ESTIMATION COST OF EMISSION AND SO2

CASE STUDY SOUTH OF SURABAYA

CONCENTRATION FROM TRANSPORTATION SECTOR WITH

DFLS MODEL

(GAYUNGSARI BARAT STREET)

ESTIMASI BEBAN EMISI DAN KONSENTRASI SO2

MODEL DFLS

DARI SEKTOR TRANSPORTASI DENGAN

STUDI KASUS SURABAYA SELATAN (JL.GAYUNGSARI BARAT)

Eben Ramadyan Hidayatullah Environmental Engineering Study Program Faculty of Civil Engineering And Planning

Sepuluh Nopember Institute Of Technology Surabaya draineboy@gmail.com and draine_boy@rocketmail.com

Abstract : Transportation is one of the greatest that generate of poluted issue producer. One of it is SO2. SO2

This research was conducted at Gayungsari Bara Street which is at South of Surabaya with motor vehicle amount high enough. This research aims to see if this DFLS'S model can be applied deep objectly SO

this was resulted by motor vehicle of half and half fuel which can cause disease if most human body deep precipitate.

2's issue extrapolation. First phase which is does counting motor vehicle at clears a root that. Then accounted by issue charges by multiplies total that vehicle with issue factor from Suhadi. Hereafter gets to be accounted by SO2's concentration by notices wind aim, wind speed, and also the sun intensity. It is acquired from BLH so received by parameter point from Pasquil. So gets to be accounted by SO2

The study showed the SO

concentration and projecting 10 forwards year.

2

concentration on Monday, May 2 2011 were 6,831 μ g / m3 and BLH'S compare point were 238,790 μ g / m3

Key word: Issue factor, Issue charges, SO 2

, DFLS

Abstrak : Transportasi merupakan salah satu penyumbang terbesar dalam penghasil emisi pencemar. Salah satunya adalah SO2. SO2

Penelitian ini dilakukan di Jl. Gayungsari Barat yaitu di kawasan Surabaya Selatan dengan jumlah kendaraan bermotor cukup tinggi. Penelitian ini bertujuan untuk melihat apakah model DFLS ini bisa diaplikasikan dalam penghitungan emisi khususnya SO

ini dihasilkan oleh kendaraan bermotor dari campuran bahan bakar yang dapat menyebabkan penyakit jika terendap dalam tubuh manusia.

2. Tahap pertama yaitu melakukan counting kendaraan bermotor di jalan tersebut. Lalu dihitung beban emisi dengan mengalikan jumlah kendaraan tersebut dengan faktor emisi dari Suhadi. Selanjutnya dapat dihitung konsentrasi pencemar SO2

Dari penelitian ini didapat konsentrasi SO

dengan memperhatikan arah angin, kecepatan angin, dan juga intensitas matahari. Hal ini diperoleh dari BLH sehingga didapat nilai parameter dari Pasquil. Sehingga dapat dihitung konsentrasi SO2 dan memproyeksikan 10 tahun ke depan.

2

pada hari Senin, 2 Mei 2011 yaitu sebesar 6,831 μg/m3 dan nilai perbandingan BLH sebesar 238,790 μg/m3

Kata Kunci : Faktor emisi, Beban emisi, SO2

, DFLS

PENDAHULUAN

Transportasi merupakan salah satu fasilitas umum yang digunakan masyarakat untuk menunjang kegiatannya sehari-hari. Transportasi ini dari segi bentuk dan fungsi mempunyai beberapa macam. Mulai dari kereta, mobil, sepeda motor dan lain-lain. Suatu transportasi ini semakin tahun semakin canggih dan inovatif teknologinya. Hal ini dibuat untuk mengantisipasi emisi yang terkandung dalam kendaraan bermotor ini agar tidak melampaui batas emisi yang ditentukan. Selain itu juga bertujuan untuk meminimalkan asap yang dapat menyebabkan polusi. Jumlah kendaraan bermotor yang berada di Indonesia per tahunnya menunjukkan kenaikan yang sangat pesat. Khususnya untuk Kota Surabaya, DISPENDA JATIM melakukan pencatatan angka untuk pengguna kendaraan bermotor pada tahun 2008 menunjukkan angka sebesar 1.368.800 dan tahun 2009 mengalami kenaikan sebesar 1.483.271 unit

Perkembangan transportasi tersebut, selain memberikan dampak positif juga memberikan dampak negatif yang banyak. Dampak positifnya yaitu dapat memberikan kemudahan bagi masyarakat untuk bepergian ataupun untuk bekerja. Dampak negatifnya yaitu semakin bertambahnya jumlah kendaraan bermotor, makin bertambah pula emisi yang berada di udara yang disebabkan karena pembakaran dari kendaraan bermotor tersebut. Proses pembakaran dari kendaraan bermotor menghasilkan beberapa unsur pencemar seperti Partikulat, CO

. Belum lagi jumlah kendaraan dari luar Kota Surabaya dimana setiap harinya banyak yang melintasi Kota Surabaya dan tentunya akan menyumbang polusi yang tinggi.

X, NOX, SOX

Dengan perkembangan transportasi yang semakin berkembang pesat di Surabaya, Pemerintah Kota Surabaya juga sudah mengupayakan untuk memantau pencemaran udara ini dengan membangun beberapa stasiun pemantauan kualitas udara ambien atau juga memasang Public Data Display yang berisi informasi ISPU (Index Standar Pencemar Udara) di sejumlah titik untuk menunjukkan besar pencemar di kawasan Surabaya.

, Pb, dan lain-lain.

Seiring dengan perkembangannya, banyak peneliti yang mulai mencoba merambah dunia udara. Seperti halnya saat ini, telah ditemukannya rumus dan persamaan perkembangan model awal dari rumus Gauss. Rumus DFLS (Delhi Finite Line Source) adalah suatu rumus yang paling logis untuk memprediksi konsentrasi polutan di udara. Beberapa faktor yang mempengaruhi yaitu dari faktor meteorologis khususnya kecepatan udara, arah angin, stabilitas atmosfer dan lainnya. Data semacam ini diperoleh dari stasiun pemantau yang berada di wilayahnya.

Dengan adanya sejumlah bahan pencemar terutama SO2 yang cukup tinggi terutama dari aspek transportasi khususnya di Surabaya, maka perlu adanya penelitian mengenai beban emisi yang dikeluarkan oleh aspek transportasi. Dipilihnya SO2 sebagai parameter yang diteliti karena SO2 dapat menyebabkan iritasi pada permukaan saluran pernafasan, meningkatkan serangan asma bila terhirup bersama-sama dengan bahan-bahan partikel pencemar udara seperti karbon, debu, minyak lemak dan logam. Selain itu juga perlu adanya penelitian mengenai prediksi polutan salah satunya SO2 untuk 10 tahun mendatang. Hal ini untuk memberikan informasi kepada khalayak bahwa perlu adanya suatu antisipasi untuk mencegah polutan yang tiap tahunnya kadarnya makin meningkat. Dalam penelitian ini lokasi penelitian berada di Jl. Gayungsari Barat. Dipilih lokasi tersebut karena di lokasi tersebut terdapat Stasiun Pemantau Kualitas Udara. Sehingga tidak memungkinkan bahwa hasil dari penelitian ini nantinya akan dibandingkan secara tidak langsung untuk hanya melihat nilai pencemar berbeda atau tidak. Tujuan dari penelitian ini adalah untuk mengetahui beban emisi di jalan Gayungsari Barat, mengetahui konsentrasi SO2 di sepanjang jalan Gayungsari Barat dengan menggunakan model DFLS, dan juga mengetahui prediksi konsentrasi SO2 di wilayah tersebut pada 10 tahun mendatang.

METODOLOGI Penelitian ini dilakukan di wilayah Surabaya Selatan atau lebih tepatnya di kawasan Gayungan di Jalan Gayungsari Barat. Pemilihan lokasi studi ini dikarenakan wilayah ini terdapat sebuah stasiun pemantau udara yang berguna untuk mengetahui konsentrasi SO2 di udara ambien yang hasilnya ditampilkan di layar Index Satuan Pencemar Udara (ISPU) di jalan Achmad Yani Surabaya. Di wilayah ini jumlah kendaraan yang melewati wilayah ini sangat padat. Dikarenakan di wilayah ini terdapat Masjid Akbar Surabaya yang rata-rata banyak dikunjungi oleh umat muslim. Selain itu juga terdapat akses keluar masuk yang langsung menuju ke jalan tol. Tingkat kepadatan kendaraan tersebut tentu saja mempengaruhi konsentrasi SO2.

Wilayah penelitian dapat dilihat pada gambar 1.

Gambar 1

Pengumpulan Data Primer Untuk data primer pada penelitian ini yaitu penghitungan kendaraan yang melewati wilayah tersebut. Perhitungan kendaraan menggunakan metode counting atau penghitungan manual dengan alat counter. Pengambilan data primer disini hanya menyampling selama 4 hari yang mewakili hari-hari lainnya. Adapun yang dipilih yaitu Hari Senin dan Selasa (mewakili hari kerja), Sabtu dan Minggu (mewakili hari libur). Jam yang dipilih juga hanya mewakili jam-jam puncak yang dibagi menjadi 3 sesi. Sesi pertama yaitu pada pukul 07.00-09.00, Sesi kedua yaitu pada pukul 12.00-14.00, dan Sesi ketiga yaitu pada pukul 16.00-18.00. Dari sejumlah kendaraan ini akan dijadikan perhitungan beban emisi dengan menggunakan persamaan berikut : Beban emisi (g/jam) = jumlah kendaraan (kendaraan/jam) x faktor emisi (g/km/kendaraan) x panjang

jalan (km)....................................................(1) Dalam persamaan 1 tersebut diketahui terdapat faktor emisi yang menjadi aspek perhitungan.

Faktor emisi ini memakai faktor emisi Indonesia yang bersumber dar Suhadi (2008). Berikut tabel 1.1 mengenai faktor emisi Indonesia yang dipakai dalam penelitian ini :

+⋅−+

−⋅−×

⋅⋅⋅=

20

20

21exp

21exp

22 zhz

zhz

uQC

ez

L

σσπσ

Tabel 1.1 Faktor Emisi Indonesia

Kategori CO HC NOX PM10 CO2 SO2

(g/km) (g/km) (g/km) (g/km) (g/km BBM) (g/km)

Sepeda Motor 14 5.9 0.29 0.24 3180 0.008 Mobil

penumpang (bensin) 40 4 2 0.01 3180 0.026 Mobil

penumpang (solar) 2.8 0.2 3.5 0.53 3172 0.44

Bis 11 1.3 11.9 1.4 3172 0.93 Truk 8.4 1.8 17.7 1.4 3172 0.82

Angkot 43.1 5.08 2.1 0.006 3180 0.029 Sumber : Suhadi (2008) Pengumpulan Data Sekunder

Data sekunder yang dibutuhkan pada penelitian ini yaitu adalah data dari stasiun pemantau udara yang berasal dari Badan Lingkungan Hidup (BLH) Kota Surabaya yang berisikan data-data seperti kecepatan angin, arah angin, dan lain-lain. Untuk data sekunder yang dipilih hanyalah yang data yang arah anginnya menuju ke arah stasiun pemantau. Arah angin yang dipilih adalah yang berkisar 200-290°. Dari pemilihan tersebut, diasumsikan semua emisi masuk ke dalam reseptor stasiun pemantau. Perhitungan Delhi Finite Line Source (DFLS) DFLS adalah suatu rumus perkembangan dari Gauss yang dikembangkan oleh peneliti India yang mengaplikasikan metode line source. Pemilihan DFLS disini adalah untuk mengetahui apakah dengan menggunakan DFLS ini dapat diaplikasikan di Indonesia khususnya di Surabaya untuk konsentrasi SO2

. Adapun rumus DFLS sebagai berikut :

...................(2)

Dalam persamaan 2 tersebut digunakan untuk menghitung konsentrasi udara dalam ambien. Ambien disini dimaksudkan konsentrasi yang berada di stasiun pemantau (reseptor). Persamaan ini sesuai dengan rumus Gauss, namun sudah mengalami beberapa ubahan. Dalam perhitungan tersebut terdapat σz yang didapat dari persamaan :

σz = ( a+b )c

Keterangan: ...........................................(3)

C = konsentrasi pencemar di udara ambient (g/m3

Q)

LŪe = kecepatan angin efektif (m/detik)

= beban alir emisi dari sumber (gr/detik)

σz = koefisien dispersi arah vertical (m) z = tinggi stasiun pemantau (m) ho = tinggi sumber (m) x = jarak dari sumber hingga ke sensor stasiun pemantau (m/s)

θ = sudut angin terhadap jalan

a, b, c, α, β, dan γ = adalah parameter yang ditentukan oleh stabilisasi kondisi atmosfer (Pasquil)

Untuk nilai sin θ disini dibedakan antara kondisi tidak stabil, netral, maupun stabil. Untuk kondisi tidak stabil dan netral nilai sin θ diubah menjadi 0,2242 + 0,7758 sin θ, sedangkan untuk kondisi stabil nilai sin θ diubah menjadi 0,1466 + 0,8534 sin θ. Untuk mendapatkan nilai dari masing-masing persamaan, terlebih dahulu dilihat dari kecepatan angin yang ada. Tabel 1.2 berikut adalah tabel klasifikasi udara yang menggunakan metode Pasquill Stability Categories (Boubel, 1994) yang berdasarkan kombinasi kecepatan angin dan kondisi atmosfir :

Tabel 1.2 Klasifikasi Stabilitas Udara Pasquil

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

Sumber : Khaled et al, 2006 Keterangan : A : sangat tidak stabil B : tidak stabil C : agak tidak stabil D : netral E : agak stabil F : stabil Intensitas Kuat : setara dengan siang hari yang cerah sekali/panas Intensitas Sedang : setara dengan siang hari menjelang sore hari dengan catatan cerah Intensitas Lemah : setara mendung pekat dan hujan Untuk mengetahui kecepatan angin dan intensitas matahari di lapangan, penelitian ini menggunakan data dari Badan Lingkungan Hidup yang bisa mengukur kecepatan angin serta intensitas matahari yang alatnya berada di Stasiun Pemantau Udara. Sehingga dari data sekunder tersebut dapat dikategorikan kecepatan angin dan intensitas matahri pada yang diinginkan. Berdasarkan kondisi kestabilan atmosfer didapat pada tabel 2.6 maka kemudian perlu pendekatan dengan menggunakan bilangan Richardson. Pendekatan nilai Pasquil dan Richardson dapat dilihat pada tabel 1.3. Setelah diketahui kecepatan angin dan huruf intensitas matahari, maka dapat dilanjutkan dengan mengaplikasikan parameter dalam tabel 2.7 berikut :

Tabel 1.3 Nilai Parameter Untuk Model DFLS

Parameter Stabil (Ri>0.07)

Pasquil (E-F)

Neutral (0.07 >Ri>-0.1)

Pasquil (C-D)

Tidak Stabil (Ri <-0.1)

Pasquil (A-B) 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 β 5.82 3.46 3.46 3.57 3.50 3.5 U 0.18 1 0.27 0.27 U 0.23 0 0.38 0.63

Sumber : Chock,1978 Dengan mengaplikasikan tiap parameter untuk setiap kondisi atmosfernya maka dapat langsung dihitung dengan model DFLS. Dalam model DFLS ini terdapat beberapa input data yang mempengaruhi DFLS tersebut, beberapa input tersebut antara lain adalah :

1. Beban emisi (QL) Beban emisi tergantung pada volume lalu lintas pada suatu jalan raya. Faktor emisi dapat digunakan untuk menentukan dan mengetahui beban emisi S02

dari berbagai tipe kendaraan.

2. Kecepatan angin Pada persamaan GAUSS, konsentrasi polutan berbanding terbalik dengan kecepatan angin. Kecepatan angin efektif (ūe). Untuk mengetahui kecepatan angin efektif, perlu mengaplikasikan persamaan berikut :

Ūe = (ū sin θ + Uo)......................(4)

Keterangan : Ūe = kecepatan angin efektif ū = kecepatan angin di lokasi sampling (data BLH) θ = sudut angin relatif terhadap jalan (untuk arah angin θ > 180 = arah angin -180-10) (untuk arah angin θ < 180 = arah angin -10) Uo = nilai parameter dalam stabilisasi

3. Vertical Dispersion Coefficient (σz) Vertical dispersion coefficient (σz) tergantung pada jarak dari sumber (x) dan stabilitas atmosfer. Persamaan yang digunakan untuk menentukan nilai (σz) adalah

σz = ( a+b )

c

Dimana a, b, dan c ditentukan oleh kondisi kestabilan atmosfer.

4. Tinggi sumber Tinggi efektif sumber (ho) adalah penjumlahan dari tinggi line source (H) dan kenaikan emisi (Hp). Untuk mendapatkan ho dapat menggunakan persamaan berikut:

ho = tinggi sumber zo +[(((F1)/α(U’)3)0,5

)x].........(5)

Keterangan : Tinggi sumber zo = tinggi knalpot F1 = 1,5 g/To (To = temperatur °Kelvin) α = parameter dalam stabilisasi U’ = Usin ϴ+u1 x = jarak sumber dengan stasiun pemantau udara.

HASIL DAN PEMBAHASAN Beberapa hal yang perlu diperhitungkan adalah beban emisi dari kendaraan, konsentrasi SO2 dan proyeksi konsentrasi SO2

10 tahun mendatang.

Hasil Survey Kendaraan Penelitian dilakukan pada tanggal 30 April 2011-3 Mei 2011 pada jam-jam yang telah ditentukan sebelumnya. Kendaraan yang dihitung juga sudah diklasifikasikan, yaitu sepeda motor, mobil bensin, mobil solar, truk, bus, dan angkot. Adapun hasil traffic counting ada dalam gambar 2-5 berikut ini :

Gambar 2 Trafffic Counting Hari Sabtu

Gambar 3 Traffic Counting Hari Minggu

Gambar 4 Traffic Counting Hari Senin

Gambar 5 Traffic Counting Hari Selasa

Perhitungan Beban Emisi Contoh perhitungan beban emisi dari kendaraan sepeda motor untuk hari senin, pukul 07.00-07.30, adalah :

• Jumlah kendaraan (n) = 713 kendaraan/jam • Faktor emisi (FE) untuk sepeda motor = 0,008 (g/km/kendaraan) • Panjang jalan (titik terjauh sampling sampai ke stasiun pemantau udara Gayungan )

(p) = 0,6 km • Jumlah beban emisi rata-rata

Ql = n x FE x p = 713 kendaraan/jam x 0,008 (g/km/kendaraan) x 0,6 km = 3,4424 g/jam

Contoh perhitungan perjam dan per jenis kendaraan pada hari Senin dapat dilihat pada Tabel 1.4-16. :

Tabel 1.4 Perhitungan Beban Emisi Pukul 07.00-09.00

Pukul

Sepeda Motor

Beban Emisi

(g/jam)

Mobil Bensin

Beban Emisi

(g/jam)

Mobil Solar

Beban Emisi

(g/jam) Bus

Beban Emisi

(g/jam) Truk

Beban Emisi

(g/jam) Angkot

beban emisi

(g/jam)

07.00-07.30 713 3,422 433 6,755 133 35,11 0 0 10 4,92 5 0,087 07.30-08.00 680 3,264 386 6,022 132 34,85 0 0 10 4,92 2 0,035 08.00-08.30 681 3,269 473 7,379 133 35,11 1 0,558 3 1,476 8 0,139 08.30-09.00 733 3,518 437 6,817 162 42,77 0 0 13 6,396 2 0,035

Tabel 1.5 Perhitungan Beban Emisi pukul 12.00-14.00

Pukul

Sepeda Motor

Beban Emisi

(g/jam)

Mobil Bensin

Beban Emisi

(g/jam)

Mobil Solar

Beban Emisi

(g/jam) Bus Beban

Emisi Truk Beban Emisi

(g/jam) Angkot

Beban Emisi

(g/jam) 12.00-12.30 726 3,485 376 5,866 199 52,54 0 0 24 11,81 6 0,104 12.30-13.00 664 3,187 418 6,521 177 46,73 1 0,558 20 9,84 3 0,052 13.00-13.30 683 3,278 361 5,632 210 55,44 0 0 12 5,904 3 0,052 13.30-14.00 682 3,274 365 5,694 210 55,44 0 0 1 0,492 7 0,122

Tabel 1.6 Perhitungan Beban Emisi pukul 16.00-18.00

Pukul Sepeda Motor

Beban Emisi

(g/jam)

Mobil Bensin

Beban Emisi

(g/jam)

Mobil Solar

Beban Emisi

(g/jam) Bus

Beban Emisi

(g/jam) Truk

Beban Emisi

(g/jam) Angkot

Beban Emisi

(g/jam)

16.00-16.30 780 3,744 447 6,973 188 49,63 2 1,116 8 3,936 6 0,104

16.30-17.00 830 3,984 528 8,237 150 39,6 0 0 3 1,476 4 0,07

17.00-17.30 825 3,96 524 8,174 149 39,34 1 0,558 3 1,476 4 0,07

17.30-18.00 843 4,046 519 8,096 204 53,86 0 0 3 1,476 9 0,157

Sumber : Hasil Perhitungan

Setelah diketahui semua jumlah kendaraan dan beban emisinya, maka beban emisi yang ada dijumlahkan sesuai dengan pukul yang diambil. Untuk total beban emisinya dapat dilihat pada tabel 1.7-1.10 berikut ini :

Tabel 1.7 Total Beban Emisi Hari Senin Hari/Jam Total beban Emisi

Senin (g/jam) 07.00-07.30 0,027 07.30-08.00 0,027 08.00-08.30 0,026 08.30-09.00 0,033 12.00-12.30 0,040 12.30-13.00 0,037 13.00-13.30 0,039 13.30-14.00 0,036 16.00-16.30 0,036 16.30-17.00 0,029 17.00-17.30 0,029 17.30-18.00 0,037

Sumber : Hasil Perhitungan

Tabel 1.8 Total Beban Emisi Hari Selasa

Hari/Jam Total Beban Emisi

Selasa (g/jam) 07.00-07.30 0,031 07.30-08.00 0,033 08.00-08.30 0,031 08.30-09.00 0,030 12.00-12.30 0,036 12.30-13.00 0,033 13.00-13.30 0,036 13.30-14.00 0,033 16.00-16.30 0,028 16.30-17.00 0,028 17.00-17.30 0,030 17.30-18.00 0,027

Sumber : Hasil Perhitungan

Tabel 1.9 Total Beban Emisi Hari Sabtu Hari/Jam Total Beban Emisi

Sabtu (g/jam) 07.00-07.30 0,018 07.30-08.00 0,017 08.00-08.30 0,017 08.30-09.00 0,016 12.00-12.30 0,021

+⋅−+

−⋅−×

⋅⋅⋅=

20

20

21exp

21exp

22 zhz

zhz

uQC

ez

L

σσπσ

12.30-13.00 0,023 13.00-13.30 0,015 13.30-14.00 0,017 16.00-16.30 0,018 16.30-17.00 0,018 17.00-17.30 0,019 17.30-18.00 0,017

Sumber : Hasil Perhitungan

Tabel 1.10 Total Beban Emisi Hari Minggu Hari/Jam Total Beban Emisi Minggu (g/jam)

07.00-07.30 0,013 07.30-08.00 0,016 08.00-08.30 0,014 08.30-09.00 0,016 12.00-12.30 0,016 12.30-13.00 0,017 13.00-13.30 0,014 13.30-14.00 0,014 16.00-16.30 0,027 16.30-17.00 0,026 17.00-17.30 0,025 17.30-18.00 0,025

Sumber : Hasil Perhitungan Perhitungan DFLS Setelah diketahui jumlah beban emisi dari masing-masing jenis kendaraan, maka dari data perhitungan tersebut akan diinput ke dalam permodelan DFLS (Delhi Finite Line Source). Seperti pembahasan DFLS di bab 2, permodelan yang digunakan adalah :

Keterangan : C = konsentrasi pencemar di udara ambient (di stasiun pemantau) (g/m3) konversi ke SO2

(μg/m3

Q)

LŪe = kecepatan angin efektif (m/detik)

= beban alir emisi dari sumber (gr/detik)

σz = koefisien dispersi arah vertical (m) z = tinggi stasiun pemantau udara (m) = 5m ho = tinggi plum rise (m) x = jarak sumber dengan stasiun pemantau (m/s) a, b, dan c = adalah parameter yang ditentukan oleh stabilisasi kondisi atmosfer (Pasquil) (Data yang perlu dihitung adalah σz, Ue, ho, dan z)

Pada proses perhitungan, faktor yang diperhatikan adalah faktor berupa arah angin, kecepatan angin, dan stabilitas atmosfer. Diperhitungan kali ini, faktor-faktor seperti arah angin, kecepatan angin, dan stabilitas atmosfer didapat dari data sekunder yang berasal dari Badan Lingkungan Hidup (BLH) Kota Surabaya, karena penelitian ini berkaitan dengan stasiun pemantau udara yang juga merupakan bagian dari Badan Lingkungan Hidup itu sendiri. Dengan adanya data sekunder tersebut, arah angin yang bertiup di sekitar stasiun pemantau diketahui kebanyakan ke dari arah timur ke selatan. Maka data yang digunakan harus sesuai juga dengan arah angin tersebut. Dari data Badan Lingkungan Hidup tersebut dapat diketahui kecepatan angin dan arah angin yang disekitar lokasi sampling. Tabel 1.11 dibawah adalah contoh data kecepatan angin dan juga arah angin dari Badan Lingkungan Hidup pada hari Minggu 1 Mei 2011 :

Tabel 1.11 Arah Angin dan Kecepatan Angin

Hari Minggu (1 Mei 2011)

Waktu Arah angin

Kecepatan angin

Intensitas matahari (W/m2

Temperatur Udara (°C) )

07.00-07.30 286.87 1.16 26,52 25,15

07.30-08.00 275.69 1.41 49,79 26,16

08.00.08.30 244.42 1.47 62,53 27,7

08.30-09.00 282.29 1.38 62,79 28,55

12.00-12.30 312.96 1.06 81,01 31,76

12.30-13.00 324.73 1.28 36,86 30,97

13.00-13.30 181.63 0.27 22,12 28,44

13.30-14.00 154.00 1.28 22,18 25,61

16.00-16.30 246.91 0.01 9,09 26,69

16.30-17.00 256.92 0.18 1,55 26,88

17.00-17.30 278.12 0.81 0 26,59

17.30-18.00 246.38 0.79 0 24,72 Sumber : BLH Surabaya Untuk perhitungan ini, diambil hari Minggu tanggal 1 Mei 2011 sebagai contoh perhitungan. Hal pertama dalam melakukan perhitungan adalah mengetahui terlebih dahulu kondisi atmosfer dan kecepatan angin pada lokasi sampling. Berikut adalah contoh perhitungan pada hari minggu pukul 07.00-07.30 diketahui : Kecepatan angin = 1,16 m/s Intensitas matahari = 26,52 W/m2

Dikarenakan pada waktu tersebut cuaca hujan maka stabilitas atmosfer dianggap = A (tidak stabil). Selanjutnya dapat diketahui nilai parameternya melalui tabel 1.12 berikut :

Tabel 1.12 Nilai Parameter

Parameter

Stabil (Ri>0.07)

Pasquil (E-F)

Neutral (0.07 >Ri>-0.1)

Pasquil (C-D)

Tidak Stabil (Ri <-0.1)

Pasquil (A-B)

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

β 5.82 3.46 3.46

γ 3.57 3.50 3.5

U 0.18 1 0.27 0.27

U 0.23 0 0.38 0.63 Didapatkan masing-masing nilai parameternya yaitu : a = 1,14, b = 0.05, c = 1,33, α = 11.1, β = 3.46, γ = 3.50, U1 = 0,27, dan U0

= 0,63

Selanjutnya, dihitung kecepatan angin efektif (Ue) dengan menggunakan persamaan berikut :

Ūe = (ū sin θ + Uo) Keterangan : Ūe = kecepatan angin efektif ū = kecepatan angin di lokasi sampling (data BLH) θ = sudut arah angin relatif terhadap jalan (untuk arah angin θ > 180 = arah angin -180-10)

(untuk arah angin θ < 180 = arah angin -10) Uo = nilai parameter dalam stabilisasi

(Untuk arah angin θ > 180 = arah angin -180-10, dikarenakan jalan miring sebesar 10°, sehingga perlu dikurangi 10 untuk memosisikan tepat pada arah mata angin)

0° U

T (90°)

S (180°)

B (270°)

10°

Jalan lokasi sampling

Stasiun pemantau udara

Lokasi sampling

Arah angin

Gambar 6 Sket Arah Angin

Dari data sekunder didapat : Ū = 1,16 (m/detik) θ = 286,87-180-10 = 96,87 Sin θ (tidak stabil) = 0,2242 + 0,7758 sin (96,87) = 0,994 Uo = 0,63 Maka dapat dihitung : Ue = ( 1,16(0,994))+ 0,63) = 1,782 Sehingga didapat kecepatan angin efektif (Ue) sebesar = 1,782 m/s. Langkah berikut adalah menghitung σz. Perhitungan σz ini menggunakan persamaan sebagai berikut :

σz = ( a+b )c

.

Dari nilai tabel parameter didapat : a = 1,14; b = 0,05; c = 1,33; β = 3.46; γ = 3.50; sedangan x adalah jarak sumber dan stasiun pemantau = 0,24 km (mengikuti arah angin dan diukur dari stasiun pemantau) Maka dapat dihitung sebagai berikut : σz = ( a+b ) = (1,14 + 0,05[0,6])

c

= 1,15 1,33

Dari perhitungan diatas didapat hasil σz ini sebesar 1,275. Dari hasil perhitungan tersebut, akan dimasukkan ke dalam rumus DFLS untuk mendapatkan konsentrasi SO2. Sebelumnya

dihitung terlebih dahulu plum rise (ho). Plum rise yang dimaksud adalah tinggi sebaran knalpot kendaraan bermotor hingga asap kendaraan tersebut melebar ke dalam udara ambient. Untuk menghitung plum rise(ho) ini dapat menggunakan rumus sebagai berikut :

ho = tinggi sumber zo +[(((F1)/α(U’)3)0,5

)x]

Keterangan : Tinggi sumber zo = tinggi knalpot F1 = 1,5 g/To (To = temperatur °Kelvin) α = parameter dalam stabilisasi U’ = Usin ϴ+u X = jarak sumber dan stasiun pemantau mengikuti arah angin (0,24 km)

1

Diketahui : Tinggi knalpot (Zo) = 0,3 m Temperatur udara di lokasi sampling = 25,15°C = 25,15 +273 = 298,15 °K F1 = 1,5. 9,8/298,15

= 1,5 g/To

= 0,049304 α = 11,1 U’ = Usin ϴ+u = 1,16 . 0,994 + 0,27 (dari tabel 4.11)

1

= 1,422 X = 240 m = 0,24 km Maka dengan data diatas dapat dihitung sebgai berikut : ho = [0,3 + (0,049304/11,1. 1,421)3)0,5

= 0,3094 ]0,24

Dengan sudah diketahui semua input perhitungan dalam DFLS, maka data input tersebut dimasukkan ke dalam rumus DFLS yang kemudian akan diketahui konsentrasi SO2

di lokasi sampling tersebut. Hasil konsentrasi perhitungan DFLS ini adalah g/m3. Untuk menyamakan dengan hasil BLH, maka dikonversi ke dalam μg/m3.

Berikut adalah contoh perhitungan DFLS untuk hari Minggu : Diketahui :

• didapat Konsentrasi total emisi (Ql) = 0,013 g/detik

C = 0,000000190 gram/m

3

C = 0,190 μg/m

3

Untuk lengkapnya dapat dilihat pada tabel 1.13-1.16 dibawah ini :

67

Tabel 1.13 Perhitungan DFLS (Tabel 1) Hari/jam Waktu Suhu

udara Suhu udara

Arah angin

Kecepatan Angin

Intensitas matahari

pasquill Ri a b c β ϒ α U1 U0 ϴ

sin ϴ

Minggu

Minggu, 1 Mei

oC K o m/s W/m2 m1/c m-

1+1/1 ms-1 ms-1 07.00-07.30 07.30 25,2 298,2 286,9 1,16 26,52 A

tidak stabil 1,14 0,05 1,33 3,46 3,5 11,1 0,27 0,63 96,87 0,994

07.30-08.00 08.00 26,2 299,2 275,7 1,41 49,79 A

tidak stabil 1,14 0,05 1,33 3,46 3,5 11,1 0,27 0,63 85,69 0,998

08.00-08.30 08.30 27,7 300,7 244,4 1,47 62,53 B

tidak stabil 1,14 0,05 1,33 3,46 3,5 11,1 0,27 0,63 54,42 0,855

08.30-09.00 09.00 28,6 301,6 282,3 1,38 62,79 B

tidak stabil 1,14 0,05 1,33 3,46 3,5 11,1 0,27 0,63 92,29 0,999

12.00-12.30 12.30 31,8 304,8 313 1,06 81,01 B

tidak stabil 1,14 0,05 1,33 3,46 3,5 11,1 0,27 0,63 123 0,875

12.30-13.00 13.00 31 304 324,7 1,28 36,86 C netral 1,14 0,1 0,97 3,46 3,5 11,1 0,27 0,38 134,7 0,775 13.00-13.30 13.30 28,4 301,4 181,6 0,27 22,12 C netral 1,14 0,1 0,97 3,46 3,5 11,1 0,27 0,38 171,6 0,337 13.30-14.00 14.00 25,6 298,6 154 1,28 22,18 C netral 1,14 0,1 0,97 3,46 3,5 11,1 0,27 0,38 144 0,68 16.00-16.30 16.30 26,7 299,7 246,9 0,01 9,09 A

tidak stabil 1,14 0,05 1,33 3,46 3,5 11,1 0,27 0,63 56,91 0,874

Tabel 1.14 Perhitungan DFLS (Tabel 1) Lanjutan

16.30-17.00 17.00 26,9 299,9 256,9 0,18 1,55 A

tidak stabil 1,14 0,05 1,33 3,46 3,5 11,1 0,27 0,63 66,92 0,938

17.00-17.30 17.30 26,6 299,6 278,1 0,81 0 D netral 1,14 0,1 0,97 3,46 3,5 11,1 0,27 0,38 88,12 1 17.30-18.00 18.00 24,7 297,7 264,4 0,79 0 D netral 1,14 0,1 0,97 3,46 3,5 11,1 0,27 0,38 74,38 0,971

Sumber : Hasil Perhitungan

Tabel 1.15 Perhitungan DFLS (Tabel 2)

σz F1 Ue U ho Ql C C

Usin ϴ+u1 g/detik g/m3 μg/m3

1,15 0,049 1,78 1,422 0,3094 0,01337 0,013 0,0000001902 0,190

1,15 0,049 2,04 1,676 0,3074 0,01625 0,016 0,0000002010 0,201

1,16 0,049 1,83 1,466 0,3135 0,01495 0,015 0,0000002357 0,236

Tabel 1.16 Perhitungan DFLS (Tabel 2) Lanjutan

1,15 0,049 2,01 1,649 0,3075 0,01620 0,016 0,0000002032 0,203

1,28 0,048 1,52 1,159 0,3317 0,01616 0,016 0,0000014206 1,421

1,28 0,048 1,29 1,179 0,3309 0,01713 0,017 0,0000016382 1,638

1,37 0,049 0,42 0,309 0,5312 0,01469 0,015 0,0000153290 15,329

1,29 0,049 1,13 1,022 0,3387 0,01477 0,015 0,0000018737 1,874

1,15 0,049 0,64 0,278 0,4539 0,02762 0,028 0,0000018693 1,869

1,15 0,049 0,8 0,436 0,3717 0,02691 0,027 0,0000010898 1,090

1,17 0,049 1,19 1,08 0,3148 0,02502 0,025 0,0000006977 0,698

1,17 0,049 1,14 1,031 0,3172 0,02560 0,026 0,0000007779 0,778

Sumber: Hasil Perhitungan Untuk lebih lengkapnya hasil total dapat dilihat pada tabel 1.17 dibawah ini :

Tabel 1.17 Total Konsentrasi SO2Hari/jam Waktu Hari/jam Waktu Hari/jam Waktu Hari/jam Waktu

Sabtu

Sabtu, 30 April Minggu

Minggu, 1 Mei Jam

Senin, 2 Mei Selasa

Selasa, 3 Mei

07.00-07.30 07.30 2,463

07.00-07.30 07.30 0,190

07.00-07.30 07.30 6,831

07.00-07.30 07.30 0,448

07.30-08.00 08.00 23,399

07.30-08.00 08.00 0,201

07.30-08.00 08.00 1,349

07.30-08.00 08.00 0,517

08.00-08.30 08.30 1,429

08.00-08.30 08.30 0,236

08.00-08.30 08.30 2,240

08.00-08.30 08.30 8,184

08.30-09.00 09.00 1,111

08.30-09.00 09.00 0,203

08.30-09.00 09.00 0,842

08.30-09.00 09.00 0,794

12.00-12.30 12.30 1,309

12.00-12.30 12.30 1,421

12.00-12.30 12.30 2,904

12.00-12.30 12.30 3,043

12.30-13.00 13.00 1,889

12.30-13.00 13.00 1,638

12.30-13.00 13.00 1,214

12.30-13.00 13.00 4,601

13.00-13.30 13.30 1,082

13.00-13.30 13.30 15,329

13.00-13.30 13.30 3,046

13.00-13.30 13.30 4,210

13.30-14.00 14.00 1,044

13.30-14.00 14.00 1,874

13.30-14.00 14.00 0,802

13.30-14.00 14.00 3,453

16.00-16.30 16.30 2,147

16.00-16.30 16.30 1,869

16.00-16.30 16.30 1,200

16.00-16.30 16.30 2,253

16.30-17.00 17.00 2,434

16.30-17.00 17.00 1,090

16.30-17.00 17.00 0,956

16.30-17.00 17.00 2,500

17.00-17.30 17.30 3,786

17.00-17.30 17.30 0,698

17.00-17.30 17.30 2,090

17.00-17.30 17.30 3,567

17.30-18.00 18.00 8,634

17.30-18.00 18.00 0,778

17.30-18.00 18.00 2,638

17.30-18.00 18.00 3,295

Konsentrasi SO2 (μg/m3)

Konsentrasi SO2 (μg/m3)

Konsentrasi SO2 (μg/m3)

Konsentrasi SO2 (μg/m3)

Hari Sabtu-Selasa

Sumber : Hasil Perhitungan

Validasi Data Setelah menghitung konsentrasi dan proyeksi, langkah selanjutnya yaitu validasi data. Validasi data yang digunakan adalah data sekunder dari BLH Kota Surabaya. Hal ini bertujuan untuk mengetahui hasil dari DFLS ini bisa diaplikasikan untuk menghitung konsentrasi pencemar yang dikeluarkan dari aspek transportasi. Validasi data ini menggunakan dua persamaan, yaitu IOA (Index of Agreement) dan RMSE (Root Mean Square Error). Validasi Data IOA Untuk menghitung validasi data menggunakan IOA, perlu adanya rumus sebagai berikut :

Keterangan: P = Konsentrasi SO2O = Konsentrasi SO

dari DFLS 2

dari BLH

Untuk data perhitungan validasi ini, data yang diambil adalah data-data yang arah anginnya searah ke stasiun pemantau udara. Adapun arah anginnya bergerak ke arah 200-290°. Contoh perhitungan untuk menghitung valdiasi data IOA untuk hari minggu pukul 07.00-07.30:

• Data BLH/ISPU (O) = 242,07 μg/m• Data DFLS (P) = 0,190 μg/m

3

Hasil perhitungan validasi untuk hari Minggu pukul 07.00-07.30 dapat dilihat pada tabel 1.18 berikut :

3

Tabel 1.18 Perhitungan Validasi Index Of Agreement

Hari/jam O P atas P-

Omean O-

Omean bawah Senin 07.00-07.30 238,790 6,831 1,931 246,152 14,193 67779,179 07.30-08.00 237,940 1,349 0,026 251,633 15,043 71115,852 Selasa 07.00-07.30 302,700 0,448 91356,406 252,535 0,448 64000,145 07.30-08.00 303,850 0,517 92010,653 252,465 0,517 64000,145 08.30-09.00 306,300 0,794 93333,962 252,189 53,318 93333,962 Sabtu 07.00-07.30 253,350 2,463 62944,182 250,519 0,367 62944,182

08.00-08.30 233,830 1,429 54010,055 251,553 19,153 73281,541 08.30-09.00 227,420 1,111 51215,565 251,871 25,563 76969,381

Minggu 07.00-07.30 242,070 0,190 58505,833 252,792 10,913 69540,217 07.30-08.00 253,290 0,201 64054,026 252,781 0,307 64054,026 08.00-08.30 294,710 0,236 86715,132 252,747 41,728 86715,132 08.30-09.00 290,100 0,203 84040,177 252,779 37,118 84040,177 17.00-17.30 217,960 1,869 46695,201 251,113 35,023 81873,653 17.30-18.00 219,640 1,090 47764,206 251,893 33,343 81359,140 17.00-17.31 214,010 0,698 45502,156 252,285 38,973 84830,841 17.30-18.01 211,760 0,778 44513,453 252,205 41,223 86099,472 total 922662,964 1211937,044

rata-rata 252,983

d 0,24

Sumber : Hasil Perhitungan Dari hasil diatas didapat d=0,24 maka artinya hanya 24% data bebas error. Validasi Data RMSE Untuk menghitung validasi data dengan menggunakan data RMSE ini perlu adanya rumus sebagai berikut :

Keterangan: P = Konsentrasi SO2O = Konsentrasi SO

dari DFLS 2

dari BLH

Untuk data perhitungan validasi ini, data yang diambil adalah data-data yang arah anginnya searah ke stasiun pemantau udara. Adapun arah anginnya bergerak ke arah 200-290°. Contoh perhitungan untuk menghitung valdiasi data IOA untuk hari minggu pukul 07.00-07.30:

• Data BLH/ISPU (O) = 242,07 μg/m• Data DFLS (P) = 0,190 μg/m

3 3

Hasil perhitungan validasi untuk hari Minggu pukul 07.00-07.30 dapat dilihat pada tabel 1.19 berikut :

Tabel 1.19 Perhitungan Validasi Root Mean Square Error

Hari/jam O P (P1-O1)2

Senin

07.00-07.30 238,790 6,831 53805,138

07.30-08.00 237,940 1,349 55975,091

Tabel 1.20 Perhitungan Validasi Root Mean Square Error Lanjutan

Selasa 07.00-07.30 302,700 0,448 91356,406 07.30-08.00 303,850 0,517 92010,653 08.30-09.00 306,300 0,794 93333,962

Sabtu 07.00-07.30 253,350 2,463 62944,182 08.00-08.30 233,830 1,429 54010,055 08.30-09.00 227,420 1,111 51215,565

Minggu 07.00-07.30 242,070 0,190 58505,833 07.30-08.00 253,290 0,201 64054,026 08.00-08.30 294,710 0,236 86715,132 08.30-09.00 290,100 0,203 84040,177 17.00-17.30 217,960 1,869 46695,201 17.30-18.00 219,640 1,090 47764,206 17.00-17.31 214,010 0,698 45502,156 17.30-18.01 211,760 0,778 44513,453

Total 1032441,237

Rata-rata 64527,577

RMSE 254,023

Sumber : Hasil Perhitungan Dari perhitungan diatas didapat hasil RMSE sebesar 251,93. Hal tersebut menandakan variasi nilai dari perhitungan tersebut tidak mendekati dengan variasi nilai observasinya. Tabel 1.21 berikut adalah hasil keseluruhan dari hasil perhitungan dan grafik antara validasi data BLH dan juga dari DFLS :

Tabel 1.21 Hasil keseluruhan BLH dan DFLS

Hari/jam O (ug/m3) P (ug/m3) Senin 07.00-07.30 238,790 6,831 Senin07.30-08.00 237,940 1,349

Selasa 07.00-07.30 302,700 0,448 Selasa 07.30-08.00 303,850 0,517 Selasa 08.30-09.00 306,300 0,794 Sabtu 07.00-07.30 253,350 2,463 Sabtu 08.00-08.30 233,830 1,429 Sabtu 08.30-09.00 227,420 1,111

Minggu 07.00-07.30 242,070 0,190 Minggu 07.30-08.00 253,290 0,201 Minggu 08.00-08.30 294,710 0,236 Minggu 08.30-09.00 290,100 0,203 Minggu 17.00-17.30 217,960 1,869 Minggu 17.30-18.00 219,640 1,090 Minggu 17.00-17.31 214,010 0,698 Minggu 17.30-18.01 211,760 0,778

Sumber : Hasil Perhitungan Dari tabel 1.21 didapat hasil validasi data BLH dengan DFLS. Adapun gambar 4.9 merupakan gambar grafik perbandingan antara data BLH dengan DFLS :

Gambar 6 Hasil Perbandingan DFLS dengan BLH (SUF4)

Dari grafik 6 dapat dilihat bahwa konsentrasi SO2

1. Stasiun Pemantau Udara tersebut menangkap emisi dari beberapa sumber dan dari berbagai arah.

di stasiun pemantau udara cenderung memiliki nilai yang besar dibandingkan dengan nilai DFLS. Hal ini dapat kemungkinan disebabkan oleh beberapa faktor. Faktor pertama yaitu

2. Dalam lokasi tersebut terdapat jalan tol yang tiap jamnya dilalui oleh ratusan kendaraan, maka dari itu emisi terbesar kemungkinan berasal dari jaln tol tersebut.

3. Nilai faktor emisi yang digunakan untuk SO2

Dari beberapa kemungkinan tersebut, maka didapat hasil yang tertera pada gambar 4.9. Maka dari itu perlu adanya penelitian lebih lanjut selama 24 jam yang akan mempengaruhi konsentrasi dari perhitungan DFLS tersebut.

pada perhitungan ini sangat kecil sehingga didapat hasil dari DFLS ini juga kecil.

Proyeksi Kendaraan dan Konsentrasi SO2

Pada penelitian ini, setelah melakukan perhitungan konsentrasi SO pada Tahun 2011 2020

2 dengan menggunakan model DFLS, maka dilakukan perhitungan lanjutan yaitu proyeksi kendaraan yang kemudian akan diketahui konsentrasi SO2

pada tahun 2011-2011. Hal ini dilakukan untuk mengetahui seberapa besar tingkat emisi pada tahun mendatang. Untuk mencari proyeksi di 10 tahun mendatang perlu adanya data mundur atau data 10 tahun kebelakang. Untuk data kendaraan 10 tahun lalu, data yang dipakai adalah data sekunder yang didapat dari Dinas Pendapatan Kota Surabaya. Berikut adalah tabel 1.22 mengenai jumlah kendaran pada tahun 2000-2010 untuk kawasan Surabaya Selatan.

Tabel 1.22 Jumlah Kendaraan Dipenda Kawasan Surabaya Selatan

No Tahun

Jenis Kendaraan

Sepeda Motor

Mobil Penumpang (Bensin)

Mobil Penumpang

(solar) Bus Truk

1 2000 132.631 8.071 3.241 173 8.092 2 2001 147.829 9.111 3.729 182 8.273 3 2002 149.219 10.031 4.631 193 9.119 4 2003 152.071 10.532 4.831 209 9.472 5 2004 153.781 10.683 4.973 217 10.214 6 2005 159.819 10.989 5.230 231 11.173 7 2006 163.031 11.371 5.314 271 11.542 8 2007 178.035 12.050 5.536 451 12.860 9 2008 186.210 11.230 5.609 464 12.988 10 2009 203.105 11.519 5.831 495 13.691 11 2010 214.065 11.060 5.838 538 14.079

Sumber : Dipenda Surabaya Proyeksi dengan Metode Aritmatik,Geometrik, dan Least Square Pada proyeksi ini, digunakan metode aritmatik, geometrik, dan least square sebagai rumus proyeksi kendaraan pada tahun 2010-2021. Sebelum perhitungan tersebut, dilakukan terlebih

dahulu perhitungan dengan koefisien korelasi(r). Sehingga metode yang terpilih nantinya adalah jika r = 1 atau mendekati 1. Rumus koefisien korelasi dapat dilihat di bawah ini :

2222 )()(}{)()({))(()(

XXnYYnXYXYnr

∑−∑∑−∑

∑∑−∑=

Tabel 1.23-1.25 adalah contoh perhitungan menggunakan koefisien korelasi dengan kendaran sepeda motor.

Tabel 1.23 Perhitungan Kendaraan Metode Aritmatik

No Tahun Jumlah Kendaraan

Pertambahan Kendaraan X Y XY X2 Y2

1 2000 132.631 0 - - - - - 2 2001 147.829 15198 1 15198 15198 1 230979204 3 2002 149.219 1390 2 1390 2780 4 1932100 4 2003 152.071 2852 3 2852 8556 9 8133904 5 2004 153.781 1710 4 1710 6840 16 2924100 6 2005 159.819 6038 5 6038 30190 25 36457444 7 2006 163.031 3212 6 3212 19272 36 10316944 8 2007 178.035 15004 7 15004 105028 49 225120016 9 2008 186.210 8175 8 8175 65400 64 66830625 10 2009 203.105 16895 9 16895 152055 81 285441025 11 2010 214.065 10960 10 10960 109600 100 120121600

Jumlah 1839796 81434 55 81434 514919 385 988256962 rata-rata 167254 8143 R 0,409300076

Sumber : Hasil Perhitunga Tabel 1.24 Perhitungan Kendaraan Metode Geometrik

No Tahun Jumlah Kendaraan

Pertambahan Kendaraan X Y XY X2 Y2

1 2000 132.631 0 - - - - -

2 2001 147.829 15198 1 9,63 9,63 1 92,716

3 2002 149.219 1390 2 7,24 14,47 4 52,375

4 2003 152.071 2852 3 7,96 23,87 9 63,294

5 2004 153.781 1710 4 7,44 29,78 16 55,417

6 2005 159.819 6038 5 8,71 43,53 25 75,791

7 2006 163.031 3212 6 8,07 48,45 36 65,200

8 2007 178.035 15004 7 9,62 67,31 49 92,469

9 2008 186.210 8175 8 9,01 72,07 64 81,159

10 2009 203.105 16895 9 9,73 87,61 81 94,766

11 2010 214.065 10960 10 9,30 93,02 100 86,527

Jumlah 1839796 81434 55 86,71 489,74 385 759,715

rata-rata 167254 8143 R 0,50367704

Sumber : Hasil Perhitungan

Tabel 1.25 Perhitungan Kendaraan Metode Least Square

No Tahun Jumlah Kendaraan

Pertambahan Kendaraan X Y XY X2 Y2

1 2000 132.631 0 - - - - - 2 2001 147.829 15198 1 147829 147829 1 21853413241 3 2002 149.219 1390 2 149219 298438 4 22266309961 4 2003 152.071 2852 3 152071 456213 9 23125589041 5 2004 153.781 1710 4 153781 615124 16 23648595961 6 2005 159.819 6038 5 159819 799095 25 25542112761 7 2006 163.031 3212 6 163031 978186 36 26579106961 8 2007 178.035 15004 7 178035 1246245 49 31696461225 9 2008 186.210 8175 8 186210 1489680 64 34674164100 10 2009 203.105 16895 9 203105 1827945 81 41251641025 11 2010 214.065 10960 10 214065 2140650 100 45823824225

Jumlah 1839796 81434 55 1707165 9999405 385 296461218501 rata-rata 167254 8143 0,947872406

Sumber : Hasil Perhitungan Dalam perhitungan diatas metode yang digunakan adalah metode least square. Dikarenakan hanya metode least square yang mendekati 1. Sehingga untuk perhitungan proyeksi kendaraan pada tahun 2011-2021 dapat dihitung dengan rumus sebagai berikut:

Pn = a + b (t) dimana : t = tambahan tahun terhitung dari tahun dasar a = {(Σy)(Σx2)+(Σx)(Σxy)}/{n(Σx2)-(Σx)2

b = {n(Σxy)-(Σx)(Σy)}/{n(Σx}

2)-(Σx)2

Jadi didapat hasil perhitungan dengan menggunakan rumus least square untuk kendaraan sepeda motor pada tabel 1.26-1.27 sebagai berikut :

}]

Tabel 1.26 Perhitungan Kendaraan Sepeda Motor

No Tahun X Jumlah

Kendaraan (Y)

XY X2

1 2000 1 132.631 132631 1

2 2001 2 147.829 295658 4 3 2002 3 149.219 447657 9 4 2003 4 152.071 608284 16 5 2004 5 153.781 768905 25 6 2005 6 159.819 958914 36 7 2006 7 163.031 1141217 49 8 2007 8 178.035 1424280 64 9 2008 9 186.210 1675890 81 10 2009 10 203.105 2031050 100 11 2010 11 214.065 2354715 121

Jumlah 66 1839796 11839201 506

Tabel 1.27 Perhitungan Kendaraan Sepeda Motor (Lanjutan)

Tahun a b t Y Tahun Jumlah Kendaraan

2011 191944 7394 11 273277 2011 273277 2012 191944 7394 12 280672 2012 280672 2013 191944 7394 13 288066 2013 288066 2014 191944 7394 14 295460 2014 295460 2015 191944 7394 15 302854 2015 302854 2016 191944 7394 16 310248 2016 310248 2017 191944 7394 17 317642 2017 317642 2018 191944 7394 18 325036 2018 325036 2019 191944 7394 19 332430 2019 332430 2020 191944 7394 20 339824 2020 339824 2021 191944 7394 21 347218 2021 347218

Sumber : Hasil Perhitungan Sehingga didapat proyeksi jumlah kendaraan sepeda motor pada tahun 2011-2021.Pada tahun-tahun proyeksi didapat kenaikan jumlah sepeda motor yang cukup signifikan. Tabel 1.28 adalah total keseluruhan proyeksi jumlah kendaraan sepeda motor yaitu sepeda motor pada tahun 2011-2021:

Tabel 1.28 Proyeksi Jumlah Sepeda Motor 2011-2021

Tahun Jumlah Kendaraan Tahun Jumlah

Kendaraan 2000 132.631 2011 273277 2001 147.829 2012 280672 2002 149.219 2013 288066 2003 152.071 2014 295460 2004 153.781 2015 302854 2005 159.819 2016 310248 2006 163.031 2017 317642 2007 178.035 2018 325036 2008 186.210 2019 332430

2009 203.105 2020 339824 2010 214.065 2021 347218

Sumber : Hasil Perhitungan Perhitungan Proyeksi Konsentrasi S02

Perhitungan selanjutnya adalah menghitung konsetrasi SO 2011-2021

2di tahun 2011-2021. Perhitungan disini dimaksudkan menghitung konsentrasi SO2

per jam puncak sesuai dengan pelaksanaan penelitian saja. Jadi dalam proyeksi ini tidak dihitung secara kompleks, namun hanya mengacu pada hari dan tanggal sesuai dengan waktu penelitian yang sudah dilakukan. Adapun dalam keterangan pelengkap seperti nilai parameter Pasquilnya juga mengacu pada hari penelitian tersebut. Perhitungan pertama yaitu menghitung proyeksi kendaraan per tahun dengan tiap tahunya menghitung selama 4 hari dan jam puncak saja. Hari-hari tersebut juga meliputi hari-hari penelitian ini yaitu hari Sabtu, Minggu, Senin, dan Selasa. Waktu yang diambil juga menurut waktu puncaknya namun tidak dihitung per 30 menit melainkan dihitung per sesi. Sesi 1 diantara pukul 07.00-09.00, Sesi II diantara pukul 12.00-14.00, dan Sesi III diantara pukul 16.00-18.00. Perhitungan kendaraan tiap sesi mengambil perhitungan perkalian silang dengan rumus sebagai berikut :

Keterangan : a = jumlah kendaraan pada tahun awal b = jumlah kendaraan pada tahun proyeksi c = jumlah kendaraan pada hari dan waktu proyeksi yang sama x = hasil proyeksi Adapun contoh perhitungan memakai contoh proyeksi perhitungan kendaran sepeda motor pada hari Minggu pada tahun 2012, maka diketahui data perhitungan yaitu :

• Jumlah kendaraan pada tahun 2011 (a) = 273277 • Jumlah kendaraan pada tahun 2012 (b) = 280672 • Jumlah kendaraan pada hari dan waktu yang sama (c) = 1414

Maka dengan adanya data tersebut dapat dihitung :

Maka dengan dilakukan perkalian silang didapat :

Sehingga didapat :

Maka didapat nilai x = 1452. Jadi pertambahan jumlah kendaran pada tahun 2012 untuk hari Minggu 1 Mei 2012 untuk jenis kendaraan sepeda motor diprakirakan naik sebanyak 1452. Hasil beban emisi kemudian dibagi 7200 karena dihitung per satuan detik. Untuk perhitungan selengkapnya dapat dilihat pada tabel 1.29-1.30 berikut :

Tabel 1.29 Perhitungan Proyeksi Kendaran pada Hari Minggu 2012

Jam A B C X X1 BEBAN EMISI TOTAL07.00-09.00 273277 280672 1414 396870208 1452 0,00096817412.00-14.00 273277 280672 1562 438409664 1604 0,0010695116.00-18.00 273277 280672 2032 570325504 2087 0,001391322

Jam A B C X X1 BEBAN EMISI TOTAL07.00-09.00 12054 12344 1440 17775595,6 1475 0,00319505612.00-14.00 12054 12344 1284 15849906,1 1315 0,00284892516.00-18.00 12054 12344 1794 22145429,6 1837 0,003980508

MOBIL PENUMPANG BENSIN

0,003429

0,0100245

Tabel 1.30 Perhitungan Proyeksi Kendaraan pada Hari Minggu 2012 (Lanjutan)

MOBIL PENUMPANG SOLAR

Jam A B C X X1 BEBAN EMISI TOTAL

07.00-09.00 7766 7963 243 1935009 249 0,009135863

0,03696

12.00-14.00 7766 7963 252 2006676 258 0,009474228 16.00-18.00 7766 7963 488 3885944 500 0,018346918

BUS

Jam A B C X X1 BEBAN EMISI TOTAL

07.00-09.00 645 689 6 4134 6 0,000496464

0,00149

12.00-14.00 645 689 7 4823 7 0,000579208 16.00-18.00 645 689 5 3445 5 0,00041372

TRUK

Jam A B C X X1 BEBAN EMISI TOTAL

07.00-09.00 28630 29303 25 732575 26 0,001748476

0,00664

12.00-14.00 28630 29303 30 879090 31 0,002098171 16.00-18.00 28630 29303 40 1172120 41 0,002797562

TOTAL 0,05854

Sumber : Hasil Perhitungan Setelah diketahui jumlah kendaraannya, maka dapat dihitung proyeksi konsentrasi S02nya pada tahun 2021. Dari hasil kendaraan tersebut kemudian dihitung seperti penghitungan konsentrasi seperti sub bab 4.4.2. Untuk perhitungan dapat dilihat pada lampiran E. Dalam perhitungan tersebut, maka didapat kenaikan konsentrasi SO2 dari tahun 2000 hingga 2021. Dari perhitungan tersebut, didapat prediksi konsentrasi SO2 pada tiap tahun mengalami peningkatan. Untuk hasil perhitungan proyeksi konsentrasi SO2

ini dapat dilihat pada tabel 1.31 berikut ini :

Tabel 1.31 Perhitungan Konsentrasi S02 pada tahun 2001-2021

Tahun Konsentrasi SO2 2001 3,331 2002 3,880 2003 4,054 2004 4,184 2005 4,405 2006 4,540 2007 4,977 2008 4,988 2009 5,210 2010 5,261 2011 5,661 2012 6,143 2013 6,292 2014 6,388 2015 6,536 2016 6,683 2017 6,831 2018 6,978 2019 7,126 2020 7,273 2021 7,421

Sumber : Hasil Perhitungan Untuk gambar grafik kenaikan konsentrasi SO2 dari tahun 2001-2021 dapat dilihat pada gambar 7 di bawah ini :

Gambar 7 Grafik Proyeksi Konsentrasi SO2 pada Tahun 2001-2021

Dari grafik tersebut didapat bahwa konsentrasi untuk pencemar SO2 menagalami peningkatan. Hal ini perlu diantisipasi oleh pemerintah setempat untuk mempersiapkan sejumlah hal yang dapat menanggulangi dari peningkatan Konsentrasi SO2

ini.

KESIMPULAN Adapun kesimpulan yang didapat dari penelitian ini adalah :

1. Besar rata-rata beban emisi (g/jam) di sepanjang Jalan Gayungsari Barat ini nilai beban minimumnya 0,222123 adalah dan nilai beban maksimum adalah 0,401634

2. Total konsentrasi SO2 (μg/m3) dari sejumlah kendaraan nilai minimumnya sebesar 25,526 μg/m3 dan nilai maksimum sebesar 50,728 μg/m3

3. Untuk proyeksi konsentrasi SO2 di tahun 2011-2021 rata-rata mengalami peningkatan konsentrasi di hari dan tiap sesi yang sama. Namun tidak memungkinkan konsentrasi di wilayah penelitian tersebut menjadi lebih besar dari hasil penelitian ini. Dikarenakan nilai dari stabilitas atmosfer dianggap sama dengan nilai yang dipakai dalam penelitian ini.

DAFTAR PUSTAKA Amin, M. 2001. Analisa Arus Lalu Lintas pada Persimpangan Jalan Tanjung Sari-Jalan

Raya Tandes Surabaya. Teknik Sipil FTSP-ITS. Surabaya Anonim. 2003. Pedoman Perhitungan Kapasitas Lingkungan Jalan. Jakarta Anonim. Peraturan Menteri Pekerjaan Umum. 2007. Penyelenggaraan Pengembangan

Sistem Air Minum Nomor 18/PRT/M/2007. Jakarta Anonim. Gubernur Jawa Timur. 2009. Peraturan Gubernur Jawa Timur No.10 Tahun 2009

Tentang Baku Mutu Udara Ambien dan Emisi Sumber Tidak Bergerak di Jawa Timur.

Anonim. Badan Lingkungan Hidup Kota Surabaya. 2011. Laporan Harian Kualitas Udara di

Stasiun Pemantau (SO2Anonim. Dinas Pendapatan Kota Surabaya. 2011. Jumlah Kendaraan Bermotor untuk

Surabaya Selatan Tahun 2000-2010. Surabaya

). Surabaya

Ashrafi, K.H., and Hoshyaripour G.H.A. 2010. Internasional Journal of Civil and Environmental Engineering. University Of Tehran. Iran

Boedisantoso, R. 2002. Teknologi Pengendalian Pencemar Udara. Surabaya Boubel, M. 1994. Stability and Qualification Of Air. USA Chock, D.P., 1978. “A simple line source model for dispersion near roadways. Atmos-pheric

Environment”, 12 (4), 823- 829. Chock, D.P., and Winkler, S.L., 1997. Air Quality Prediction Using a Fixwd Layer Depth

Vertical Stcructure In The Urban Airshed Model. Environmental Science and Technology., 31(2), 359-370

Cooper, C. D. dan Alley, F.C. 1994. Air Pollution Control A Design Approach. Waveland

Press Inc.Illnois. USA Darmadi, A. 1994. Pemetaan Kandungan SOX

dari Emisi Cerobong Asap Industri Kota Malang, Pasuruan dan Mojokerto. Laporan Tugas Akhir Teknik Ligkungan ITS. Surabaya

Degobert, P. 1995. Automobile and Pollution. Society of Automotive Engineers, Inc. Khare, M. dan Nagendra, S.M.S. 2006. Artificial Neural Networks in Vehicular Pollution

Modelling. Indian Institute of Technology Madras. India Khare, M. dan Sharma, P. 2007. An Empirically Modified Traffic Forecasting Model For

Delhi. India Khaled, S. M, Essa. M, Embaby. A, M. Kozae. Fawzia, M. dan Ibrahim, K. 2006. Estimation

of Seasonal Atmospheric Stability and Mixing Height by Using Different Scheme. Radiation Physics & Protection Conference

Lutgens, S. Dan Tarbuck, W. 1982. Stabilitation Of Atmosfer. Irlandia Pasquil, F.1961. The Estimation Of The Dispersion Of Wind Borne Material.

Meteorological Magazine, 90,33-49 Rao, K.S., Gunter, R.L., White, J.R., and Hosker, R.P., 2002. Turbulance and Dispersion

Modelling Near Highway. Atmospheric Environment, 36(27), 4337-4346. Riyadi, S., 1982. Pencemaran Udara. Usaha Nasional. Surabaya. Rulhendri. 1998. Sampling Lapangan Untuk Transportasi. Jakarta. Sastrawijaya, T. 2000. Pencemaran Lingkungan. PT.Rineka Cipta. Jakarta Sayid, M. 2004. Pencemaran Udara. Elex Media Computindo. Jakarta Sharma, P. Khare, M. and Chakrabarti, S.P. 1999. Application of Extreme Value Theory

ForPredicting Violations Of Air Quality Standards For An Urban Road Intersection. Transportation Research D4, 201-216.

Soedomo, M. 2001. Kumpulan Karya Ilmiah :Pencemaran Udara. ITB Press. Bandung Suhadi, D. R. 2008. Penyusunan Petunjuk Teknis Perkiraan Beban Pencemaran Udara

dari Kendaraan Bermotor Di Indonesia. Kementrian Lingkungan Hidup. Wardhana W.A. 2004. Dampak Pencemaran Lingkungan. Andi Publisher. Yogyakarta Wark ,K., dan Warner, C.F. 1996. Air Pollution : Its Origin and Control 3th edition. Harper

and Raw Publisher Inc. New York