Kata kunci: Kendaraan Barang, Jalur Optimal, Inventarisasi Emisi, Model Gaussian, Pencemaran Udara

Transkripsi

1 PEMODELAN KONTRIBUSI KENDARAAN PENGANGKUT BARANG TERHADAP KONSENTRASI AMBIEN CO DARI SUMBER TRANSPORTASI DI KOTA BANDUNG CONTRIBUTION MODELLING OF GOODS VEHICLE TO CO CONCENTRATION FROM TRANSPORTATION SOURCE IN BANDUNG Daril Andrean Davinsa 1 dan Driejana 2 Program Studi Teknik Lingkungan Fakultas Teknik Sipil dan Lingkungan, Institut Teknologi Bandung, Jl Ganesha 10 Bandung darilandrean@yahoo.com dan 2 driejana@yahoo.com Abstrak: Udara adalah aspek penting dalah kehidupan mahluk hidup. Karbon Monoksida (CO) merupakan zat pencemar didalam udara yang berbahaya pagi mahluk hidup karena dapat menyebabkan kelainan pada sistem syaraf pusat, janin, dan semua organ tubuh yang peka terhadap kekurangan oksigen. Sumber antropogenik merupakan penyumbang terbsear karbon monoksida di udara ambien. Mobil, Sepeda Motor, Bus, dan Truk merupakan sumber penyumbang karbon monoksida dari sektor transportasi. Di kota Bandung yang merupakan ibu kota provinsi jawa barat, transportasi merupakan hal yang sangat vital bagi perekonomian yang dimana sumbangsihnya adalah membawa dan mengangkut manusia atau barang ke tempat tertentu. Truk merupakan moda tranpsortasi yang sensitif terhadap perekonomian suatu daerah, maka dari itu operasional truk harus dapat dianalisis sedemikian rupa agar memperoleh operasional yang seminimal mungkin dalam sisi ekonomi. Jalur yang paling optimal harus dapat dipilih dengan melihat aspek ekonomi. Hal ini tentu saja tidak cukup, penelitian tentang aspek lingkungan sedang dilakukan agar pergerakan atau jalur dari truk tidak merugikan masyarakat sekitar dilihat dari aspek pencemaran lingkungannya. Penilitan ini bertujuan untuk menghitung kontribusi truk terhadap konsentrasi karbon monoksida di udara ambien. Digunakan program CALINE4 untuk menghitung konsentrasi karbon monoksida maupun untuk mengetahui kontribusi karbon monoksida dari truk. Truk berontribusi sekitar 0,047 7,344 % dibandingkan dengan total keseluruhan kontribusi dari kendaraan lain. Semakin banyak truk yang melewati suatu jalan maka semakin tinggi pula kontribusi karbon monoksidanya. Selain itu kecepatan juga merupakan variabel penting, semakin kecil kecepatan truk, persentase kontribusi truk semakin besar. Diambil periode sibuk pagi hari karena tren periode sibuk siang, dan sore hari tidak jauh beda pada pagi hari. Hasil penelitian ini akan direkomendasikan kedalam penelitian penentuan jalur optimal truk dilihat dari aspek ekonomi dan lingkungan. Kata kunci: Kendaraan Barang, Jalur Optimal, Inventarisasi Emisi, Model Gaussian, Pencemaran Udara Abstract: Air is the important aspect in organisms. Carbon monoxide (CO) as pollutant substance in the air which harmful to organisms can cause abnormalities to central nervous system, fetus, and all the organs of body that are sensitive to lack oxygen. Anthropogenic sources is the biggest contributor of carbon monoxide in ambient air. Car, motorcycle, bus, and truck are carbon monoxide s contributor in transportation sector. In Bandung city as the capital city of West Java province, transportation is very vital thing for the economy that are transporting people or goods to certain place. Truck transport is a capital that are sensitive to economy in a region, therefore the operational trucks should be analyzed well so as to acquire the operational minimum in the economic side. The most optimum route must be selected by economy view. This is of course not enough, research on environment aspect is being done so that movement or route of trucks are not detrimental the public about seen from the aspect of environment s polution. This research aims to calculate the contribution of trucks to the concentration of carbon monoxide in ambient air. CALINE4 programs is used to calculate concentrations carbon monoxide as well as to determine the contribution of carbon monoxide that is produced by truck. Truck contribute about % compared with the total contribution from other vehicles. The more truck passes through the road, the higher contribution of its carbon monoxide too. Moreover, velocity is also the important variable. The less velocity of truck, the more percentage of its contribution. This result research will be recomended to research of determine optimal route seen by economic and environment aspect. Key words: Goods Vehicla, Optimum Route, Emission Inventory, Gaussian Model, Air Pollution 1

2 PENDAHULUAN Indonesia merupakan suatu negara dengan luas wilayah hampir 2 juta km 2 dan alat transportasi merupakan alat pendukung untuk menghubungkan antar penduduk. Keperluan alat transportasi merupakan kebutuhan vital karena merupakan faktor penting untuk mendorong kemajuan ekonomi. Kendaraan bermotor menggunakan bahan bakar karbon untuk melakukan serangkaian reaksi pembakaran dan menghasilkan energi untuk menggerakan roda. Gas buang kendaraan bermotor dapat menyebabkan ketidaknyamanan, pencemaran udara dan gangguan kesehatan. Beberapa studi epidemiologi menunjukkan hubungan antara tingkat pencemaran udara dengan jumlah kejadian (prevalensi) penyakit pernapasan. Parameter seperti CO 2, CO, NO x, SO 2, PM 10 dapat di emisikan ke lingkungan sebagai hasil emisi dari pembakaran karbon dan dapat langsung dihirup oleh hidung dan mempengaruhi masyrakat di jalan raya dan sekitarnya (Tri Tugasawati, 1996). Kendaraan barang dipilih karena sistem angkutan barang perkotaan yang efisien merupakan hal yang krusial dalam rangka perbaikan ekonomi perkotaan (Ruta, 2002). Pada umumnya, studi jalur alternatif menggunakan teknik optimasi biaya operasi angkutan dengan dengan batasan biaya tetap kendaraan, biaya operasi kendaraan, kapasitas truk, dan penalti keterlambatan dan/atau kedatangan lebih awal. Penelitian tersebut diatas menambahkan indikator lingkungan yang disini adalah emisi gas buang sebagai bagian dari bahan pertimbangan untuk pemilihan jalur alternatif. Dalam perhitungan kontribusi karbon monoksida yang dihasilkan oleh truk, program CALINE4 digunakan untuk mampu memprediksi konsentrasi akibat kontribusi truk. CALINE4 adalah program untuk memodelkan dispersi emisi udara dari sumber garis yang dikembangkan oleh California Departemen of Transportation (Caltrans). Progam ini menggunakan persamaan distribusi Gaussian dan konsep zona pencampuran untuk membuat perkiraan dispersi polutan disekitar jalan raya. Program ini memperkirakan sebaran polutan yang berada dekat dengan jalan raya dengan memasukkan beberapa parameter seperti, volume laluintas perlink, faktor emisi kendaraan, meteorologi, dan geometri lokasi. CALINE4 dapat memprediksi polutan dititik reseptor hingga 500 meter dari sumber. Polutan yang diprediksi adalah polutan yang relatif bersifat inert (tidak mudah bereaksi dengan senyawa kimia lain) seperti NO x, CO, dan PM 10 (Benson, 1989). METODOLOGI Tahapan penulisan penelitian ini dapat dilihat pada Gambar.1, dimulai dari studi literatur, dan pengumpulan data sekunder seperti peta wilayah studi yang diambil dari ArcGIS, faktor emisi yang diambil dari UK-NAEI, data meteorologis yang diambil dari BMKG kota Bandung, dan penelitian dari Nurrokhmah (2010), data volume kendaraan di setiap ruas jalan diambil dari dinas perhubungan kota bandung dengan metode Traffic Count (Suraharta, 2012, Pers. Comm). Pada peta wilayah studi, akan ditentukan letak reseptor dengan menggunakan CALINE4 yang akan membentuk suatu kontur konsentrasi dan link-link mana saja yang berpengaruh terhadap suatu reseptor. Peta wilayah studi juga mengambarkan jalur studi dan batasan batasan dari penelitian. Data volume kendaraan dan faktor emisi digunakan untuk menghitung beban emisi dari tiap jalan dan menghitung kontribusi karbon monoksida dari truk. 2

3 Dari data meteorologis, kita dapat mengetahui windrose, sigma theta, dan stabilitas atmosfer dari suatu wilayah tertentu sehingga diperoleh konsentrasi yang tersebar dalam wilayah tersebut. Semua data sekunder tersebut merupakan input untuk CALINE4 sehingga dapat mengeluarkan konsentrasi CO di udara ambien di kota Bandung dengan truk dan tanpa truk. Kontribusi truk dihitung dengan cara menselisihkan konsentrasi udara ambien akibat dari total seluruh kendaraan dengan kendaraan non-truck hasil dari permodelan. Gambar 1 Diagram Metodologi Penelitian 3

4 Studi Literatur Tahap ini bertujuan untuk mengumpulkan segala literatur yang berhubungan untuk dapat menjadi dasar dalam pengerjaan penelitian ini. Pengumpulan Data Sekunder Penelitian ini menggunakan data sekunder yang didapat dari berbagai instansi pemerintah seperti BPLHD, BMKG, dan dari penelitian sebelumnya. Data sekunder dalam penelitian ini dianggap valid karena diambil dengan metodologi yang benar. Perhitungan Beban Emisi Beban emisi tiap sumber jalan harus dihitung untuk melihat kontribusi dari setiap jalan penelitian yang berada di kota Bandung agar konsentrasi dapat diperoleh. Pada penelitian kali ini, diasumsikan bahwa perhitungan beban emisi maupun konsentari pencemar dihitung dengan kondisi kendaraan bergerak dan mesin sedang menyala. Beban emisi suatu polutan dihitung dari Persamaan (1). Beban emisi = n x p x FE Dimana n adalah volume kendaraan dan p adalah jarak tempuh. Permodelan Dengan CALINE4 CALINE4 adalah program untuk memodelkan dispersi emisi udara dari sumber garis yang dikembangkan oleh California Departemen of Transportation atau dapat disingkat dengan Caltrans (Benson, 1989). Progam ini menggunakan persamaan distribusi Gaussian dan konsep zona pencampuran untuk membuat perkiraan dispersi polutan disekitar jalan raya. Dalam penelitian ini polutan yang diprediksi adalah karbon monoksida. Variabel input yang diperlukan dalam modelling adalah data faktor emisi, windrose (arah dan kecepatan angin), temperatur udara, koordinat link geometri jalan, dan reseptor, konsentrasi background, serta penentuan standar deviasi arah angin dan penentuan kelas stabilitas atmosfer yang dibagi ke dalam periode siang, pagi, dan sore. Wilayah di kota Bandung dibagi menjadi 9 bagian karena keterbatasan CALINE4 yang hanya dapat mengolah 20 link dalam satu kali running input. Faktor Emisi Faktor emisi yaang digunakan adalah faktor emisi dari database United Kingdom dan diambil dari United Kingdon Natinal Atmospheric Emission Inventory atau disingkat UK-NAEI. Data base faktor emisi ini dipakai karena cocok dan detail apabila digunakan dalam penelitian ini. 4

5 Database ini digunakan untuk modeling skala mikro atau skala kecil dan dalam hal penelitian ini skala perkotaan. Database ini menggunakan faktor kecepatan sebagai variabel yang mempengaruhi faktor emisi dan memang pada dasarnya kecepatan berpengaruh terhadap faktor emisi pada suatu jenis kendaraan. Database ini juga membagi tiap kendaraan berdasarkan teknologi mesinnya, secara umum teknologi mesinnya dibagi menjadi pra-euro, Euro I, Euro II, Euro III, dan Euro IV. Penyesuasian dilakukan pada kondisi eksisting di Indonesia yang memiliki teknologi mesin tercanggih adalah Euro II yang mulai diberlakukan pada tahun 2005 melalui Keputusan Menteri Negara Lingkungan Hidup Nomor 141 Tahun 2003 sehingga dapat disimpulkan, terdapat mesin berteknologi pra-euro, Euro I, dan Euro II di Indonesia. Perhitungan volume kendaraan oleh dinas perhubungan kota bandung tidak mengklasifikasikan kendaraan menurut teknologi mesinnya karena itu terlalu susah. Maka digunakan data produksi kendaraan di Indonesia yang dapat diperoleh dari Gabungan Industri Kendaraan Bermotor Indonesia atau dapat disingkat GAIKINDO (Utami, 2012). Klasifikasi kendaraan berdasarkan teknologi mesinnya dapat dilihat pada Tabel 1. Tabel 1 Presentase kendaraan berdasarkan teknologi mesinnya Kategori Mobil Penumpang Bis Truk % Pra EURO 0,3855 0, % EURO I 0,2711 0,6535 0,3467 % EURO II 0,2888 0,0071 0,2284 Bahan bakar juga berpengaruh terhadap nilai faktor emisi, digunakan rasio bahan bakar dari penjualan bahan bakar di kota Bandung (Novianti, 2009) untuk menghitung jumlah mobil bensin dan solar. Rasio bahan bakar tersebut sebesar 0,74:0,26 untuk bensin:solar. Faktor emisi Inggris tersedia dalam bentuk spreadsheet software Microsoft Excel Vehicle Emission Factor Database (naei.defra.gov.uk, 2007) Wilayah Studi Wilayah studi penelitian ini adalah Kota Bandung yang mencakup jalan arteri, arteri sekunder, kolektor, dan kolektor primer. Terdapat 30 ruas jalan yang diamati dalam penelitian ini dan dapat dilihat pada Tabel 2. Peta wilayah studi dapat dilihat pada Gambar 3. 5

6 Tabel 2 Nama ruas jalan studi No Nama Ruas Kelas Ruas No Nama Ruas Kelas Ruas 1 Asia Afrika Arteri sekunder 16 Abd. RadenSaleh Kolektor Sekunder 2 BKR Arteri sekunder 17 Cihampelas Arteri sekunder 3 BuahBatu Kolektor Primer 18 Ir. Haji Juanda Arteri sekunder 4 Otista Arteri sekunder 19 Merdeka Arteri sekunder 5 Otista Arteri sekunder 20 Pajajaran Arteri sekunder 6 PelajarPejuang 45 Arterisekunder 21 Pasteur Arteri sekunder 7 SoekarnoHatta Arteri Primer 22 PasirKaliki Kolektor Primer 8 A. Yani Arteri Primer 23 Kopo Kolektor Primer 9 Diponegoro Kolektor 24 Peta Arteri sekunder Sekunder 10 Jakarta Kolektor 25 PasirKoja Arteri sekunder Sekunder 11 PHA Mustofa Arteri sekunder 26 RajawaliTimur Arteri sekunder 12 R.E Martadinata Arteri sekunder 27 SoekarnoHatta Arteri Primer 13 Surapati Arteri sekunder 28 Kiara Condong Arteri Primer 14 Jend. Sudirman Arteri Primer 29 SoekarnoHatta Arteri Primer 15 Jend. Sudirman Arteri Primer 30 Raya Ujung Berung Arteri Primer Gambar 3 Peta wilayah studi dan titik pengukuran volume kendaraan 6

7 HASIL DAN PEMBAHASAN Setelah melakukan permodelan dengan CALINE4, diperoleh hasil permodelan berupa peta dengan sebaran konsentrasi karbon monoksida. Hasil modelling dapat dilihat pada Gambar 4, Gambar 5, Gambar 6, Gambar 7, Gambar 8, Gambar 9, Gambar 10, Gambar 11, dan Gambar 12. Gambar 4 Kontur konsentrasi wilayah utara kota Bandung pada pagi hari Gambar 5 Kontur konsentrasi wilayah barat laut kota Bandung pada pagi hari Dari hasil modeling, diperoleh kontur konsentrasi karbon monoksida di 9 wilayah kota Bandung antara kontur udara ambien akibat seluruh kendaraan yang melewati jalan/link dengan konsentrasi tanpa truk. Kontribusi truk dihitung dengan cara menselisihkan atau mencari delta antara konsentrasi akibat total kendaraan dengan konsentrasi tanpa kontribusi truk. Namun perhitungan dari software CALINE4 tidak menghasilkan selisih yang begitu signikan dikarenakan output konsentrasi yang dihasilkan CALINE4 memiliki satuan part per million (ppm) dan hanya mampu menampil satu angka dibelakang koma. Dari hasil kontur pun sulit untuk menemukan selisih konsentrasi karena memiliki hasil yang hampir menyerupai. 7

8 Gambar 6 Kontur konsentrasi wilayah barat kota Bandung pada pagi hari Gambar 7 Kontur konsentrasi wilayah tengah selatan kota Bandung pada pagi hari Gambar 8 Kontur konsentrasi wilayah tengah utara kota Bandung pada pagi hari 8

9 Gambar 9 Kontur konsentrasi wilayah timur laut kota Bandung pada pagi hari Gambar 10 Kontur konsentrasi wilayah tenggara kota Bandung pada pagi hari Hasil dari modeling tidak dapat merepresentasikan dengan baik kontribusi truk terhadap konsentrasi udara ambien. Untuk itu diperlukan perhitungan beban emisi setiap link tanpa atau dengan truk. Dari hasil perhitungan secara manual, diperoleh selisih beban emisi yang ditunjukkan pada Tabel 4. Proporsi beban emisi akibat truk pengangkut barang adalah 0,047 7,344 % atau gram/jam karbon monoksida. Berdasarkan analisa statistik, hal yang paling mempengaruhi terhadap beban emisi truk adalah jumlah truk atau ratio truk disuatu ruas jalan, kecepatan ratarata juga berpengaruh terhadap beban emisi namun hubungan pengaruhnya tidak diketahui atau 9

10 non-linear yang mungkin disebabkan oleh berbagai faktor yang tidak mencakup dari penelitian ini. Gambar 11 Kontur konsentrasi wilayah selatan kota Bandung pada pagi hari Gambar 12 Kontur konsentrasi wilayah timur kota Bandung pada pagi hari Jalan Pasir Koja adalah jalan yang paling banyak dilewati oleh truk pengangkut barang dikarenakan letak ruas jalan tersebut yang dikelilingi oleh gudang industri dan konsekuensi logisnya jalan tersebut memiliki jumlah truk yang lebih besar dari ruas lainnya. Kemungkinan besar kendaraan yang memiliki beban emisi paling besar adalah sepeda motor karena volumenya 10

11 yang paling besar dibandingkan kendaraan lainnya, tapi ini perlu dibuktikan oleh penelitian lebih lanjut. Tabel 4 Beban emisi dan volume kendaraan pada pagi hari Jalan kecepata n (km/jam) Beban Emisi (gram/jam) Beban Emisi (gram/jam ) tanpa truk delta Beban Emisi (gram/ja m) Pagi delta persentas e beban emisi Total volume kendaraan (volume/ja m) Total volume kendaraan (volume/ja m) tanpa truk delta volume kendaraan (volume/ja m) persentas e delta volume kendaraa n Asia Afrika % % BKR % % BuahBatu % % Otista % % Otista % % % % PelajarPejua ng % % SoekarnoHat ta Abd % % RadenSaleh % % Cihampelas Ir. Haji % % Juanda Merdeka % % Pajajaran % % Pasteur % % PasirKaliki % % A. Yani % % % % Diponegoro Jakarta % % PHA % % Mustofa R.E % % Martadinata Surapati % % Jend % % Sudirman Jend % % Sudirman Kopo % % Peta % % PasirKoja % % % % RajawaliTimu r % % SoekarnoHat ta KiaraCondon g % % SoekarnoHat ta Raya Ujung Berung % % % % 11

12 Beban emisi juga dipengaruhi oleh kecepatan kendaraan yang melewati ruas tersebut. Semakin kecil kecapatan, kontribusi beban emisi oleh truk semakin besar. Hal ini dibuktikan oleh analisa statistik menggunakan software IBM SPSS statistic 20 dan dapat dilihat pada Gambar 13. Dari analisa statistik diperoleh bahwa presentase delta volume yang kecil dan kecepatan kendaraan yang tinggi memberikan presentase kontribusi beban emisi truk sangat kecil, dan presentase delta volume yang besar dengan keceapatan kendaraan yang relatif rendah memberikan presentase kontribusi beban emisi truk yang lebih besar. Hubungan antara kecepatan dengan presentase kontribusi beban emisi bukan hubungan yang linear. Gambar 13 Scater plot dan analisa statistik KESIMPULAN Proporsi beban emisi akibat truk pengangkut barang adalah 0,047 7,344 % atau gram/jam karbon monoksida. Berdasarkan analisa statistik, hal yang paling mempengaruhi terhadap beban emisi truk adalah jumlah truk atau ratio truk disuatu ruas jalan, kecepatan ratarata juga berpengaruh terhadap beban emisi namun hubungan pengaruhnya tidak diketahui atau non-linear yang mungkin disebabkan oleh berbagai faktor yang tidak mencakup dari penelitian ini. DAFTAR PUSTAKA Benson, P CALINE 4-A Dispersion Model for Predicting Air Pollutant Concentrations Near Roadways. California Department of Transportation: Sacramento, CA. 12

13 Badan Pengelolaan Lingkungan Hidup Kota Bandung Laporan Pemantauan Udara. Bandung. Broderick, B.M., U. Budd, B.D. Misstear, D. Ceburnis, and S.G. Jennings Validation Of CALINE4 Modelling For Carbon Monoxide Concentrations Under Free-flowing And Congested Traffic Conditions In Ireland. International Journal of Environment and Pollution 24.1/2/3/4: 104. Print. Colls, Jeremy. Air pollution nd ed. London: Spon Press. Eydus, Ya. T., N. D. Zelinsky, K. V. Puzitsky, and N. I. Ershov The Catalytic Hydrocondensation Of Carbon Monoxide With Olefins. Bulletin of the Academy of Sciences of the USSR Division of Chemical Science Novianti, Srikandi Inventarisasi dan Pemetaan Emisi Oksida Nitrogen dari Sektor Transportasi. Tugas Akhir Program Studi Teknik Lingkungan, FTSL, ITB. Nurrokhmah, L Pemodelan Konsentrasi Oksida Nitrogen dari Emisi Transportasi pada Jalan Gatot Subroto dan Jalan Layang Kiaracondong, Bandung dengan menggunakan CALINE4. Tugas Akhir Program Studi Teknik Lingkungan, FTSL, ITB. Peters, A & Douglas, W Increased Particulate Air Pollution and the Triggering of Myocardial Infarction. Department of Environmental Health, Neuherberg, Germany. Perkins, Henry C Air pollution. New York: McGraw-Hill. State of California Departement of Transportation Division of New Techology and Research Caline 4 A Dispersion Model For Predicting Air Pollutant Concentration Near Roadways. California. Utami, Inda Astri Pemodelan Dispersi Skala Mikro Konsentrasi PM 10 di Udara Ambien dari Sektor Transportasi di Karees, Bandung. Wark, Kenneth, Cecil Francis Warner, and Wayne T. Davis Air pollution: its origin and control. 3rd ed. Menlo Park, Calif.: Addison-Wesley. 13