Pemodelan dan Prediksi Tingkat Kebisingan Akibat Lalu Lintas di SD Negeri 10 Aur Duri Kota Padang

Transkripsi

1 Pemodelan dan Prediksi Tingkat Kebisingan Akibat Lalu Lintas di SD Negeri 10 Aur Duri Kota Padang Helga Yermadona Staf pengajar, Jurusan Teknik Sipil Universitas Muhammadiyah Sumatera Barat; Abstrak Pertambahan kepemilikan kendaraan bermotor khususnya di kota Padang mengakibatkan banyaknya pergerakan kendaraan yang melewati ruas jalan sehingga meningkatkan kebisingan lalu lintas. Kebisingan lalu lintas yang tinggi dan dalam waktu yang cukup lama akan menimbulkan ketidaknyamanan dan membuat lingkungan sekitar menjadi terganggu, seperti pada kawasan sekolah. Penelitian ini bertujuan untuk mengukur kebisingan lalu lintas, mendapatkan pemodelan dan memprediksi kebisingan akibat lalu lintas. Jalan Aur Duri dipilih sebagai lokasi studi karena merupakan salah satu jalan di kota Padang yang banyak dilewati kendaraan berat. Pengumpulan data di lapangan yaitu dengan cara survey volume kendaraan bermotor, persentase kendaraan berat, kecepatan kendaraan, dan tingkat kebisingan. Pengukuran kecepatan kendaraan dengan menggunakan alat speed gun dan pengukuran kebisingan dengan menggunakan alat sound level meter. Pelaksanaan survey dilakukan pada saat sekolah libur, pada hari kerja (jam sampai WIB). Berdasarkan hasil survey didapatkan data kebisingan akibat lalu lintas pada lokasi studi berkisar antara 77,9 db(a) 83,1 db(a), nilai kebisingan tersebut melebihi batas dari tingkat kebisingan menurut Surat Keputusan Menteri Negara Lingkungan Hidup nomor 48 tahun 1996 yaitu 55 db(a) untuk kawasan sekolah. Analisis pemodelan berdasarkan data tingkat kebisingan (Y) dengan 6 variabel bebas (X) yaitu: volume sepeda motor ( ), volume kendaraan ringan ( ), volume angkutan umum ( ), volume kendaraan berat ( ), persentase kendaraan berat ( ), dan kecepatan rata-rata kendaraan ( ). Bentuk model tingkat kebisingan terbaik di SD Negeri 10 Aur Duri adalah (Y) = 71, , ,033 ) + 0,122 ) dengan = 0,737. Dengan menghitung pertumbuhan rata-rata (i) pertahun masing-masing variabel,, dan didapatkan prediksi tingkat kebisingan lalu lintas pada lokasi studi tahun 2018 adalah 84,63 db(a), sehingga perlu segera dilakukan penanganan kebisingan. Kata kunci: kebisingan lalu lintas, kendaraan bermotor, kecepatan kendaraan. 1. Pendahuluan 1.1. Latar Belakang Kebisingan adalah bunyi yang tidak diinginkan dari usaha atau kegiatan dalam tingkat dan waktu tertentu yang dapat menimbulkan gangguan kesehatan manusia dan kenyamanan lingkungan. Pertambahan kepemilikan kendaraan bermotor khususnya di kota Padang mengakibatkan banyaknya pergerakan kendaraan yang melewati ruas jalan sehingga dapat meningkatkan kebisingan lalu lintas. Kebisingan lalu lintas yang tinggi dan dalam waktu yang cukup lama akan menimbulkan ketidaknyamanan dan membuat lingkungan sekitar menjadi terganggu. Dampak dari kebisingan di lingkungan perumahan terhadap kesehatan masyarakat antara lain gangguan komunikasi, gangguan psikologis, keluhan dan tindakan demonstrasi, sedangkan keluhan somatik, tuli sementara dan tuli permanen merupakan dampak yang dipertimbangkan dari kebisingan dilingkungan kerja/ industri. Sedangkan gangguan kesehatan psikologis berupa gangguan belajar, gangguan istirahat, gangguan sholat, gangguan tidur dan gangguan lainnya (Depkes, 1995) SD Negeri 10 Aur Duri Kota Padang merupakan salah satu lokasi pendidikan dimana tempat berlangsungnya kegiatan belajar mengajar yang terletak di tepi ruas jalan Aur Duri. Ruas jalan Aur Duri merupakan akses menuju kawasan industri dan salah satu jalan yang banyak dilewati Prosiding 1 st Andalas Civil Engineering National Conference; Padang, 27 November

2 kendaraan berat, dengan demikian arus lalu lintas akan menimbulkan kebisingan pada lokasi pendidikan tersebut. Tujuan dari penelitian ini adalah mengukur kebisingan lalu lintas, mendapatkan pemodelan dan memprediksi kebisingan akibat lalu lintas di SD Negeri 10 Aur Duri Kota Padang. 2. Tinjauan Pustaka 2.1. Kebisingan Menurut Keputusan Menteri Negara Lingkungan Hidup No. 48 Tahun 1996, kebisingan adalah bunyi yang tidak diinginkan dari suatu usaha atau kegiatan dalam tingkat dan waktu tertentu yang dapat menimbulkan gangguan kesehatan manusia dan kenyamanan lingkungan, termasuk ternak, satwa, dan sistem alam. Kriteria-kriteria variabel yang berpengaruh dalam kebisingan lalu lintas menurut Departemen Permukiman dan Prasarana Wilayah (2004) yaitu: 1. Kecepatan rata-rata kendaraan. 2. Volume lalu lintas. 3. Persentase kendaraan berat. 4. Geometrik jalan, dengan memperhatikan: lebar jalan atau lebar lajur, panjang segmen, dan superelevasi jalan. 5. Gradien jalan. 6. Jenis permukaan jalan. 7. Efek pemantulan dikelompokkan dalam: lapangan terbuka, 1 meter di depan gedung, dan di kiri kanan sepanjang jalan terdapat dinding menerus. 8. Sudut pandang, dengan memperhatikan homogenitas lingkungan sekitar Ambang Batas Kebisingan Menurut Keputusan Menteri Negara Lingkungan Hidup di atas, ambang batas kebisingan adalah batas maksimal tingkat kebisingan yang diizinkan. Batasan nilai tingkat kebisingan untuk beberapa kawasan atau lingkungan tertera pada tabel 1 berikut ini : Tabel 1. Baku Tingkat Kebisingan No. Peruntukan Kawasan Kebisingan (dba) 1. Perumahan dan pemukiman Perdagangan dan jasa Perkantoran dan perdagangan Ruang hijau terbuka Industri Pemerintah dan fasilitas umum Rekreasi Stasiun kereta api Pelabuhan laut Rumah sakit atau sejenisnya Sekolah atau sejenisnya Tempat ibadah atau sejenisnya 55 Sumber: Keputusan Menteri Negara Lingkungan Hidup No. 48 Tahun Metode Penelitian 3.1. Survey Pendahuluan Sebelum melakukan suatu penelitian terlebih dahulu dilakukan studi pendahuluan antara lain : 1. Penentuan lokasi penelitian Lokasi SDN 10 Aur Duri terletak pada ruas jalan yang mempunyai tipe jalan 2/2 UD dan lebar jalan = 7 meter, tidak ada penghalang kebisingan (pagar sekolah). 2. Penentuan titik pengukuran Prosiding 1 st Andalas Civil Engineering National Conference; Padang, 27 November

3 Pengambilan data kebisingan pada kawasan sekolah SDN 10 Aur Duri yang berjarak 4,5 meter dari as jalan. 3. Penentuan waktu survai Proses pengumpulan data survai dilakukan pada saat sekolah libur. Pelaksanaan survai penelitian dilakukan pada hari dan jam belajar sekolah, dimulai dari jam sampai jam Survai dilaksanakan tanggal 26 Juni 2013 di SDN 10 Aur Duri Pengumpulan Data Pengumpulan data dibagi atas dua data yaitu : Data primer merupakan data yang diperoleh langsung di lapangan dari subjek penelitian. Data primer yang dikumpulkan pada penelitian, yaitu : a. Volume lalu lintas. b. Kecepatan rata-rata kendaraan. c. Tingkat Kebisingan. Data sekunder adalah data yang tidak diperoleh dari pengukuran langsung di lapangan atau data yang diperoleh dari instansi terkait untuk mendapatkan data yang sudah ada. Data sekunder yang dikumpulkan pada penelitian ini antara lain: a. Peta lokasi dan ruas jalan yang diteliti b. Data jumlah kendaraan di Kota Padang. 4. Hasil dan Pembahasan Hasil survai dan pembahasan penelitian sebagai berikut: 4.1. Volume Lalu Lintas Hasil survai volume lalu lintas rata-rata pada lokasi penelitian dapat dilihat pada gambar 1 berikut ini: Gambar 1. Hasil survey volume lalu lintas kendaraan pada ruas jalan Aur Duri (SDN 10 Aur Duri) 4.2. Kecepatan Rata-rata Kendaraan Hasil survai kecepatan rata-rata kendaraan pada lokasi penelitian dapat dilihat pada gambar 2 berikut ini: Prosiding 1 st Andalas Civil Engineering National Conference; Padang, 27 November

4 Gambar 2. Hasil survey kecepatan rata-rata kendaraan pada ruas jalan Aur Duri (SDN 10 Aur Duri) 4.3. Kebisingan Lalu Lintas Hasil survai kebisingan lalu lintas rata-rata pada lokasi penelitian dapat dilihat pada gambar 3 berikut ini: Gambar 3. Hasil survey kebisingan lalu lintas pada ruas jalan Aur Duri (SDN 10 Aur Duri) Hasil survai pada lokasi penelitian menunjukkan bahwa tingkat kebisingan rata-rata melebihi baku mutu kebisingan untuk kawasan sekolah, yaitu 55 dba Analisis Statistik Analisa statistik dilakukan untuk mendapatkan model tingkat kebisingan lalu lintas dengan metode analisis regresi berganda. Data yang dianalisis pada regresi berganda yaitu tingkat kebisingan (Y) dengan 6 variabel bebas (X) yaitu: volume sepeda motor ( ), volume kendaraan ringan ( ), volume angkutan umum ( ), volume kendaraan berat ( ), persentase kendaraan berat ( ), dan kecepatan rata-rata kendaraan ( ) Tahap Uji Korelasi Untuk mengetahui variabel X yang berkorelasi kuat dengan variabel Y dan variabel X yang berkorelasi lemah dengan variabel X lainnya. Matriks korelasi hasil analisis dapat dilihat pada tabel 2 berikut ini: Prosiding 1 st Andalas Civil Engineering National Conference; Padang, 27 November

5 Korelasi Y Y Tabel 2. Analisis uji korelasi Dari matrik korelasi di atas dapat dilihat bahwa variabel kebisingan (Y) berkorelasi tinggi (nilai korelasi > 0,5) dengan variabel volume kendaraan berat ( ) dan persentase kendaraan berat ( ). Antar variabel-variabel X yang memiliki korelasi rendah (nilai korelasi < 0,5) dapat digunakan bersama-sama dalam satu persamaan alternatif. Sebaliknya antar variabel-variabel X yang memiliki korelasi tinggi (nilai korelasi > 0,5) yaitu variabel ( dan ) tidak dapat dimasukkan bersama-sama dalam satu persamaan alternatif Alternatif Persamaan Model Regresi Linear Variabel dalam model selama nilai p-value < 0.05, hasil analisis dapat dilihat pada tabel 3 berikut ini: Tabel 3. Alternatif persamaan model regresi linear Variabel Persamaan P value P value < 0.05 Y = a + b 0,0003 Terpenuhi Y = a + b 0,0023 Terpenuhi Y = a + b 0,0092 Terpenuhi Y = a + b 0,0002 Terpenuhi Y = a + b 0,0000 Terpenuhi Y = a + b 0,4593 Tidak Y = a + b 0,1690 Tidak Y = a + b 0,1182 Tidak Y = a + b 0,1029 Tidak Y = a + b 0,1926 Tidak Y = a + b 0,0498 Terpenuhi Y = a + b 0,0318 Terpenuhi Y = a + b 0,4018 Tidak Y = a + b 0,9471 Tidak Y = a + b 0,7048 Tidak Y = a + b 0,022 Terpenuhi Y = a + b 0,0185 Terpenuhi Y = a + b 0,4100 Tidak Y = a + b 0,2575 Tidak Y = a + b 0,2188 Tidak Y = a + b 0,0527 Tidak Y = a + b 0,7374 Tidak Y = a + b 0,3357 Tidak Y = a + b 0,3700 Tidak Y = a + b 0,8843 Tidak Prosiding 1 st Andalas Civil Engineering National Conference; Padang, 27 November

6 Uji Model Beberapa alternatif persamaan model yang memenuhi p-value < 0.05 kemudian dicek uji kemasukakalan tanda dan uji statistik (uji t dan uji F). Uji t dinyatakan jika (t stat > t tabel), dan uji F dinyatakan jika (F hit > F tabel). Hasil uji t dan uji F pada model dapat dilihat pada tabel 4 berikut ini: Tabel 4. Alternatif persamaan model regresi linear Coefficients t Stat t tabel t stat > t tabel F hit F tabel Intercept 79, , ,130 4,180 Persamaan : Y = 79, ,130 dengan R² = 0,411 Intercept 79, ,956 2,086 62,701 3,386 Persamaan : Y = 79, ,701 dengan R² = 0,314 Intercept 71,372 29,117 0,010 3,040 2,086 0,053 2,832 Persamaan : Y = 71, ,010 dengan R² = 0,403 Intercept 74,640 66,687 0,010 4,299 2,086 0,138 5,785 Persamaan : Y = 74, ,010 dengan R² = 0,667 Intercept 73,831 61,354 0,012 4,879 2,086 76,945 5,614 Persamaan : Y = 73, ,012 dengan R² = 0,656 Intercept 74,294 30,911 Terpenuhi 0,170 2,066 2,086 tidak 0,139 4,709 Terpenuhi Persamaan : Y = 74, ,170 dengan R² = 0,50 Intercept 73,453 27,714 Terpenuhi 0,204 2,280 2,086 72,914 4,117 Persamaan : Y = 73, ,204 dengan R² = 0,436 Intercept 71,408 42,919 0,011 4,828 2,086 0,033 2,456 0,122 5,394 Persamaan : Y = 71, , , ,122 dengan R² = 0,737 Intercept 70,557 41,791 0,013 5, ,034 2,534 68,079 5,293 Persamaan : Y = 70, , , ,079 dengan R² = 0,731 F hit > F tabel ,11 3,40 Terpenuhi 24,08 3,40 Terpenuhi 22,86 3,40 Terpenuhi 12,01 3,40 Terpenuhi 34,82 3,40 Terpenuhi 21,43 3,03 Terpenuhi 20,83 3,03 Terpenuhi Prosiding 1 st Andalas Civil Engineering National Conference; Padang, 27 November

7 Dari tabel 4 di atas, diketahui bahwa pada model terpilih untuk uji t (t stat > t tabel) maka ditolak, diterima artinya secara parsial ada pengaruh signifikan antara variabel X terhadap variabel tingkat kebisingan (Y). Untuk uji F (F hitung > F tabel) maka ditolak, diterima artinya ada pengaruh signifikan antara variabel X secara bersama-sama terhadap variabel tingkat kebisingan (Y) Pemilihan Model Terbaik Berdasarkan analisis statistik, maka model terbaik yang terpilih adalah: (Y) = 71, , ,033 ) + 0,122 ) dengan = 0,737 yang paling besar (mendekati 1) dibandingkan model lainnya. Dari persamaan model tersebut dapat disimpulkan bahwa variabel volume sepeda motor ( ), volume kendaraan berat ( ) dan volume kendaraan berat ( ) berpengaruh sebesar 73,7% terhadap tingkat kebisingan di SDN 10 Aur Duri, sedangkan 26,3% lainnya dipengaruhi oleh variabel lain yang tidak disertakan dalam penelitian ini Prediksi Tingkat Kebisingan (n = 5 tahun) Prediksi atau peramalan tingkat kebisingan lalu lintas dilakukan berdasarkan prediksi volume kendaraan di masa mendatang. Prediksi volume kendaraan Kota Padang dapat dicari berdasarkan data jumlah kendaraan bermotor dari Badan Pusat Statistik kota Padang (data tahun ). Berdasarkan data jumlah kendaraan di kota Padang, model trend pertumbuhan kendaraan Kota Padang dapat dicari dengan metode analisis trend persamaan regresi linear, seperti terlihat pada gambar 4 berikut ini: Gambar 4. Analisis trend jumlah kendaraan (Y) kota Padang terhadap tahun (X) Diasumsikan pertumbuhan jumlah kendaraannya mengikuti model trend pertumbuhan kendaraan untuk kota Padang di atas. Selanjutnya dilakukan perhitungan prediksi tingkat kebisingan (n = 5 tahun) pada lokasi penelitian dengan menggunakan persamaan model tingkat kebisingan terbaik hasil analisis regresi linear berganda. Hasil prediksi tingkat kebisingan masa yang akan datang dapat dilihat pada gambar 5 berikut ini: Prosiding 1 st Andalas Civil Engineering National Conference; Padang, 27 November

8 Gambar 5. Prediksi tingkat kebisingan rata-rata di SDN 10 Aur Duri (n = 5 tahun) 5. Kesimpulan 1. Berdasarkan hasil survey didapatkan data kebisingan akibat lalu lintas pada lokasi studi berkisar antara 77,9 db(a) 83,1 db(a), nilai kebisingan tersebut melebihi batas dari tingkat kebisingan menurut Surat Keputusan Menteri Negara Lingkungan Hidup nomor 48 tahun 1996 yaitu 55 db(a) untuk kawasan sekolah. 2. Analisis pemodelan berdasarkan data tingkat kebisingan (Y) dengan 6 variabel bebas (X) yaitu: volume sepeda motor ( ), volume kendaraan ringan ( ), volume angkutan umum ( ), volume kendaraan berat ( ), persentase kendaraan berat ( ), dan kecepatan ratarata kendaraan ( ). Bentuk model tingkat kebisingan terbaik di SD Negeri 10 Aur Duri adalah (Y) = 71, , ,033 ) + 0,122 ) dengan = 0, Prediksi volume kendaraan dilakukan berdasarkan data jumlah kendaraan bermotor di kota Padang tahun dengan metode analisis trend persamaan regresi linear. Model trend untuk sepeda motor (Y) = , ,857(X) dengan kendaraan ringan (Y) = , ,571(X) dengan = 0,312 untuk = 0,813 dan untuk kendaraan berat (Y) = , ,393(X) dengan = 0, Dengan menghitung pertumbuhan rata-rata (i) pertahun masing-masing variabel,, dan didapatkan prediksi tingkat kebisingan lalu lintas pada lokasi studi tahun 2018 adalah 84,63 db(a), sehingga perlu segera dilakukan penanganan kebisingan. Daftar Kepustakaan Badan Pusat Statistik. (2014), Sumatera Barat dalam Angka 2014, Badan Pusat Statistik, Padang. Departemen Kesehatan RI. (1995). Petunjuk Pelaksanaan Pengawasan Kebisingan, Jakarta. Departemen Permukiman dan Prasarana Wilayah. (2004), Pedoman Prediksi Kebisingan Akibat Lalu Lintas, Pedoman Teknis No B, Jakarta. Kementrian Lingkungan Hidup Republik Indonesia. (1996), Keputusan Menteri Lingkungan Hidup RI No. 48 Tahun 1996 tentang Baku Tingkat Kebisingan, Jakarta. Mulyono, S. (2000), Peramalan Bisnis dan Ekonometrika, BPPE, Yogyakarta. Sugiyono. (2007), Metode Penelitian Kuantitatif Kualitatif dan R&D, CV. Alfabeta, Bandung. Prosiding 1 st Andalas Civil Engineering National Conference; Padang, 27 November