris":["http://zotero.org/users/local/tQdqU0ci/items/GSFK3D47"],"itemData":{"id":216,"type":"article-journal"}}],"schema":"https://github.com/citation-style-language/schema/raw/master/csl-citation.json"} (n.d.)computation13080178
Wang, Z., Hu, M., & Zhang, K. (2024). Underwater Turbid Media Stokes-Based Polarimetric Recovery. Sensors, 24(5), 1367. https://doi.org/10.3390/s24051367
World Health Organization. (2017). Water quality and health – review of turbidity: Information for regulators and water suppliers. WHO Press, Geneva,Switzerland.
Zhang, S., Li, R., Fan, Y., Cao, H., Wang, D., & Zhang, R. (2025). Adaptive partition based underwater polarization image restoration method for complex objects. Scientific Reports, 15(1), 40410. https://doi.org/10.1038/s41598-025-93827-3 )
