estimasi besar konsentrasi karbon monoksida … · 2012-01-12 · pencemar udara yang memiliki...
Post on 13-Mar-2019
220 Views
Preview:
TRANSCRIPT
1
ESTIMASI BESAR KONSENTRASI KARBON MONOKSIDA BERDASARKAN
KEGIATAN TRANSPORTASI DENGAN MODEL DFLS
Agustina Rahayu* dan Arie Dipareza Syafei
Jurusan Teknik Lingkungan FTSP-ITS
Kampus ITS Sukolilo, Jl. A.R Hakim
Surabaya 60111
*email: agustinadisini@gmail.com
Abstrak
Pembangunan fisik kota dan berdirinya pusat-pusat industri disertai dengan melonjaknya
produksi kendaraan bermotor mengakibatkan peningkatan kepadatan lalulintas dan hasil
produksi sampingan yang merupakan salah satu sumber pencemaran udara. CO adalah parameter
pencemar udara yang memiliki prosentase pencemaran tertinggi yang dihasilkan dari kegiatan
transportasi dari kendara bermotor di Surabaya. Dilihat dari besarnya kontribusi %CO di udara
yang dihasilkan dari kegiatan transportasi di Surabaya maka perlu diadakan penelitian untuk
mengetahui besar beban pencemar dari kendaraan bermotor.
Dalam penelitian ini dilakukan perkiraan terhadap besar emisi dan konsentrasi CO di
wilayah sekitar stasiun pemantau dari kendaraan bermotor yang berada di Jalan Gayungsari
Barat. Penghitungan nilai konsentrasi ambien CO dilakukan dengan menggunakan model Delhi
Finte Line Sorce (DFLS). Hasilnya akan divalidasi dengan data nilai ambien yang tercatat pada
stasiun pemantau yang ada di sekitar jalan raya tersebut. Dengan data sekunder selanjutnya
dilakukan prediksi konsentrasi CO ambien akan dilakukan selama 10 tahun ke depan dengan
data pertumbuhan yang hasilnya didapat dari DIPENDA. Dari hasil penelitian tersebut akan
diketahui beban emisi polutan CO di Jalan Gayungsari Barat berdasarkan kegiatan transportasi,
besar konsentrasi ambien polutan CO di SUF 4, dan juga hasil prediksi besar polutan CO di
Gayungan Barat pada 10 tahun ke depan yang dihasilkan dari kegiatan transportasi.
Dari hasil pernelitian didapatkan bahwa beban emisi berkisar 5,8 hingga 10,26 g/detik,
konsentrasi ambien sekitar 0,532 mg/m3 hingga 58,36 mg/m
3, dan hasil proyeksi konsentrasi CO
hingga tahun 2021 belum melewati batas baku mutu konsentrasi CO.
Kata Kunci: CO, Transportation, DFLS.
Abstract
The growth of cities and expansion of industries are leading to increase in air pollution
levels. Carbon Monoxide is one of air pollution parameter from tranportation activity in
Surabaya. Because of high of %CO contribution from transportation activity, need to do research
to know load emission from vehicle.
The research aims to analyze emission load from traffic and level of ambient CO in
Gayungsari Barat street using Delhi Finite Line Surce Model (DFLS). The result will validate
with CO concentration on Monitoring Station (SUF4). From secunder data, we can predict CO
concentration until 10 years later. From that research we get load emission from transportasion
activity on Gayung sari Barat street, CO contrentation on SUF 4, and predicted CO concentration
on 10 years later from transportation activity.
Research result describes that emission load is about 5,8-10,26 g/s, ambient concentration
is about 0,532 – 58,36 mg/m3, based on this research, CO contrentration until 2021 is under CO
concentration standard in Surabaya. Key word: CO, Transportation, DFLS.
Pendahuluan
2
Pembangunan fisik kota dan berdirinya pusat-pusat industri disertai dengan melonjaknya
produksi kendaraan bermotor, mengakibatkan peningkatan kepadatan lalulintas dan hasil
produksi sampingan, yang merupakan salah satu sumber pencemaran udara. Konsentrasi
pencemaran udara di beberapa kota besar dan daerah industri di Indonesia menyebabkan adanya
gangguan pernapasan, iritasi pada mata dan telinga, serta timbulnya penyakit tertentu. Selain itu
juga mengakibatkan gangguan jarak pandang (visibilitas) yang sering menimbulkan kecelakaan
lalu lintas (terutama lalu lintas di udara dan laut) (Soedomo, 2001).
CO adalah parameter pencemar udara yang memiliki prosentase pencemaran tertinggi
yang dihasilkan dari kegiatan transportasi dari kendara bermotor di Surabaya. Berikut merupakan
tabel yang berisi besar prosentase pencemar udara.
Tabel 1.1 Besar Kontribusi CO dari Berbagai Kegiatan Kegiatan Besar % CO
Transportasi 96,8
Permukiman 0,3
Persampahan 2,6
Industri 0,3
Sumber: Soedomo,2001
Dilihat dari besarnya kontribusi % CO di udara yang dihasilkan dari kegiatan transportasi
di Surabaya, maka perlu diadakan penelitian untuk mengetahui besar beban pencemar dari
kendaraan bermotor dan melakukan prediksi besar beban pencemar oleh CO yang terjadi di
sekitar Stasiun Pemantau Kualitas Udara (SUF 4). Lokasi di sekitar SUF 4 dipilih sebagai lokasi
penelitian karena di lokasi tersebut berada di wilayah perumahan yang terdapat banyak sekolah
sehingga memiliki kepadatan lalu lintas yang tinggi. Selain itu SUF 4 dipilih karena SUF
tersebut merupakan stasiun pemantau yang memiliki tingkat keakurasian yang baik yang ada di
Surabaya.
Model Delhi Finite Line Source (DLFS) adalah model yang akan digunakan dalam
penelitian ini. Model ini merupakan pengembangan dari model GAUSS dan dapat digunakan
untuk menghitung besar konsetrasi polutan dari line source.
Penelitian ini akan melakukan perhitungan besar beban emisi yang ada di wilayah timur
SUF 4 (Gayung Sari) kemudian dari beban emisi tersebut dapat dicari konsentrasi CO pada SUF
4 dengan persamaan DFLS. Dari data konsentrasi CO yang didapat tersebut kemudian divalidasi
dengan data yang tercatatat di SUF 4 pada jam-jam perhitungan jumlah kendaraan.
Metode
Penelitian ini akan melakukan perhitungan besar beban emisi yang ada di wilayah timur
SUF 4 (Gayung Sari) kemudian dari beban emisi tersebut dapat dicari konsentrasi CO pada SUF
4 dengan persamaan DFLS. Dari data konsentrasi CO yang didapat tersebut kemudian divalidasi
dengan data yang tercatatat di SUF 4 pada jam-jam perhitungan jumlah kendaraan.
Tujuan dari penelitian ini adalah besar beban emisi polutan CO yang dihasilkan dari
kegiatan transportasi di Jalan Gayung Sari Barat, menentukan konsentrasi polutan CO pada
udara ambien berdasarkan kegiatan transportasi di SUF 4 berdasarkan kegiatan transportasi di
Jalan Gayungsari Barat dengan menggunakan model DFLS, serta memprediksi besar polutan CO
di Jalan Gayung Sari Barat pada tahun 2021.
Data primer yang dibutuhkan dalam penelitian ini adalah: 1. Jumlah kendaraan bermotor
Pengambilan data primer jumlah kendaraan bermotor dilakukan di sebelah barat SUF 4.
Perhitungan jumlah kendaraan dilakukan ketika arah angin berhembus ke arah barat yaitu ada
sudut 210o-290
o, hal tersebut dilakukan agar stasiun pemantau dapat menangkap polutan
yang berasal dari arah timur SUF 4 (area jalan studi). Panjang jalan studi adalah 0,6 km.
Gambar 3.1 berikut merupakan lokasi perhitungan jumlah kendaraan.
3
Arie Dipareza S., ST., MEPM
Agustina Rahayu
Nama Gambar
Nama Mahasiswa
Jurusan Teknik Lingkungan
Fakultas Teknik Sipil dan Perencanaan
Institut Teknologi Sepuluh Nopember
Dosen Pembimbing
3307 100 003
Peta Lokasi Samping
Skala
Jalan Studi
SUF 4
P = 600 m
Sumber
Google Map
Gambar 1 Lokasi Sampling
Perhitungan jumlah kendaraan dilakukan dengan cara manual dengan Counter.
Prosedur perhitungan jumlah kendaraan yaitu pengamat mencatat pada lembar
formulir survei setiap kendaraan menurut klasifikasi macam kendaraan dan memakai
formulir terpisah untuk setiap periode perhitungan. Pencatatan jumlah kendaraan
dilakukan setiap 30 menit sekali, hal ini dilakukan karena data yang diambil oleh
stasiun pemantau kualitas udara adalah 30 menit sekali.
Jenis kendaraan yang akan dihitung disesuaikan dengan faktor emisi yang ada, antara
lain: 1. Sepeda motor
2. Mobil berbahan bakar bensin
3. Mobil berbahan bakar solar
4. Bis
5. Truk
6. Angkutan Umum
Tabel berikut (Tabel 1) merupakan tabel faktor emisi yang di gunakan di Indonesia.
Tabel 1 Faktor Emisi
Kategori CO (g/km)
Sepeda motor 14
Mobil penumpang
(bensin) 40
Mobil penumpang (solar) 2,8
Bis 11
Truk 8,4
Angkot 43,1
Sumber: Suhadi dalam Novianti, 2008
Waktu pengambilan sampel adalah pada hari Senin, Selasa, Sabtu, dan Minggu. Hari tersebut
dipilih agar dapat mewakili hari kerja maupun hari libur dan kepadatan lalu lintas yang
4
didapatkan dapat menunjukkan kondisi yang representatif. Pengambilan sampel ini dilakukan
pada jam puncak, yaitu pada pukul 07.00-09.00, pukul 12.00-14.00, dan pukul 16.00-18.00.
Perhitungan jumlah kendaraan dilakukan pada saat arah angin mengarah pada stasiun
pemantau kualitas udara, yaitu pada arah timur. Lokasi perhitungan jumlah kendaraan
dilakukan pada titik lokasi seperti pada gambar dibawah ini.
Data yang sekunder yang digunakan merupakan data-data dari instansi-instansi yang
terkait dalam penelitian ini. Data sekunder yang digunakan antara lain: 1. Data konsentrasi CO yang ditangkap oleh stasiun pemantau kualitas udara SUF 4 di Jalan
Gayung Sari pada Hari Senin, Selasa , Sabtu, dan Minggu pada pukul 07.00-09.00, pukul
12.00-14.00, dan pukul 16.00-18.00 dari BLH Kota Surabaya.
2. Kecepatan angin, arah angin, suhu, intensitas matahari, pada SUF 4 dari BLH Kota Surabaya.
3. Data jumlah kendaraan bermotor dari Dinas Pendapatan Daerah Kota Surabaya untuk 10
tahun terakhir.
Pengolahan data dilakukan dengan cara sebagai berikut: 1. Perhitungan beban emisi berdasarkan jumlah kendaraan dan faktor emisi yang ada dengan
persamaan sebagai berikut:
Beban emisi (g/jam) = jumlah kendaraan perjam x faktor emisi (g/km) x panjang
jalan (km) (1)
(Srikandi, 2009)
Faktor emisi diperoleh melalui tabel 3.2 berikut:
Tabel 2 Tabel Faktor Emisi Indonesia
Kategori CO (g/km)
Sepeda Motor 14
Mobil penumpang
(bensin) 40
Mobil penumpang (solar) 2,8
Bis 11
Truk 8,4
Angkot 43,1
Sumber: Suhadi, 2008
2. Dari hasil perhitungan dengan menggunakan persamaan di atas, kemudian dilakukan konversi
dari beban emisi menjadi konsentrasi ambien dengan persamaan DLFS.
(2)
Keterangan:
Ql = beban emisi dari sumber(gr/detik);
C = konsentrasi pencemar di udara amien (g/m3);
ūe = kecepatan angin efektif (m/detik);
σz = koefisien disespersi arah vertical (m);
z = tinggi penerima (m);
ho = tinggi efektif sumber (m).
𝐶 = 𝑄𝑙
2 2 𝜋 𝜎𝑧 ū𝑒𝑥 𝑒𝑥𝑝 − 1
2 𝑧 − ℎ𝑜
𝜎𝑧
2
+ 𝑒𝑥𝑝 − 12
𝑧 + ℎ𝑜
𝜎𝑧
2
5
Langkah-langkah yang perlu dilakukan untuk mendapatkan konsentrasi ambien
dengan menggunakan persamaan model DFLS adalah:
a. Menentukan Stabilitas Atmosfer
Stabilitas atmosfer menentukan kemampuan atmosfer untuk mendispersikan
pencemar yang diemisikan. Stabilitas atmosfer dibagi menjadi stabil, tidak stabil, dan netral.
Model DFLS menggunakan bilangan Richardson untuk menentukan tingkat kestabilan
atmosfer. Bilangan Richardon membagi tingkat kestabilan atmosfer dalam 3 kondisi, yaitu
stabil, tidak stabil, dan netral. Untuk menentukan kondisi kestabilan atmosfer dapat didekati
dengan nilai Pasquill-Gifford. Tabel berikut (Tabel 3) merupakan tabel yang digunakan untuk
menentukan stabilitas atmosfer berdasarkan kecepatan angin, intensitas radiasi matahari.
Tabel 3 Klasifikasi stabilitas atmosfer
Kecepatan
angin
(m/s)
Siang
1 jam
sebelum
matahari
terbit/setelah
matahari
tenggelam
Intensitas radiasi matahari
Kuat Sedang Lemah Mendung
>600
W/m2
300-
600
W/m2
<300
W/m2
<2 A A-B B C D
3-2 A-B B C C D
5-3 B B-C C C D
6-5 C C-D D D D
>6 C D D D D
Catatan : A sangat tidak stabil; B tidak stabil; C agak tidak stabil; D netral
Sumber: Khaled et al, 2006
Berdasarkan kondisi kestabilan atmosfer yang didapatkan melalui tabel 3
tersebut kemudian didekati dengan menggunakan bilangan Richardson. Tabel 4
berikut merupakan tabel pendekatan nilai Pasquil-Gifford terhadap nilai bilangan
Richardson.
Tabel 4 Pendekatan Nilai Pasquil-Gifford terhadap Nilai Bilangan Richardson Kondisi kestabilan
atmosfer Richardson Pasquil-Gifford
Stabil Ri > 0,07 E-F
Netral 0,07 ≥Ri>-0,1 C-D
Tidak stabil Ri≤-0,1 A-B
Sumber: Ashrafi et al, 2001
Tabel berikut (tabel 5) merupakan tabel nilai parameter yang digunakan dalam model
DFLS. Tabel 5 Nilai Parameter yang Digunakan Dalam DFLS
Parameter Stabil Netral
Tidak
stabil
(Ri>0,07) (0,07 ≥Ri>-0,1) Ri≤-0,1
a 1,49 1,14 1,14
b 0,15 0,10 0,05
c 0,77 0,97 1,33
α 20,7 11,1 11,1
6
Parameter Stabil Netral
Tidak
stabil
(Ri>0,07) (0,07 ≥Ri>-0,1) Ri≤-0,1
U1 0,18 0,27 0,27
Uo 0,23 0,38 0,63
Sumber: Chock, 1977
b. Menghitung kecepatan angin efektif (U)
Kecepatan angin didapatkan melalui persamaan 2.
(3)
Keterangan:
ūe = kecepatan angin efektif (m/detik);
u = kecepatan angin rata-rata pada SUF 4;
uo = kecepatan angin terkoreksi (pada tabel 3.3); ϴ = sudut angin relative terhadap jalan (
o).
(Sathikunarat et al, 2003) c. Menentukan tinggi efektif
Tinggi efektif sumber (ho) adalah penjumlahan dari tinggi line source (H) dan kenaikan emisi
(Hp). Ketika kecepatan angin di jalan raya mencapai lebih dari 1 m/s, pengaruh dari plume
rise diabaikan. Untuk mendapatkan nilai tinggi sumber (ho), maka dapat digunakan
persamaan 4 di bawah ini.
(4)
Untuk mendapatkan nilai Hp (plume rise) digunakan persamaan 5 dibawah ini.
(5)
Keterangan:
u = kecepatan angin rata-rata pada sumber;
uo = kecepatan angin terkoreksi;
x = jarak antara sumber dan stasiun pemantau (m);
To = suhu (K);
g = percepatan gravitasi (9,8 m/s2);
α & u1 = parameter yang ditentukan dari stabilitas atmosfer (tabel 3.3).
d. Menentukan σz
σz didapatkan melalui persamaan 6 berikut.
(6)
Nilai a, b, dan c ditentukan dari kestabilan atmosfer yang didapatkan dari bilangan
Richardson. Untuk kondisi tidak stabil dan netral, maka sin𝜃 diubah menjadi 0,2242+ 0,7758
sin𝜃, sedangkan untuk kondisi atmosfer yang stabil nilai sin 𝜃 diubah menjadi 0,1466 +
0,8534 sin𝜃.
Validasi dilakukan dengan menggunakan metode statistik yang umum digunakan,
yaitu root mean square error (RMSE) dan index of agreement (IOA). Persamaan 7 berikut
merupakan persamaan RMSE.
ūe = u sin ϴ +
uo
ho = H +
Hp
Hp = (1.5 g/To) / α (u sinϴ +
u1)3)0.5
) x
σz=𝑎 + 𝑏 𝑥
𝑠𝑖𝑛𝜃 c
top related