PEMETAAN DISTRIBUSI KONSENTRASI KARBON MONOKSIDA (CO) DIHUBUNGKAN DENGAN AKTIVITAS KENDARAAN BERMOTOR DI KAMPUS UNIVERSITAS LAMBUNG MANGKURAT BANJARBARU MAPPING OF CONCENTRATION DISTRIBUTION OF CARBON MONOXIDE (CO) DUE TO CONTRIBUTION OF MOTOR VEHICLES AT UNIVERSITAS LAMBUNG MANGKURAT BANJARBARU Rima Sari Arisnawati1, Rony Riduan2 dan Nova Annisa2 Mahasiswi Program Studi Teknik Lingkungan, Fakultas Teknik,ULM 2 Dosen Program Studi Teknik Lingkungan, Fakultas Teknik, ULM JL. A. Yani Km 36, Banjarbaru, Kalimantan Selatan, 70714, Indonesia E-mail:
[email protected] 1
ABSTRAK Sektor transportasi Indonesia saat ini merupakan konsumen terbesar produk minyak bumi. Salah satu emisi yang dikeluarkan dari sisa pembakaran bahan bakar alat transportasi adalah gas karbon monoksida (CO). Pada penelitian ini akan dibahas mengenai pengaruh jumlah kendaraan bermotor terhadap peningkatan karbon monoksida (CO) di Kampus Universitas Lambung Mangkurat ULM Banjarbaru. Pengukuran polutan CO menggunakan metoda analisis Non Dispersive Infra Red (NDIR). Kemudian dilakukan perhitungan distribusi CO dengan menentukan kekuatan emisi kendaraan bermotor berdasarkan faktor emisi untuk konsumsi energi dan jenis bahan bakar. Kemudian ditentukan penyebaran konsentrasi karbon monoksida (CO) berdasarkan Gaussian Dispersion Model Type Line Source dengan program Caline4. Dari hasil tersebut, dibuat pemetaan konsentrasi CO menggunakan software Surfer®. Hasil pengukuran konsentrasi karbon monoksida (CO) eksisting di gerbang 1 adalah sebesar 2.523 μg/m3 atau sebesar 2,20 ppm pada pukul 07.00 – 08.00 dan di jalan samping mesjid Al-Baythar adalah 897 μg/m3 atau 0.78 ppm pada pukul 08.00-09.00. Dari hasil pemetaan diperoleh nilai konsentrasi emisi CO tertinggi adalah 3549,5 μg/m3 atau 3,1 ppm di hari Jumat pada jam padat siang. Kata kunci: kendaraan bermotor, karbon monoksida, faktor emisi, model Caline4 ABSTRACT Indonesia's transport sector is currently the largest consumer of petroleum products. One emitted from the combustion of fuel gas transportation is carbon monoxide (CO). In this study will be discussed on the influence of the number of vehicles on the increase in carbon monoxide (CO) in the University Campus Mangkurat ULM Banjarbaru. CO pollutant measurements using the method of analysis of the Non Dispersive Infra Red (NDIR). Then calculate the distribution of CO to determine the strength of motor vehicle emissions based on emission factors for energy consumption and fuel type. Then determined the spread of the concentration of carbon monoxide (CO) by Gaussian Dispersion Model Type Line Source with Caline4 program. From these results, made using a CO concentration mapping software Surfer®. The results of the measurement of the concentration of carbon monoxide (CO) existing at the gate 1 is equal to 2,523 ug / m3 or equal to 2,20 ppm at 7 a.m. to 8:00 and on the street beside the mosque of Al-Baythar was 897 ug / m3 or 0.78 ppm at 08:00 to 09:00 , From the results obtained by mapping the highest CO emission concentration value is 3549.5 g / m3 or 3.1 ppm in solid hour on Friday at noon.
Keywords: motor vehicles, carbon monoxide, emission factors, Caline4 model
1. PENDAHULUAN Sektor transportasi Indonesia saat ini merupakan konsumen terbesar produk minyak bumi. Dengan meningkatnya perhatian dunia kepada isu perubahan iklim maupun bertambahnya angka urbanisasi dan pertumbuhan pemakaian bahan bakar minyak di Indonesia, saat ini merupakan kesempatan yang baik untuk menangani masalah emisi di sektor transportasi secara komprehensif (DNPI, 2010). Di Indonesia sekarang ini kurang lebih 70% pencemaran udara di sebabkan emisi kendaraan bermotor. Menurut Karliansyah (2014) diperkirakan pada tahun 2050 jumlah kendaraan akan berjumlah 2 (dua) kali lipatnya dari kondisi saat ini. Adapun emisi yang dihasilkan adalah partikulat (debu), dan untuk sebagian besar timbal (Pb), SO2, CO2, CO, HC dan NOx. Pembangunan permukiman berskala besar adalah salah satu faktor yang memberikan dampak negatif berupa masalah konversi lahan, peningkatan transportasi, dan aktifitas industri. Kampus Banjarbaru merupakan kampus kedua dari Universitas Lambung Mangkurat (ULM) yang terletak di Jl. Ahmad Yani KM. 36, Banjarbaru Kalimantan Selatan. Posisi geografis kampus ULM Banjarbaru sangat startegis berada pada simpang empat kota Banjarbaru yang merupakan jalur lintas dari beberapa kota seperti Banjarmasin, Pelaihari dan Martapura. Gedung perkuliahan yang terletak di kampus ini antara lain, Fakultas Pertanian, Fakultas Kehutanan, Fakultas Perikanan dan Ilmu Kelautan, Fakultas Teknik, Fakultas MIPA dan Fakultas Kedokteran dengan total luas lahan 44 ha. Salah satu emisi yang dikeluarkan dari sisa pembakaran bahan bakar alat transportasi adalah gas karbon monoksida (CO). Pajanan CO diketahui dapat mempengaruhi kerja jantung (sistem kardiovaskuler), sistem syaraf pusat, juga janin, dan semua organ tubuh yang peka terhadap kekurangan oksigen (Tugaswati, 2012). Berdasarkan laporan pemantauan Badan Lingkungan Hidup Kota Banjarbaru tahun 2015, parameter yang dipantau antara lain SO2, NO2, debu total dan kebisingan. Sedangkan untuk parameter CO belum dipantau. Penelitian ini dilakuakan untuk mengidentifikasi kondisi konsentrasi CO yang sesu, memodelkan dan memetakan pola sebaran konsentrasi karbon monoksida (CO) yang dihasilkan dari aktivitas kendaraan bermotor di kampus ULM Banjarbaru. 2. METODOLOGI PENELITIAN 2.1 Lokasi Penelitian Lokasi titik pengambilan sampel adalah sebagai berikut: 1. Gerbang Unlam 1 2. Gerbang Unlam 2, depan gedung Fakultas Teknik. 3. Pintu masuk Timur, depan gedung PPLH. 4. Pintu masuk Barat, jalan masuk menuju Fakultas Tenik. 5. Pintu masuk Selatan Jl. Unlam III, depan gedung Fakultas MIPA. 6. Ruas jalan samping Masjid Al-Baythar. 7. Jl. A. Yani
2.2 Alat dan Bahan Alat yang digunakan dalam penelitian ini adalah software Caline4, software Surfer® 11, Hand tally counter, alat tulis, alat ukur panjang (meteran), stopwatch dan software AndroiTS GPS Test. Bahan yang digunakan dalam penelitian ini adalah peta kawasan Kampus Universitas Lambung Mangkurat Banjarbaru, data volume lalu lintas, data karakteristik atmosfir di lokasi penelitian, data metoerologi berupa data curah hujan, arah dan kecepatan angin, tabel stabilitas atmofsir dan tabel faktor emisi. 2.3 Metode Pengolahan Data Data yang diperoleh disajikan dalam tabel dan grafik serta dianalisis secara spasial dan dibahas secara deskriptif. Pola penyebaran konsentrasi CO ditentukan dengan model matematis Gauss Dispersion Model. Pola sebaran konsentrasi CO dimodelkan dengan software Caline4. Pengolahan data secara spasial dilakukan dengan menggunakan software Surfer® 11 yang di dalamnya dilakukan beberapa tahapan yaitu entry data, griding, map calculation, dan overlay sehingga didapatkan output berupa Peta Konsentrasi karbon monoksida (CO) di Kampus ULM Banjarbaru. Konsentrasi karbon monoksida (CO) dideskripsikan secara kuantitatif dan sebaran emisi karbon monoksida (CO) dijelaskan secara spasial sehingga dapat diketahui lokasi yang mempunyai konsentrasi karbon monoksida (CO) tertinggi. 3. HASIL DAN PEMBAHASAN
Jumlah Kendaraan/Jam
3.1 Penentuan Jam Padat Pagi, Siang dan Sore Pada penelitian pendahuluan dilakukan perhitungan jumlah kendaraan bermotor yang melintas di lokasi pengatan untuk menentukan jam padat kendaraan. Perhitungan volume lalu lintas dilaksanakan pada hari Rabu mulai dari jam 06.00 sampai jam 18.00 WITA. Survei pencacahan lalu lintas ditetapkan pada hari kerja, yaitu Rabu karena diharapkan diperoleh volume lalu lintas dalam keadaan normal mengacu pada penelitian Sihotang (2010). Hasil rekapitulasi perhitungan volume lalu lintas di dalam kampus ULM Banjarbaru dapat dilihat pada Gambar 4.1. 2500 2000 1500 1000 500 0
Jam
Gambar 4.1.Grafik Jumlah Kendaraan/Jam pada hari Rabu, 11 Mei 2016. Dari hasil survei diperoleh jumlah kendaraan terbanyak waktu pagi adalah 1885 kendaraan pada jam 07.00 - 08.00 WITA, waktu siang sebanyak 2384 kendaraan pada jam 13.00 – 14.00 WITA dan waktu sore sebanyak 2352 kendaraan pada jam 16.00-17.00 WITA. Berdasarkan data volume terbanyak, ditentukan jam padat pagi adalah jam 07.00-08.00 WITA, jam padat siang adalah jam
13.00-14.00 WITA dan jam padat sore adalah jam 16.00-17.00 WITA. Berdasarkan grafik pada gambar 4.1 dapat dilihat bahwa volume lalu lintas berubah ubah setiap jam. Perubahan lalu lintas di dalam kampus ULM dipengaruhi oleh aktifitas mahasiswa yang beragam, seperti jadwal kuliah yang berbeda-beda dan aktifitas non akademik di kampus ULM. 3.2 Pengukuran Kualitas Udara Ambien Pengambilan sampel udara ambien dilaksanakan untuk mengidentifikasi kondisi karbon monoksida (CO) eksisting di kampus ULM Banjarbaru. Pengukuran konsentrasi CO dilakukan pada 19 Mei 2016. Pengukuran dilakukan pada dua titik lokasi yaitu di gerbang 1 dan di jalan samping Mesjid Al-Baithar. Hasil pengukuran dapat dilihat pada Tabel 4.1. Pengukuran polutan CO dilakukan dengan menggunakan metoda analisis Non Dispersive Infra Red (NDIR). Tabel 4.1 Hasil Pengukuran Kualitas Udara Ambien Parameter Suhu Kelembaban Arah angin Kecepatan angin Karbon Monoksida (CO)
Satuan °C % m/s μg/m3
Hasil Pengukuran* Samping Masjid Gerbang 1 Al-Baythar 28.3 29.7 88.3 80.5 Utara Selatan 0.54-0.97 0.68-1.14 2523 897
Baku Mutu** 20.000
Keterangan: *) Hasil Uji Laboratorium BBTKL Banjarbaru (2016). **) Peraturan Gubernur Kalimantan Selatan Nomor 053 Tahun 2007 tentang Baku Mutu Udara Ambien dan Baku Tingkat Kebisingan Pengukuran di titik pertama diambil pada pukul 07.00 – 08.00. Hasil pengukuran konsentrasi CO di gerbang 1 ULM selama 1 jam adalah 2.523 μg/m3 atau sebesar 2,20 ppm. Pengukuran di titik kedua diambil pada pukul 08.00-09.00. Hasil pengukuran konsentrasi CO di jalan samping mesjid AlBaythar selama 1 jam adalah 897 μg/m3 atau 0.78 ppm. Konsentrasi CO di gerbang 1 lebih lebih tinggi dibanding konsentrasi CO di ruas jalan samping masjid Al-Baythar. Hal tersebut terjadi karena volume kendaraan di Gerbang 1 lebih banyak dibanding dengan volume kendaraan di ruas jalan samping masjid Al-Baythar. Emisi CO di Gerbang 1 juga dipengaruhi oleh emisi dari kendaraan di jalan Ahmad Yani karena arah angin bertiup dari utara. 3.3 Volume Lalu Lintas Perhitungan jumlah dan jenis kendaraan yang masuk ke kampus ULM Banjarbaru dilakukan pada saat jam padat pagi, jam padat siang dan jam padat sore. Penentuan jam padat diperoleh dari peneltian pendahuluan. Perhitungan dilakukan selama satu jam pada saat jam padat pagi, jam padat siang dan jam padat sore. dalam tiga hari untuk mendapatkan data yang akurat. Perhitungan dilakukan pada hari Kamis, Jumat dan Minggu. Hari Kamis diambil mewakili hari kerja, hari Jumat mewakili hari setengah kerja dan setengah libur, hari Minggu mewakili hari libur. Penghitungan dilakukan di enam titik pengamatan yaitu melalui dua jalur utama yang telah ditetapkan. Perhitungan jumlah masing-masing jenis kendaraan di tiap titik pengamatan dilakukan dengan menggunakan alat handy counter yaitu alat penghitung mekanik. Dilakukan pendekatan matematis untuk meminimalisir perbedaan dari masing-masing jenis kendaraan ada sehingga lebih mudah dalam perhitungan faktor emisi. Pada penelitian ini digunakan pendekatan matematis berdasarkan Manual Kapasitas Jalan Indonesia (MKJI) tahun 1997. Jumlah kendaraan yang beroperasi per satuan waktu dinyatakan dalam volume lalu lintas dengan satuan passenger car unit (pcu/hour) atau
Volume Lalu Lintas (smp/jam)
satuan mobil penumpang (smp/jam) berdasarkan Tabel 2.2. Hasil konversi jenis kendaraan menjadi satuan mobil penumpang (smp) dapat dilihat pada Gambar 3.2 3000 2500 2000 1500 1000 500 0 08.00-09.00
13.00-14.00
16.00-17.00
Pintu Masuk Barat
Gerbang 2
Samping Masjid Al Bhaytar
Gerbang 1
Pintu Masuk Timur
Jl. Unlam III
Jl A.Yani A
Jl. A. Yani B
Jl. Mistar Cokrokusumo
Gambar 3.2 Konversi Jenis Kendaraan pada Hari Kamis, 19 Mei 2015
Volume lalu Lintas (smp/jam)
Berdasarkan Gambar 3.2 dapat dilihat hasil konversi lalu lintas menunjukkan diagram yang berbeda dengan diagram volume lalu lintas sebelum dikonversi. Hal tersebut terjadi karena komposisi volume kendaraan di kampus ULM didominasi oleh jenis sepeda motor yang memiliki nilai faktor konversi 0,25. Pada jam puncak pagi, gerbang 1 ULM memiliki volume lalu lintas yang paling tinggi yaitu sebesar 417,5 smp/jam. Pada ruas jalan di luar kampus, volume lalu lintas di Jl. A. Yani menuju ke arah Banjarmasin adalah yang paling tinggi volume lalu lintasnya pada jam padat pagi dan siang. Terhitung sebesar sebesar 1650 smp/jam pada jam padat pagi dan 2479,25 smp /jam pada jam padat siang. Ruas Jl. Mistar Cokrokusumo adalah ruas yang paling tinggi volume lalu lintasnya pada jam padat sore, yaitu sebesar 2454,5 smp/jam. 2500 2000 1500 1000 500 0 08.00-09.00
13.00-14.00
16.00-17.00
Pintu Masuk Barat
Gerbang 2
Samping Masjid Al Bhaytar
Gerbang 1
Pintu Masuk Timur
Jl. Unlam III
Jl A.Yani A
Jl. A. Yani B
Jl. Mistar Cokrokusumo
Gambar 3.3 Konversi Jenis Kendaraan pada Hari Jumat, 20 Mei 2016.
Volume lalu Lintas (smp/jam)
Berdasarkan Gambar 3.3, pada jam padat siang, Jl. Unlam III adalah ruas jalan dengan volume lalu lintas tertinggi yaitu 350.5 smp/jam. Pada hari Jumat, terjadi kenaikan volume lalu lintas yang besar oleh pengguna sepeda motor dibanding hari kerja dan hari libur di ruas Jl. Unlam III. Hal ini disebabkan karena adanya aktivitas salat Jumat di Masjid Albaythar. Sedangkan pintu masuk barat adalah ruas jalan dengan volume lalu lintas paling rendah yaitu 84,75 smp/jam. Pada ruas jalan di luar kampus, volume lalu lintas di Jl. A. Yani menuju ke arah Banjarmasin adalah yang paling tinggi volume lalu lintasnya pada jam padat pagi yaitu sebesar 1391,5 smp/jam. Pada jam padat siang Jl. A. Yani menuju ke arah Martapura adalah ruas yang paling tinggi volumenya, yaitu sebesar 1796 smp/jam. Ruas Jl. Mistar Cokrokusumo adalah ruas yang paling tinggi volume lalu lintasnya pada jam padat sore, yaitu sebesar 2316,5 smp/jam hal ini terjadi karena jumlah kendaraan berat yang melintas diruas ini lebih banyak dibanding ruas Jl. A. Yani. 3000 2500 2000 1500 1000 500 0 08.00-09.00
13.00-14.00
16.00-17.00
Pintu Masuk Barat
Gerbang 2
Samping Masjid Al Bhaytar
Gerbang 1
Pintu Masuk Timur
Jl. Unlam III
Jl A.Yani A
Jl. A. Yani B
Jl. Mistar Cokrokusumo
Gambar 3.4 Konversi Jenis Kendaraan pada Hari Minggu, 22 Mei 2016. Berdasarkan Gambar 3.4, gerbang 1 adalah ruas jalan dengan volume lalu lintas paling tinggi pada jam padat pagi dengan volume sebesar 63,5 smp/jam. Pintu masuk sebelah barat, atau Portal Fakultas Teknik adalah ruas jalan yang paling rendah volume lalu lintasnya pada jam padat pagi yaitu sebesar 7,25 smp/jam. Volume lalu lintas gerbang 2 dan di pintu masuk timur adalah 0. Hal ini dikarenakan pada hari Sabtu dan hari Minggu pintu gerbang tersebut ditutup. Pada jam padat siang, Jl. Unlam III adalah ruas jalan dengan volume lalu lintas tertinggi yaitu 92,5 smp/jam. Pada jam padat sore, Jl. Unlam III juga masih menjadi ruas jalan yang paling tinggi volumenya, yaitu 109,5 smp/jam. Pada ruas jalan di luar kampus, volume lalu lintas menurun di hari libur. Volume lalu lintas di Jl. A. Yani arah Banjarmasin adalah yang paling tinggi volume lalu lintasnya pada jam padat pagi yaitu sebesar 950 smp/jam. Pada jam padat siang Jl. A. Yani menuju ke arah Martapura adalah ruas yang paling tinggi volumenya, yaitu sebesar 1616,75 smp/jam. Ruas Jl. A. Yani menuju ke arah Martapura adalah ruas yang paling tinggi volume lalu lintasnya pada jam padat sore, yaitu sebesar 2404,5 smp/jam. 3.4 Parameter Meteorologi Data meteorologi diambil pada hari penelitian untuk memperoleh model yang mendekati kenyataan di lokasi penelitian. Data yang digunakan adalah sekunder dari data stasiun klimatologi BMG Banjarbaru. Data meteorologi yang diambil antara lain data angin meliputi aran dan kecepatannya,
data suhu udara, data penyinaran matahari, dan tutupan awan. Untuk melakukan perhitungan dispersi Gaussian, diambil arah dan kecepatan angin dominan yang terjadi dalam satu hari. Sedangkan data penyinaran matahari dan tutupan awan merupakan acuan dalam menentukan kelas stabilitas atmosfer dengan metode Bowen yang didasarkan pada stabilitas Turner dan Pasquill (Colls, 2002). Tabel 4.3 Data Meteorologi dan hasil perhitungan dispersi di lokasi pengamatan. Parameter Stabilitas Kecepatan σz Atmosfir Suhu Kelembaba angin, Arah Hari Jam (°C) n (%) (m/s) angin Kamis Pagi 28.3 80.5 2.31 Utara A 13.95 Siang 24.4 93 2.31 Utara B 10.60 Sore 24.4 97 2.31 Utara B 10.60 Jumat Pagi 25 97 0.98 Barat A 13.95 Siang 32.2 66 0.98 Barat A 13.95 Sore 30.8 75 0.98 Barat A 13.95 Minggu Pagi 25.9 93 1.95 Barat laut A 13.95 Siang 32.5 63 1.95 Barat laut A-B 12.28 Sore 29.3 82 1.95 Barat laut A 13.95 (Sumber: Data Stasiun Klimatologi BMG Banjarbaru, 2016). Pengamatan lama penyinaran matahari dan tutupan awan dilakukan berdasarkan waktu perhitungan volume lalu lintas. Hal ini bertujuan untuk mengetahui dan dapat menganalisis perbedaan antara hari yang satu dengan hari yang lainnya. Data meteorologi meteorologi ini kemudian dihitung agar dapat memperoleh nilai standar deviasi. Dalam penentuan penyebaran kepulan emisi (plume) kearah horizontal; σy, dan ke arah vertikal; σz, digunakan suatu metode persamaan standar deviasi yang berbasis pada arah angin. 3.4.1 Hasil Simulasi Model Caline4 Caline4 akan memprediksi konsentrasi CO ambien dari input yang terdiri dari variabel daerah lokasi studi (site variable) meliputi parameter meteorologi, parameter faktor emisi, variabel ruas jalan (link variable), parameter volume kendaraan dan lokasi penerima (receptor location). Ketiga variabel diatas adalah parameter meteorologi, parameter faktor emisi, parameter volume kendaraan yang merupakan data primer selama pengambilan data jumlah kendaraan dan data sekunder dari BMG Banjarbaru. Tabel 4.5 Hasil Perhitungan Model dan Hasil Pengukuran di Lapangan Koordinat Konsentrasi CO (ppm) Selisih Hasil Hasil x y ppm % Model Pemantauan 260545.2 9619099 2.2 2.2 0 0 260481.1 9618807 0.7 0.78 0.08 0.102564 Sumber: Hasil perhitungan Dalam penyusunan model dispersi CO dengan menggunakan program Caline4, dilakukan tahap kalibrasi. Kalibrasi adalah mencocokkan model dengan kondisi yang nyata. Pada penelitian ini dilakukan kalibrasi terhadap parameter desposition velosity dan nilai CO di udara ambien. Berdasarkan studi literatur, nilai desposition velosity dari emisi CO pada ruang lingkup lokal adalah sebesar 0 cm/sec pada tumbuhan dan 0,1 cm/sec pada permukaan tanah. Pada kalibarasi model,
diperoleh nilai desposition velosity tidak memberikan pengaruh terhadap nilai konsentrasi CO pada model. Sehingga input desposition velosity pada program Caline4 adalah 0. Pada tahap kalibrasi terhadap nilai konsentasi CO di udara ambien dengan nilai 0-1 ppm. Pada kalibarasi model, diketahui konsentrasi background atau konsentrasi CO di udara ambien sebelum terpapar emisi berpengaruh terhadap nilai konsentrasi CO yang dihasilkan pada model. Pada tahap ini diperoleh nilai konsentrasi CO sebesar 0,5 ppm yang paling mendekati hasil pengukuran di lapangan. Dari kalibrasi model ini diperoleh nilai RMSE adalah 0.056569. Setelah diperoleh hasil kalibrasi, selajutnya dapat dibuat model simulasi berdasarka data yang telah diperoleh. 3.4.2 Validasi Model Menurut Wainwright & Mulligan (2004), suatu validasi atau evaluasi diperlukan untuk memperoleh kepercayaan pada hasil model. Sebuah simulasi model pada kondisi dan lingkungan tertentu memiliki konsekuensi kesalahan atau ketidakpastian hasil berupa nilai konsentrasi. Berdasarkan hasil perhitungan volume kendaraan, data paremeter emisi dan parameter meteorologi yang telah dikumpulkan, dilakukan perhitungan manual Model Dispersi Gaussian Tabel 4.7 Hasil Perhitungan Model Caline4 dan Data Hasil Perhitungan Manual Wilayah Studi Gerbang 2
Gerbang 1
Koordinat Reseptor x 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28
Y
259900 9618800 260000 9618800 260100 9618800 260200 9618800 259900 9618900 260000 9618900 260100 9618900 260200 9618900 259900 9619000 260000 9619000 260100 9619000 260200 9619000 259900 9619100 260000 9619100 260100 9619100 260200 9619100 260300 9618800 260400 9618800 260300 9618850 260400 9618900 260500 9618900 260600 9618900 260300 9619000 260400 9619000 260600 9619000 260300 9619100 260405 9619135 260600 9619100 Rata-rata
Sumber: Hasil Perhitungan
Konsentrasi CO (ppm) Hasil Hasil Model Hitung 0.7 0.721879 0.7 0.667096 0.7 0.657667 0.7 0.657667 0.7 0.631898 0.7 0.604134 0.7 0.657667 0.7 0.657667 0.7 0.662326 0.8 0.611497 0.6 0.580553 0.6 0.580553 0.6 0.580553 0.7 0.637615 0.6 0.580553 0.6 0.580553 0.6 0.580553 1.3 1.264500 0.7 0.892468 1.8 1.744240 0.6 0.558033 0.6 0.558033 0.6 0.580553 1.8 1.985067 0.9 0.979079 0.6 0.580553 2 2.159971 0.7 0.679079
Selisih ppm
%
0.021879 -0.0329 -0.04233 -0.04233 -0.0681 -0.09587 -0.04233 -0.04233 -0.03767 -0.1885 -0.01945 -0.01945 -0.01945 -0.06238 -0.01945 -0.01945 -0.01945 -0.0355 0.192468 -0.05576 -0.04197 -0.04197 -0.01945 0.185067 0.079079 -0.01945 0.159971 -0.02092 -0.013
3.03088 -4.93249 -6.4369 -6.4369 -10.7774 -15.8683 -6.4369 -6.4369 -5.68807 -30.8264 -3.34974 -3.34974 -3.34974 -9.78406 -3.34974 -3.34974 -3.34974 -2.80741 21.56585 -3.19681 -7.52052 -7.52052 -3.34974 9.32296 8.076865 -3.34977 7.406162 -3.08081 -3.755
Adapun faktor-faktor lainnya yang melatarbelakangi ketidaksesuaian hasil permodelan, yakni tidak diperhitungkannya faktor ketinggian bangunan di sekitar jalan di wilayah studi. Bangunan dapat mempengaruhi dispersi polutan yang pada akhirnya menimbulkan perbedaan konsentrasi polutan di titik downwind akibat terjadi pembentukan pola sirkulasi aliran udara yang sangat kompleks yang merupakan bagian dari studi mengenai wind-tunnel (Colls, 2002). Dari hasil rata-rata selisih hasil model Caline4 dengan hasil perhitungan manual adalah -0,013 ata 3,75%. Dari hasil perhitungan selisih terdapat selisih minus dimana hasil perhitungan manual lebih kecil dibanding hasil prediksi model. Hal ini dapat disebabkan oleh penentuan stabilitas atmosfir pada perhitungan manual kurang tepat seperti pada saat pendataan kondisi awan. Dari uji validasi model ini diperoleh nilai RMSE 0.0695443. Nilai hasil uji validasi model dengan perhitungan RMSE kurang dari satu dianggap memiliki performa yang baik sehingga model dengan nilai sesuai asumsi tersebut yang dapat dibuat menjadi peta distribusi CO. 3.5 Pemetaan pola sebaran konsentrasi karbon monoksida (CO) Pemetaan ini menunjukkan konsentrasi karbon monoksida (CO) di tiap-tiap titik yang telah ditentukan. Sebelum menjabarkan hasil pemetaan simulasi model Caline4 yang didasarkan pada data meteorologi dan pemantauan road-side, maka diperlukan persepsi-persepsi yang sama, yakni: 1. Sumber emisi dari kendaraan bermotor yang menggunakan bahan bakar bensin dan solar yang dikonversi menjadi emisi mobil penumpang berbahan bakar bensin. 2. Arah angin dan kecepatan angin yang digunakan adalah arah angin dominan pada waktu penelitian. Arah dan kecepatan angin antara daerah sumber dan penerima tidak bervairasi. 3. Stabilitas atmosfer berdasarkan kecepatan angin pada saat pengambilan sampel ialah pada kondisi netral (D). 4. Tidak ada pencemar yang hilang dari kepulan, perubahan karena reaksi kimia diabaikan. Sifat kimia senyawa yang dikeluarkan stabil dan tidak berubah di udara dan dianggap tidak ada emisi pencemar dari sektor lain.
Gambar 3.5 Hasil Overlay Pemetaan Konsentrasi CO pada Kamis Pagi
Gambar 3.6 Hasil Overlay Pemetaan Konsentrasi CO pada Kamis Siang.
Gambar 3.7 Hasil Overlay Pemetaan Konsentrasi CO pada Kamis Sore Pada Gambar 3.5 menunjukkan pola distribusi konsentrasi CO pada hari Kamis jam 08.00-09.00. Arah angin dari selatan dengan kecepatan 2,31 m/s. Konsentrasi CO tertinggi berada di sekitar Jalan A. Yani, pintu masuk gerbang 1, dan gerbang 2, karena kepadatan lalu lintas di Jl. A. Yani paling tinggi sehingga kendaraan mengurangi kecepatannya. Arah angin yang bertiup dari selatan menyebabkan konsentrasi CO meningkat di ruas jalan tersebut. Konsentrasi CO terendah berada disekitar pintu masuk timur dan gedung PPLH. Dari visualisasi tampak bahwa konsentrasi
maksimum adalah 3091,5 μg/m3 (2,7 ppm) dan konsentrasi minimum adalah 572,5 μg/m3 (0,5 ppm). Semakin jauh dari pintu masuk dan searah arah angin, konsentrasi CO makin berkurang. Pada Gambar 3.6 menunjukkan pola distribusi konsentrasi CO pada hari Kamis jam 13.00-14.00. Arah angin dari utara dengan kecepatan 2,31 m/s. Konsentrasi CO tertinggi berada di gerbang 1, volume lalu lintas gerbang 1 paling tinggi karena di ruas jalan tersebut terdapat areal kantin mahasiswa, perpustakaan dan masjid Albaythar. Sehingga aktivitas civitas kampus terpusat di ruas jalan tersebut pada jam padat siang. Arah angin yang bertiup dari utara menyebabkan konsentrasi CO dari ruas Jl. A. Yani terdispersi di sekitar ruas jalan gerbang 1 dan gerbang 2. Konsentrasi CO terendah berada disekitar pintu masuk timur dan gedung PPLH. Dari visualisasi tampak bahwa konsentrasi maksimum adalah 2404.5 μg/m3 (2,1 ppm) dan konsentrasi minimum adalah 572,5 μg/m3 (1,25 ppm). Pada Gambar 3.7 menunjukkan pola distribusi konsentrasi CO pada hari Kamis jam 16.00-17.00. Arah angin dari utara dengan kecepatan 2,31 m/s. Konsentrasi CO tertinggi berada di gerbang 1 dan Jl. Unlam III, volume lalu lintas dikedua ruas tersebut paling tinggi karena di ruas jalan tersebut karena merupakan jam pulang kerja dan jam pulang kuliah yang menimbulkan tarikan kendaraan yang cukup besar. Sehingga jalan ini tidak hanya dilalui civitas kampus ULM saja, tetapi juga dilewati masyarakat umum. Arah angin yang bertiup dari utara menyebabkan konsentrasi CO dari ruas Jl. A. Yani terdispersi di sekitar ruas jalan gerbang 1 dan gerbang 2. Konsentrasi CO terendah berada disekitar pintu masuk timur dan gedung PPLH. Dari visualisasi tampak bahwa konsentrasi maksimum adalah 2404.5 μg/m3 (2,1 ppm) dan konsentrasi minimum adalah 572,5 μg/m3 (1,25 ppm).
Gambar 3.7 Hasil Overlay Pemetaan Konsentrasi CO pada Jumat Pagi
Gambar 3.8 Hasil Overlay Pemetaan Konsentrasi CO pada Jumat Siang.
Gambar 3.9 Hasil Overlay Pemetaan Konsentrasi CO pada Jumat Sore
Pada Gambar 3.7 menunjukkan pola distribusi konsentrasi CO pada hari Jumat jam 08.00-09.00. Arah angin dari barat dengan kecepatan 0,98 m/s.Pada hari jumat, angin bertiup dengan kecepatan yang paling lambat dibanding dengan hari kamis dan hari minggu. Konsentrasi CO tertinggi berada di sekitar Jalan A. Yani dan lapangan bola unlam. Arah angin yang bertiup dari barat menyebabkan konsentrasi CO di dalam kampus ULM tidak terpengaruh oleh emisi CO dari Jl. A. Yani dan Jl. Mistar Cokrokusumo. Konsentrasi CO terendah berada disekitar Jl. Unlam III dan Fakultas MIPA. Dari visualisasi tampak bahwa konsentrasi maksimum adalah 2862,5 μg/m3 (2,5 ppm) dan konsentrasi minimum adalah 572,5 μg/m3 (0,5 ppm). Pada Gambar 3.8 menunjukkan pola distribusi konsentrasi CO tertinggi berada di sekitar Jalan A. Yani, gerbang 1, dan lapangan bola unlam. Arah angin yang bertiup dari barat menyebabkan konsentrasi CO di dalam kampus ULM tidak terpengaruh oleh emisi CO dari Jl. A. Yani dan Jl. Mistar Cokrokusumo. Konsentrasi CO meningkat di gerbang 1 dan di pintu masuk timur lebih tinggi dibandingkan dengan konsentrasi CO pada pagi hari. Hal ini terjadi karena adanya kegiatan salat jumat di Masjid Al-baythar. Konsentrasi CO terendah berada disekitar gerbang 2. Dari visualisasi tampak bahwa konsentrasi maksimum adalah 3320,5 μg/m3 (2,9 ppm) dan konsentrasi minimum adalah 572,5 μg/m3 (0,5 ppm). Pada Gambar 3.9 menunjukkan konsentrasi CO tertinggi berada di sekitar Jalan A. Yani, gerbang 1, dan lapangan bola unlam. Arah angin yang bertiup dari barat menyebabkan konsentrasi CO di dalam kampus ULM tidak terpengaruh oleh emisi CO dari Jl. A. Yani dan Jl. Mistar Cokrokusumo. Konsentrasi CO di seluruh ruas jalan lebih tinggi dibandingkan dengan konsentrasi CO pada pagi dan siang hari. Hal ini terjadi karena volume lalu lintas di ruas-ruas tersebut meningkat pada jam pulang kerja dan jam pulang kuliah. Konsentrasi CO terendah berada disekitar gerbang 2. Dari visualisasi tampak bahwa konsentrasi maksimum adalah 3549,5 μg/m3 (3,1 ppm) dan konsentrasi minimum adalah 343,5 μg/m3 (0,3 ppm).
Gambar 3.10 Hasil Overlay Pemetaan Konsentrasi CO pada Minggu Pagi
Gambar 3.11 Hasil Overlay Pemetaan Konsentrasi CO pada Minggu Siang
Gambar 3.12 Hasil Overlay Pemetaan Konsentrasi CO pada Minggu Sore Pada Gambar 3.10 menunjukkan pola distribusi konsentrasi CO pada hari Minggu jam 08.00-09.00. Arah angin dari barat laut dengan kecepatan 1,95 m/s. Arah angin yang bertiup dari barat laut
menyebabkan konsentrasi CO di dalam kampus ULM terpengaruhi oleh emisi CO dari Jl. A. Yani. Sehingga walau tidak ada kendaraan yang melintas di gerbang 2, konsentrasi CO ruas tersebut lebih tinggi dibanding hari Kamis dan Jumat. Konsentrasi CO tertinggi berada di sekitar gerbang 1. Pada hari libur lalu lintas tetap ada di sekitar gerbang 1, Jl. Unlam III dan samping Al-Baythar. Konsentrasi CO terendah berada disekitar pintu masuk barat. Dari visualisasi tampak bahwa konsentrasi maksimum adalah 1786,2 μg/m3 (1.56 ppm) dan konsentrasi minimum adalah 572,5 μg/m3 (0,5 ppm). Pada Gambar 3.11 menunjukkan pola distribusi konsentrasi CO pada hari Minggu jam 13.00-14.00. Konsentrasi CO pada jam padat siang lebih tinggi dibanding dengan pagi hari. Pada hari libur aktivitas lalu lintas meningkat di siang hari, baik di ruas jalan A. Yani maupun di ruas-ruas jalan di dalam kampus. Konsentrasi CO tertinggi berada di sekitar gerbang 1. Konsentrasi CO terendah berada disekitar pintu masuk barat. Dari visualisasi tampak bahwa konsentrasi maksimum adalah 2519 μg/m3 (2,2 ppm) dan konsentrasi minimum adalah 458 μg/m3 (0,4 ppm). Pada Gambar 3.12 menunjukkan pola distribusi konsentrasi CO pada hari Minggu jam 16.00-17.00. Konsentrasi CO pada jam padat sore lebih tinggi dibanding dengan pagi dan sore hari. Pada hari libur aktivitas lalu lintas terus meningkat dari siang hingga sore hari, baik di ruas jalan A. Yani maupun di ruas-ruas jalan di dalam kampus. Konsentrasi CO tertinggi berada di sekitar gerbang 1. Konsentrasi CO terendah berada disekitar pintu masuk barat. Dari visualisasi tampak bahwa konsentrasi maksimum adalah 3091,5 μg/m3 (2,7 ppm) dan konsentrasi minimum adalah 572,5 μg/m3 (0,5 ppm). Dari hasil pemetaan disitibusi konsentrasi karbon monoksida pada hari Kamis, Jumat dan Minggu diketahui bahwa nilai konsentrasi CO di udara meningkat seiring dengan peningkatan volume lalu lintas. Selain itu arah dan kecepatan angin mempengaruhi pola dispersi emisi karbon monoksida. Hal ini sesuai dengan hasil studi litaratur. Semakin tinggi kecepatan angin maka pengenceran dan pencemaran emisi dan sumber emisi di atmosfer semakin besar (Fardiaz, 2003) Hasil permodelan Caline4 hanya ditujukan untuk analisis distribusi spasial dan memberikan gambaran keadaan atau kondisi dispersi konsentrasi polutan di wilayah studi, berupa penjabaran nilai konsentrasi hasil permodelan. Namun, nilai-nilai konsentrasi tersebut belum dapat dikategorikan sebagai nilai kuantitatif yang pasti, mengingat model Caline4 yang digunakan untuk memprediksi konsentrasi belum sepenuhnya dianggap akurat berdasarkan validasi yang telah dilakukan. Nilai-nilai konsentrasi parameter CO yang diperoleh dengan mengaplikasikan model Caline4 pada peta jalan Kampus ULM Banjarbaru menunjukkan hasil yang relevan dengan konsentrasi CO pada hasil pengukuran di lapangan (Lampiran). Bedasarkan hasil simulasi model diperoleh nilai konsentrasi emisi CO tertinggi adalah 3549,5 μg/m3 atau 3,1 ppm di hari Jumat pada jam padat siang. Nilai konsentrasi CO di Kampus ULM Banjarbaru masih memenuhi baku mutu udara ambien yang ditetapkan dalam Peraturan Gubernur Kalimantan Selatan Nomor 053 Tahun 2007, yaitu sebesar 20.000 μg/m3 atau 20 ppm. Kecenderungan akurasi yang lebih baik atau tingkat kesalahan yang lebih kecil terhadap data pemantauan road-side parameter CO, mengindikasikan bahwa Caline4 cocok diterapkan pada parameter CO. Hal tersebut sesuai dengan prinsip model Caline4 yang memprediksi konsentrasi polutan inert dimana salah satu polutan yang dimaksud ialah CO. Didukung dengan hasil
validasinya yang cukup baik, maka nilai-nilai konsentrasi CO dapat dikategorikan baik secara kualitatif dan masih layak dipertimbangkan dalam penggunaan model sebagai alat untuk mengevaluasi kebijakan pemantauan kualitas udara dan strategi pengendalian pencemar pada tahap selanjutnya. Ketidakakuratan yang terjadi mungkin dapat diakibatkan oleh banyaknya faktor estimasi yang digunakan saat permodelan. Sehingga menimbulkan kerancuan dan kesalahan pada hasil model, misal: estimasi penentuan titik koordinat baik koordinat link maupun reseptor yang tidak dilakukan di lapangan namun dilakukan secara manual pada peta sehingga kemungkinan kesalahan yang dilakukan sangatlah besar. Begitupun dengan asumsi data faktor emisi kendaraan yang merupakan hasil adopsi dari berbagai referensi.penelitian faktor emisi kendaraan bermotor (Mittal&Sharma, 2006) 4. KESIMPULAN Berdasarkan hasil analisis dan pembahsan mengenai pemetaan pola distribusi konsentrasi karbon monoksida (CO) dari aktifitas kendaraan bermotor di dalam Kampus ULM Banjarbaru dapat disimpulkan bahwa: 1. Hasil pengukuran konsentrasi karbon monoksida (CO) eksisting di gerbang 1 adalah sebesar 2.523 μg/m3 atau sebesar 2,20 ppm pada pukul 07.00 – 08.00 dan di jalan samping mesjid AlBaythar adalah 897 μg/m3 atau 0.78 ppm pada pukul 08.00-09.00. 2. Hasil uji validasi rata-rata selisih hasil model Caline4 dengan hasil perhitungan manual adalah 0,013 atau -3,75% serta nilai RMSE 0.0695443, sehingga model dianggap memiliki performa yang baik dengan nilai sesuai asumsi yang dapat dibuat menjadi peta distribusi CO. 3. Dari hasil pemetaan pola sebaran konsentrasi karbon monoksida (CO) diperoleh konsentrasi CO maksimum berada di ruas gerbang 1 dengan konsentrasi hari Kamis adalah 3091,5 μg/m3 (2,7 ppm) jam 08.00-09.00, konsentrasi CO maksimum hari Jumat adalah 3549,5 μg/m3 (3,1 ppm) jam 16.00-17.00 dan konsentrasi CO maksimum hari Minggu adalah 3091,5 μg/m3 (2,7 ppm) jam 16.00-17.00. DAFTAR RUJUKAN Direktorat Jendral Bina Marga. 1997. Manual Kapasitas Jalan Indonesia (MKJI). Departemen Pekerjaan Umum. Jakarta. Eldewisa dan Driejana. 2010. Perbandingan Estimasi Beban Emisi CO Dan CO 2 Dengan Pendekatan Konsumsi Bahan Bakar Dan Kecepatan Kendaraan (Studi Kasus: Bunderan Cibiru-Lembang). E-paper. Fakultas Teknik Sipil dan Lingkungan . ITB. Bandung. Endrayana, P. L. E., dan Widodo, B. 2011. Simulasi Model Dispersi Polutan Karbon Monoksida Di Pintu Masuk Tol (Studi Kasus Line Source Di Ruas Tol Dupak, Surabaya). Jurnal Pemantapan Keprofesionalan Peneliti, Pendidik, dan Praktisi MIPA Untuk Mendukung Pembangunan Karakter Bangsa. ISSN 978-979-99314-5-0. Faradina, R., Sutan, H, A, T., dan Suharto, B. 2015. Agihan Polutan CO2 Di Kota Mojokerto Dengan Sistem Informasi Geografi (SIG). Jurnal Sumber Daya Alam dan Lingkungan, 2(2): 51-56. Fardiaz, S. 2003. Polusi Air dan Udara. Yogyakarta: Penerbit Kanisius. Hafidawati dan Bachtiar, V. S. 2012. Prediksi Tingkat Pencemaran Kanbonmonoksida Dari Sumber Transportasi Dengan Menggunakan Model Caline4 (Studi Kasus di Jalan Utama Kota Padang). Jurnal Prosiding SNTK TOPI 2012. ISSN 1907-0500. Jamaluddin, A., Sasongko, D. P., Gernowo, R., dan Sulistya, W. 2012. Penggunaan Metode Numerik Beda-Hingga Untuk Penyelesaian Persamaan Model Sebaran Pencemaran Udara (NO2). Jurnal Materi dan Pembelajaran Fisika, 2.
Kementrian Lingkungan Hidup. 2007. Memprakirakan Dampak Lingkungan: Kualitas Udara. Deputi Bidang Tata Lingkungan. Jakarta. Kementrian Lingkungan Hidup. 2013. Pedoman Teknis Penyusunan Inventarisasi Emisi Pencemar udara di Perkotaan. Asdep Pengendalian Pencemaran Udara Sumber Bergerak Deputi Bidang Pengendalian Pencemaran Lingkungan. Jakarta. Kristianto, P. 2002. Ekologi Industri. Yogyakarta: Penerbit ANDI. Mukono. 1997. Pencemaran Udara dan Pengaruhnya Terhadap Gangguan Saluran Pernafasan. Airlangga University Press: Surabaya. Paramitadevi, Y. V. 2014. Simulasi dan Dispersi Model Dispersi Karbon Monoksida (CO) di Sekitar Pintu Tol Baranangsiang Bogor. Jurnal E-paper Institut Pertanian Bogor. Peraturan Pemerintah Republik Indonesia Nomor 41 Tahun 1999. Pengendalian Pencemaran Udara. Lembaran Negara Republik Indonesia. Jakarta. Permatasari, A. A. I, Sasongko, D. P.,dan Buchori, I. 2014. Analisis Sebaran Pencemaran Udara Menggunakan Model Dispersi Gauss Dan Pemetaan ArCGIS 10. Prosiding Seminar Biologi. Vol. 11(1). Prakash,B.M., Mahadevaswamy, M.,Mahesh, and S., Siddhanti, R. 2015. Air Quality Assessment along the Highway Due To Vehicular Emissions and Validation of Air Quality Monitored Data with the CALINE4 Model. International Journal of Innovative Research in Science, Engineering and Technology. ISSN(Online): 2319-8753. Samudera, G. 2015. Analisis Dan Pemetaan Green Belt Polusi Udara Pada Ruas Jalan Di Kota Makassar. Jurnal E-paper. Universitas Hasanuddin. Makasar. Sengkey, S. L., Jansen, F., dan Wallah, S. E. 2011. Tingkat Pencemaran Udara CO Akibat Lalu Lintas Dengan Model Prediksi Polusi Udara Skala Mikro. Jurnal Ilmiah Media Engineering,Vol 1(2). Sihotang, R.S. 2010. Pemetaan Distribusi Konsentrasi Karbon Dioksida (CO2) dari Kontribusi Kendaraan Bermotor di Kampus ITS Surabaya. Tugas Akhir Jurusan Teknik Lingkungan Fakultas Teknik Sipil dan Perencanaan. Institut Teknologi Sepuluh Nopember. Surabaya. Soedomo. 2001. Pencemaran Udara. ITB. Bandung. Soleiman, N., Tarumingkeng, R. C., Fauzi, A., dan Sanim, B. 2015. Model Sistem Dinamis Untuk Estimasi Pencemaran Udara Dari Emisi Kendaraan Bermotor Di Jakarta. Jurnal Matematika, Sains, Dan Teknologi, Vol 9(1): 1-10. Sudarmadji. 1995. Pencemaran dan Proteksi Lingkungan. Bahan Ajar Program Studi Ilmu Lingkungan, Program Pasca Sarjana. Yogyakarta: UGM. Sugiarti. 2009. Gas Pencemar Udara Dan Pengaruhnya Bagi Kesehatan Manusia. Jurnal Chemica Vol. 10(1): 50-58. Suryaningsih, L., Sutan, H. A. T., dan Wirosoedarmo, R,. 2015. Analisis Spasial Defisiensi Ruang Terbuka Hijau (RTH) di Kota Mojokerto. Jurnal Sumber Daya Alam dan Lingkungan Vol 2(2): 1-10. Tugaswati, A. T. 2012. Emisi gas buang kendaraan bermotor dan dampaknya terhadap kesehatan. Jurnal E-paper. Jakarta. Yamin, M. 2009. Pencemaran Udara Karbon Monoksida dan Nitrogen Oksida Akibat Kendaraan Bermotor Pada Ruas Jalan Padat Lalu Lintas Di Kota Makassar. Simposium XII FSTPT UK Petra. Surabaya. Yang, C. S., Kao, S. P., Lee, F. B., Hung, P. S. 2004. Twelve Different Interpolation Methods: A Case Study of Surfer 8.0. Proceedings of XXth ISPRS Congress. Commission II. Istanbul. Tukey.