DESAIN ERGONOMIS DARI HEADSET EEG MENGGUNAKAN ANTROPOMETRI 3D

1.          Pendahuluan

Antarmuka otak-komputer

Aktivitas otak bisa ditangkap dengan teknik yang disebut electroencephalography (EEG), yang mendeteksi perbedaan tegangan antara poin tertentu pada tengkorak manusia (Teplan, 2002). Pengukuran EEG membutuhkan sejumlah elektroda untuk membuat kontak listrik dengan kulit kepala di lokasi tertentu, ditentukan oleh 10-20 sistem internasional penempatan elektroda. Berikut merupakan gambarannya dimana lingkaran hitam adalah lokasi elektroda untuk sistem 10-20, elektroda yang digunakan seluruh pekerjaan ini dilingkari oleh warna oranye termasuk lokasi dari 10-10 (lingkaran abu-abu), dan sistem 10-5 (lingkaran putih).

Penelitian EEG berfokus pada pemahaman kognisi manusia dan penerapan sinyal EEG untuk mempengaruhi dunia luar (antarmuka otak-komputer atau BCI). Sebagian besar penelitian ini dilakukan di institusi medis atau akademis. Namun, sejumlah masalah muncul saat menerapkan EEG di luar laboratorium. Pakar tidak selalu tersedia, tutup elektroda sangat kompleks dan menyita waktu Pakai, gel konduktif mengharuskan pengguna mencuci rambut masing-masing sidang. Perangkat yang lebih mudah digunakan dan memberikan yang lebih akurat Penempatan elektroda akan membuka lebih banyak aplikasi dunia nyata untuk BCI.

Headset BCI

Beberapa perusahaan menargetkan pasar konsumen dengan pengembangan headset BCI komersial berbiaya rendah. Yang paling menonjol adalah Emotiv Epoc (diluncurkan di 2009) dan Neurosky Mindwave (2007). Sementara Neurosky menawarkan berbagai macam aplikasi perangkat lunak terkait BCI, Emotiv's Epoc telah menjadi perangkat yang paling populer dikalangan peneliti BCI dan penggemar karena Epoc memiliki 14 saluran elektroda, lebih dari apapun headset BCI komersial lainnya dan headset yang nirkabel. 

Emotiv Epoc BCI headset.

Antropometri 3D dan ergonomic

Antropometri adalah bidang sains yang berhubungan dengan analisis morfologi tubuh manusia (Ulijaszek dan Kerr, 1999). Secara tradisional, antropometri menggunakan alat seperti kaliper dan mengukur kaset untuk mengambil rangkaian pengukuran terbatas menggambarkan bentuk tubuh. Dalam dekade terakhir, metode baru untuk mendaftarkan bentuk tubuh sudah tersedia, yang terpenting adalah pemindaian 3D. Manfaat antropometri 3D dalam dilihat dalam produk seperti helm dan respirator, meskipun hanya sedikit penelitian yang memverifikasi kesesuaian perangkat atau produk yang dibuat dengan menggunakan antropometri 3D telah dilaporkan. Antropometri 3D akan menjadi aset berharga untuk desain headset BCI. 

2.        Metoda

Desain prototipe

Spesifikasi desain untuk prototipe adalah sebagai berikut: itu seharusnya hanya tersedia dalam ukuran tunggal (yaitu satu ukuran cocok untuk semua), itu harus mencakup lokasi elektroda yang sama seperti Emotiv's Epoc (AF3, AF4, F7, F3, F4, F8, FC5, FC6, T7, T8, P7, P8, O1, O2), cocok dengan populasi Barat, tetap sedekat mungkin dengan lokasi asalnya selama pergerakan (perpindahan maksimum 5 mm), memiliki rata-rata kesalahan posisi maksimal 25 mm (panjang kabel antara posisi elektroda dan lokasi 10-20 dan harus mudah diletakkan di kepala oleh non-ahli.

Desain eksperimen

Percobaan awal untuk memverifikasi metode perancangannya dilakukan oleh 7 kelompok mahasiswa pascasarjana (Masters 1 tahun di Pengembangan Produk, Universitas Antwerp). Tujuan dari percobaan adalah untuk menyelidiki apakah spesifikasi desain bisa ditemui menggunakan metode yang diusulkan, dan apakah penempatan elektroda, stabilitas, dan pengulangan prototipe dibuat dengan menggunakan model bentuk 3D yang sebanding dengan headset komersial. 

Ukuran sampel

Sampel terdiri dari 13 siswa (6 laki - laki, 7 perempuan), semuanya berasal dari Kaukasia dan berusia antara 20-25. Tak satupun dari subjek mengalami deformasi kepala atau riwayat trauma kepala. Di setiap dari 7 kelompok yang melakukan eksperimen, satu orang (ditunjuk sebagai operator) bertanggung jawab untuk melakukan pengukuran 3D. Pengukuran diulang oleh 4 operator berbeda untuk 6 subjek laki-laki dan 3 operator berbeda untuk 7 subjek wanita.

Percobaan

Percobaan dibagi menjadi dua sesi, satu untuk Headset 2 dan satu untuk Headset 1. Pada awal setiap sesi, subjeknya adalah diminta untuk mengambil tempat di depan set-up kustom dan menggigit di corong untuk memastikan bahwa kepala mereka berada diposisi yang sama untuk setiap pengukuran. Pertama, Cap ditempatkan di kepala pengguna untuk dijadikan sebagai referensi untuk posisi elektroda ideal. Keempat belas itu relevan lokasi elektroda di tutup didigitalisasi menggunakan MicroScribe. Kemudian, Headset 1 dipasang di kepala pengguna. Subjek kemudian diminta memindahkan kepala 90 derajat ke kiri, lalu naik, lalu turun dan akhirnya ke kanan. Headset kemudian dilepas dan dipasang kembali, dan posisi elektroda kembali digitasi. Subjeknya saat itu diminta bermain Just Dance di Nintento Wii selama 3 menit, agar bisa diperiksa kestabilan headset selama gerakan spontan (seperti dalam skenario dunia nyata). Saat permainan selesai, posisi elektroda didigitasi (SM). Akhirnya, headset itu dilepas dan dipasang kembali, dan posisi direkam untuk terakhir kali (REP). Pada sesi kedua percobaan, di atas prosedur diikuti dengan menggunakan Headset 2, dengan instruksi set-up. 

experiments set-up

Pengguna diminta bermain Just Dance di Nintento Wii selama 3 menit, agar bisa periksa kestabilan headset selama gerakan spontan (seperti dalam skenario dunia nyata). Saat permainan selesai, Posisi elektroda didigitasi (SM). Akhirnya, headset itu dihapus dan dipasang kembali, dan posisi direkam untuk terakhir kali (REP). Pada sesi kedua percobaan, di atas Prosedur diikuti dengan menggunakan Headset 2.

3.         Hasil

Verifikasi spesifikasi desain

Tabel 1 menunjukkan statistik deskriptif untuk deviasi Headset 2 posisi elektroda dibandingkan dengan Cap. FIT dibandingkan dengan Cap, REP dirata-ratakan selama tiga pengaturan headset untuk setiap subjek tes. Penyimpangan dari posisi elektroda 10-20 ideal adalah 21,97 ± 10,14 mm, yang berada dalam spesifikasi desain 25 mm. Anehnya, stabilitas tidak memenuhi spesifikasi: perpindahan elektroda rata-rata setelah gerakan lebih besar dari 5 mm pada kedua kasus (8,47 ± 4,85 mm dan 10,52 ± 7,22 mm). Setelah menempatkan headset di kepala pengguna pada tiga kesempatan terpisah, Perpindahan elektroda rata-rata adalah 11,28 ± 6,11 mm.

Tabel 1

	Mean	St. deviasi	Median	Min.	Max.
FIT	21,97	10,14	20,71	3,63	56,23
CM	8,47	4,85	7,57	0,99	30,93
SM	10,52	7,22	8,91	1,37	68,89
REP	11,28	6,11	9,87	2,06	47,88

Perbandingan dengan referensi komersial

Tabel 2 menunjukkan statistik yang sama untuk Headset 1. Uji Shapiro-Wilk menunjukkan bahwa data tidak terdistribusi normal, dengan nilai p 3.87e-33 (<0,05) untuk FIT, 8.60e-26 (<0,05) untuk CM, 1,87e-16 (<0,05) untuk SM dan 3.87e-33 (<0,05) untuk REP. Untuk posisi elektroda geometrik ada yang signifikan perbedaan median 2,67 mm, nilai p 9,39e-5 (<0,05). Dikontrol pergerakan menghasilkan perbedaan yang tidak signifikan sebesar 0,40 mm, p-value 0,51 (> 0,05), pergerakan spontan dalam perbedaan yang signifikan 0,41 mm, p-nilai 0,01 (<0,05). Untuk pengulangan ada beda signifikan 2,30 mm, p-value 1,01e-16 (<0,05). Stabilitas diuji 4 kali untuk 6 subyek pria dan 3 kali untuk 7 subyek wanita, memberikan total 45 pengukuran untuk dikontrol gerakan dan 45 untuk gerakan spontan. Headset 1 terjatuh 2 dari 45 kali untuk CM dan 27 dari 45 kali untuk SM. Headset 2 tidak pernah terjatuh.

Tabel 2

	Mean	St. deviasi	Median	Min.	Max.
FIT	26,10	15,02	23,37	3,32	91,04
CM	9,63	8,47	7,97	0,00	84,12
SM	13,37	11,88	9,32	1,09	71,69
REP	14,55	11,03	12,17	0,66	99,27

Stabilitas

Tidak terkontrol (CM) maupun gerakan spontan (SM) nilai memenuhi spesifikasi desain. Ada kemungkinan spesifikasi dari 5 mm itu terlalu ketat dan bahwa beberapa perpindahan adalah tak terelakkan setelah gerakan, meski metode fiksasi lebih kuat juga harus diperhatikan. Nilai yang dihasilkan mendekati nilai Headset 1, dan perbedaan signifikan dapat ditemukan untuk posisi elektroda individual. Meskipun ada perbedaan signifikan secara keseluruhan untuk spontan gerakannya sangat kecil, telah diamati bahwa Headset 2 tidak pernah jatuh dari kepala pengguna, yang mendukung spesifikasi itu harus mudah digunakan. Namun, ini mungkin sebagian karena fakta bahwa prototipe itu belum termasuk elektronik dan karenanya relatif ringan. Bagaimanapun, karena hasil untuk stabilitas masih berada di dalam praktek umum untuk EEG (<15 mm), dan karena keduanya sebanding bagi mereka yang memiliki referensi komersial, hasil ini seharusnya tidak mengajukan keberatan atas penggunaan metode yang diusulkan.

4.         Kesimpulan

Data antropometri 3D digunakan dalam proses perancangan BCI headset. Bingkai headset BCI ukuran satu cocok untuk statistik bentuk model kulit kepala manusia dan 3D dicetak. Untuk verifikasi perangkat ergonomi, posisi elektroda dari headset prototipe tercetak dibandingkan dengan versi terdokumentasi medis. Tutup EEG, posisi elektroda dibandingkan sebelum dan sesudah gerakan, dan pengulangan pengaturan headset diukur. Semua spesifikasi target terpenuhi, kecuali yang terkait dengan stabilitas (perpindahan rata-rata setelah pergerakan lebih rendah dari 5 mm). Posisi elektroda melenceng dari ideal 10-20 lokasi rata-rata 21,97 ± 10,44 mm. Elektroda telah bergeser sebesar 8,47 ± 4,85 mm setelah gerakan terkontrol dan oleh 10,52 ± 7,22 mm setelah gerakan spontan. Antar sesi penyimpangan rata-rata 11,28 ± 6,11. Nilai-nilai ini ada di dalamnya penyimpangan diterima dalam pengukuran EEG dan ditemukan mirip dengan perangkat referensi komersial. Hasilnya menunjukkan bahwa antropometri 3D adalah alat yang layak untuk desain headset BCI ergonomis. Sebagai alternatif, metode yang diusulkan juga dapat diterapkan untuk memperbaiki ergonomik produk berbasis head lainnya seperti kacamata, helm, dan respirator.

sumber:

http://www.sciencedirect.com/science/article/pii/S0003687016301132?via%3Dihub

PERBANDINGAN ANTARA JURNAL 1 DAN JURNAL 2

	JURNAL 1	JURNAL 2
JUDUL	Klaster Industri Sebagai Strategi Peningkatan Daya Saing Agroindustri Bioenergi Berbasis Kelapa Sawit	Perancangan Model Reduksi Emisi Gas Rumah Kaca Dari Industri Biodisel Kelapa Sawit
DOWNLOAD LINK	http://ejournal.undip.ac.id/index.php/jgti/article/view/11332	http://journal.ipb.ac.id/index.php/jurnaltin/article/view/14614
SUMBER	Program Studi Teknik Industri – UIN Sultan Syarif Kasim Riau	Pusat Pengkajian Kebijakan Difusi Teknologi, Departemen Teknologi Industri Pertanian – IPB, Surfactant and Bioenergy Research Center (SBRC) – IPB, Pusat Pengkajian dan Penerapan Teknologi Lingkungan, Centre for Climate Risk and Opportunity Management in Southeast Asia Pasific (CCROM – SEAP) – IPB
TUJUAN PENELITIAN	Memberikan gambaran tentang dampak dari pelaksanaan program klaster industri terhadap peningkatan daya saing industri bioenergi berbasis kelapa sawit nasional yang berada di Provinsi Riau, Sumatera Utara, dan Kalimantan Timur.	Merancang model pengurangan emisi GRK dari industri biodisel kelapa sawit yang dapat digunakan untuk mensimulasikan pengurangan emisi GRK hingga tahun 2020 melalui penerapan beberapa teknologi reduksi emisi.
LATAR BELAKANG	Indonesia memiliki komoditas pertanian yang paling potensial yaitu kelapa sawit dimana tingkat produksi minyak sawit kasar (Crude Palm Oil – CPO) dengan hasil turunan berupa biodiesel yang relatif masih rendah dibanding dengan negara lain. Maka dari itu, pemerintah membuat strategi agar dapat memberikan hasil-hasil ekonomi yang maksimal dengan cara mengembangkan kawasan klaster industri.	Salah satu produk turunan dari minyak sawit yang mempunyai potensi besar di pasar internasional adalah biodisel (methyl ester). Beberapa negara tujuan import biodiesel kelapa sawit telah menetapkan pengurangan emisi gas rumah kaca dari proses produksi industri biodiesel kelapa sawit. Pengkajian siklus hidup (LCA) mengkaji emisi GRK dan menggabungkan antara model industri, model ekosistem dan dinamikanya serta memodelkan keterkaitan antar sektor terkait dengan rantai pasok biodiesel.
METODE PENELITIAN	Metode yang digunakan dalam jurnal ini adalah mereview hasil-hasil penelitian sebelumnya yang berkait dengan biodiesel, analisis secara deskrptif terhadap beberapa literature, data-data sekunder yang menjadi rujukan, dan Hasil Evaluasi Tim Ahli Klaster Industri Kementrian Perindustrian Nasional tahun 2012 berkait perkembangan klaster agroindustri kelapa sawit yang terdapat pada tiga wilayah yakni Riau, Sumatra Utara dan Kalimantan Timur.	Metode yang digunakan dalam jurnal ini adalah metodologi sistem dinamis yang terkait dengan perubahan waktu atau interaksi dinamis dari komponen-komponen dalam sistem yang rumit
HASIL DAN PEMBAHASAN	Berdasarkan data Statistik Industri Perkebunan Kelapa Sawit Indonesia, hingga tahun 2013, kebutuhan bahan baku tertinggi masih didominasi oleh industri minyak goreng, yakni sebesar 6.468.303 ton (61, 6%). Sedangkan kebutuhan bahan baku biodiesel hanya sebesar 2.640.000 ton (25,2%). Namun, konsumsi bahan bakar nabati biodiesel dalam negeri terus mengalami peningkatan dari tahun ke tahun dengan adanya klaster-klaster industri seperti klaster agrindustri kelapa sawit di Riau, Sumatra Utara, dan Kaltim.	Model pengurangan emisi gas rumah kaca yang disusun merupakan model        LCA yang menggunakan dinamika sistem. Penyusunan model ini diarahkan untuk menghitung pengurangan emisi GRK dari industri biodiesel kelapa sawit dan untuk memprediksi          reduksi GRK melalui penerapan teknologi reduksi emisi gas rumah kaca. Tahun simulasi hingga 2020 dan model ini didesain mempunyai lingkup dari     budidaya kelapa sawit sampai produksi biodiesel.
KESIMPULAN	Program klaster industri telah memberikan pengaruh positif bagi pengembangan agroindustri kelapa sawit nasional. Penetapan kebijakan menjadi faktor utama bagi upaya peningkatan daya saing agroindustri nasional. Evaluasi dan perbaikan berkelanjutan terhadap berbagai aspek, menjadi tonggak utama dalam upaya peningkatan daya.	Penyusunan model SDLCM yang menggunakan sistem dinamis dapat lebih menggambarkan dan memprediksi emisi GRK, reduksi emisi dan penurunan emisi GRK dengan berbagai skenario penerapan teknologi reduksi GRK secara dinamis dari waktu ke waktu. Hasil prediksi penurunan emisi GRK menunjukkan bahwa hampir di setiap tahunnya reduksi emisi tersebut dapat memenuhi persyaratan yang ditetapkan oleh Amerika Serikat dan Uni Eropa.

REVIEW JURNAL METODE PENELITIAN

PERANCANGAN MODEL REDUKSI EMISI GAS RUMAH KACA DARI INDUSTRI BIODISEL KELAPA SAWIT

PENDAHULUAN

                 Salah satu produk turunan dari minyak sawit yang mempunyai potensi besar di pasar internasional adalah biodisel (methyl ester). Pada tahun 2000 – 2009 telah terjadi peningkatan produksi biodiesel  dari 0,8 menjadi 14,7 milyar liter. Pertumbuhan yang cepat tersebut sangat dipengaruhi oleh intervensi pemerintah dengan berbagai kebijakan.

          Beberapa negara tujuan import biodiesel kelapa sawit telah menetapkan pengurangan emisi gas rumah kaca dari proses produksi industri biodiesel kelapa sawit sebagai salah satu standar yang harus dipenuhi oleh negara eksportir. Pemerintah Amerika Serikat telah menetapkan standar pengurangan emisi siklus hidup gas rumah kaca (reduction in lifecycle GHG emissions) sebesar 20 % untuk bahan bakar yang terbarukan (renewable fuel), 50% untuk diesel yang diproduksi dari biomasa (biomass-based diesel or advanced biofuel), dan 60% untuk bahan bakar yang diproduksi dari selulos  (cellulosic biofuel). Uni Eropa mensyaratkan pengurangan emisi gas rumah kaca dari bahan bakar nabati sebesar 35 %.

                Salah satu dampak lingkungan yang dikaji dalam metode yang popular digunakan untuk menghitung dampak lingkungan dari suatu produk atau sering disebut juga dengan pengkajian siklus hidup (Life Cycle Assessment = LCA) adalah emisi gas rumah kaca. Metode LCA sangat baik untuk memberikan informasi dampak lingkungan yang menyeluruh dan mampu menganalisis struktur yang kompleks. Kelemahan LCA adalah sifatnya yang statis  atau linear, sehingga tidak akan menggambarkan aspek dinamika waktu dan ketidakpastian yang dihadapi dalam pengukuran emisi gas rumah kaca, yang  berupa ketidakpastian perubahan penggunaan lahan dan amortisasinya seiring dengan perubahan waktu, emisi nitrogen (N) karena penetapan kadar pupuk yang tepat, dan perubahan ekonomi terkait dengan pasar bahan baku biodiesel di pasar internasional. Metode sistem dinamis dapat digunakan untuk memperbaiki sifat statis dari LCA karena sistem dinamis mampu secara baik menggambakan perilaku sistem yang komplek sejalan dengan perubahan waktu.

            Perbaikan LCA di tingkat industri dilakukan dengan mengembangkan model yang menggabungkan antara model industri yang memperhatikan aspek spasial (industrial models with spatially explicit) dan model ekosistem yang memperhatikan aspek lokasi dan dinamikanya (dynamic and  site-specific ecosystem models), serta dengan memodelkan keterkaitan antar sektor terkait dengan rantai pasok biodiesel. Pemodelan sistem dinamis ini mencakup aspek budidaya, pengangkutan, pemrosesan, distribusi dan pemanfaatannya.

            Tujuan dari penelitian ini adalah untuk merancang model LCA menggunakan dinamika sistem. Model sistem dinamis ini digunakan untuk melakukan simulasi emisi gas rumah kaca dari industri biodiesel kelapa sawit dari tahun 2014-2020 melalui penerapan beberapa teknologi untuk mengurangi emisi tersebut. 

           

METODE PENELITIAN

            Penelitian ini menggunakan metodologi sistem dinamis, yaitu metode efektif yang terkait dengan perubahan waku atau interaksi dinamis dari komponen-komponen dalam sistem yang rumit. Sistem dinamis dikembangkan oleh Professor Jay Forrester dari The Sloan School of Management pada tahun 1960-an.

            Indentifikasi model pada model ini dilakukan dengan melakukan sintesis terhadap literatur dan kebijakan pengurangan emisi gas rumah kaca. Berdasarkan indentifikasi spesifikasi model, perancangan modelnya disusun model mental yang direpresentasikan ke dalam diagram sebab akibat (causal loop diagram) dimana diagram tersebut akan memberikan pemahaman hubungan antara elemen-elemen sistem dalam rangka merancang dan mengontrol kondisi yang diinginkan dimasa depan. Diagram ini akan disusun dengan sifat kualitatif yaitu diagram stok-aliran (stock flow diagram) dan penentuan rumus laju perubahan (differential equation).

            Data yang dibutuhkan dalam pengembangan model ini adalah data aktivitas yang berpotensi menimbulkan emisi GRK dan faktor emisinya untuk masing-masing sub model diantaranya adalah Sub Model Budidaya TBS (perubahan lahan, perkebunan sawit, benih dan pembibitan, produksi kelapa sawit,pemupukan, dan konsumsi bahan bakar); Sub Model Produksi Biodisel (input material, produk utama dan produk sampingan dari PKS, refineri,         transterifikasi dan pencampuran biodiesel); Sub Model Emisi GRK (faktor emisi material, energi dan bahan kimia pada proses produksi TBS, produksi CPO, RPO, biodisel dan pencampuran biodiesel); Sub Model Transportasi (produksi yang diangkut, jumlah sarana angkut, dan konsumsi per sarana, jarak); Sub Model Teknologi Reduksi ( jenis teknologi, varian teknologi dan spesifikasi teknologi terkait dengan emisi GRK).

           

HASIL DAN PEMBAHASAN

Hasil Identifikasi Model

1.         Model pengurangan emisi gas rumah kaca yang disusun merupakan model LCA yang menggunakan dinamika sistem. Integrasi LCA dengan sistem dinamis disebut dengan model sistem dinamis siklus hidup (System Dynamic Life Cycle Model = SDLCM)

2.         Penyusunan model ini diarahkan untuk menghitung pengurangan emisi gas rumah kaca dari industri biodiesel kelapa sawit dan untuk memprediksi reduksi GRK melalui penerapan teknologi reduksi emisi gas rumah kaca      

3.         Tahun simulasi hingga 2020 dan model ini didesain mempunyai lingkup dari budidaya kelapa sawit sampai produksi biodiesel.

Model Sistem Dinamis Pengurangan Emisi Gas Rumah Kaca

Rancangan model sistem dinamis pengurangan emisi GRK diwujudkan dalam dua macam diagram, yaitu diagram sebab akibat yang bersifat kualitatif (gambar 1) yang dibuat untuk menggambarkan komponen-komponen sistem dan keterkaitannya serta digunakan untuk menunjukkan batasan model; dan diagram stok-aliran yang bersifat kuantitatif (gambar 2) yang digunakan untuk melakukan simulasi pengurangan emisi GRK dan biaya mitigasi dengan berbagai pilihan adopsi teknologi-teknologi untuk mengurangi emisi GRK.

Validasi Model

Validasi model dilakukan dengan membandingkan hasil simulasi model ini dengan data perhitungan dari studi sejenis. Berikut merupakan perbandingan perhitungan dari model.

Selanjutnya model ini diarahkan untuk memprediksi reduksi emisi GRK dari industri biodisel kelapa sawit. Perbandingan prediksi dengan model SDLCM dengan standar EPA dan Uni Eropa (EU) disajikan dalam gambar berikut.

Simulasi Reduksi Emisi GRK Melalui Penerapan Beberapa Teknologi

Model SDLCM yang telah divalidasi, selanjutnya digunakan untuk melakukan simulasi reduksi emisi GRK melalui penerapan beberapa teknologi untuk mewakili setiap proses produksi biodiesel, baik pada saat budidaya, produksi dan penggunaan untuk transportasi. Hasil simulasi reduksi emisi GRK dengan penerapan penerapan teknologi tersebut disajikan dalam gambar berikut.

           

KESIMPULAN

            Penyusunan model SDLCM yang menggunakan sistem dinamis dapat lebih menggambarkan dan memprediksi emisi GRK, reduksi emisi dan penurunan emisi GRK dengan berbagai skenario penerapan teknologi reduksi GRK secara dinamis dari waktu ke waktu. Hasil prediksi penurunan emisi GRK menunjukkan bahwa hampir di setiap tahunnya reduksi emisi tersebut dapat memenuhi persyaratan yang ditetapkan oleh Amerika Serikat dan Uni Eropa.

SARAN

            Model SDLCM ini baru hanya mampu melakukan simulasi penurunan emisi GRK dengan berbagai skenario penerapan teknologi. Model ini disarankan untuk dilengkapi dengan prediksi biaya mitigasi (mitigation cost) sehingga dapat dilakukan pemilihan teknologi yang tepat baik dari segi kemampuan menurunkan emisi GRK dan biaya yang dikeluarkan untuk penurunan tersebut. 

Sumber:  http://journal.ipb.ac.id/index.php/jurnaltin/article/view/14614