Estimasi Pencemaran Udara Dari Transportasi Laut di Daerah Shore Line Selat Madura Dengan Menggunakan Data Automatic Identification System (AIS) dan Sistem Informasi Geografis (SIG) Bayu Fitra Perdana Setyawan*, Trika Pitana**, Dwi Priyanta.*** Department of Marine Engineering, Faculty of Marine Technology, Sepuluh Nopember Institute of Technology *email :
[email protected] **email :
[email protected] ***email :
[email protected]
ABSTRACT Madura Strait is the second largest sea transportation area in Indonesia. Beside sea transportation, there are also foreign-flagged ships transiting at Madura Strait. Thus, causing high air pollution impact on living beings and the environment. Exhaust emissions from ship engines can cause health and environmental problems. Nitrogen oxides (NOx), carbon monoxide (CO), and sulfur oxides (SOx) are several kinds of air pollutants contained in exhaust gas emissions from ships. Therefore, that emissions can be harmful to human health, where the substance of these air pollutants can enter the body through the respiratory system. In this study, data of Automatic Identification System (AIS) and the Geographic Information System are used to calculate the estimated amount of emission and concentration distribution of the diffuse emission using Trozzi et al's methodology for calculating emissions estimation and Gaussian Plume Model is used to determine the concentration and distribution of these emissions. From this study found the amount of NOx, SOx, CO, and PM are 932 kg/hr, 1446.4 kg/hr, 1741.7 kg/hr, 29.5 kg/hr respectively. While the largest concentration of emissions NOx, SOx, CO, and PM are 184.924 µg/m3, 377.959 µg/m3, 479 µg/m3, and 7.364 µg/m3respectively. Coordinates areas with the largest concentration is in the 7.164946 south latitude and 112.676002 east longitude or in port of Semen Gresik area. From this study, emissions which is cause from marine transportation does not give the bad affect to human health except emission of PM. It can cause respiratory disorder.
KEY WORDS: Madura Strait, AIS, GIS, NOx, SOx, CO, Trozzi Methodology, Gaussian Plume Model
PENDAHULUAN Polusi udara dan pemanasan global adalah masalah yang sering mendapat perhatian khusus belakangan ini. Suhu rata-rata global pada permukaan Bumi telah meningkat 0.74 ± 0.18 °C (1.33 ± 0.32 °F) selama seratus tahun terakhir. Intergovermental Panel on Climate Change (IPCC) menyimpulkan bahwa, "sebagian besar peningkatan suhu rata-rata global sejak pertengahan abad ke-20 kemungkinan besar disebabkan oleh meningkatnya konsentrasi gasgas rumah kaca akibat aktivitas manusia melalui efek rumah kaca. Efek rumah kaca disebabkan oleh keberadaan CO2, CFC, metana, ozon, dan N2O di lapisan trofosfer yang menyerap radiasi panas matahari yang dipantulkan oleh permukaan bumi. Akibatnya panas terperangkap dalam lapisan troposfer dan menimbulkan fenomena pemanasan global. Emisi gas buang dari mesin kapal telah di ketahui dapat menyebabkan masalah kesehatan dan lingkungan. Nitrogen oksida (NOx), karbon monoksida (CO), hidrokarbon (HC), dan sulfur oksida (SOx) adalah beberapa macam polusi udara yang terdapat pada emisi gas buang dari kapal. Dampaknya bagi kesehatan manusia,substansi pencemar yang terdapat di udara dapat masuk ke dalam tubuh melalui sistem pernafasan. Jauhnya penetrasi zat pencemar ke dalam
tubuh bergantung kepada jenis pencemar [8]. Partikulat berukuran besar dapat tertahan di saluran pernapasan bagian atas, sedangkan partikulat berukuran kecil dan gas dapat mencapai paru-paru [5]. Dari paru-paru, zat pencemar diserap oleh sistem peredaran darah dan menyebar ke seluruh tubuh. Dampak kesehatan yang paling umum dijumpai adalah ISPA (infeksi saluran pernapasan akut), termasuk di antaranya, asma, bronchitis, dan gangguan pernapasan lainnya. Beberapa zat pencemar dikategorikan sebagai toksik dan karsinogenik. Dan bagi lingkungan dampaknya yaitu tanaman yang tumbuh di daerah dengan tingkat pencemaran udara tinggi dapat terganggu pertumbuhannya dan rawan penyakit, antara lain klorosis, nekrosis, dan bintik hitam [8]. Partikulat yang terdeposisi di permukaan tanaman dapat menghambat proses fotosintesis. Pencemar udara seperti SO2 dan NO2 bereaksi dengan air hujan membentuk asam dan menurunkan pH air hujan. Dampak dari hujan asam ini antara lain mempengaruhi kualitas air permukaan, merusak tanaman, melarutkan logam-logam berat yang terdapat dalam tanah sehingga mempengaruhi kualitas air tanah dan air permukaan, dan bersifat korosif sehingga merusak material dan bangunan [1]. Selat Madura merupakan salah satu jalur pelayaran yang terpadat di Indonesia, tidak hanya pelayaran domestik tetapi juga internasional yang berpusat di Pelabuhan Tanjung Perak. Dengan bertambahnya transportasi laut yang terjadi di Selta Madura sudah barang tentu juga bertambahnya polutan udara disekitar daerah Selat Madura. Tujuan dari penelitian ini adalah untuk mengestimasi konsentrasi serta sebaran emisi di udara yang di akibatkan oleh transportasi laut di Selat Madura. Penelitian ini menggunakan data Automatic Identification System atau AIS dan data Sistem Informasi Geografis. Dalam pencapaian tujuan dari penelitian ini, paper ini disajikan dalam beberapa bagian. Pertama, tinjauan pustaka, menunjukkan bagaimana data AIS dan SIG digunakan untuk perhitungan estimasi jumlah emisi, sebaran emisi tersebut, dan konsentrasi emisi dimasing-masing wilayah shore line sepanjang Selat Madura. Kedua, metodologi penelitian, menjelaskan bagaimana langkah-langkah penelitian ini dilakukan. Ketiga, investigas data AIS dalam menentukan trafik densitas terpadat di Selat Madura selama 1 tahun. Keempat, perhitungan jumlah emisi yang dikeluarkan oleh masing-masing kapal berdasarkan perhitungan yang dikembangkan oleh Carlo Trozzi dan Rita Vaccaro. Terakhir, permodelan sebaran emisi dengan menggunakan Gaussian Plume Model. Dalam penelitian ini permodelan sebaran emisi dilakukan dengan bantuan perangkat lunak AERMOD View Ver.7.1 yang mana perangkat lunak ini menggunakan Gaussian plume model untuk permodelan sebaran emisinya.
TINJAUAN PUSTAKA Beberapa penelitian yang berkaitan dengan estimasi jumlah emisi akibat transportasi laut telah dilakukan oleh beberapa peneliti. Ishida[1] memberikan metode untuk mengestimasi polusi udara dari kapal. Penelitian serupa juga dilakukan oleh Jalkanen [13] dan Kesgin [14]. Dimana mereka mengestimasi emisi dari kapal dengan menggunakan methodolgi yang dikembangkan oleh Trozzi [22] [23]. Metode pendekatan yang digunakan dapat dipakai untuk
mengestimasi jumlah emisi. Tapi penelitian di atas tidak menggunakan data AIS tetapi menggunakan data GIS dalam memetakan sebaran emisinya. Dengan pemanfaatan teknologi GIS, memungkinkan untuk memetakan posisi kapal dalam time frame yang diinginkan. Pitana et al [5] menggunakan data AIS dan GIS memungkinkan untuk mengestimasi jumlah emisi yang dikeluarkan oleh kapal di Selat Madura. Di penelitiannya methodologi yang dikembangkan oleh Trozzi juga digunakan untuk mencari jumlah emisi. Akan tetapi penelitian tersebut tidak memodelkan sebaran dari emisi yang dikeluarkan oleh kapal. Data-data dari AIS receiver yang digunakan antara lain adalah data kecepatan kapal, koordinat (Longitude dan Latitude), IMO number dan MMSI dari kapal tersebut. Lalu Bracken et al [2] dalam laporannya menganalisa sebaran emisi yang dikeluarkan oleh kapal-kapal yang bersandar di Humboldt bay menggunakan Gaussian Plume Model sebagai permodelan sebaran dan perhitungan konsentrasi emisinya. Dengan mempertimbangkan penelitian sebelumnya, penelitian ini ingin menggabungkan penggunaan AIS data untuk mengestimasi jumlah emisi yang nantinya dan data dari GIS untuk pengeplotan konsentrasi dan sebaran emisi.
METODOLOGI
Metode penelitian ini dimulai dari investigasi data AIS, seperti dijelaskan pada gambar 1, data AIS yang digunakan adalah data tahun 2010. Tahap selanjtnya, pencairan data tambahan yang diperlukan untuk estimasi perhitungan emisi bersamaan dengan pencarian data GIS yaitu peta Selat Madura. Data AIS diperoleh dari AIS receiver yang ada di Marine Reliability and Safety Labortory Teknik Sistem Perkapalan ITS. Data AIS ini yang akan diolah untuk menghitung estimasi jumlah emsisi yang dikeluarkan oleh kapal pada saat trafik densitas terpadat. Setelah mendapatkan data tersebut, posisi kapal dbisa diketahui setelah diplot di AERMOD View Ver.7.1. Tahap berikutnya adalah, perhitungan estimasi emisi dengan menggunkan metodelogi perhitungan yang telah dikembagkan oleh Trozzi et al [22] [23].Setelah mengetahui jumlah emisinya, langkah berikutnya adalah memodelkan sebaran emisi berdasarkan permodelan Gaussian model [2] [9] [17]. Dalam hal ini, perangkat lunak yang digunakan untuk memodelkan sebaran emisi adalah AERMOD View Ver.7.1. Tahap selanjutnya adalah menganalisa hasil sebaran emisinya dan konsentrasi emisi tersebut.
A. Lokasi Penelitian Selat Madura merupakan salah satu selat yang berada di Indonesia tepatnya di Jawa Timur, yang memisahkan pulau Jawa dan Madura. Lokasinya terletak pada koordinat 70 5’ 83.333” garis lintang selatan, 1130 41’ 66.667” bujur timur. Selat Madura merupakan salah satu selat yang memiliki tingkat kepadatan kapal yang cukup tinggi di Indonesia, yang digunakan kapal untuk berlayar, bersandar, dan juga bongkar muat. Gambar pemetaan Selat Madura disajikan pada Gambar 2.
Sumber (Google Map, 2011)
Gambar 2. Lokasi Penelitian B. Investigasi AIS Data
Gambar 1. Diagram Alir Penelitian
Saat ini, AIS bisa mengenali kapal lebih dari 300 GT pada perjalanan internasional dan kapal lebih dari 500 GT pada rute domestik. Dari kedua jenis kapal tersebut data statis dan dinamis dapat diperoleh. Informasi dinamis diperbarui setiap 2 sampai 10 detik tergantung pada kecepatan kapal. Informasi statis terdiri dari MMSI (Maritime Mobile Service Identify), IMO number, ships name, call sign, length and beam, type of ship, location of position-fixing
antenna on the ship. Informasi yang dinamis terdiri dari coordinated universal time (UTC), Course Over Ground (COG), Speed Over Ground (SOG), Heading, Navigation status. AIS data digunakan dalam penelitian ini adalah MMSI number, IMO number, latitude and longitude atau posisi kapal-kapal yang ada di jalur pelayaran, kecepatan kapal, dan waktu pelayaran dari kapal-kapal tersebut. Dari data AIS ini juga memungkinkan untuk menentukan tingkat kepadatan lalu lintas per-satun waktu dan pola pergerakan kapal di wilayah Selat Madura. Dalam penelitian ini dibatasi pada trafik densitas terpadat selama satu jam di tahun 2010. Peneliti menggunakan bantuan perangkat lunak MySql dalam menginvestigasi data AIS. Hasil investigasi data AIS ditunjukkan pada Tabel 1, 2, 3 dan 4 berikut ini :
Tabel 3. Trafik Densitas Tanggal 22 Oktober 2010
Tabel 1. Trafik Densitas Selama Tahun 2010
Dari Tabel 3. menunjukkan bahwa trafik densitas terpadat perjam pada tanggal 22 Oktober 2010 adalah pukul 17.00 W.I.B – 18.00 W.I.B. Dari hasil analisa ini, maka penelitian estimasi sebaran dan konsentrasi emisi dari transportasi laut dikokuskan pada tanggal 22 Oktober 2010 pukul 17.00 W.I.B – 18.00 W.I.B. Setelah itu, data dari AIS pada tanggal 22 Oktober 2010 pukul 17.00 W.I.B – 18.00 W.I.B tersebut di olah lagi untuk mendapatkan data kapal berupa jenis kapal, nama kapal, dan Gross Tonnage dari kapal. Data-data yang disebutkan diatas tidak langsung tersedia oleh AIS, maka perlu dilakukan pencarian data sekunder yang berasal dari layanan penyedia data kapal di internet. Pada penelitian ini data sekunder didapat dari www.equasis.org dan www.vessel tracker.com. Hasil analisa data AIS pada tanggal 22 Oktober 2010 pukul 17.00 – 18.00 W.I.B ditunjukkan pada Gambar 3 dan 4 berikut : . Tabel 1 menunjukkan bahwa kondisi kepadatan kapal pada tahun 2010 berada pada bulan Oktober. Dari Tabel 1. didapatkan untuk bulan Oktober trafik densitas sebanyak 107 kapal perharinya. Lalu investigasi dilanjutkan dengan menganalisa trafik densitas perharinya di bulan Oktober 2010. Hasil analisa trafik densitas terpadat di bulan Oktober 2010 ditunjukkan pada Tabel 2 dibawah ini : Tabel 2. Trafik Densitas Bulan Oktober 2010
Gambar 3. Tipe Kapal Pada Tanggal 22 Oktober 2010 pukul 17.00 – 18.00 W.I.B
Tabel 2 menunjukkan trafik densitas perhari pada bulan Oktober 2010 sebanyak 31 hari. Dari Tabel 2. didapatkan bahwa tanggal 22 Oktober 2010 adalah trafik densitas terpadat di bulan Oktober dengan jumlah kapal sebanyak 122 kapal. Setelah itu analisa data AIS dipersempit lagi pada tanggal 22 Oktober 2010 selama 24 jan dengan rentang penelitian selama 1 jam. Hasil investigasi data AIS pada tanggal 22 Oktober 2010 selama 24 jam dengan bantuan MySql ditunjukkan pada Tabel 3. berikut ini : Gambar 4. Bendera dari Kapal pada Tanggal 22 Oktober 2010 pukul 17.00 – 18.00 W.I.B
Dari Gambar 3 dan Gambar 4 menunjukkan pada Tanggal 22 Oktober 2010 pukul 17.00 – 18.00 W.I.B tipe kapal terbanyak yang berada di Selat Madura adalah Bulk Carrier dan kapal berbendera Indonesia banyak berada di Selat Madura pada saat itu. C. Perhitungan Estimasi Emisi Perhitungan estimasi emisi dihitung berdasarkan standar metodologi eropa (MEET), dimana perhitungan ini telah diterapkan oleh Trozzi et al[18][22][23]. Estimasi emisi mempertimbangkan dua belas kelas kapal yang mempunyai gross tonnage diatas 100 GT, data lainnya antara lain faktor emisi, dan spesifikasi parameter kapal seperti konsumsi bahan bakar, tipe mesin, dll. Tabel 4. Kelas Kapal dan Konsumsi Bahan Bakar [18]
Ship Class Solid Bulk Liquid Bulk
Consumption at full power (tons/day as a function of gross tonnage Cjk = 20,1860 + 0,00049 X GT Cjk = 14,6850 + 0,00079 X GT
Ship Class General Cargo Container Ro-Ro/ Cargo Passenger High Speed Ferry Inland Cargo Sail Ship Tugs Fishing Other Ships
Consumption at full power (tons/day as a function of gross tonnage Cjk = 9,8197 + 0,00143 X GT Cjk = 8,0552 + 0,00235 X GT Cjk = 12,8340 + 0,00156 X GT Cjk = 16,9040 + 0,00198 X GT
Cjk = 39,4830 + 0,00972 X GT Cjk = 9,8197 + 0,00143 X GT Cjk Cjk Cjk Cjk
= 0,4268 + 0,00100 X GT = 5,6511 + 0,01048 X GT = 1,9387 + 0,00448 X GT = 9,7126 + 0,00091 X GT
Tabel 5. Faktor emisi dari masing-masing polutan (kg/ton fuel), mode operasi kapal, dan jenis mesin penggerak kapal [18]
Tabel 6. Persentase instalasi mesin penggerak untuk masing-masing jenis kapal [18]
kapal diperoleh dari analisis regresi linier konsumsi bahan bakar terhadap tonase kotor seperti terlihat pada Tabel 4. Selain itu, tingkat emisi yang diasumsikan seperti yang ditunjukkan seperti yang ditunjukkan dalam persamaan berikut. [22] [23]:
Ei = ΣjklmEijklm Eijklm = Sjkm(GT)tjklmFijklm
Trozzi dalam penelitiannya [22] [23] menggunakan konsumsi bahan bakar mesin sehari-hari, seperti yang ditunjukkan pada Tabel 6 dan emisi dihitung dengan mempertimbangkan faktor-faktor seperti mesin dan jenis bahan bakar. Konsumsi bahan bakar dari setiap jenis
(1) (2)
Dimana : i : pollutant j : tipe bahan bakar k : kelas kapal yang digunakan untuk karakteristik emisi l : tipe mesin m : mode operasi kapal Ei : total emisi dari pollutant i Eijklm : total emisi pollutant i dari penggunaan bahan bakar j pada kapal kelas k dengan tipe mesin l Fijklm : rata-rata emisi faktor pollutant i dari bahan bakar j
dengan tipe mesin l dalam mode m (rata-rata secara detil bisa merujuk pada (Trozzi, et al., 1998) ) Sjkm(GT) : konsumsi harian bahan bakar j pada kapal kelas k dalam mode m sebagai fungsi dari gross tonnage tjklm : hari navigasi dari kapal kelas k dengan tipe mesin l menggunakan bahan bakar j dalam mode m Sebagai tambahan, estimasi konsumsi bahan bakar mesin bantu didapat dari persamaan dasar [12] :
f = 0,2 x O x L (3)
Mode moderate activity under tow
Fraction 0,5 0,8
E. Gaussian Plume Model Dalam Gaussian plume, distribusi spasial dari konsentrasi emisi sepanjang sumbu melintang dalam bentuk Gaussian(distribusi normal). Kondisi steady state berikut menggambarkan model 3-dimensi konsentrasi emisi pada setiap titik dalam sistem koordinat di mana angin bergerak sejajar dengan sumbu-x [1] [2].
dimana : f : konsumsi bahan bakar (kg/kapal/jam) O : rated output (PS/engine) L : faktor beban (cruising : 30%, hotelling (tanker) : 60%, hotelling (other ships) : 40% dan maneuver : 50% )
D. Definisi dari Cruising, Manouevering, dan Hotelling Dalam rangka mengukur emisi yang dihasilkan dari kegiatan kapal, pertama-tama diperlukan untuk menentukan modus operasional pada kapal [22][23]. Ketika memperkirakan konsumsi bahan bakar dan emisi, Trozzi et al (1998) memfokuskan pada tiga modus operasional, yaitu hotelling, maneuvering, dan cruising, seperti yang ditunjukkan pada Gambar 5. Manuver didefinisikan sebagai kapal pada waktu mendekat, docking, berangkat dari pelabuhan atau bisa juga didefinisikan dari perubahan kecepatan kapal secara signifikan dalam waktu yang relative singkat [22]. Hotelling mengacu pada operasi yang terjadi saat kapal yang bersandar di dermaga atau pada saat kecepatan kapal nol, sementara kondisi cruising adalah kondisi kapal berjelajah pada kecepatan konstan [22]. Setelah modus operasional diketahui, konsumsi bahan bakar dihitung dengan mempertimbangkan fraksi konsumsi bahan bakar maksimum dari masing-masing mode operasi kapal. Hal ini perlu dipertimbangkan konsumsi bahan bakar sebenarnya selama fase operasi kapal yang berbeda yang dilakukan dalam area pelabuhan. Manuver, hotelling, dan jelajah diasumsikan memiliki fraksi default konsumsi bahan bakar, maksimum 0,4 0,2, dan 0,8 masing-masing [22] [23]:
Gambar 5. Karakteristik Pergerakan Kapal [18] Tabel 7. Fraksi pembebanan pada mesin utama untuk masing-masing mode operasi kapal [18] Mode Cruising Manoeuvering Hotelling
Tug
default passenger liquid bulk other ship assistance
Fraction 0,8 0,4 0,2 0,32 0,2 0,12 0,2
.(4) Dimana : C = konsentrasi emisi (g/m3) , , = jarak dari asal dalam koordinat , , z (m) He = tinggi exhaust pada kapal Q = tingkat emisi gas buang (g/s) σy, σz = horisontal dan vertical standar deviasi plume (m) us = kecepatan angin pada posisi tertinggi exhaust kapal Arah , dalam persamaan (4) adalah arah pergerakan angin. Nilai dari , , ditentukan oleh jarak antara sumber emisi dan jarak kalkulasi dan inklinasi antara arah dari angin dan jarak dari arah angin [17]. Transfer koordinat untuk mendapatkan nilai , ditunjukkan pada Gambar 2.8. Sumbu barat dan timur direprensentasikan dalam koordinat 0 , sementara sumbu utara dan selatan direpresentasikan dalam koordinat 0 . Rumus transfer koordinat ditunjukkan berikut ini [17] : =
X0 *
(5)
=
y0 *
(6)
=
(7)
Gambar 6. Transformasi titik perhitungan [17] Seperti permodelan pada umumnya, Gaussian Plume juga menggunakan beberapa asumsi antara lain : • Kecepatan angin konstan • Kondisi steady state • Difusi kearah x diabaikan dan koefision difusi selain itu berupa anisotropic • Polutan bersifat konservatif, • Dan, gas di asumsikan ideal dan inert.
F. Stabilitas Dari Atmosfer dan Standar Deviasi σy σz
PARAMETERS USED TO CALCULATE PASQUILL – GIFFORD σz σz (meters) = a b ( in km)
Koefisien dispersi (standar deviasi) σy, σz bergantung kepada stabilitas atmosphere dan jarak sumbu x (melawan arah angin) x [2]. Jumlah turbulensi di udara ambien memiliki pengaruh besar pada peningkatan dan dispersi polutan udara (Pingjian, et al., 2006). Jumlah polutan dapat dikategorikan ke dalam “kenaikan pasti” atau "kelas stabilitas (stability classes)" [17]. Kategori yang paling umum digunakan adalah kelas stabilitas Pasquill A, B, C, D, E, dan F. Kelas A menunjukkan kondisi yang paling tidak stabil atau paling bergolak dan kelas F menunjukkan kondisi yang paling stabil atau tidak bergejolak [1][17].
Pasquill Stability Category
B*
Tabel 8. Panduan untuk mengetahui Pasquill Stability Classes[2] Surface Wind Speed (at 10 m)(m/sec) <2 2–3 3–5 5–6 >6
Day
Night
Incoming Solar Radiation
Thinly Overcast
Strong
Moderate
Slight
A A–B B C C
A–B B B–C C–D D
B C C D D
or ≥ Low Cloud D E D D D
C*
or ≤ Cloud
F E E D D
Tabel 9. Formula dan nilai parameter yang berkoresponden untuk menentukan koefisien dispersi di Gaussian Plume [2] PARAMETERS USED TO CALCULATE PASQUILL – GIFFORD σ σ = 465.11628 (x) tan (TH) TH = 0.017453293 [ c – d ln(x) ] Pasquill Stability Category c d A 24.1670 2.5334 B 18.3330 1.8096 C 12.5000 1.0857 D 8.3330 0.72382 E 6.2500 0.54287 F 4.1667 0.36191 Where σ is in meters and x is in kilometer.
Pasquill Stability Category
A*
(km)
a
< .10 0.10 – 0.15 0.16 – 0.20
122.800 158.080 170.220
b 0.94470 1.05420 1.09320
a
0.21 – 0.25 0.26 – 0.30 0.31 – 0.40 0.41 – 0.50 0.51 – 3.11 > 3.11 < .20 0.21 – 0.40 > 0.40
179.520 217.410 258.890 346.750 453.850 ** 90.673 98.483 109.300
b 1.12620 1.26440 1.40940 1.72830 2.11660 ** 0.93198 0.98332 1.09710
ALL
61.141
0.91465
< .30 34. 459 0.86974 0.31 – 1.00 32.093 0.81066 1.01 – 3.00 32.093 0.64403 3.01 – 33.504 0.60486 D* 10.00 10.01 – 36.650 0.56589 30.00 > 30.00 44.053 0.51179 < .10 24.260 0.83660 0.10 – 0.30 23.331 0.81956 0.31 – 1.00 21.628 0.75660 1.01 – 2.00 21.628 0.63007 2.01 – 4.00 22.534 0.57154 4.01 – 24.703 0.50527 E* 10.00 10.01 – 26.970 0.46713 20.00 20.01 – 35.420 0.37615 40.00 > 40.00 47.618 0.29592 < .20 15.209 0.81558 0.21 – 0.70 14.457 0.78407 0.71 – 1.00 13.953 0.68465 1.01 – 2.00 13.953 0.63227 2.01 – 3.00 14.823 0.54503 F* 3.01 – 7.00 16.187 0.46490 7.01 – 17.836 0.41507 15.00 15.01 – 22.651 0.32681 30.00 * If the calculated value of σz exceed 5000 m, σz is set to 5000 m ** σz is equal to 5000 m
Clear
PARAMETERS USED TO CALCULATE PASQUILL – GIFFORD σz σz (meters) = a b ( in km)
(km)
G. Hasil Penelitian Berikut ini hasil perhitungan estimasi emisi dan sebaran emisi dari data AIS, GIS, dan data sekunder lainnya dengan menggunakan metodologi dari Trozzi dan permodelan gaussian plume model :
Tabel 10. Jumlah Emisi Untuk Masing-masing Kapal Berdasarkan Bendera
Flag Of Registry Indonesia
No.
%
NOx
CO
CO2
VOC
SOx
PM
53
69%
402,9
967,127
277,460
180,114
758,450
15,521
Panama
5
6,5%
105,8
196,277
54,579
27,331
158,599
3,172
Antigua & Barbuda
2
2,6%
8,959
30,207
5,635
3,740
18,307
0,366
Cambodia
2
2,6%
32,67
22,900
13,843
3,773
31,000
0,620
Liberia
2
2,6%
242,9
74,036
90,842
15,754
197,524
3,950
Marshall Island Netherlands
2
2,6%
34,72
84,982
23,877
17,214
64,521
1,509
2
2,6%
16,46
57,082
9,522
6,165
34,595
0,729
Norway
2
2,6%
24,19
85,427
13,198
8,383
51,774
1,035
China
1
1,3%
16,99
56,222
11,247
7,569
34,074
0,681
Dominica
1
1,3%
6,539
21,161
4,579
3,126
12,825
0,256
Greece
1
1,3%
17,64
61,837
9,878
6,328
37,477
0,750
Iran
1
1,3%
4,830
17,965
2,156
1,267
10,888
0,218
Korea
1
1,3%
13,735
46,530
8,525
5,637
28,200
0,564
Vietnam
1
1,32%
4,360
9,991
3,344
2,331
8,215
0,164
Total
76
100%
932,8
1731,7
528,68
288,73
1446,4
29,53
Dari Tabel 10 diketahui bahwa jumlah total emisi untuk NOx sebesar 932 kg/jam, SOx sebesar 1446 kg/jam, CO 1731,7 kg/jam, CO2 adalah sebesar 528 kg/jam, dan PM sebesar 29,53 kg/jam. Dan dari Tabel 10 diketahui pula untuk penyumbang emisi terbesar adalah kapal berbendera Indonesia untuk urutan pertama dengan jumlah NOx sebesar 402,9 kg/jam, SOx sebesar 758,45 kg/jam, CO sebesar 967,13 kg/jam, CO2 sebesar 277,46 kg/jam, dan PM sebesar 15,52 kg/jam. Lalu diikuti kapal berbendera Panama untuk urutan kedua dengan jumlah NOx sebesar 105,8 kg/jam, SOx sebesar 158,9 kg/jam, CO
sebesar 196,28 kg/jam, CO2 sebesar 54,58 kg/jam, dan PM sebesar 3,17 kg/jam. Dan urutan ketiga adalah kapal berbendera Antigua&Babuda, Norwegia, Kamboja, Liberia, Marshall Island, dan Belanda. Sedangkan untuk urutan terakhir adalah kapal berbendera China, Yunani, Korea, Vietnam, Iran, dan Republik Dominika. Sedangkan untuk sebaran emisi masing-masing polutan dengan bantuan perangkat lunak AERMOD View Ver.7.1 ditunjukkan oleh gambar 7, 8, 9, 10, dan 11 berikut ini :
Gambar 7. Sebaran dan Konsentrasi Emisi NOx
Gambar 8. Sebaran dan Konsentrasi Emisi SOx
Gambar 9. Sebaran dan Konsentrasi Emisi CO
Gambar 10. Sebaran dan Konsentrasi Emisi CO2
Gambar 11. Sebaran dan Konsentrasi Emisi PM Dari permodelan sebaran polutan udara yang telah dijalankan di AERMOD View Ver7.1 dapat dianalisa sebaran dan konsentrasi emisinya di sekitar Selat Madura. Dalam permodelan sebaran emisi dalam AERMOD View berjarak sekitar 30 km dari titik tengah koordinat sumber emisi. Dari hasil sebaran emisi dapat dilihat bahwa angin pada tanggal 22 Oktober 2010 pukul 17.00 – 18.00 mengarah ke barat laut dan tenggara. Itu terlihat pada model yaitu konsentrasi
terbesar berada pada dua arah tersebut. Tabel 11 dibawah ini menunjukkan daerah shoreline sepanjang Selat Madura dan kandungan konsentrasi emisinya.
Tabel 11. Konsentrasi Emisi Di tiap Wilayah Shore Line Konsentrasi emisi (µg/m3) Wilayah NOx SOx CO CO2 PM 377 479 133 7,634 Pelabuhan Semen 184 Gresik 125 280 380 110 5,7 Pelabuhan Petrokimia Gresik 89,2 213 275 76 4 Pelabuhan Tanjung Perak Petrokimia Gresik
150
279
356
108
5,8
Pelabuhan Gresik
150
315
438
110
6,32
Kemuteran
142
301
420
118
5,5
Tanjung
105
217
310
67
4,3
Gili Barat
90
210
277
66
4
Junganyar
68
115
170
39
2,9
Socah
55
110
156
31
2,3
Pernajuh
72
145
201
53
3
Petaonah
59
130
180
40
2,6
Pasanggrahan
33
150
191
50
3,2
Karanganyar
30
148
168
39
3
Sidorukun
155
281
365
103
6,7
Kebungson
142
314
450
108
6,3
Kroman
152
315
397
105
6,4
Pekelingan
143
310
440
99
6
Tepen
160
315
380
104
6,1
Karangkering
120
246
310
80
4,6
Kalianak
82
160
250
60
3,3
Monokrembangan
90
230
275
74
4,35
Tambak Langon
93
190
250
59
3,7
Tambak Osowilangon Kedung Cowek
91
201
247
70
4,1
120
210
234
57
4
Kenjeran
53
205
200
50
3
Sukolilo
87
201
170
64
4,6
Tambak Wedi
105
246
330
93
4,5
Konsentrasi emisi terbesar berasal dari polutan CO yaitu sebesar 479,086 µg / m3, lalu posisi kedua di peroleh oleh polutan SOx yaitu sebesar 377,959 µg / m3 lalu diikuti oleh polutan NOx diposisi tiga dengan konsentrasi terbesarnya yaitu 184,924 µg / m3, lalu polutan
CO2 menempati urutan keempat dengan konsentrasi emisi sebesar 133,365 µg / m3, dan polutan PM adalah yang paling kecil konsentrasinya yaitu sebesar 7,634 µg / m3. Daerah yang mengandung konsentrasi tertinggi dari ke-5 polutan emisi tersebut berada pada koordinat 7,164946 lintang selatan dan 112,676002 bujur timur. atau di wilayah pelabuhan Semen Gresik. Dari ke-5 sebaran emisi yang didapat, daerah shore line khususnya di daerah shore line jawa timur terkena dampak konsentrasi yang besar di banding daerah setelah shore line sepanjang Selat Madura. Hasil distribusi emisi selanjutnya di bandingkan dengan Standar Baku Mutu Udara Ambien Nasional atau BMUAN yang dikeluarkan oleh Pemerintah Indonesia di dalam Peraturan Pemerintah No.41 Tentang Pengendalian Pencemaran Udara. Kualitas udara suatu daerah di wilayah Indonesia dikatakan baik bila jumlah konsentrasi polutan kurang dari nilai BMUAN. Hasil perbandingan nilai jumlah emisi hasil penelitian dengan BMUAN ditunjukkan oleh Tabel 12. Tabel 12. Perbandingan Konsentrasi Polutan Hasil Penelitian Dengan BMUAN
Dari hasil tersebut didapatkan bahwa untuk polutan NOx, SOx, dan CO tidak memberikan dampak berbahaya bagi manusia kecuali Polutan PM. Polutan PM, dari hasil penelitian mempunyai konsentrasi lebih dari BMUAN bila dikalkulasi selama 1 jam. Dapat terjadi gangguan pada sistem pernafasan di daerah dengan konsentrasi polutan PM lebih dari 6,2 µg / m3 (Pelabuhan Semen Gresik, Sidorukun, dan Kroman). Hasil dampak masing-masing polutan terhadap kesehatan manusia ditunjukkan oleh beberapa tabel di bawah ini. Tabel 13. Dampak Polutan NOx Hasil Penelitian
Polutan NOx hasil penelitian 3 kadar terbesar (ppm)
Standar Polutan NOx (ppm)
0,09783
5
0,08321
5
0,06754
5
Dampak
Tidak terjadi apa-apa terhadap kesehatan manusia
Tabel 14. Dampak Polutan CO Hasil Penelitian Polutan CO hasil penelitian 3 konsentrasi terbesar (µg/m3)
Standar Polutan CO (µg/m3)
479,089
6000
440,023
6000
438,073
6000
Dampak
Tidak terjadi apa-apa terhadap kesehatan manusia
Tabel 15. Korelasi Kadar SOx dan Kesehatan Manusia Konsentrasi Pengaruh (ppm) Jumlah terkecil yang dapat dideteksi baunya 3-5 Jumlah terkecil yang segera mengalibatkan 8 - 12 iritasi tenggorokan Jumlah terkecil yang akan mengakibatkan 20 iritasi mata Jumlah terkecil yang akan mengakibatkan 20 batuk Maksimum yang diperbolehkan untuk 20 konsentrasi dalam waktu yang lama Maksimum yang diperbolehkan untu kontak 50 – 100 singkat ( 30 menit ) Berbahaya meskipun kontak secara singkat 400 - 500 Tabel 16. Dampak Polutan PM Hasil Penilitian Polutan PM hasil penelitian 3 konsentrasi terbesar (µg/m3)
Standar Polutan PM (µg/m3)
183,36
150
160,8
150
153,6
150
Dampak
[1] [2] [3]
[4]
[5] [6] [7] [8] [9]
Gangguan pernafasan pada manusia
[10]
[11]
KESIMPULAN Setelah melaksanakan seluruh proses penelitian ini, dan dari hasil pengolahan data yang diperoleh, maka dapat ditarik beberapa kesimpulan sebagai berikut : 1. Penelitian untuk estimasi emisi dan sebaran konsentrasi emisi dari transportasi laut sangat memungkinkan dengan menggunakan data dari Automatic Identification System (AIS) dan Sistem Informasi Geografis. Akan tetapi AIS sendiri memiliki kelemahan yaitu kapal yang terdeteksi oleh AIS hanya kapal yang mempunyai GT diatas 300 sehingga kapal dengan GT dibawah 300 dan kapal yang tidak dilengkapi dengan AIS tidak dapat dianalisa.
[12] [13]
[14]
[15] 2. Jumlah polutan emisi pada trafik densitas terpadat adalah : a. NOx : 932,8 kg / jam b. SOx : 1446,4 kg / jam c. CO : 1731,7 kg / jam d. CO2 : 528,7 kg / jam e. PM : 29,5 kg/jam 3. Jumlah konsentrasi tertinggi polutan emisi pada trafik densitas terpadat berada di daerah sekitar pelabuhan Semen Gresik dengan konsentrasi emisi yaitu : a. NOx : 184,924 µg / m3 b. SOx : 377,959 µg / m3 c. CO : 479,086 µg / m3 d. CO2 : 133,365 µg / m3 e. PM : 7,634 µg / m3
[16] [17] [18]
[19] [20]
4. Dari hasil penelitian ini, konsentrasi polutan NOx, SOx, dan CO tidak mempengaruhi kesehatan manusia kecuali polutan PM. Konsentrasi polutan dari penelitian ini dapat memberikan gejala berupa gangguan pernafasan di daerah dengan konsentrasi tertinggi.
[21]
[22]
DAFTAR PUSTAKA
Altwicker E R. "Air Pollution [Book]". - [s.l.] : Lewis Publisher, 2000. Bracken C [et al.] "An Analysis of Exhaust Emission from a Large Ship Docked In Humboldt Bay [Report]". - Eureka : ENGR 416, 2007. Chaaban F. B, Mehzer , T and Ouwayjan. "Options For Emission Reduction From Power Plants : An Economic Evaluation [Book]". - [s.l.] : Electrical Power and Enregy System, 2004. Cimorelli [et al.] "AERMOD : Description Of Formulation [Online]." United States Environmental Protection Agency (EPA), 2004. http://www.epa.com/AERMOD/EPA-454R-03-004.pdf. Colls J "Air Pollution 2nd Edition [Book]." London : New Fetter Lane, 2002. Flang, Richard,C and Seinfeld J.H."Fundamental Of Air Pollution Engineering [Book]". New Jersey : Prentice Halls, 1988. GIS http://GIS tutorial.net [Online] // Sistem_informasi_geografis_tentang.htm. Godish T. "Air Quality [Book]." Ball State University, Muncie, Indiana : Lewis Publishers, Inc., 1985. Hutcaphic S. J. "Modeled Sulphur Dioxide Expossure from a Proposed Coal Fired Power Plant, using Geographic Information System and Air Dispersion Modelling [Book]". Morgantoen : Department Of Industrial and Management System Engineering, 2004. Imamura,H and Scheurs,M.A. "Environmental Policy In Japan [Book]". United States Of America : Edward Elgar Publishing, Inc., 2005. Insure Yacht http://www.yachtinsure.com/news-autoidentification system.htm [Online] // "Complete Guide to AIS". Ishida T "Emission of Estimate Methods of Air Pollution and Green House Gases from Ships [Journal]". - Japan : Japan Institute Marine Engineering, 2003. - 37 : Vol. I. Jalkanen JP [et al.] "Modelling System for the Exhaust Emissions Of Marine Traffic and Its Aplication In the Baltic Sea Area [Journal]". [s.l.] : J. Atmos. Chem. Phys., 2009. - 15229 - 15373 : Vol. IX. Kesgin U and Vandar N. A "Study On Exhaust Gas Emission From Ships In Turkish Strait [Online]." Atmospheric Environment, Pergamon, 2001. http://www.elsevier.com/locate/atmosenv/paper_1870.pdf. Nevers N. D "Air Pollution Control Engineering [Book]." United States Of America : McGraw Hill Companies, 2000. Petrovsky, N "Marine Internal Combustion Engine [Book]." Moscow : Mir Publisher, 1961. Pingjian L [et al.] "Case Study On Health Assestment Related to a Modal Shift in Transportation [Journal]." [s.l.] : Journal of Marine Science and Technology, 2006. Pitana T, Kobayashi E and Wakabayashi N "Estimation Of Exhaust Emission Of Marine Traffic Using Automatic Identification System Data (Case Study : Madura Strait Area, Indonesia) [Journal]." Sydney 24-27 May : OCEANS 2010 LEE CFP100CF-CDR 978-1-4244-5222, 2010. Security Maritime AIS Ship Data [Conference] // IMO Maritime Safety Committee. - 2007. Seinfeld J. H "Air Pollution; Physical and Chemical Fundamental [Book]." [s.l.] : McGraw Hill, inc, 1975. Springston S. R [et al.] "Chemical Evolution of an Isolated Pwer Plant Plume during Texas [Online]." Atmospheric Environment, Pergamon, 2005. http://www.elsevier.com/. Trozzi C and Vaccaro R "Actual and Future Air Pollutan Emission From Ships [Conference]" // INRETS Confererence. - Austria : INRETS Works Press, 1999.
[23] Trozzi C and Vaccaro R "Methodologies For Estimating Future Air Pollutant Emission From Ships [Report]." [s.l.] : Techne Report MEET RF98b, 1998. [24] UNECE/EMEP "Group 8 : Other Mobile Source and Machinery, in EMEP/CORRINAIR Emission Inventory Guidebook-third ed [Report]." [s.l.] : Technnical Report no.30, 2002. [25] Vesilind P. A [et al.] "Environmental Engineering Second Edition [Book]." United states Of America : Butterworth Publishers, 1985. [26] Wang C, Callahan J and Corbert J. J "Geospatial Modelling of Ship Traffic and Air Emission [Online]." Proceeding Of ESRI International Conference, 2007. http://proceeding.esri.com/library/userconf/proc07/papers/ pap_1863.pdf. [27] Zhou Q, Huang G. H and Chan C. W "Development of an Intelligent Decision Support System For Air Pollution Control At Coal-Fired Power Plants [Journal]." [s.l.] : Expert Systems with Applications, 2004. - 26,335-356.
