cenderung terus meningkat menjadi 1,91 tontahun pada tahun 2020. Demikian halnya yang terjadi pada beban logam berat Cd, yang juga terus meningkat dari tahun ke tahun,
dalam hal ini pada tahun 2011 sebesar 0,15 tontahun, menjadi 0,58 tontahun pada tahun 2015, dan sangat meningkat tajam menjadi 2,68 tontahun pada tahun 2020.
Kondisi yang sama juga terjadi pada logam berat Pb yakni sebesar 1,9 tontahun pada tahun 2011, menjadi 2,01 tontahun pada tahun 2015 dan menjadi 2,22 tontahun pada
tahun 2020 Gambar 18.
4.2.4.3.Sub Model Akumulasi Logam Berat pada Sedimen dan Kerang Hijau
Sub model yang kedua bertujuan untuk mengetahui variabel akumulasi limbah logam berat yang terakumulasi pada sedimen dan pada kerang hijau di perairan Teluk
Jakarta. Pengaruh variabel tersebut digambarkan dalam diagram sebab akibat pada Gambar 19. Berdasarkan diagram sebab akibat causal loop di atas diketahui bahwa
sumber utama sub model akumulasi logam berat pada sedimen dan kerang hijau adalah konsentrasi logam berat yang ada di perairan laut Teluk Jakarta yang berasal dari
kegiatan industri dan kegiatan domestik, karena sifat kesetimbangan dampaknya terakumulasinya logam berat pada sedimen dan kemampuan penyerapan kerang hijau
terhadap pencemar yang sangat baik mengakibatkan akumulasi logam berat pada organ tubuhnya.
Akumulasi logam berat
di sedimen Akumulasi
logam berat di kerang hijau
Akumulasi logam berat
di kolom air konsentrasi
pencemar logam berat
+ +
+
+ +
+
Gambar 19. Diagram sebab akibat submodel akumulasi logam berat pada sedimen dan kerang hijau
Simulasi model dilakukan melalui kajian data yang disusun, diketahui terdapat variabel yang paling berpengaruh terhadap akumulasi logam berat pada sedimen dan
pada kerang hijau, antara lain : 1 logam berat merkuri Hg 2 logam berat cadmium
Cd 3 logam berat timbal Pb yang ada di air, sedimen dan pada kerang hijau. Adapun simulasi untuk memperkirakan kemungkinan yang dapat terjadi pada setiap
variabel yang diteliti, selengkapnya tersaji pada Gambar 20.
Gambar 20. Diagram stock flow submodel akumulasi logam berat pada sedimen dan
kerang hijau
4.2.4.4. Simulasi Sub Model Akumulasi pada Sedimen dan Kerang Hijau
Pada simulasi akumulasi logam berat Hg, Cd, Pb pada sedimen di Teluk Jakarta memperlihatkan bahwa terjadi peningkatan tajam pada akumulasi logam berat Hg, Cd,
Pb. Akumulasi logam berat Hg pada sedimen, yakni pada tahun 2011 sebesar 1,45 ppm menjadi 2,57 ppm pada tahun 2015, kemudian cenderung terus meningkat menjadi 4,3
ppm pada tahun 2020. Demikian halnya yang terjadi pada akumulasi logam berat Cd, yang juga terus meningkat dari tahun ke tahun, dalam hal ini pada tahun 2011 sebesar
1,41 ppm, meningkat sangat tajam menjadi 5,23 ppm pada tahun 2015, dan sangat meningkat tajam lagi menjadi 19,66 ppm pada tahun 2020. Kondisi yang sama juga
terjadi pada akumulasi logam berat Pb pada sedimen yakni sebesar 0,57 ppm pada tahun 2011, menjadi 0,98 ppm pada tahun 2015 dan meningkat tajam menjadi 1,71 ppm pada
tahun 2020 Gambar 21. Pada simulasi akumulasi logam berat Hg, Cd, Pb pada kerang hijau di Teluk
Jakarta memperlihatkan bahwa terjadi peningkatan tajam pada akumulasi logam berat Hg, Cd, Pb pada kerang hijau. Akumulasi logam berat Hg pada kerang hijau, yakni
pada tahun 2011 sebesar 138,24 μgg bk menjadi 206,03 μgg bk pada tahun 2015,
AkumHgSed AkumCdSed
AkumPbSed AkumHgKH
AkumCdKH AkumPbKH
debit
bebanHg KonsHgPerTh
bebanHgRiil KAHg
bebanCd KonsCdPerTh
bebanCdRiil KACd
bebanPb KonsPbPerTh
bebanPbRiil KAPb
kemudian cenderung terus Demikian halnya yang te
meningkat dari tahun ke ta meningkat sangat tajam me
tajam lagi menjadi 24.94 μgg bk pada tahun 2020.
Gambar
Gambar 22 rus meningkat menjadi
263.9 μgg bk pad terjadi pada akumulasi logam berat Cd, y
tahun, dalam hal ini pada tahun 2011 sebe sar 9.68 μgg bk ,
en jadi 18.65 μgg bk pada tahun 2015, dan sa
tajam lagi menjadi 24.94 μgg bk pada tahun 2020.
bar 21. Akumulasi logam berat pada sedimen
2. Akumulasi logam berat pada kerang hijau 87
pada tahun 2020. yang juga terus
sar 9.68 μgg bk , sangat meningkat
Kondisi yang sama juga terjadi pada akumulasi logam berat Pb pada kerang hijau yakni walau tidak besar tapi terjadi peningkatan dari tahun ke tahun yakni sebesar 1.37
μgg bk pada tahun 2011, menjadi 1.71 μgg bk pada tahun 2015 dan meningkat tajam menjadi 2.53 μgg bk pada tahun 2020 Gambar 22. Terjadinya peningkatan
akumulasi yang relative rendah dari logam berat Pb pada kerang hijau diduga karena kelarutan Pb dalam air yang sangat rendah Volesky, 1990.
4.2.5. Validasi Model
Model merupakan salah satu cara untuk menggambarkan perilaku sistem nyata dengan cara menyederhanakan fakta sehingga perilaku sistem dapat dipahami lebih
mudah, walaupun demikian model tidak akan sama dengan sistem nyata sehingga dibutuhkan validasi yang bertujuan menggambarkan hasil model dengan hasil data yang
mewakili sistem nyata. Eriyatno 2003 menyatakan validasi model bertujuan
mengetahui apakah model yang dibuat sesuai dan dapat mewakili realitas sistem nyata. Dalam sistem dinamik, proses validasi model dibagi menjadi dua kriteria validasi, yakni
validasi struktur dan validasi perilaku model output model. Validasi struktur model merupakan proses validasi utama dalam berpikir sistem.
Untuk melakukan perancangan dan justifikasi seorang pembuat model dituntut untuk mengumpulkan informasi sebanyak mungkin atas sistem yang menjadi obyek penelitian.
Informasi ini dapat berupa pengalaman dan pengetahuan dari orang yang memahami mekanisme kerja pada sistem atau berasal dari studi literatur. Pada proses ini bertujuan
untuk melihat sejauh mana keserupaan struktur model mendekati struktur nyata, karena pada uji kesesuaian struktur dilakukan untuk menguji apakah struktur model tidak
berlawanan dengan pengetahuan yang ada tentang struktur dari sistem nyata dan apakah struktur utama dari sistem nyata telah dimodelkan Sushil, 1993. Hal ini akan
meningkatkan tingkat kepercayaan atas ketepatan dari struktur model. Validasi perilaku model dilakukan dengan membandingkan antara besar dan sifat kesalahan dapat
digunakan: 1 Absolute mean error AME adalah penyimpangan selisih antara nilai rata-rata mean hasil simulasi terhadap nilai aktual dan 2 Absolute variation error
AVE adalah penyimpangan nilai variasi variance simulasi terhadap aktual. Berdasarkan validasi yang telah dilakukan, nilai AME dan AVE dari seluruh
konsentrasi pencemar hasil riil dan model kurang dari 10. Menurut Barlas 1996 dan
