SKRIPSI – ME141501
ESTIMASI
DISPERSI
EMISI
GAS
BUANG
KAPAL
MENGGUNAKAN LAGRANGIAN PARTICLE DISPERSION
MODEL
(LPDM)
BERDASARKAN
AUTOMATIC
IDENTIFICATION SYSTEM (AIS): STUDI KASUS SELAT
MADURA
Alphie Benhard Sori Mangapul Manullang NRP 4213 100 008
Dosen Pembimbing
A.A.B. Dinariyana D.P. S.T., MES., Ph.D Prof. Dr. Ketut Buda Artana, S.T., M.Sc
DEPARTEMEN TEKNIK SISTEM PERKAPALAN FAKULTAS TEKNOLOGI KELAUTAN
INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA
i
SKRIPSI – ME 141501
ESTIMASI DISPERSI EMISI GAS BUANG KAPAL MENGGUNAKAN
LAGRANGIAN
PARTICLE
DISPERSION
MODEL
(LPDM)
BERDASARKAN AUTOMATIC IDENTIFICATION SYSTEM (AIS):
STUDI KASUS SELAT MADURA
ALPHIE BENHARD SORI MANGAPUL MANULLANG NRP 4213 100 008
Dosen Pembimbing
A.A.B. Dinariyana D.P. S.T., MES., Ph.D Prof. Dr. Ketut Buda Artana, S.T., M.Sc
DEPARTEMEN TEKNIK SISTEM PERKAPALAN Fakultas Teknologi Kelautan
Institut Teknologi Sepuluh Nopember Surabaya 2017
ii
iii
FINAL PROJECT – ME 141501
DISPERSION ESTIMATION OF SHIP GAS EMISSION USING
LAGRANGIAN PARTICLE DISPERSION MODEL (LPDM) BASED ON
AUTOMATIC IDENTIFICATION SYSTEM (AIS): A CASE STUDY OF
MADURA STRAIT
ALPHIE BENHARD SORI MANGAPUL MANULLANG NRP 4213 100 008
Supervisor
A.A.B. Dinariyana D.P. S.T., MES., Ph.D Prof. Dr. Ketut Buda Artana, S.T., M.Sc
DEPARTMENT OF MARINE ENGINEERING Faculty of Marine Technology
Institut Teknologi Sepuluh Nopember Surabaya 2017
iv
vi
viii
ix
ESTIMASI DISPERSI EMISI GAS BUANG KAPAL MENGGUNAKAN
LAGRANGIAN PARTICLE DISPERSION MODEL (LPDM)
BERDASARKAN AUTOMATIC IDENTIFICATION SYSTEM (AIS):
STUDI KASUS SELAT MADURA
Nama Mahasiswa : Alphie Benhard Sori Mangapul Manullang
NRP : 4213 100 008
Departmen : Teknik Sistem Perkapalan
Dosen Pembimbing : A.A.B. Dinariyana D.P. S.T., MES., Ph.D Prof. Dr. Ketut Buda Artana, S.T., M.Sc
ABSTRAK
Pemanasan global memiliki dampak yang cukup signifikan 10 tahun terakhir. Permukaan air laut naik dan suhu udara meningkat merupakan dampak dari pemanasan global tersebut. Hasil studi International Maritime Organization (IMO) menyimpulkan bahwa emisi CO2 gas buang kapal merupakan penyumbang 3,1% emisi CO2 dunia. Selat
madura merupakan salah satu perairan di Indonesia yang banyak dilalui kapal. Letak Selat Madura yang strategis diapit oleh 2 pulau yakni Pulau Jawa dan Madura tidak dapat dihindari terkena dampak emisi gas buang kapal. Nitrogen oksida (NOx), carbon
monoksida (CO), sulfur dioksida (SO2), particullar matter (PM2,5) dan carbon dioksida
(CO2) adalah beberapa jenis emisi gas buang kapal yang berbahaya bagi makhluk hidup. Data AIS dikombinasikan dengan Metode Puget pada penelitian ini digunakan untuk mengestimasikan emisi gas buang kapal. Estimasi penyebaran emisi gas buang kapal menggunakan metode Langrangian Particle Dispersion Model (LPDM). Dari penelitian ini dihasilkan jumlah emisi NOx sebesar 845,23 kg. Emisi gas buang CO sebanyak 67,35
kg. Emisi SO2 sebesar 729,18 kg. Emisi PM2,5 sebanyak 50,37 kg. Emisi CO2 sebesar
41.029,72 kg. Konsentrasi terbesar emisi gas buang kapal terlatak pada latitude 7° 12'53.09"S longitude 112°43'48.40"T yakni Kecamatan Pabean Cantikan yang memiliki konsentrasi NOx, CO, SO2, PM2,5 dan CO2 sebesar 9,6 x 102 (µg/m3), 4,67 x 101 (µg/m3)
4,26 x 102 (µg/m3), 2,98 x 101 (µg/m3) dan 2,55 x 104 (µg/m3).
x
xi
DISPERSION ESTIMATION OF SHIP GAS EMISSION USING
LAGRANGIAN PARTICLE DISPERSION MODEL (LPDM) BASED ON
AUTOMATIC IDENTIFICATION SYSTEM (AIS): MADURA STRAIT
CASE SUDY
Student Name : Alphie Benhard Sori Mangapul Manullang
NRP : 4213 100 008
Department : Teknik Sistem Perkapalan
Supervisor : A.A.B. Dinariyana D.P. S.T., MES., Ph.D Prof. Dr. Ketut Buda Artana, S.T., M.Sc
ABSTRACT
Global warming has a significant impact last 10 years. Rising sea surface and temperature increasing are impact of the global warming. The result of International Maritime Organization (IMO) states that CO2 ship gas emission accounts for approximately 3,1% of annual global CO2. Madura strait is one of the busiest ship traffics in Indonesia. The strategic location located between two islands, Java island and Madura island, is inevitably affected by the ship gas emission. Nitrogen oxide (NOx), carbon monoxide (CO), sulfur dioxide (SO2), particular matter (PM2,5) and carbon dioxide (CO2) are several types of harmful ship gas emission to the mankind. AIS data combined with Puget Method were used to estimate the ship gas emission. The ship gas emission dispersion estimation used Lagrangian Particle Dispersion Model (LPDM). The study shows that 845,23 kg total of NOx accounts. Total of CO accounts 67,35 kg. Total of SO2 accounts 729,18 kg. Total of PM2,5 accounts 50,37 kg. The most estimated ship gas emission concentration located at latitude 7°12'53.09"S longitude 112°43'48.40"E which is Pabean Cantikan sub-district. The concentration of NOx, CO, SO2, PM2,5 and CO2 are 9,6 x 102 (µg/m3), 4,67 x 101 (µg/m3) 4,26 x 102 (µg/m3), 2,98 x 101 (µg/m3) and 2,55 x 104 (µg/m3).
xii
xiii
KATA PENGANTAR
Puji syukur kepada Yesus Kristus penulis ucapkan atas berkat dan kebaikanNya sehingga penulis dapat menyelesaikan tugas akhir dengan judul “Estimasi Dispersi Emisi Gas Buang Kapal Menggunakan Lagrangian Particle Dispersion Model (LPDM) Berdasarkan Automatic Identification System (AIS): Studi Kasus Selat Madura”.
Tugas akhir ini disusun sebagai salah satu syarat untuk memperoleh gelar Sarjana Teknik dari departemen Teknik Sistem Perkapalan, Fakultas Teknologi Kelautan, Institut Teknologi Sepuluh Nopember Surabaya.
Tugas akhir ini dapat selesai dengan dukungan dan bantuan berbagai pihak. Oleh karena itu, penulis mengucapkan terima kasih kepada:
1. Kedua orang tua penulis, Bapak Ir. S. Manullang dan Ibu Ir. M. Hutajulu, yang terus menyebut penulis dalam doa dan juga selalu memberi dukungan moril maupun materil kepada penulis.
2. Bapak A.A.B Dinariyana, S.T., MES, Ph.D selaku dosen pembimbing sekaligus Kepala Laboratorium RAMS yang selalu membimbing penulis dengan penuh kesabaran.
3. Bapak Prof. Dr. Ketut Buda Artana, S.T., M.Sc selaku dosen pembimbing penulis yang selalu memberikan arahan kepada penulis dalam menulis tugas akhir.
4. Bapak Dr. Kriyo Sambodho, S.T., M.Eng selaku dosen penulis dan Bapak Eko Prasetyo selaku kepala BMKG maritim Tanjung Perak Surabaya yang telah membantu penulis untuk memperoleh data.
5. Bapak Dwi Kristianto, S.T., M.Kom selaku pembimbing penulis yang tiada lelah dalam membagikan ilmu, memberi kesempatan penulis untuk belajar lebih mengenai AIS dan berbagi data AIS.
6. Bapak Ir. H. Alam Baheramsyah, M.Sc selaku dosen wali penulis yang tiada hentinya selalu memberikan motivasi-motivasi kepada penulis.
7. Asri Beatricks M. Manullang, S.H., M.Kn, saudari penulis, yang terus mendoakan dan mendukung penulis.
8. Antonio G. Sianipar, Brian Aditya, I Gede Agus S.N., Indra K. Pandiangan yang selalu menjadi supporting team dari penulis ketika mengalami kebuntuan. 9. Adik-adik bimbing Agra, Alfius, Efrem, Efrinsen, Geraldy, Matthew, Ramirez
dan Yousef Rio yang selalu memberikan warna dalam hidup penulis dan terus saling menyemangati penulis dalam menyelesaikan tugas akhir.
10. Tim PKMBK UYEY 15/16, PKMBK RAWR 16/17 dan SC PKMBK 2016/2017 yaitu Adriel Elezar, Brigita Sance, Dofran Luhulima, Evannita Sitorus, Surya Alam yang selalu mendukung penulis dan menemani penulis dalam setiap waktu kosong penulis.
11. Gita Toruli Sidauruk dan Nadia Jasmine Simanjuntak, rekan penulis, yang memberi support kepada penulis sehingga penulis tetap semangat mengejar impian.
12. Danuja Wijayanto, Cordoba Surbakti, Alex Matondang, Pablo Purba, Putu Winda dan Leo Sitinjak teman seperjuangan penulis.
xiv
13. Antony, Hilda, Jericho, Kevin Kurniawan, Miranto, Manik, Thariq, Zein Arfian, Hayy Nur dan Randy Adiputra, rekan seperjuangan tugas akhir penulis.
14. Mba Emmy, Mba Putri, Mba Uci, Mba Dilla dan Mas Dwi yang bersedia meluangkan waktunya untuk memberi masukan kepada penulis.
15. Barakuda ’13 yang selalu menjadi cambukan bagi penulis dalam menyelesaikan tugas akhir ini.
Penulisan tugas akhir ini masih memiliki kekurangan. Oleh karena itu, penulis menerima saran untuk menyempurnakan tugas akhir ini. Semoga tugas akhir ini bermanfaat bagi pembaca.
Surabaya, Juli 2017 Penulis
xv DAFTAR ISI
LEMBAR PENGESAHAN ... v
KATA PENGANTAR ... xiii
DAFTAR GAMBAR... xvii
DAFTAR TABEL ... xix
BAB 1 PENDAHULUAN ... 1 1.1 Latar Belakang... 1 1.2 Rumusan Masalah ... 3 1.3 Batasan Masalah ... 3 1.4 Tujuan Penelitian ... 4 1.5 Manfaat Penelitian ... 4
BAB 2 TINJAUAN PUSTAKA ... 5
2.1 Polusi Udara ... 5
2.2 Perhitungan Emisi Gas Buang Kapal ... 6
2.3 Lagrangian Particle Dispersion Model ... 13
2.4 HYSPLIT4 ... 16
2.5 AIS ... 17
BAB 3 METODOLOGI PENELITIAN ... 21
3.1 Diagram Alur Penelitian ... 21
3.2 Identifikasi dan Perumusan Masalah ... 22
3.3 Studi Pustaka ... 22
3.4 Pengambilan Data Lingkungan, Data Kapal dan AIS ... 22
3.5 Perhitungan Emisi ... 22
3.6 Permodelan Dispersi Emisi ... 22
3.7 Analisis Hasil... 23
3.8 Kesimpulan ... 23
BAB 4 ANALISIS DAN PEMBAHASAN... 25
4.1 Umum ... 25
4.2 Analisis Data ... 25
4.2.1 Data Automatic Identification System (AIS) ... 25
4.2.2 Data Kapal ... 33
4.3 Perhitungan Estimasi Emisi Gas Buang Kapal ... 36
4.4 Estimasi Penyebaran Emisi Gas Buang Kapal ... 48
4.5 Estimasi Konsentrasi Emisi Gas Buang Kapal ... 64
BAB 5 KESIMPULAN DAN SARAN ... 75
DAFTAR PUSTAKA ... 77
LAMPIRAN ... 79
xvi
xvii
DAFTAR GAMBAR
Gambar 1. 1 Peta Letak Selat Madura ... 3
Gambar 2. 1 Puget Sound Maritime Air Emission Inventory ... 7
Gambar 2. 2 Ocean-Going Vessel (OSV) ... 8
Gambar 2. 3 Straddle Carriers ... 9
Gambar 2. 4 Fleet Vehicle ... 9
Gambar 2. 5 Transfer Koordinat... 15
Gambar 2. 6 Lambang Hysplit ... 16
Gambar 2. 7 Sistem AIS ... 17
Gambar 3. 1 Diagram Alur Penelitian ... 21
Gambar 4. 1 Peralatan AIS ... 25
Gambar 4. 2 Jumlah Kapal yang Diteliti di Selat Madura ... 29
Gambar 4. 3 Perbandingan Jumlah Tipe Kapal ... 32
Gambar 4. 4 Mencari Data Kapal dari MMSI di google.com ... 33
Gambar 4. 5 Pencarian Identitas Kapal pada Website BKI ... 34
Gambar 4. 6 Detail Kapal pada Website BKI ... 35
Gambar 4. 7 Tampilan Kecepatan Maksimum Kapal pada marinetraffic.com ... 36
Gambar 4. 8 Aplikasi Hysplit4 ... 48
Gambar 4. 9 Arah Mata Angin ... 48
Gambar 4. 10 Masukan Data Meteorologi Menggunakan Notepad ... 49
Gambar 4. 11 Memasukkan Data Meteorologi pada Hysplit4 ... 49
Gambar 4. 12 Masukan Data Sumber Lokasi Emisi ... 50
Gambar 4. 13 Tampilan Tab Concentration ... 51
Gambar 4. 14 Tampilan Sebaran NOx Hysplit4 ... 51
Gambar 4. 15 Tampilan Sebaran NOx dengan Google Maps ... 52
Gambar 4. 16 Perubahan Jumlah Sumber Emisi Kapal ... 53
Gambar 4. 17 Sebaran Emisi NOx ... 55
Gambar 4. 18 Sebaran Emisi CO... 57
Gambar 4. 19 Sebaran Emisi SO2 ... 59
Gambar 4. 20 Sebaran Emisi PM2,5 ... 61
Gambar 4. 21 Sebaran Emisi CO2 ... 63
Gambar 4. 22 Titik Daerah Sampling ... 64
Gambar 4. 23 Titik Daerah Sampling dan Kapal di Selat Madura ... 65
Gambar 4. 24 Grafik Konsenstrasi NOx per Daerah ... 67
Gambar 4. 25 Grafik Konsenstrasi CO per Daerah ... 69
Gambar 4. 26 Grafik Konsenstrasi SO2 per Daerah ... 70
Gambar 4. 27 Grafik Konsenstrasi PM2,5 per Daerah ... 71
xviii
xix
DAFTAR TABEL
Tabel 1. 1 Emisi CO2 Kapal Dibandingkan Total CO2 Global ... 1
Tabel 1. 2 Peningkatan Jumlah Kapal Container dan Gas Carrier ... 1
Tabel 1. 3 Peningkatan Jumlah Kapal Tanker dan Bulk Carrier ... 2
Tabel 2. 1 Load factor Auxiliary Engine Kapal ... 10
Tabel 2. 2 Faktor Emisi Engine (g/kWh) ... 11
Tabel 2. 3 Faktor Emisi Engine (g/kWh) ... 12
Tabel 2. 4 Fuel Correction Factors (g/kWh) ... 12
Tabel 2. 5 Emission Factors for Auxiliary Engine (g/kWh) ... 13
Tabel 2. 6 Half-life Time (mins) ... 14
Tabel 2. 7 Waktu Perbaharuan dari Status Navigasi Kapal ... 18
Tabel 4. 1 Data AIS pada Mei 2016 ... 26
Tabel 4. 2 Jumlah Kapal Periode Mei 2015 – Mei 2016 ... 29
Tabel 4. 3 Traffic Kapal Tanggal 1 Mei 2016 Per Jam ... 30
Tabel 4. 4 Data Kapal 1 Mei 2016 Pukul 17.00-18.00 ... 31
Tabel 4. 5 Daftar Website Ship Register ... 34
Tabel 4. 6 Pembagian Perhitungan Estimasi Emisi Kapal ... 37
Tabel 4. 7 Load Factor Kapal Red Resource ... 38
Tabel 4. 8 Durasi Aktivitas Kapal Red Resource (jam) ... 38
Tabel 4. 9 Energi Main Engine dan Auxiliary Engine ... 39
Tabel 4. 10 Emisi Gas Buang Kapal Red Resource ... 42
Tabel 4. 11 Estimasi Emisi Gas Buang Kapal (kg) ... 42
Tabel 4. 12 Hasil Estimasi Emisi Gas Buang Kapal (kg) ... 43
Tabel 4. 13 Hasil Estimasi Emisi Gas Buang Kapal (kg) ... 44
Tabel 4. 14 Hasil Estimasi Emisi Berdasarkan Tipe Kapal (kg) ... 46
Tabel 4. 15 Hasil Emisi Kapal Red Resource Secara Dinamis ... 47
Tabel 4. 16 Titik Daerah Sampling ... 53
Tabel 4. 17 Titik Daerah Sampling ... 64
Tabel 4. 18 Koordinat X dan Y Titik Daerah Sampling ... 66
Tabel 4. 19 Konsentrasi NOx (µg/m3) ... 66
Tabel 4. 20 Konsentrasi CO (µg/m3) ... 68
Tabel 4. 21 Konsentrasi SO2 (µg/m3) ... 69
Tabel 4. 22 Konsentrasi PM2,5 (µg/m3)... 70
xx
1 BAB 1
PENDAHULUAN 1.1 Latar Belakang
Dampak pemanasan global semakin terasa dari tahun ke tahun. Dampak pemanasan global seperti permukaan air laut naik akibat cairnya gletser (daratan es), suhu udara meningkat dan kekeringan. Pemanasan global terjadi karena beberapa faktor seperti rumah kaca, gas buang industri, penggunaan Cloro Four Carbon (CFC), penebangan hutan, pembakaran sampah dan emisi kendaraan bermotor. Dari tahun 2007 hingga 2012, emisi gas buang kapal rata-rata menyumbang CO2 sebesar 3,1% dari total CO2 yang dihasilkan (IMO, 2015). Hal ini dapat dilihat pada Tabel 1. 1.
Tabel 1. 1 Emisi CO2 Kapal Dibandingkan Total CO2 Global
Tahun CO2 Global Total Pelayaran % Global Pelayaran Internasional % Global 2007 31.409 1.100 3,5% 885 2,8% 2008 32.204 1.135 3,5% 921 2,9% 2009 32.047 978 3,1% 855 2,7% 2010 33.612 915 2,7% 771 2,3% 2011 34.723 1.022 2,9% 850 2,4% 2012 35.640 938 2,6% 796 2,2% Average 33.273 1.015 3,1% 846 2,6% Sumber: (IMO, 2015)
Pada Tabel Tabel 1. 2 diketahui bahwa peningkatan kapal dikelompokkan berdasarkan ukuran kapal. Pada tahun 2050, jumlah kapal container 12.000-14.500 TEU akan bertumbuh menjadi 9%. Sedangkan pada tahun 2012 kapal container 12.000-14.500 TEU hanya sebesar 2%. Pada tahun 2012, kapal dry bulk carrier hanya sebesar 31 %. Kapal dry bulk carrier akan bertumbuh menjadi 40% pada tahun 2050. Kapal liquid gas carrier (LNG) 20.000-199.999 m3 akan bertumbuh menjadi 66% pada tahun 2050.
Tabel 1. 2 Peningkatan Jumlah Kapal Container dan Gas Carrier
Tipe Kapal Ukuran (dwt) Distribution in terms of numbers
2012 2050 Container vessel 0-999 22% 22% 1.000-1.999 TEU 25% 20% 2.000-2.999 TEU 14% 18% 3.000-4.999 TEU 19% 5% 5.000-7.999 TEU 11% 11% 8.000-11.999 TEU 7% 10% 12.000-14.500 TEU 2% 9% 14.500-+ TEU 0.2% 5% Liquified gas carriers 0-49.000 m3 68% 32% 20.000-199.999 m3 29% 66% >200.000 m3 3% 2% Sumber: (IMO, 2015)
Pada Tabel Tabel 1. 3 diketahui bahwa peningkatan kapal dikelompokkan berdasarkan ukuran kapal. Pada tahun 2050, jumlah kapal oil/chemical tankers tidak mengalami pertumbuhan dari tahun 2012 hingga pada tahun 2050. Pada tahun 2012, kapal dry bulk carrier hanya sebesar 31%. Kapal dry bulk carrier akan bertumbuh menjadi 40% pada tahun 2050. Kapal drybulk carrier ukuran 10.000-34.999 dwt akan mengalami pertumbuhan dari 29% pada tahun 2012 menjadi 66% pada tahun 2050.
Tabel 1. 3 Peningkatan Jumlah Kapal Tanker dan Bulk Carrier
Tipe Kapal Ukuran (dwt) Distribution in terms of
numbers Oil/chemical tankers 0-4.999 1% 1% 5.000-9.999 1% 1% 10.000-19.999 1% 1% 20.000-59.999 7% 7% 60.000-79.999 7% 7% 80.000-119.999 23% 23% 200.000-199.999 17% 17% 200.000-+ 45% 43%
Dry bulk carriers
0-9.900 68% 32% 10.000-34.999 29% 66% 35.000-59.999 3% 2% 60.000-99.999 26% 23% 10.000-19.999 31% 40% 200.000-+ 11% 10% Sumber: (IMO, 2015)
Saat ini, penggunaan sistem carbon credit trading sudah terapkan. Carbon credit trading merupakan suatu sistem untuk menghitung dan memantau emisi carbon perusahaan komersial. Hal ini termasuk juga untuk industri maritim. Industri maritim menggunakan sistem ini dikarenakan industri maritim merupakan industri dengan jumlah armada besar, sebagai industri dengan konsumsi bahan bakar terbesar, penggunaan clean energy yang masih minim dan masih banyaknya penggunaan bahan bakar low grade. (Karan, 2016)
Berdasarkan fakta-fakta mengenai emisi CO2 kapal sebesar 3,1% dari emisi global, fakta mengenai akan meningkatnya distribusi kapal pada tahun 2050 dan fakta bahwa sudah diterapkannya carbon credit trading maka dibutuhkan perhitungan emisi kapal dan peraturan pengendalian emisi gas buang kapal sehingga tidak mengganggu kesehatan masyarakat dan lingkungan. Regulasi IMO terkait pengendalian emisi gas buang kapal yakni MARPOL 73/78 Annex VI.
Emisi gas buang kapal terdiri dari NOx, COx, Volatile Orgnaic Compounds (VOC), Particulate Matter (PM), dan SOx. Dalam penelitian ini, emisi gas buang kapal diestimasikan dengan metode Puget. Data utama yang digunakan untuk menghitung emisi gas buang kapal ialah Automatic Identidication System (AIS). Data AIS berupa maritime mobile service identity (MMSI), kecepatan kapal, posisi kapal, tipe kapal. Data utama selanjutnya digunakan untuk mencari data machinery kapal seperti power main engine dan power auxiliary engine.
Selat Madura pada tahun 2005 dilewati 15000 kapal. Kepadatan alur pelayaran Selat Madura meningkat pada tahun 2010. Pada tahun 2010, sedikitnya 30000 kapal melintas di Selat Madura (kompas.com, 2012).
Gambar 1. 1 Peta Letak Selat Madura
Posisi Selat Madura diantara pulau Jawa dan Madura memiliki karakteristik kecepatan angin tinggi. Kondisi alam berangin kencang berdampak pada penyebaran emisi gas buang kapal. Penyebaran emisi gas buang kapal dimodelkan dengan metode Lagrangian Particle Disepersion Model (LPDM). LPDM dapat digunakan pada lingkungan dengan kecepatan angin tinggi.
1.2 Rumusan Masalah
Mengacu pada latar belakang diatas, maka permasalahan yang dapat dianalisis kedepannya ialah sebagai berikut:
1. Bagaimana cara mengestimasi jumlah emisi gas buang kapal pada Selat Madura menggunakan data AIS?
2. Bagaimana penyebaran emisi gas buang kapal pada Selat Madura? 1.3 Batasan Masalah
1. Penelitian tersebut hanya dilakukan di Selat Madura dengan latitude -7,01 longitude 112,63 hingga latitude -7,21 longitude 112,75.
2. Kapal yang akan dianalisis adalah kapal yang terekam pada data AIS dan memiliki keterangan pendukung dari classification society kapal.
3. Penelitian tersebut tidak mengevaluasi dampak dari polusi. 1.4 Tujuan Penelitian
Adapun tujuan dari penelitian ini ialah:
1. Menghitung jumlah emisi gas buang kapal di Selat Madura berdasarkan data AIS. 2. Menghitung distribusi emisi gas buang kapal di Selat Madura.
1.5 Manfaat Penelitian
Adapun manfaat dari penelitian ini ialah:
1. Mengetahui estimasi jumlah emisi gas buang kapal pada Selat Madura berdasarkan data AIS.
2. Mengetahui distribusi emisi gas buang kapal di Selat Madura.
3. Menjadi referensi pemerintah untuk mencegah polusi udara dengan meratifikasi MARPOL 73/38 Annex VI.
5 BAB 2
TINJAUAN PUSTAKA 2.1 Polusi Udara
Pemanasan global tidak lepas dari polusi udara. Pencemaran udara atau sering kita dengar dengan istilah polusi udara diartikan sebagai adanya bahan-bahan atau zat-zat asing di dalam udara yang menyebabkan perubahan susunan atau komposisi udara dari keadaan normalnya (Wardhana,1999). Polusi udara disebabkan oleh berbagai macam zat kimia, baik berdampak langsung maupun tidak langsung yang semakin lama akan semakin mengganggu kehidupan manusia, hewan dan tumbuhan (Rahmawaty, 2002).
Polusi udara ini dapat berbentuk padatan, seperti partikel kecil yang yang berterbangan akibat tiupan angin, asap dari industri dan kendaraan bermotor. Selain berbentuk padatan polusi dapat berupa cairan dan gelombang. Polusi berupa cairan seperti air hujan maupun bahan kimia yang cukup dominan (bentuk gas seperti Ozon, CO2), sedangkan polusi udara yang berbentuk gelombang seperti kebisingan akibat suara yang dihasilkan oleh kendaraan bermotor (Rahmawaty, 2002).
Polusi udara dikategorikan kedalam beberapa kategori berdasarkan komponen kimia didalamnya (Visscher, 2014). Berikut adalah beberapa jenis komponen polusi udara:
A. Sulfur (SO2)
Sulfur dioxide (SO2) merupakan komponen sulfur terbesar yang ada dalam emisi gas buang. 90% dari sulfur dioxide di dunia ini dihasilkan oleh pembakar bahan bakar fosil. Pertahunnya, SO2 ini dihasilkan sebesar 160 megaton. SO2 ini memiliki sifat berbau tajam dan tidak mudah terbakar. SO2 dapat diperoleh dari proses pembakaran baik itu dari ruang bakar dan dari bahan bakar itu sendiri. Reaksi kimia adalah sebagai berikut:
SO2 yang dihasilkan dari proses pembakaran di dalam ruang bakar S8 + 8O2 › 8 SO2
SO2 yang dihasilkan dari senyawa sulfur organic bahan bakar 2H2S + 3O2 › 2H2O + SO2
Sulfur dioxide (SO2) dapat mengakibatkan gangguan pernafasan dan juga gangguan cardiovascular. Selain itu, SO2 bersifat korosif pada bahan metal.
B. Komponen Nitrogen (NOx)
Emisi global dari NOx adalah sekitar 60 megaton per tahun. NOx dapat berupa nitrogen monoksida (NO) dan nitrogen dioksida (NO2). Sifat dari NO yaitu tidak berwarna dan berbau sedangkan NO2 baunya menyengat dan warna merah kecoklatan. NOx dihasilkan dari reaksi pembakaran antara nitrogen dan oksigen. Berikut adalah reaksinya:
N2 + O2 › 2NO 2NO + O2 › 2NO2
NOx dapat mengakibatkan gangguan pada pernafasan dan juga gangguan cardiovascular.
C. Volatile Organic Compounds (VOC)
Volatile organic compounds adalah senyawa organik yang mudah menguap pada tekanan dan temperature ruang. VOC ini seperti methane (CH4), nonmethane hydrocarbon, dan halocarbons. Methane (CH4) pertahunnya dihasilkan sebanyak 600 megaton oleh industri minyak dan gas, tempat pembuangan sampah, dan lahan basah. Sedangkan halocarbons biasa berbentuk chlorofluorocarbons (CFCs) yang bersifat merusak lapizan ozon. Senyawa organik ini dapat mengakibatkan iritasi pada mata, gengguang pada tenggorokan bahkan kerusakan pada sistem saraf. D. Particule Matter (PM)
Perticulate matter merupakan partikel emisi solid yang biasa disebut debu. Debu ini merupakan tipe emisi yang sangat berbahaya. Tingkat bahaya dari PM ditentukan dari besarnya diameter partikel. Misalnya PM2,5 yang memiliki diameter kurang dari 2.5µm. Biasa dihasilkan oleh motor diesel. PM ini dapat mengakibatkan gangguan cardiovascular.
E. Carbon (COx)
COx dapat berupa carbon monoksida (CO) dan carbon dioksida (CO2). CO sangat beracun namun tak berbau yang memiliki tingkat konsentrasi 40-200ppb. CO dihasilkan dari pembakaran karbon dalam bahan bakar. Dalam rekasinya ditulis:
2C + O2 › 2CO
CO2 juga tidak berbau dan tidak berwarna CO2 merupakan 60% dari penyebab efek rumah kaca. CO2 memiki konsentrasi sebesar 380 ppm. CO2 dihasilkan dari proses organik yakni keluaran mahkluk hidup, dan anorganik yakni hasil pembakaran bahan bakar fosil. Dalam reaksinya ditulis:
2CH2 + 3O2 › CO2 + H2O 2.2 Perhitungan Emisi Gas Buang Kapal
Saat ini, banyak penelitian yang dilakukan untuk mengestimasi emisi gas buang kapal. Pada umumnya, setiap pelabuhan yang international memiliki laporan emisi yang dipublish tiap tahunnya. Pada tugas akhir ini, digunakan metode perhitungan yang berasal dari Puget Sound Maritime Air Emission Inventory yang dipublikasi pada tahun 2012.
Gambar 2. 1 Puget Sound Maritime Air Emission Inventory Sumber: (2011 Puget Sound Maritime Air Emissions Inventory, 2012)
Inventory ini dikembangkan oleh forum yang bernama Puget Sound Maritime Air Forum. Forum ini bersifat sukarela yang kerjasamanya mencakup organisasi maritim baik privat maupun publik, pelabuhan, organisasi yang terkait lingkungan, organisasi yang berjalan di bidang kesehatan masyarakat hingga organisasi yang bertanggung jawab terhadap regulasi di dunia industri maritim. Forum ini berkomitmen untuk menghitung emisi secara akurat dan juga bekerjasama dengan pihak terkait transportasi maritim untuk mengurangi emisi udara. Dalam usahanya untuk mengurangi emisi, partner dan customer dari forum ini telah menggunakan cleaner fuels, mengganti engine lama dengan yang baru, dan mengimplementasikan sistem untuk mengefisienkan penggunaaan peralatan yang dapat menurunkan hasil emisi.
Publikasi ini menghitung estimasi emisi pada suatu pelabuhan yang mencakup beberapa bagian yaitu:
A. Ocean-going vessels (OGV) yakni kapal kargo, kapal pesiar, tanker, roll-on roll-off (RoRo) ships, dry bulk carrier, bulk liquid carrier, dsb. Publikasi yang dikeluarkan oleh Puget ini telah meneliti sebesar 2582 OGV pada tahun 2011. Namun, dari 2582 kapal yang diteliti, tidak termasuk kapal militer.
Gambar 2. 2 Ocean-Going Vessel (OSV) Sumber: (Conjecture, 2013)
B. Harbor vessels yakni kapal yang melayani di pelabuhan tersebut termasuk kapal komersil, kapal rekreasi, kapal pemerintah yang beraktivitas didekat pelabuhan maupun daerah pantai. Dalam publikasinya, penelitian Puget pada tahun 2011 mencakup 263 kapal.
C. Selain kapal, dalam menghitung emisi di pelabuhan, Puget juga memperkirakan emisi dari cargo handling equipment yang melayani kapal dalam memindahkan cargo baik dalam bentuk bulk, liquid maupun container. Dalam penelitian tahun 2011, Puget telah menghitung emisi dari total 1196 peralatan cargo handling seperti crane, yard tractors, forklift, straddle carriers, dsb.
Gambar 2. 3 Straddle Carriers Sumber: (Mercator, 2013)
D. Fleet vehicles seperti kendaraan untuk mendukung pemindahan cargo seperti terminal fleet vehicle, cruise terminal vehicle, dan import/export vehicles. Pada penelitian ini, telah diteliti emisi sebanyak 805 kendaraan terminal.
Gambar 2. 4 Fleet Vehicle Sumber: (Penton, 2012)
E. Locomotive operations yaitu kendaraan yang menggunakan rel sebagai lintasannya yang tersedia di pelabuhan.
Untuk menghitung estimasi emisi gas buang kapal, maka digunakanlah metodologi yang digunakan pada bagian ocean-going vessels (OGV). Emisi dapat diestimasikan dengan mengalikan tenaga sebuah mesin dikalikan dengan emisi faktor (2011 Puget Sound Maritime Air Emissions Inventory, 2012). Dalam rumus matematis ditulis:
E = Energi x EF x FCF (1)
Dimana:
E = emisi polutan yang dihasilkan
Energi = kebutuhan energi yang dibutuhkan pada suatu periode waktu EF = emisi faktor (g/kWh)
FCF = fuel correction factor
Selanjutnya, untuk mencari energy dapat digunakan rumus seperti dibawah ini, yaitu:
Energi = MCR x LF x A (2)
Dimana:
Energi = kebutuhan energi yang dibutuhkan pada suatu periode waktu MCR = maximum continuous rated engine power (kW)
LF = load factor A = activity (hr)
Load factor dapat dicari dengan menggunakan rumus dibawah ini, yaitu:
LF = (SpeedActual / SpeedMaximum)3 (3)
Dimana:
LF = load factor
SpeedActual = kecepatan actual kapal (knots)
SpeedMaximum = kecepatan maximum kapal (knots)
Load factor kapal berdasarkan rumus matematis (3) didapat dari hasil bagi speed actual dan speed maximum dipangkatkan tiga. Ada tiga fase kapal dalam menentukan load factor kapal yakni cruise, manoeuvring, dan hotelling (Trozzi, 1998). Jika melihat rumus (3) dapat dilihat bahwa dalam keadaan hotelling dengan kondisi kecepatan aktual kapal adalah 0 knot, maka akan menimbulkan load factor main engine dan auxiliary engine sama dengan nol. Pada umumnya kapal pada fase hotelling hanya menggunakan auxiliary engine yang dalam hal ini akan menghasilkan emisi. Oleh karena itu untuk kapal yang fase hotelling dengan kondisi kecepatan mendekati 0 knot maka untuk perhitungan emisi dari auxiliary engine sesuai dengan Tabel Tabel 2.1 dibawah ini.
Tabel 2. 1 Load factor Auxiliary Engine Kapal
Fase Kapal Load Factor Auxiliary Engine
Cruise 30
Manoeuvring 50
Hotelling (exept Tankers) 40
Hotelling (Tankers) 60
Pada Tabel 2.1 dapat dilihat bahwa fase kapal dibagi menjadi tiga yakni cruise, manouevring dan hotelling. Pada fase kapal cruise load factor dari auxiliary engine adalah sebesar 30 sedangkan pada fase manoeuvring load factor dari auxiliary engine adalah sebesar 50. Untuk fase hotelling, dibagi menjadi dua berdasarkan tipe kapal yakni kapal type tanker dengan load factor auxiliary engine sebesar 60 dan kapal non-tanker dengan load factor auxiliary engine sebesar 40.
Activity (A) dapat dicari dengan menggunakan rumus dibawah ini, yaitu:
A = D / Speedactual (4)
Dimana:
A = activity (hr)
D = jarak yang ditempuh kapal (nautical miles) SpeedActual = kecepatan actual kapal (knots)
Untuk emisi faktor (EF) masing- masing polutan dipengaruhi oleh kecepatan putaran engine, model tahun engine dan juga konstanta polutan itu sendiri, untuk jenis mesin, dibedakan menjadi slow speed diesel, medium speed diesel, gas turbin dan mesin yang menggunakan turbin uap. Selain itu, mesin juga dibagi menjadi beberapa tipe berdasarkan cara kerjanya, yaitu:
A. Tipe diesel yang dibagi lagi menjadi mesin dibawah tahun 1999, mesin Tier 1 yakni dari tahun 2000-2010 dan mesin Tier 2 yakni dari tahun 2011-2015. Khusus untuk mesin diesel juga dibagi menjadi dua tipe berdasarkan kecepatan revolusi mesin yakni slow speed diesel yakni dibawah 130 rpm dan medium speed diesel yakni diantara 130 rpm dan 400 rpm.
B. Tipe gas turbine C. Tipe Streamship
Emisi faktor tersebut dapat dilihat pada Tabel dibawah:
Tabel 2. 2 Faktor Emisi Engine (g/kWh)
Engine Model Year NOx CO SO2 PM2,5
Slow Speed Diesel ≤ 1999 18,1 1,4 10,5 1,2 Medium Speed Diesel ≤ 1999 14,0 1,1 11,5 1,2 Slow Speed Diesel 2000-2010 17,0 1,4 10,5 1,2 Medium Speed Diesel 2000-2010 13,0 1,1 11,5 1,2 Slow Speed Diesel 2011-2015 14,4 1,4 10,5 1,2 Medium Speed Diesel 2011-2015 10,5 1,1 11,5 1,2
Gas Turbine All 6,1 0,2 16,5 0,04
Steamship All 2,1 0,2 16,5 0,6
Sumber: (2011 Puget Sound Maritime Air Emissions Inventory, 2012)
Berdasarkan Tabel 2.2 dapat dilihat bahwa engine dibagi menjadi 3 tipe yakni diesel, gas turbine dan steamship. Khusus untuk diesel dibagi lagi berdasarkan kecepatan dan tahun model dari engine. Untuk engine slow speed diesel model tahun ≤1999 faktor emisi NOx, CO, SO2 dan PM2,5 berturut-turut adalah 18,1; 1,4; 10,5 dan 1,2. Engine medium speed disel model tahun ≤1999 memiliki faktor emisi NOx, CO, SO2 dan PM2,5 berturut-turut adalah 14,0; 1,1; 11,5 dan 1,2. Engine slow speed disel model tahun
2000-2010 memiliki faktor emisi NOx, CO, SO2 dan PM2,5 berturut-turut adalah 17,0; 1,4; 10,5 dan 1,2. Engine medium speed disel model tahun 2000-2010 memiliki faktor emisi NOx, CO, SO2 dan PM2,5 berturut-turut adalah 13,0; 1,1; 11,5 dan 1,2. Engine slow speed disel model tahun 2011-2015 memiliki faktor emisi NOx, CO, SO2 dan PM2,5 berturut-turut adalah 14,4; 1,4; 10,5 dan 1,2. Engine medium speed disel model tahun 2011-2015 memiliki faktor emisi NOx, CO, SO2 dan PM2,5 berturut-turut adalah 10,5; 1,1; 11,5 dan 1,2. Seluruh faktor emisi memiliki satuan g/kWh.
Tabel 2. 3 Faktor Emisi Engine (g/kWh)
Engine Model Year CO2
Slow Speed Diesel All 620
Medium Speed Diesel All 683
Gas Turbine All 970
Steamship All 970
Sumber: (2011 Puget Sound Maritime Air Emissions Inventory, 2012)
Tabel 2.3 menampilkan faktor emisi CO2 engine. Faktor emisi CO2 engine slow speed diesel, medium speed diesel, gas turbine dan steamship berturut- turut adalah 620, 683, 970 dan 970. Faktor emisi pada Tabel 2.3 bersatuan g/kWh. Tabel 2.2 dan Tabel 2.3 menampilkan emisi faktor dengan bahan bakar residual oil yang memiliki konten sulfur sebesar 2.7%. Jika bahan bakar yang digunakan berbeda maka akan digunakan fuel correction factor (FCF) yang terdapat pada rumus (1). Fuel correction factor dapat dilihat pada Tabel 2.3 dibawah ini.
Tabel 2. 4 Fuel Correction Factors (g/kWh) Fuel Used NOx CO SO2 PM2,5 CO2 HFO (2.7 % S) 1 1 1 1 1 HFO (1.5 % S) 1 1 0.555 0.82 1 MGO (0.5 % S) 0.94 1 0.185 0.25 1 MDO (1.5 % S) 0.94 1 0.555 0.47 1 MGO (0.1 % S) 0.94 1 0.037 0.17 1 MGO (0.3 % S) 0.94 1 0.111 0.21 1 MGO (0.4 % S) 0.94 1 0.148 0.23 1
Sumber: (2011 Puget Sound Maritime Air Emissions Inventory, 2012)
Selain dipengaruhi oleh main propulsion engine, jumlah emisi gas buang kapal juga dipengaruhi oleh auxiliary engine kapal. Perhitungan emisi yang dihasilkan auxiliary engine kapal sama yakni menggunakan rumus yang sama dengan menghitung emisi gas buang kapal yang dihasilkan mesin utama. Namun, untuk mengetahui faktor emisi gas buang kapal pada auxiliary engine berbeda dengan main engine. Faktor emisi gas buang kapal pada auxiliary engine dapat dilihat pada Tabel 2.5 dibawah.
Tabel 2. 5 Emission Factors for Auxiliary Engine (g/kWh)
Engine Model Year NOx CO SO2 PM2,5 CO2
Medium Speed Engine ≤1999 14.7 1.1 12.3 0.8 683 Medium Speed Engine 2000-2010 13.0 1.1 12.3 0.8 683 Medium Speed Engine 2011-2015 10.5 1.1 12.3 0.8 683
Sumber: (2011 Puget Sound Maritime Air Emissions Inventory, 2012) 2.3 Lagrangian Particle Dispersion Model
Model dispersi adalah suatu rumusan matematika yang menerangkan suatu keadaan atmosfer untuk mengkalkulasi tingkat konsentrasi suatu partikel pada lokasi tertentu. Metode modelling dibagi tiga yakni model Box, model Gaussian, model Lagrangian dan model Computational Fluid Dynamics (CFD) (Holmes & Morawska, 2006).
Model box merupakan suatu permodelan yang membatasi pengamatan hanya pada suatu daerah yang telah dipilih sebelumnya. Salah satu keuntungan model ini ialah model ini sangat sederhana namun mencakup skema reaksi kimia yang lebih rinci dibanding model lain (Holmes & Morawska, 2006). Berbeda dengan model Gaussian. Model Gaussian dapat digunakan untuk memodelkan dispersi partikel yang tidak terjadi secara terus menerus, memiliki kecepatan angin yang rendah dan juga asal sumber partikel yang ketinggiannya rendah (Walter, 2004). Model CFD merupakan analisis yang kompleks terhadap aliran fluida yang berdasarkan dari massa fluida dan juga momentum dari fluida tersebut. Hasil dari metode ini dapat dilihat dalam bentuk tiga dimensi (Holmes & Morawska, 2006).
Metode Lagrangian adalah salah satu metode dalam mengestimasikan dispersi parktikel pada suatu daerah/tempat. Tingkat konsentrasi dari polusi udara ini dapat dipengaruhi beberapa faktor seperti kecepatan fluida, turbulensi, angin yang bergerak dan difusi dari molekul tersebut. Model ini cocok digunakan untuk daerah yang memiliki media penyebaran polusi yang berubah-ubah/tidak stabil di kondisi medan yang kompleks (Holmes & Morawska, 2006). Nantinya segala macam faktor ini akan dimasukkan kedalam sebuah formulasi permodelan. Jika pada Plume dan Puff Model, dispersi partikel yang jauh dari asalnya tidak dapat diprediksi dengan akurat yaitu plume dapat digunakan hingga 30-50 km dari sumber partikel dan 200 km untuk Puff. Berbeda dengan Lagrangian yang lebih akurat dan biasa digunakan sebagai metode untuk keperluan meteorological (Alex De Visscher, 2014). Selain itu, dalam papernya yang membandingkan metode Gaussian dan lagrangian mengatakan bahwa motede Gaussian memiliki batasan yang tidak berlaku pada metode Lagrangian (Walter, 2004). Batasan-batasan tersebut yakni:
Kasus tidak kontinu
Orography yang complex
Inhomogneous topography
Low altitude sources
Low wind speed
Ada tiga jenis kondisi lingkungan yang dapat digunakan dalam perhitungan Lagrangian, yaitu:
Dilanjutkan pada halaman selanjutnya
Neutral Condition
Biasanya terjadi pada transisi antara siang dan malam. Pada kondisi netral ini kecepatan angin lebih besar daripada 6 m/s.
Unstable Condition
Pada kondisi tidak stabil, ketinggian dari dasar permukaan h lebih tinggi 10%.
Stable Condition
Kondisi pada umumnya terjadi sekitar malam hari dengan kondisi angin yang relatif rendah.
Kondisi rata-rata kecepatan angin pada Selat Madura lebih dari 6 m/s, maka digunakan kondisi neutral.
Rumusan metode Lagrangian yang digunakan untuk memodelkan dispersi partikel dapat ditulis dengan formula (Soon, et al., 2016):
Ck (x, y, z)= Qke - 0.693t τ (√2π)3 σkx σky σkzexp[ -(xk-x)2 2 σ2kx -(yk-y)2 2 σ2ky -(zk-z)2 2 σ2kz] (5) Dimana:
Qke adalah total emisi dari sumber emisi x, y, z adalah lokasi sampling emisi xk, yk, zk adalah lokasi sumber emisi t adalah durasi simulasi emisi (menit)
τ adalah halflife time dari emisi (menit)
σkx, σky, σkz adalah standar deviasi dengan rumus (EnviroComp Consulting,inc., 2001): 𝜎kx = 2 ∗ u exp (−3 f zu ) (6) 𝜎𝑘𝑦 = 𝜎𝑘𝑧 = 1.3 ∗ 𝑢 𝑒𝑥𝑝 (−2 𝑓 𝑧 𝑢 ) (7) Dengan: 𝑓 = 2 𝛺 sin 𝜙 (8) Dimana: C = konstanta (0.15 hingga 0.25) u = wind velocity (m/s) Ω = earth’s rotation (7.29 x 10-5 s-1) ϕ = latitude
Half-life time adalah waktu yang dibutuhkan suatu zat (misalnya molekul, substansi atau nuklida radioaktif) untuk kehilangan separuh bentuk fisik, kandungan maupun aktivitas yang bersifat radionuklida (MESH, 2016).
Tabel 2. 6 Half-life Time (mins)
Half-life Time (mins)
NOx 9,00,E+02 CO 3,20,E+02 SO2 5,76,E+03
Lanjutan Tabel 2.6
Half-life Time (mins)
PM2,5 3,01,E+09 CO2 3,68,E+06
Tabel 2.6 menunjukkan half-life time dari emisi gas buang kapal. Half-life time dari emisi NOx adalah sebesar 9,00,E+02menit (Kelm, 1998). Half-life time dari emisi CO adalah sebesar 3,20,E+02 menit (Bateman, 2003). Half-life time dari emisi SO2 adalah sebesar 5,76,E+03 menit (IVHHN, 2017). Half-life time dari emisi PM2,5 sama dengan carbon adalah sebesar 3,01,E+09 menit (Hanson, et al., 2017). Half-life time dari emisi CO2 adalah sebesar 3,68,E+06 menit (Kaiser, 2016).
Lokasi sumber emisi (x, y) dan lokasi sampling (xk, yk) terlebih dahulu harus di transfer dari kordinat latitude longitude ke dalam bentuk meter. Transfer koordinat x,y ditunjukkan gambar 2.5. dimana koordinat x dipresentasikan sebagai barat-timur dan koordinat y dipresentasikan sebagai utara-Selatan. Berikut adalah rumus transfer koordinat: 𝑥 = 𝑥𝑜 𝑥 cos 𝜃 cos 𝛽 (9) 𝑦 = 𝑦𝑜 𝑥 sin 𝜃 sin 𝛽 (10) 𝜶 = 𝛽 + 𝜃 (11)
Gambar 2. 5 Transfer Koordinat Sumber: (Liu, et al., 2006)
2.4 HYSPLIT4
Hysplit4 (Hybrid Single-Particle Lagrangian Integrated Trajectory) adalah sebuah aplikasi yang digunakan untuk mensimulasikan penyebaran partikel diudara. Aplikasi yang biasa digunakan oleh NOAA (National Ocean and Atmospheric Administration) untuk memprediksikan cuaca dan iklim di daerah Amerika Serikat ini dapat mensimulasikan trajectory dari partikel maupun sebaran konsentrasi partikel tertentu di udara. Inputan data meteorologi perlu dilakukan untuk mensimulasikan trajectory ataupun sebaran konsentrasi partikel, seperti kecepatan angin, arah angin, data waktu keadaan angin tersebut, dan juga Pasquill stability category. Pada pasquill stability category, tingkat stabilitas dibagi menjadi 7 yakni dengan nilai 1 jika stabilitas sangat tidak stabil sedangkan nilai 7 jika stabilitas sangat stabil. Selain dapat digunakan secara offline, aplikasi ini juga dapat digunakan secara online pada website arl.noaa.gov.
Gambar 2. 6 Lambang Hysplit Sumber: arl.noaa.gov
Trejectory partikel juga dapat diketahui dengan menggunakan aplikasi hysplit. Sebelum mengetahui trajectory partikel maka diperlukan input keadaan meteorology yang dapat dimasukkan secara manual oleh pengguna maupun data meteorology yang dikeluarkan oleh badan tertentu dengan syarat memiliki format yang sama dengan file meteorology hysplit. Dengan mengetahui trajectory dari suatu partikel maka kita dapat mengetahui seberapa jauh partikel akan berpindah dalam satuan waktu ke tempat lain pada suatu waktu. Selain mengetahui trajectory partikel, dapat juga diketahui sebaran konsentrasi suatu partikel di udara. Sebaran konsentrasi partikel pada suatu daerah ini juga dipengaruhi oleh keadaan meteorology. Dengan menggunakan hysplit dimungkinkan untuk mengetahui daerah mana yang terdapat konsentrasi partikel tertentu.
2.5 AIS
Automatic Identification System atau yang dikenal dengan AIS adalah suatu alat yang mentransmisikan data kapal seperti identitas kapal, posisi, tujuan, kecepatan kepada kapal lain di sekitar kapal maupun radio VHF umum di darat (Leica Geosystem Inc., 2001). Data AIS dapat digunakan untuk beberapa hal seperti menghindari tabrakan antar kapal, memberikan informasi kepada pihak berwenang di darat mengenai jenis kapal dan muatan kapal dan juga untuk pemilik kapal, dan digunakan untuk mengontrol keberadaan kapal. Setiap kapal yang dilengkapi AIS akan memancarkan signal dimana nantinya signal ini akan ditangkap oleh stasiun AIS di darat maupun oleh kapal lain.
Gambar 2. 7 Sistem AIS Sumber: Leica Geosystem Inc., 2001
International Maritime Organization (IMO) telah mengeluarkan persetujuan terkait penggunaan AIS dibawah Safety of live at sea (SOLAS) convention. Dimana AIS harus digunakan oleh seluruh kapal dengan 300 gross tonnage ataupun lebih yang melakukan pelayaran internasional, kapal diatas 500 gross tonnage yang tidak melakukan pelayaran internasional dan seluruh kapal penumpang segala ukuran.
Jenis- jenis data yang dipancarkan oleh AIS beragam dan dibagi menjadi beberapa kategori, yaitu:
A. Static Data
Nomor IMO
Panjang dan lebar kapal
Tipe kapal
Lokasi antena kapal (aft of bow dan portside/starboard of centerline) B. Dynamic Data
Posisi kapal
Time in UTS
Course over ground
Speed over ground
Tujuan
Status navigasi kapal (seperti “at anchor”, “not under command”, dan lain sebagainya.)
Rate of turn C. Voyage Related Data
Tinggi sarat kapal
Tipe cargo yang berbahaya
Destinasi dan ETA D. Safety-related messages
Informasi static kapal yang ditransmisikan biasanya telah diprogram sebelumnya dan dipastikan telah berfungsi dengan baik. Selain itu, informasi dynamic biasa didapat dari GPS. Untuk informasi pelayaran (voyage) dimasukkan oleh kapten kapal dan selalu diperbaharui secara rutin sesuai informasi pelayaran. Untuk safety-related message adalah informasi yang dapat diberikan setiap saat oleh kapal itu sendiri maupun stasiun di darat. Data static dan vogaye-related data akan ditransmisikan setiap 6 menit sekali. Selanjutnya data dynamic kapal akan ditransmisikan sesuai status navigasi kapal, seperti pada Tabel dibawah:
Tabel 2. 7 Waktu Perbaharuan dari Status Navigasi Kapal
Navigation Status Update Rates
At Anchor 3 minutes
0-14 knots 10 seconds
0-14 knots and changing course 3,5 seconds
14-23 knots 6 seconds
14-23 knots and changing course 2 seconds
23+ knots 2 seconds
23+ knots and changing course 2 seconds
Sumber: Leica Geosystem Inc., 2001
AIS transmitter mengirimkan data setiap 2 hingga 10 detik jika dalam status navigasi berlayar, sedangkan setiap 3 menit jika statusnya sedang lego jangkar. Data yang di transmisikan dari kapal berupa:
A. Maritime Mobile Service Identity (MMSI) yang berupa sembilan digit angka yang berbeda tiap kapalnya;
B. Navigation Status yang menjelaskan status navigasi kapal apakah sedang “at anchor”, ”underway using engine(s)”, “not under command”;
C. Rate of Turn yaitu derajat kapal untuk belok kanan maupun kiri; D. Speed Over Ground (SOG) yakni kecepatan kapal;
E. Position Accuracy; F. Longitude dan latitude; G. Course over ground; H. True Heading;
I. Time Stamp yang menggunakan Coordinated Universal Time (UTC). Selain data diatas, setiap enam menit, kapal akan mentransmisikan data yakni seperti:
A. International Maritime Organization (IMO) ship identification number yang memiliki tujuh digit angka yang berbeda tiap negeranya;
B. International radio call sign yang dapat dibedakan satu kapal dengan kapal lain yang berjumlah karakter hingga tujuh karakter;
C. Vessel name yakni nama kapal; D. Type of ship yakni jenis kapal;
E. Dimensions of ship yakni dimensi kapal tersebut;
F. Type of positioning system seperti GPS, Differential Global Positioning Systems (DGPS) atau Long Range Navigation (LORAN)-C;
G. Location of positioning system’s atenna onboard the vessel; H. Draught of ship;
I. Destination yang maksimal terdiri dari 20 karakter; J. Estimated time of arrival (ETA).
21 BAB 3
METODOLOGI PENELITIAN 3.1 Diagram Alur Penelitian
Gambar 3. 1 Diagram Alur Penelitian
Gambar 3.1 menunjukkan diagram alur penelitian. Penelitian dimulai dengan mengidentifikasi dan merumuskan permasalahan yang akan diteliti. Kemudian dilanjutkan dengan mencari informasi dari referensi- referensi permasalahan yang dapat membantu dalam penelitian tersebut. Setelah itu mengumpulkan data yakni data dari AIS dan juga data pelengkap kapal yang dibutuhkan. Selanjutnya dari data tersebut diolah
sehingga didapatkan estimasi emisi gas buang kapal. Hasil estimasi kemudian akan dianalisis yang dari hasil analisis didapatkan kesimpulan dan saran.
3.2 Identifikasi dan Perumusan Masalah
Langkah awal dalam mengerjakan suatu tugas akhir ialah mengetahui permasalahan yang kemudian akan dibahas. Pada tugas akhir ini, masalah yang ditemukan ialah emisi yang dihasilkan dari gas buang kapal pada Selat Madura. Jumlah kapal yang akan meningkat dari tahun ke tahun akan mengakibatkan jumlah emisi akan meningkat. Hal ini dapat mengakibatkan suatu polusi udara. Maka dari itu, perlu dilakukan suatu perhitungan emisi.
3.3 Studi Pustaka
Setelah mengetahui permasalahan yang akan dibahas, proses selanjutnya ialah studi pustaka. Dalam hal ini, dicari informasi dari referensi- referensi permasalahan yang relevan dengan masalah yang akan dibahas. Referensi- referensi tersebut dapat berupa buku- buku ilmiah, laporan ilmiah, laporan penelitian dan peraturan- peraturan yang berlaku. Referensi yang dibahas seperti polusi udara, referensi mengenai metode perhitungan emisi gas buang kapal, referensi mengenai model dispersi partikel lagrangian, referensi mengenai aplikasi Hysplit4, dan referensi mengenai AIS.
3.4 Pengambilan Data Lingkungan, Data Kapal dan AIS
Pengambilan data lingkungan dan AIS perlu dilakukan. Data lingkungan yang dibutuhkan seperti kecepatan angin, sedangkan data AIS yang dibutuhkan seperti data static yaitu nomor IMO, nama kapal, tipe kapal. Data dynamic seperti posisi kapal, durasi kapal pada posisi tertentu. Selain itu, database kapal seperti main engine dan auxilliry engine didapatkan dari classification society juga diperlukan.
3.5 Perhitungan Emisi
Selanjutnya dilakukan perhitungan emisi menggunakan metode yang telah dijelaskan pada Bab 2 yakni menggunakan metode yang berdasarkan dari publikasi Puget Sound Maritime Air Emission Inventory tahun 2012. Dari publikasi tersebut diambil rumus metode perhitungan dan faktor emisi gas buang kapal untuk kemudian memasukkan faktor emisi kedalam rumus perhiungan emisi. Data emisi yang diambil adalah data AIS terbaru yakni bulan Mei 2016. Dari bulan tersebut diambil 1 hari dengan jumlah MMSI kapal terbanyak. Dari 1 hari terpadat tersebut dipilih 1 jam dengan MMSI terbanyak.
3.6 Permodelan Dispersi Emisi
Setelah jumlah emisi polutan diketahui, selanjutnya adalah membuat permodelan menggunakan aplikasi. Aplikasi yang digunakan ialah aplikasi Hysplit4. Dalam aplikasi tersebut akan dimasukkan data meteorology seperti kecepatan angin, posisi kapal dan durasi posisi kapal tersebut yang didapat dari AIS. Kemudian akan didapat penyebaran partikel emisi gas buang kapal pada waktu tertentu. Selain itu digunakan Lagrangian Particle Dispersion Model (LPDM) untuk menentukan tingkat konsentrasi emisi di suatu daerah.
3.7 Analisis Hasil
Setelah dilakukan perhitungan emisi dan permodelan dispersi emisi, hasil selanjutnya akan dianalisis guna mendapatkan kesimpulan. Analisis bagian dari lokasi Selat Madura yang terdapat tingkat konsentrasi emisi dan seberapa luas sebaran partikel emisi tersebut.
3.8 Kesimpulan
Dari analisis yang telah dianalisis, maka dapat dibuat beberapa kesimpulan mengenai jumlah emisi dan distribusi emisi di Selat Madura.
25 BAB 4
ANALISIS DAN PEMBAHASAN 4.1 Umum
Pada bab ini akan diuraikan langkah-langkah penulis dalam mendapatkan besar emisi pada kapal di Selat Madura yang didapatkan dari mengolah data AIS. Setelah mengetahui besaran emisi pada kapal pada Selat Madura, selanjutnya hasil tersebut dimodelkan menggunakan lagrangian particle dispersion model (LPDM) untuk mengetahui sebaran konsentrasi emisi tersebut di Selat madura.
4.2 Analisis Data
4.2.1 Data Automatic Identification System (AIS)
Untuk mengetahui besar emisi gas buang kapal pada Selat Madura, maka diperlukan data untuk mengetahui jumlah kapal, identitas kapal dan pergerakan kapal. Oleh karena itu, penulis menggunakan data AIS yakni berasal dari receiver AIS pada National Ship Design and Engineering Center (NASDEC) yang terletak di daerah kampus Insitut Teknologi Sepuluh Nopember (ITS) Surabaya. Data AIS yang digunakan ialah selama 12 bulan dari Mei 2015 hingga Mei 2016. Selanjutnya data akan dimasukkan kedalam Microsoft excel untuk dijadikan database.
Gambar 4. 1 Peralatan AIS
Data AIS yang diperoleh ialah dalam format CSV yakni data yang di-record terpisah tanda koma (,) atau titik koma (;). Data AIS tersebut mencakup beberapa hal yakni Maritime Mobile Service Identity (MMSI), garis bujur kapal (longitude), garis lintang kapal (latitude), Speed Over Gorund (SOG), Centre of Gravity (COG), date dan
time kapal saat ditangkap receiver AIS. Data AIS pada Mei 2016 dapat dilihat pada Tabel 4.1
Tabel 4. 1 Data AIS pada Mei 2016
MMSI Latitude Longitude SOG COG Date Time
1193046 -7.19 112.72 0 0 5/2/2016 5:46:25 35721500 -7.18 112.73 0 175.2 5/1/2016 8:18:30 100000000 -7.20 112.73 0 0 5/1/2016 2:36:45 100010001 -7.17 112.67 14.3 146.6 5/1/2016 7:42:30 111219901 -7.04 112.67 8.9 191.5 5/2/2016 6:14:12 209138000 -7.20 112.71 0 137.7 5/25/2016 10:22:16 209425000 -7.20 112.71 0 110.2 5/1/2016 2:34:22 210409000 -7.03 112.67 11.5 200 5/29/2016 8:56:48 210804000 -7.20 112.71 0.1 259.6 5/1/2016 2:36:14 212417000 -7.03 112.67 16.8 197 5/28/2016 4:25:31 219370000 -7.19 112.71 0 121.7 5/2/2016 1:13:56 220229000 -7.08 112.66 7.7 187.1 5/29/2016 1:47:36 236456000 -7.18 112.72 0.1 14.2 5/2/2016 3:46:51 236546000 -7.20 112.70 0 113.1 5/19/2016 4:08:17 236574000 -7.19 112.73 0.1 11.3 5/1/2016 23:42:24 239527000 -7.03 112.67 8.8 204 5/26/2016 22:22:32 240775000 -7.15 112.66 0 278 5/19/2016 4:08:13 255805608 -7.20 112.71 0 259.1 5/1/2016 2:36:29 255805793 -7.01 112.68 13 204 5/1/2016 8:11:42 256671000 -7.01 112.68 11.5 206.1 5/2/2016 12:45:13 256973000 -7.11 112.66 11.3 180.5 5/26/2016 14:55:31 257165000 -7.20 112.73 0 121.6 5/19/2016 4:09:42 304010148 -7.15 112.66 10 150.1 5/25/2016 13:45:13 305627000 -7.03 112.67 8.9 201.2 5/2/2016 3:07:41 305726000 -7.19 112.71 0 0.1 5/19/2016 4:07:06 310704000 -7.03 112.67 10.5 191 5/2/2016 0:25:09 311000195 -7.01 112.68 9.4 206.5 5/3/2016 15:35:47 311000468 -7.20 112.73 0 239.8 5/19/2016 4:07:06 351600000 -7.20 112.72 0.1 287.5 5/19/2016 4:07:06 351697000 -7.09 112.67 0.2 329.7 5/1/2016 3:51:06 352059000 -7.20 112.72 0 274.4 5/1/2016 2:41:32 352498000 -7.12 112.67 0.2 137.6 5/29/2016 1:57:17 Dilanjutkan pada halaman selanjutnya
MMSI Latitude Longitude SOG COG Date Time 352882000 -7.03 112.67 12 211 5/26/2016 23:51:23 353114000 -7.20 112.72 0 167.4 5/1/2016 2:34:57 353211000 -7.14 112.66 0 230 5/1/2016 2:38:28 353754000 -7.15 112.67 102.3 360 5/27/2016 23:37:10 354587000 -7.18 112.69 5 127.2 5/29/2016 0:56:18 354645000 -7.04 112.67 7.5 19.2 5/1/2016 15:49:40 355136000 -7.01 112.68 11.3 213 5/27/2016 0:49:16 355282000 -7.20 112.73 0 47 5/25/2016 15:41:51 356492000 -7.20 112.70 0 316 5/25/2016 10:24:53 357417000 -7.02 112.68 11.1 200.4 5/3/2016 2:46:24 370000000 -7.19 112.73 0.1 79.6 5/1/2016 2:34:20 370394000 -7.10 112.66 7.1 182.9 5/1/2016 2:34:24 371089000 -7.12 112.66 0.1 226.6 5/1/2016 2:34:24 373139000 -7.20 112.72 0 40.7 5/19/2016 4:14:26 373648000 -7.01 112.68 13.7 210.1 5/27/2016 13:32:39 373871000 -7.20 112.72 0 76.4 5/25/2016 10:23:36 373875000 -7.20 112.73 0 288 5/19/2016 4:07:18 374061000 -7.10 112.66 5.8 176 5/27/2016 8:34:56 374066000 -7.20 112.73 0 178 5/1/2016 2:36:23 374244000 -7.20 112.73 0 264.6 5/1/2016 2:36:11 412052660 -7.19 112.69 0.2 248.6 5/1/2016 14:52:06 413570450 -7.15 112.67 0.1 353.9 5/1/2016 11:44:54 413639000 -7.18 112.70 0 111.7 5/19/2016 4:07:06 431500356 -7.15 112.67 0.3 181.9 5/25/2016 11:47:44 440197000 -7.03 112.67 9.8 204.3 5/25/2016 11:40:04 441902000 -7.00 112.68 9.9 218.3 5/26/2016 22:18:13 441921000 -7.09 112.66 13 188 5/26/2016 7:04:31 441951000 -7.19 112.69 0.1 316.1 5/19/2016 4:07:22 477111700 -7.20 112.70 0 355 5/19/2016 4:08:20 477137100 -7.10 112.66 3.7 155.7 5/26/2016 6:20:38 477220800 -7.01 112.68 11.6 205 5/2/2016 23:34:31 477405000 -7.17 112.68 0 108 5/1/2016 23:31:46 477478400 -7.02 112.68 10.9 200 5/1/2016 22:16:15 477522000 -7.05 112.66 12.2 195 5/3/2016 22:49:26 477542900 -7.02 112.67 14.7 208 5/26/2016 9:14:24
MMSI Latitude Longitude SOG COG Date Time 477699200 -7.01 112.68 11.4 204.5 5/29/2016 9:09:26 477752500 -7.01 112.68 11 207.4 5/27/2016 13:10:41 477898500 -7.01 112.68 9.9 205 5/28/2016 2:45:09 477993500 -7.11 112.66 2.7 22.9 5/27/2016 10:38:45 514455000 -7.06 112.66 12.1 200.2 5/27/2016 4:59:14 514948000 -7.03 112.67 11.6 205.7 5/27/2016 19:04:23 525000000 -7.19 112.72 0 178.9 5/1/2016 6:08:22 525000002 -7.19 112.71 10.2 278.6 5/1/2016 3:30:44 525000007 -7.19 112.72 0.2 8.9 5/1/2016 4:06:56 525000123 -7.20 112.72 5.5 330.2 5/25/2016 22:16:04 525000277 -7.11 112.66 15.8 179 5/28/2016 13:05:12 525001047 -7.20 112.72 4.1 320.2 5/3/2016 2:14:46 525001090 -7.20 112.72 1.9 352.9 5/28/2016 6:51:44 525002040 -7.14 112.66 0.1 0 5/1/2016 5:25:35 525002089 -7.20 112.73 2.9 89.3 5/28/2016 6:53:38 525002096 -7.17 112.67 0 81.1 5/19/2016 4:07:06 525002098 -7.05 112.66 10.1 190.1 5/3/2016 0:27:09 525002126 -7.16 112.67 9.1 145.7 5/2/2016 15:53:25 525003060 -7.19 112.75 0 324.6 5/19/2016 4:09:47 525003087 -7.18 112.70 0.1 34.5 5/3/2016 6:33:43 525003115 -7.19 112.71 0 77 5/25/2016 10:22:16 525003175 -7.11 112.67 0.5 181.6 5/1/2016 5:16:05 525003219 -7.20 112.73 1.5 74.2 5/26/2016 7:48:28 525003343 -7.19 112.72 0.1 49.3 5/26/2016 9:32:22 525003396 -7.17 112.68 0 270.2 5/25/2016 10:22:28 525003425 -7.01 112.68 10 199.2 5/2/2016 18:43:18 525003638 -7.19 112.71 0 27.5 5/3/2016 7:26:56 525003667 -7.09 112.67 0 75 5/29/2016 1:44:40 525004086 -7.18 112.70 0.1 16.6 5/19/2016 4:16:33 525005002 -7.02 112.68 18.9 205.9 5/3/2016 11:09:21 525005009 -7.05 112.66 15.7 195.6 5/29/2016 14:37:26 525005010 -7.10 112.66 10.7 186.2 5/3/2016 18:24:59
Data AIS yang diperoleh penulis tugas akhir ini adalah periode dari Mei 2015 hingga Mei 2016. Data AIS dibagi per bulan untuk diketahui jumlah kapal per bulan. Data AIS tersebut kemudian diolah dan mendapat hasil seperti gambar 4.2.
Gambar 4. 2 Jumlah Kapal yang Diteliti di Selat Madura
Pada November 2015 kapal yang melewati Selat Madura sebanyak 527. Bulan November 2015 memiliki traffic tertinggi diantara periode Mei 2015 dan Mei 2016. Bulan Maret 2016 menempati peringkat kedua sebanyak 523 kapal. Rekapan bulan lain dapat dilihat pada Tabel di bawah.
Tabel 4. 2 Jumlah Kapal Periode Mei 2015 – Mei 2016
Bulan–Tahun Jumlah Kapal
Mei-2015 408 Juni-2015 512 Juli-2015 513 Agustus-2015 492 September-2015 493 Oktober-2015 498 November-2015 527 Desember-2015 479 Januari-2016 513 Februari-2016 513 Maret-2016 523 April-2016 450 Mei-2016 360 0 100 200 300 400 500 600
Pada tugas akhir ini data yang diolah yakni bulan Mei 2016 dengan alasan data terbaru yang diperoleh dari database AIS. Pada bulan Mei 2016 diurutkan per hari dan dipilih hari dengan jumlah traffic terbesar. Pada tanggal 1 Mei 2016 terdapat 96 kapal yang melintasi Selat Madura yang tertangkap oleh AIS. Selanjutnya data pada tanggal 1 Mei 2016 diolah sehingga didapat pembagian traffic kapal per jam. Berikut adalah Tabel traffic tanggal 1 Mei 2016 per jam.
Tabel 4. 3 Traffic Kapal Tanggal 1 Mei 2016 Per Jam Pukul Jumlah Kapal
2 40 3 44 4 49 5 54 6 54 7 45 8 50 9 48 10 47 11 51 12 53 13 51 14 51 15 49 16 55 17 56 18 55 19 51 20 52 21 52 22 52 23 53
Pada pukul 17.00 terdapat 56 kapal di Selat Madura. Pukul 17 memiliki traffic terpadat dibanding dengan jam lainnya. Pada tugas akhir ini, penulis menggunakan data kapal pada tanggal 1 Mei 2016 pukul 17.00 – 18.00. 56 kapal kemudian di validasi dengan data base AIS untuk mendapatkan IMO number, nama kapal, flag dan classification society. Setelah menemukan classification society, maka didapat data main engine dan auxiliary engine.
Tabel 4. 4 Data Kapal 1 Mei 2016 Pukul 17.00-18.00
MMSI IMO Ship Name Type
255805608 9330537 Keno Container
255805793 9377573 Lydia Container
351697000 9179971 MH Adventure General Cargo
352059000 9181807 Sea Star 9 General Cargo
353114000 9325154 Valor SW Bulk Carrier
353211000 9445681 Iron Lady V Bulk Carrier
370000000 9757967 Chemroad Sakura Tanker
370394000 9438810 Unicrn Logger General Cargo
371089000 9012800 Mentari Persada Container
374066000 9109861 Hai Duong 01 General Cargo
374244000 9293313 Hikari 1 General Cargo
413570450 0 Fuyang 88 General Cargo
525000000 7912434 Satya Kencana Ro-Ro
525000002 9417969 Bintang Samudra 02 Landing Craft
525000007 9417921 Perkasa Prima 07 Landing Craft
525002040 8031641 Tradisi 7 General Cargo
525003175 9504401 Kakap Tanker
525005036 9058476 Caraka Jaya Niaga Iii-32 General Cargo
525005046 9226487 Doro Londa Passanger Ship
525005047 9226499 Nggapulu Passanger Ship
525007343 0 Wihan Bahari Passanger
525008024 8103420 Sengeti/Pertamina 3007 Tanker
525010147 9078701 Samudra Sindo 168 Tanker
525010205 0 Medelin Signal Tug
525010228 9738272 Tirta Samudra XXXIII General Cargo
525012286 9710050 Hamdam 1 Tanker
525013015 9240940 Tanto Sakti I General Cargo
525013044 9296767 Golden Ace Bulk Carrier
525014666 8973045 Cipta Harapan IX Landing Craft
525015234 9488243 Bali Tabanan General Cargo
525015248 9031727 Armada Sejati Container
525015313 8734073 J N W Landing Craft
525015625 7927142 Fuyo 18 Cement Carrier
525015797 9129457 Hijau Muda General Cargo
525016440 9515993 Ayu 78 Landing Craft
MMSI IMO Ship Name Type
525016537 9058529 Kencana 5 Tanker
525016565 9534949 Era Indonesia Supply Vessel
525017037 9036131 Asian Oil I Tanker
525018055 9088043 Petro Ocean XXVI Tanker
525018105 8865391 Petro Ocean XXI Tanker
525019101 9672387 Umbul Mas Container
525020202 7908641 Dharma Kosala Passanger
525021037 9643685 Cipta Anyer Tanker
525022004 7627596 Besakih General Cargo
525022679 8702484 Hai Makmur Tanker
525024402 9767223 Seroja XVI Tanker
525025012 8619027 Multi Guna General Cargo
525025052 9018256 Meratus Sumba General Cargo
525025055 9056428 Meratus Ultima 1 Container
525025059 9569865 Meratus Bontang Container
525025083 8912900 Red Rover General Cargo
525025099 9051583 Red Resource General Cargo
525433732 0 SSV Warship
636014901 9014080 Lautan Mas Container
636015390 9548201 Chariklia Junior Bulk Carrier
636091927 9392561 Hs Haydn Container Pada Tabel 4. 4 terdapat beberapa kapal yang tidak memiliki IMO number karena tidak ditemukan pada classification society. Berikut adalah perbandingan tipe kapal pada AIS tanggal 1 Mei 2016 pukul 17.00-18.00.
Gambar 4. 3 Perbandingan Jumlah Tipe Kapal
0 5 10 15 20
4.2.2 Data Kapal
Metode yang digunakan penulis dalam menghitung emisi gas buang kapal yang telah dijelaskan pada bab 2 adalah metode Puget. Data tambahan kapal seperti main engine dan auxiliary kapal perlu dilengkapi karena tidak ada dalam database AIS. Data tambahan lain yang juga dibutuhkan yaitu kecepatan maksimum kapal. Kecepatan maksimum kapal akan digunakan untuk menghitung load factor main engine dan auxiliary engine kapal. Data jumlah dan power dari main engine dan auxiliary diketahui dari website ship register. Pada umumnya data main engine dan auxiliary engine lengkap terdapat pada website ship register, namun pada beberapa classification society seperti DNV-GL mencantumkan hanya merk dan tipe tanpa mencantumkan power. Kasus seperti diatas diatasi penulis dengan mencari secara manual power main engine/auxiliary engine tersebut pada website masing-masing merk. Data kecepatan maksimum kapal didapatkan penulis dari website marinetraffic.com karena pada beberapa website classification society hanya kecepatan kapal pada saat free trial. Satu- satunya data AIS yang menampilkan identitas kapal adalah nomor MMSI. Nomor MMSI setiap kapal berbeda. Nomor MMSI kapal dapat dicari pada halaman pencarian google.com. Halaman pencarian google.com akan menampilkan data kapal yang sesuai nomor MMSI.
Gambar 4. 4 Mencari Data Kapal dari MMSI di google.com
Pada gambar 4. 4 diatas dapat dilihat bahwa dicari kapal yang memiliki nomor MMSI 525025099. Hasil dari pencarian tersebut adalah kapal bernomor MMSI 525025099 adalah kapal Red Resource dengan IMO number 9051583. Kapal Red Resource adalah kapal jenis general cargo yang menggunakan kelas BKI. Data IMO number selanjutnya dapat digunakan untuk mencari data kapal lain seperti main engine/auxiliary engine pada website kelas BKI. Ship register BKI dapat dibuka dengan mengunjungi halaman armada.bki.co.id. Ship register selain BKI dapat dicari menggunakan halaman pencarian google. Berikut adalah Tabel website ship register yang digunakan oleh penulis.
Tabel 4. 5 Daftar Website Ship Register
Classification Society Website
DNV-GL vesselregister.dnvgl.com
Class NK classnk.com
Badan Klasifikasi Indonesia (BKI) armada.bki.co.id American Bureau of Shipping (ABS) eagle.org Bureau Veritas (BV) veristar.com
Ship register kapal yang dikunjungi harus sama dengan kelas kapal yang dicari agar identitas kapal dan detail kapal dapat ditampilkan. Berikut adalah contoh pencarian identitas dan detail kapal pada website BKI.
Gambar 4. 5 Pencarian Identitas Kapal pada Website BKI
Gambar 4. 5 diatas menampilkan hasil pencarian identitas kapal berdasarkan IMO number kapal. Pada kolom search dimasukkan IMO number kapal yaitu 9051583. Hasil dari pencarian identitas kapal berdasarkan IMO number 9051583 adalah kapal Red Resource dengan nomor registrasi 20390.
