Turbidity dan TSS: Mana yang Tepat untuk Monitoring Air?
Turbidity dan TSS mengukur hal berbeda. Pelajari perbedaan NTU dan mg/L, kapan keduanya dapat dikorelasikan, dan cara memilih sensornya.
Turbidity dan TSS sama-sama dipakai untuk membaca keberadaan partikel dalam air, tetapi keduanya tidak mengukur hal yang sama. Turbidity melihat respons optik air terhadap cahaya, sedangkan Total Suspended Solids (TSS) menyatakan konsentrasi massa padatan tersuspensi dalam volume air.
Perbedaan ini menentukan satuan, metode validasi, dan cara data dipakai. Nilai turbidity dapat sangat berguna untuk melihat perubahan proses secara cepat, tetapi angka tersebut tidak boleh langsung dianggap sebagai TSS tanpa hubungan yang dibangun dari sampel dan kondisi lokasi.
Fortuna Argatech memiliki halaman resmi untuk Sensor Turbidity dan TSS Sensor. Keduanya mendukung konteks monitoring online dan integrasi RS485 Modbus. Namun, antarmuka komunikasi yang sama tidak membuat arti pengukurannya menjadi sama.
Turbidity dan TSS tidak mengukur hal yang sama
USGS menjelaskan turbidity sebagai ukuran kejernihan relatif yang diperoleh dari cahaya yang tersebar oleh material dalam air. Pada metode nephelometri, hasil lazim dilaporkan dalam Nephelometric Turbidity Units (NTU). Makin kuat cahaya yang diterima detektor dalam konfigurasi metode tersebut, makin tinggi nilai turbidity.
TSS menggunakan pendekatan berbeda. Dalam konteks metode laboratorium gravimetri, sejumlah volume sampel diproses, padatan dikeringkan, lalu massanya digunakan untuk menghitung konsentrasi dalam miligram per liter (mg/L). Laporan USGS tentang data TSS menunjukkan bahwa cara sampel diambil dan dianalisis memengaruhi hasil, sehingga nama parameter saja belum cukup tanpa memahami metodenya.
| Aspek | Turbidity | TSS |
|---|---|---|
| Pertanyaan utama | Seberapa besar air menyebarkan atau menyerap cahaya? | Berapa konsentrasi massa padatan tersuspensi dalam sampel? |
| Satuan umum | NTU untuk metode nephelometri | mg/L |
| Pendekatan referensi | Pengukuran optik terhadap standar turbidity | Pemrosesan sampel dan penentuan massa secara gravimetri |
| Kekuatan operasional | Cepat, cocok untuk tren kontinu dan deteksi perubahan | Langsung terkait konsentrasi massa yang dibutuhkan dalam banyak evaluasi kualitas air |
| Batas penting | Dipengaruhi karakter partikel, warna, optik sensor, gelembung, dan fouling | Dipengaruhi representativitas sampel, prosedur subsampling, filtrasi, pengeringan, dan penimbangan |
Sensor TSS online juga dapat menggunakan prinsip optik dan menampilkan mg/L. Artinya, alat tersebut tidak menimbang padatan kering di dalam probe. Sinyal optik dikonversi menjadi estimasi konsentrasi berdasarkan kalibrasi. Karena itu, pengguna perlu mengetahui referensi kalibrasi, karakter matriks air, dan bukti pembanding terhadap metode yang menjadi acuan proyek.
Mengapa tidak ada konversi NTU ke mg/L yang universal
Air dengan massa padatan yang sama dapat menghasilkan turbidity berbeda. Partikel halus dan partikel kasar menyebarkan cahaya secara berbeda. Bentuk, warna, komposisi, organisme mikroskopis, serta geometri sumber cahaya dan detektor juga dapat mengubah respons sensor.
USGS Techniques and Methods 3-C4 menyatakan bahwa turbidity bukan pengukuran langsung terhadap massa partikel. Dokumen tersebut menggunakan data turbidity bersama sampel konsentrasi sedimen untuk membangun model regresi yang spesifik lokasi. Model itu perlu diperiksa kembali dengan sampel tambahan karena sumber dan karakter sedimen dapat berubah.
Konsekuensinya praktis: persamaan yang bekerja di saluran inlet IPAL belum tentu berlaku di outlet, sungai, tambang, atau instalasi lain. Bahkan pada lokasi yang sama, perubahan bahan baku, musim, proses koagulasi, pertumbuhan biologis, atau dominasi jenis partikel dapat menggeser hubungan sebelumnya.
Korelasi yang tinggi pada satu periode juga bukan izin untuk menghapus pengujian referensi selamanya. Model harus mempunyai ruang lingkup yang jelas, rentang data yang cukup, aturan penanganan nilai di luar rentang, dan jadwal verifikasi berdasarkan risiko serta tujuan data.
Pilih parameter dari keputusan yang akan dibuat
Jangan memulai dari pertanyaan “sensor mana yang lebih canggih?” Mulailah dari keputusan apa yang harus dibuat setelah angka muncul di dashboard.
| Kebutuhan | Titik awal yang lebih relevan | Catatan validasi |
|---|---|---|
| Mendeteksi perubahan kejernihan, gangguan filter, atau lonjakan partikel dengan cepat | Turbidity kontinu | Tentukan baseline proses, lokasi pemasangan, batas alarm, dan respons terhadap fouling |
| Mengetahui konsentrasi massa padatan sesuai metode yang diminta | TSS dengan metode referensi yang sesuai | Konfirmasi metode, pengambilan sampel, laboratorium, dan persyaratan pelaporan |
| Memperkirakan TSS secara kontinu untuk kontrol proses | Sensor TSS online atau model berbasis turbidity | Gunakan sampel berpasangan dan buktikan kinerja pada matriks serta rentang operasi aktual |
| Mendapat tren cepat sekaligus hasil referensi berkala | Kombinasi sensor optik dan pengujian sampel | Gunakan hasil laboratorium untuk memeriksa bias, drift, dan perubahan hubungan |
Jika izin, kontrak, atau prosedur internal secara spesifik meminta TSS, jangan menggantinya dengan turbidity hanya karena grafik keduanya terlihat mirip. Tim perlu memeriksa parameter dan metode yang benar-benar berlaku. Sebaliknya, bila kebutuhan utamanya adalah respons proses dalam hitungan menit, menunggu hasil sampel laboratorium saja dapat meninggalkan jeda informasi yang panjang.
Validasi sebelum memakai hasil sensor sebagai estimasi TSS

1. Tetapkan tujuan dan metode referensi
Tulis apakah data dipakai untuk alarm proses, optimasi pengolahan, pelaporan, investigasi kejadian, atau kombinasi beberapa kebutuhan. Tentukan pula metode referensi dan satuan yang akan menjadi dasar evaluasi.
2. Pilih titik ukur yang representatif
Lokasi sensor dan titik pengambilan sampel harus mewakili air yang sama. Perhatikan pencampuran, endapan, gelembung, perubahan tinggi muka air, akses pembersihan, dan kemungkinan probe berada di zona yang tidak mewakili aliran utama.
3. Kumpulkan pasangan data pada kondisi yang relevan
Catat pembacaan sensor pada waktu yang sesuai dengan pengambilan sampel. Kumpulan data perlu mencakup rentang operasi yang akan dipakai, bukan hanya kondisi normal yang stabil. Dokumentasikan juga perubahan proses, hujan, bahan kimia, pembersihan, dan gangguan sensor.
4. Evaluasi hubungan dan kesalahannya
Jangan menilai model hanya dari satu angka korelasi. Periksa bias, residu, rentang kalibrasi, nilai ekstrem, dan apakah hubungan berubah pada kelompok kondisi tertentu. Bentuk model dan kriteria penerimaan harus ditetapkan oleh personel yang memahami metode analisis serta tujuan operasional.
5. Uji dengan data yang tidak dipakai untuk membangun model
Data verifikasi membantu melihat apakah persamaan bekerja di luar kumpulan kalibrasi awal. Jika hasil tidak memenuhi kebutuhan, perbaiki lokasi, prosedur sampel, konfigurasi, atau model sebelum sistem diperluas.
6. Tetapkan pemeriksaan ulang
Hubungan perlu diperiksa setelah perubahan proses, sumber air, jenis padatan, bahan kimia, posisi probe, atau komponen sensor. Simpan versi persamaan, periode berlakunya, serta catatan kapan model diganti agar histori dashboard tetap dapat dijelaskan.
Perawatan menentukan apakah tren masih dapat dipercaya
Probe optik yang tertutup biofilm, lumpur, atau gelembung dapat menghasilkan perubahan sinyal yang bukan berasal dari kondisi air. Fitur pembersih otomatis membantu, tetapi tidak menghapus kebutuhan inspeksi.
Panduan USGS untuk monitor kualitas air kontinu memisahkan kesalahan akibat fouling dari calibration drift melalui pencatatan sebelum pembersihan, setelah pembersihan, dan saat pemeriksaan standar. Frekuensi perawatan tidak dapat dipukul rata karena dipengaruhi kondisi lokasi, musim, jenis sensor, dan sasaran mutu data.
Rencana operasi sebaiknya menetapkan siapa yang membersihkan probe, bagaimana hasil inspeksi dicatat, kapan sampel pembanding diambil, dan tindakan apa yang dilakukan saat data melewati batas kewajaran. Baca juga panduan kalibrasi sensor lingkungan sebagai konteks perawatan sistem yang lebih luas.
Susun sistem, bukan hanya memilih probe
Nilai sensor baru berguna ketika identitas parameter, satuan, timestamp, status kualitas, dan riwayat kalibrasinya tetap terbawa sampai dashboard. Datalogger, PLC, atau SCADA perlu memetakan register dengan benar dan membedakan data mentah, data yang dikoreksi, serta hasil estimasi model.
Dalam diskusi teknis bersama Fortuna Argatech, tim dapat memulai dari parameter yang dibutuhkan, kondisi matriks, metode pembanding, akses perawatan, komunikasi RS485 Modbus, dan alur data menuju dashboard. Pendekatan ini membantu mencegah pembelian sensor yang menghasilkan angka menarik tetapi tidak menjawab keputusan operasional.
Untuk gambaran parameter yang lebih luas, lihat parameter kualitas air limbah industri. Jika proyek Anda perlu membedakan kebutuhan turbidity, TSS laboratorium, atau estimasi TSS online, hubungi tim Fortuna Argatech untuk membahas matriks air, integrasi, dan rencana validasinya.
Sumber
- U.S. Geological Survey. Turbidity and Water. https://www.usgs.gov/special-topics/water-science-school/science/turbidity-and-water
- U.S. Environmental Protection Agency. Method 180.1: Determination of Turbidity by Nephelometry, Revision 2.0. https://www.epa.gov/sites/default/files/2015-08/documents/method_180-1_1993.pdf
- U.S. Geological Survey. Guidelines and Procedures for Computing Time-Series Suspended-Sediment Concentrations and Loads from In-Stream Turbidity-Sensor and Streamflow Data. https://pubs.usgs.gov/tm/tm3c4/
- U.S. Geological Survey. Comparability of Suspended-Sediment Concentration and Total Suspended Solids Data. https://pubs.usgs.gov/wri/wri004191/
- U.S. Geological Survey. Guidelines and Standard Procedures for Continuous Water-Quality Monitors. https://pubs.usgs.gov/tm/2006/tm1D3/
Bagikan artikel ini
Sebarkan insight ini ke tim Anda.
Artikel Terkait
Topik serupa dari kategori yang sama.
Satu nilai dapat memiliki waktu pengukuran, waktu diterima server, dan waktu tampil. Pilih timestamp yang tepat untuk setiap keputusan operasional.
Kurangi alarm yang aktif-mati berulang dengan membedakan sumber gangguan, deadband, on-delay, off-delay, serta bukti uji di staging.
Nilai terakhir dapat tetap terlihat saat pembaruan berhenti. Pisahkan umur data, heartbeat, dan status koneksi untuk mengenali sensor offline.