PEMODELAN DISPERSI NO2 DARI SUMBER GARIS MENGGUNAKAN APLIKASI OPEN SOURCE R BERDASARKAN MODEL GAUSS

Transkripsi

1 PEMODELAN DISPERSI NO2 DARI SUMBER GARIS MENGGUNAKAN APLIKASI OPEN SOURCE R BERDASARKAN MODEL GAUSS Rachmanu Eko Handriyono 1) dan Arie Dipareza Syafei 2) Jurusan Teknik Lingkungan, Institut Teknologi Sepuluh Nopember Kampus ITS Sukolilo, Surabaya, 60111, Indonesia 1) andriy.nunu@yahoo.com, 2) dipareza@enviro.its.ac.id ABSTRAK Kegiatan transportasi yang berkembang pesat berdampak pada penurunan kualitas udara. Salah satu gas polutan yang dihasilkan dari kegiatan transportasi adalah NO 2. Beberapa kendala dalam membuat gambaran kualitas udara skala perkotaan yaitu biaya yang tinggi, waktu yang lama, dan keterbatasan titik pantau. Pemodelan merupakan cara efektif untuk memperkirakan kualitas udara di wilayah perkotaan. Studi ini menghitung beban emisi dan dispersi konsentrasi NO 2 di Jalan Ahmad Yani, Surabaya. Perhitungan beban emisi, pengaruh meteorologi, serta besarnya konsentrasi NO 2 disimulasikan menggunakan aplikasi Open Source R. Saat ini belum ada fungsi untuk model dispersi gas polutan dari sumber garis pada aplikasi R. Tujuan penelitian ini membentuk pondasi kode pada platform R untuk dispersi NO2 dari sumber garis berdasarkan model Gauss. Hasil penelitian menunjukkan model dispersi NO2 menggunakan software R mampu menghasilkan konsentrasi NO2 dengan pengerjaan yang lebih mudah dan waktu yang lebih cepat. Selain itu performa hasil perhitungan konsentrasi NO2 berdasarkan model Gauss mempunyai nilai index of agreement sebesar 0,46. Model dispersi NO2 dari sumber garis menggunakan software R ini diberi nama Model SLS (Simple Line Source). Model SLS membutuhkan data koordinat receptor dan sumber pencemar, beban emisi, kecepatan dan arah angin, dan kelas stabilitas atmosfir. Kata kunci: Dispersi NO2, Model Gauss, Open Source R, Sumber Garis. PENDAHULUAN Kegiatan transportasi yang berkembang pesat di Kawasan Surabaya Selatan secara signifikan menimbulkan emisi dari berbagai gas polutan. Salah satu jalan yang merupakan penghubung antara Kota Surabaya dengan Kabupaten Sidoarjo yaitu Jalan Ahmad Yani. Setiap tahun, kegiatan transportasi di Jalan Ahmad Yani berkembang dengan sangat cepat sehingga berpotensi menyebabkan pencemaran udara. Gas polutan terdiri atas lima polutan primer yaitu SO 2, NO2, CO, PM10, dan Pb, serta polutan sekunder yakni ozon (O3) (Cooper, 2002). Penelitian ini menggunakan NO2 karena menurut Gurjar et al. (2010), emisi NO2 lebih banyak dihasilkan dari kendaraan bermotor. Wang et al. (2009) menambahkan bahwa NO2 memiliki kontribusi besar terhadap polutan udara dari sumber jalan atau garis. NO2 merupakan gas berwarna coklat dan dapat memberikan efek negatif bagi manusia dan lingkungan. Untuk membuat gambaran kualitas udara skala perkotaan/urban sangat sulit karena membutuhkan biaya yang mahal dan waktu yang lama dan keterbatasan titik pantau. Pemodelan merupakan cara efektif untuk memprediksi tingkat pencemaran udara disuatu wilayah perkotaan. Menurut Kumar et al. (2015), model dispersi udara digunakan untuk memperkirakan berapa banyak pengurangan gas polutan yang terjadi akibat proses transpor di A-53-1

2 atmosfir. Johnson et al. (2010) menambahkan, model dispersi udara memberikan solusi dengan memperkirakan pencemar dari sumber titik, garis, dan area dengan proses transportnya di atmosfir. Pembangunan model Gauss dalam penelitian ini menggunakan aplikasi Open Source R. Aplikasi R adalah perangkat lunak lingkungan untuk analisis data dan grafis yang menyediakan implementasi bahasa S dari John Chambers (Faria et al., 2010). Aplikasi ini telah berkembang pesat bagi para analisis data di seluruh dunia. Aplikasi ini banyak digunakan untuk komputasi statistik dan grafis, merupakan bahasa pemrogaman fungsional yang baik dan secara umum cocok untuk pemrogaman ilmiah (Jones et al., (2009). Saat ini belum ada fungsi untuk dispersi gas polutan dari sumber garis pada aplikasi R. Tujuan penelitian ini yaitu membentuk fungsi pada software R untuk dispersi NO 2 dari sumber garis berdasarkan model Gauss. Harapan penelitian ini setelah mendapatkan fungsi tersebut, secara komputasi bisa digunakan oleh banyak orang. METODE Studi ini terdiri atas tiga tahap, yaitu pembentukan model dispersi NO2 dari sumber garis menggunakan Microsoft Excel, pembentukan model dispersi NO 2 menggunakan aplikasi R, dan validasi model. Pembentukan model menggunakan Microsoft Excel secara garis besar adalah menghitung beban emisi, pengaruh meteorologi, dan konsentrasi NO2. Pembentukan model menggunakan aplikasi R yaitu meringkas semua formula matematis pada Model Gauss ke dalam suatu fungsi sederhana. Setelah model terbentuk kemudian melakukan validasi model dengan data kualitas udara ambien dari BLH Kota Surabaya. Pembentukan Model Dispersi NO2 Dari Sumber Garis Menggunakan Microsoft Excel Tahap pembentukan model dispersi NO 2 dari sumber garis yaitu menghitung beban emisi, pengaruh meteorologi, dan konsentrasi NO2. Perhitungan (counting) jumlah kendaraan dilakukan di Jalan Ahmad Yani. Kendaraan bermotor, yaitu sepeda motor, mobil pribadi, angkutan umum, mobil box, truk kecil, truk besar, dan bus. Waktu sampling jumlah kendaraan dilakukan pada jam puncak (peak hour) yaitu WIB dan WIB. Arah dan kecepatan angin digunakan untuk memperkirakan pola dispersi gas pencemar udara. Perubahan arah dan kecepatan angin menunjukan arah penyebaran dan fluktuasi konsentrasi zat pencemar di atmosfir. Sedangkan formulasi matematis Model Gauss dapat dijabarkan sebagai berikut: 1. Fungsi beban emisi: (1) Dengan Q= beban emisi (g/km.jam), n= jumlah kendaraan, FE= faktor emisi (kg/unit, unit= kendaraan-mil), smp= satuan mobil penumpang. Tabel 1 merupakan konversi jenis kendaraan ke satuan mobil penumpang sedangkan Tabel 2 adalah faktor emisi kendaraan. Tabel 1. Konversi Jenis Kendaraan ke Satuan Mobil Penumpang No. Jenis kendaraan Ekivalen kendaraan penumpang 1 Kendaraan ringan 1 2 Kendaraan berat 1,3 3 Sepeda motor 0,2 (Sumber: Dirjen Bina Marga, 1997) A-53-2

3 Tabel 2. Faktor Emisi Setiap Jenis Kendaraan Jenis Kendaraan CO2 Faktor CH4 Faktor NO2 Faktor (kg/unit) (kg/unit) (kg/unit) Unit Mobil penumpang 0,368 0,018 0,013 kendaraan-mil Sepeda motor 0,197 0,07 0,007 kendaraan-mil Truk kecil 0,501 0,024 0,019 kendaraan-mil Truk besar 1,456 0,018 0,011 kendaraan-mil Bus 0,058 0,0007 0,0004 kendaraan-mil (Sumber: U.S. EPA, 2014) 2. Fungsi pengaruh meteorologi: (2) (3) Dengan σy= koefisien dispersi horizontal (m), σz= koefisien dispersi vertikal (m), x= jarak sumber pencemar ke receprtor (m), a,b,c,f= konstan stabilitas atmosfir (Tabel 3). Tabel 3. Konstan Stabilitas Atmosfir Stabilitas a b x < 1 km x> 1km c d f c d f A 213 0, ,8 1,941 9,27 459,7 2,094-9,6 B 156 0, ,6 1,149 3,3 108,2 1,098 2 C 104 0, , ,911 0 D 68 0,894 33,2 0,725-1,7 44,5 0, E 50,5 0,894 22,8 0,678-1,3 55,4 0, F 34 0,894 14,35 0,74-0,35 62,6 0,18-48,6 (Sumber: Cooper, 1994) Fungsi X dan Y merupakan hubungan arah angin dan jalan dengan sumber penerima (Gambar 1), sehingga (4) (5) Gambar 1. Hubungan Arah Angin dan Jalan dengan Penerima (Sumber: Petersen, 1978) A-53-3

4 3. Fungsi Konsentrasi Gas Polutan: 2 Q 1 y 1 ( Z H ) 1 ( Z + H ) C = exp 2π. u. σy. σz. 2 exp σy σz 2 + exp 2 Dengan C= konsentrasi polutan (µg/m 3 ), u= kecepatan angin (m/detik), Z= jarak vertikal dari permukaan tanah (m), H= ketinggian stack (m). Perhitungan dispersi konsentrasi NO2 dari sumber garis pada penelitian ini, Z dan H dianggap nol karena terlalu dekat dengan permukaan tanah. Pembentukan Model Dispersi NO2 Dari Sumber Garis Menggunakan Aplikasi R Tahap pembentukan model menggunakan aplikasi R secara garis besar adalah meringkas semua formula matematis pada Model Gauss ke dalam suatu fungsi sederhana. Pembentukan fungsi tersebut menggunakan Tinn-R versi dan untuk running model menggunakan R versi Validasi Model Penelitian ini menggunakan validasi model IOA (Index of Agreement). IOA merupakan ukuran standar dari tingkat kesalahan prediksi model dan bervariasi antara 0 dan 1 (Willmot et al., 2012). Nilai 1 menunjukkan kecocokan, dan 0 menunjukkan ketidakcocokan sama sekali. Nilai IOA dihitung dengan dimana P= konsentrasi NO2 hasil model dan O= konsentrasi NO2 di SUF 7 dari BLH Kota Surabaya. HASIL DAN PEMBAHASAN Tabel 4 merupakan rekapitulasi beban emisi di Jalan Ahmad Yani pada Hari Senin dan Minggu. Tabel 4. Rekapitulasi Beban Emisi di Jalan Ahmad Yani pada Hari Senin dan Minggu Hari Senin Hari Minggu Waktu Q (kg/km.0,5jam) Waktu Q (kg/km.0,5jam) , , , , , , , , , , , , , , , , , , , , , , , ,64 Berdasarkan Tabel 4, kita mengetahui bahwa beban emisi terbesar pada Hari Senin adalah jam sebesar 22,53 kg/km.0,5jam. Sedangkan pada Hari Minggu beban emisi terbesar terjadi pada jam dengan 19,53 kg/km.0,5jam. Perhitungan beban emisi pada studi ini tidak memperhatikan jenis dan umur kendaraan, sehingga perlu penelitian σz 2 (6) (7) A-53-4

5 lebih lanjut untuk perhitungan beban emisi dari jenis dan umur kendaraan. Tabel 5 menunjukkan rekapitulasi konsentrasi NO 2. Tabel 5. Rekapitulasi Konsentrasi NO 2 No. Hari Jam Q C NO2 x (m) y (m) σy (m) σz(m) (kg/km.0,5jam) (µg/m 3 ) , , , ,248 0, , , , ,771 0, , , , ,935 0, , , ,97 756,858 1, , , , ,206 0, , , , ,251 0,28 Senin , , ,08 967,714 0, , , ,13 926,688 0, , , ,64 841,467 0, , , ,77 544,388 2, , , , ,063 0, , , , ,745 0, , , , ,169 0, , , , ,874 0, , , , ,437 0, , , ,57 700,865 1, , , ,86 624,035 1, , , ,54 535,746 1,76 Minggu , , , ,529 0, , , , ,147 0, , , ,65 802,144 0, , , ,13 752,275 1, , , ,35 527,819 2, , , ,55 526,461 3,45 Tabel 5 menunjukkan bahwa konsentrasi NO2 terbesar pada Hari Senin terjadi pada jam sebesar 2,91 µg/m 3. Pada Hari Minggu konsentrasi NO2 terbesar terjadi pada jam sebesar 3,45 µg/m 3. Konsentrasi NO2 pada Tabel 5 merupakan perhitungan dengan menggunakan Microsoft Excel. Langkah selanjutnya adalah melakukan pembangunan model menggunakan aplikasi R. Semua kode persamaan matematika dicatat menggunakan Tinn-R versi Urutannya adalah dari konsentrasi sampai ke persamaan terbawah yaitu jarak X dan Y. Penulis memberi nama model konsentrasi NO2 pada aplikasi R adalah Model SLS (Simple Line Source). Secara garis besar, pembentukan fungsi model dispersi NO 2 pada aplikasi R adalah meringkas semua formula matematis Gauss ke dalam bentuk fungsi sederhana dengan memasukkan variabel yang dibutuhkan. Gambar 2 merupakan fungsi Model SLS untuk dispersi NO2 dari sumber garis yang telah terbentuk. A-53-5

6 Gambar 2. Model SLS untuk Dispersi NO 2 dari Sumber Garis Pada fungsi diatas, variabel Q= beban emisi, u= kecepatan angin, DjSS= derajat koordinat S di sumber pencemar (source), MtSS= menit koordinat S di source, DtSS= detik koordinat S di source, LaSS= arah lintang (latitude) di source, DjSR= derajat koordinat S di penerima (receptor), MtSR= menit koordinat S di receptor, DtSR= detik koordinat S di receptor, LaSR= arah lintang (latitude) di receptor, DjRS= derajat koordinat R di source, MtRS= menit koordinat R di source, DtRS= detik koordinat R di source, LoRS= arah bujur (longitude) di source, DjRR= derajat koordinat R di receptor, MtRR= menit koordinat R di receptor, DtRR= detik koordinat R di receptor, LoRR= arah bujur (longitude) di receptor, Wd= arah angin, dan Stability= kelas stabilitas atmosfir. Setelah mendapatkan Model SLS kemudian melakukan running menggunakan aplikasi R. Caranya adalah mengcopy Model SLS dari aplikasi Tinn R ke aplikasi R. Kemudian memasukkan nilai variabel yang akan digunakan. Gambar 3 merupakan hasil running Model SLS. Gambar 3. Hasil Running Model SLS A-53-6

7 Tanda/ index [1] ke kanan merupakan konsentrasi 1 sampai konsentrasi 7, index [8] ke kanan merupakan konsentrasi 8 sampai 14, index [15] ke kanan adalah konsentrasi 15 sampai 21, dan index [22] adalah konsentrasi 22 sampai 24. Konsentrasi 1 adalah konsentrasi pada Hari Senin jam , konsentrasi 2 adalah konsentrasi pada Hari Senin jam , dan seterusnya (lihat Tabel 5). Setelah mendapatkan konsentrasi NO 2, kemudian melakukan validasi model dengan data sekunder kualitas udara SUF 7 dari BLH Kota Surabaya pada saat sampling yaitu tanggal 16 Maret 2015 dan 22 Maret Hasil perhitungan menunjukkan bahwa validasi model menunjukkan nilai Index of Agreement (IOA) sebesar 0,46 dimana nilai tersebut masih dibawah kecocokkan. Hal ini disebabkan ada beberapa faktor. Pertama, tepat di sebelah timur SUF 7 terdapat jalan tol yang tiap jamnya dilalui ribuan kendaraan. Jadi ada kemungkingan SUF 7 lebih banyak menerima polutan dari jalan tol tersebut daripada dari Jalan Ahmad Yani. Kedua, SUF 7 tidak hanya menerima polutan dari sumber garis (transportasi) tetapi bisa berasal dari sumber titik (industri). Ketiga, polutan dari Jalan Ahmad Yani dalam perjalanan menuju receptor terjadi kinetika reaksi dengan gas lain. Pada siang hari, terjadi reaksi kimia antara gas nitrogen dioksida dengan radikal hidroksil membentuk asam nitrat. Sedangkan pada malam hari terjadi rekasi antara nitrogen dioksida dengan ozon membentuk asam nitrat (Hall et al., 2008). Siang : NO 2 + OH HNO3 Malam : NO2 + O3 NO3 + O2 NO2 + NO3 N2O5 N 2 O5 + H2O HNO3 Berdasarkan hasil perhitungan validasi model, maka perlu melakukan validasi dengan menggunakan data primer untuk kajian lebih lanjut agar mendapatkan nilai IOA yang mendekati kecocokan. Jadi penelitian ini telah menghasilkan model dispersi NO2 dari sumber garis berdasarkan Model Gauss menggunakan aplikasi Open Source R. Variabel yang dibutuhkan pada Model SLS adalah beban emisi, kecepatan angin, koordinat titik sampling dan receptor (sensor pemantauan udara), arah angin, dan kelas stabilitas atmosfir. KESIMPULAN DAN SARAN Studi ini menghasilkan kesimpulan sebagai berikut: 1. Model dispersi NO2 dari sumber garis berdasarkan model Gauss menggunakan aplikasi Open Source R mampu menghasilkan konsentrasi NO 2 dengan pengerjaan yang lebih mudah dan waktu pengerjaan yang lebih efisien. Saran untuk penelitian selanjutnya adalah: 1. Perlu melakukan penelitian lebih lanjut untuk model dispersi NO2 dari sumber titik (industri) dan model dispersi sesuai reaksi alami yang terjadi di atmosfer. 2. Perlu melakukan lebih lanjut untuk perhitungan beban emisi berdasarkan jenis dan umur kendaraan. 3. Untuk validasi model perlu menggunakan data primer agar mendapatkan nilai yang mendekati kecocokan. DAFTAR PUSTAKA Cooper, C. D., & Alley, F. C. (1994). Air Pollution Control 2 nd Edition. Waveland Press Inc. USA. Cooper, C. D., & Alley, F. C. (2002). Air Pollution Control 3 rd Edition. Waveland Press Inc. USA. A-53-7

8 Direktorat Jenderal Bina Marga. (1997). Manual Kapasitas Jalan Indonesia (MKJI). Jakarta. Faria, J, C., Grosjean, P., Jelihovschi, E. G., & Pietrobon, R. (2010). Tinn-R Editor. Rmetrics Association. Zurich. Gurjar, B. R., Nagpure, A. S., Kumar, P., & Sahni, N. (2010). Pollutant Emissions from Road Vehicles in Mega-City Kolkata, India: Past and Present Trends. Indian Journal of Air Pollution Control, 10, Hall, D. J., Spanton, A. M., & Powlesland, C. B. (2008). Review of Modelling Methods of Near-field Acid Deposition. Environment Agency. Bristol. Johnson, M., Isakov, Touma, J. S., Mukerjee, S., & Ozkaynak, H. (2010). Evaluation of Land Use Regression Models Used to Predict Air Quality Concentration in a Urban Area. Atmospheric Environment, 44, Jones, O., Maillardet, R., dan Robinson, A Intoduction to Scientific Programming and Simullation Using R. CRC Press. New York. Kumar, P., Morawska, L., Martani, C., Biskos, G., Neophytou M., Sabatino, S. D., Bell. M., Norford, L., & Britter, R. (2015). The Rise of Low-cost Sensing for Managing Air Pollution in Cities. Environment International, 75, Petersen, W. B. (1978). A Gaussian-Plume Algorithm for Point, Area, and Line Sources. Environmental Science Researh Laboratory Office of Research and Development. North Carolina. U.S. EPA. (2014). Inventory of U.S. Greenhouse Gas Emissions and Sinks: Washington. Wang, M., Zhu, T., Zheng, J., Zhang, R. Y., Xie, X. X., Han, Y. Q., & Li, Y. (2009). Use of Mobile Laboratory to Evaluate Changes in On-road Air Pollutents During the Beijing 2008 Summer Olympics. Atmospheric Chemistry and Physics, 9, Willmot, C. J. Robeson, S. M., & Matsuura, K. (2012). Short Communication a Refined Index of Model Performance. International Journal of Climatology, 32, A-53-8