BAB III METODOLOGI PENELITIAN

(1)

BAB III

METODOLOGI PENELITIAN

3.1 Tahapan Penelitian

Langkah-langkah yang dilakukan dalam penelitian dapat dilihat pada Gambar 3.1 berikut ini.

Gambar 3.1 Diagram alir kajian

3.2 Rumusan Masalah

Rumusan masalah yang akan diteliti antara lain:

a. Apakah hasil permodelan dispersi pencemaran udara valid dan akurat terhadap data pemantauan road-side dan ambien.

b. Apakah hasil permodelan Caline4 dapat digunakan sebagai evaluasi kebijakan pemantauan kualitas udara pra-implementasi dan pasca-implementasi Trans-Jakarta. Studi Literatur Parameter polutan Pemilihan lokasi Pengumpulan data sekunder Hasil pemantauan road-side Skenario simulasi Perhitungan dispersi polutan dg Caline4 Validasi dan Akurasi Analisis Laporan hasil Data Meteorologi

Peta Faktor emisi Pengolahan wind rose serta

penentuan kelas stabilitas atmosfer dan sigma theta

Koordinat link geometri dan reseptor Data beban emisi Data Transportasi

(2)

3.3 Pemilihan Parameter Studi

Paramater pencemar yang akan dimodelkan adalah karbon monoksida (CO) dan nitrogen monoksida (NO) sebab CO merupakan sumber pencemar udara perkotaan yang berasal dari pembakaran tidak sempurna bahan bakar dalam mesin kendaraan, sedangkan NO dipengaruhi oleh temperatur pembakaran. Kedua parameter tersebut memegang peranan penting dalam usaha pengendalian pencemar dari sektor transportasi. Paparan pencemar CO dan NO dapat mempengaruhi kesehatan manusia dan mengganggu keseimbangan lingkungan (destruksi ozon dan pembentukan kabut fotokimia) sebagai reseptor dari sektor transportasi.

3.4 Gambaran Lokasi Studi

Lokasi penelitian berada di sepanjang jalan yang dilalui oleh Trans-Jakarta Koridor I (satu) yang melayani rute Blok M – Kota dan Trans-Jakarta Koridor II (dua) yang melayani rute Polugadung – Harmoni. Pada umumnya, jalan-jalan yang dilalui merupakan jalan dengan kepadatan lalu lintas yang tinggi sehingga diharapkan konsentrasi pencemar yang diperoleh akan signifikan dan representatif menggambarkan dispersi polutan yang berasal dari aktivitas transportasi. Profil ketinggian jalan di lokasi studi relatif datar, mengingat dispersi polutan dengan dasar persamaan Gaussian pada suatu wilayah yang datar merupakan pertimbangan penting dalam permodelan.

3.4.1 Jalur Trans Jakarta Koridor I (satu)

Jalur untuk Trans-Jakarta Koridor I dibuat oleh Pemerintah DKI Jakarta karena dipandang sebagai rute tersibuk, yakni di wilayah Jakarta Pusat meliputi wilayah perkantoran pemerintah pusat dan swasta. Panjang jalan untuk rute Koridor I, yakni sebesar 12,9 km. Rute yang dilewati yakni: Kota, Glodok, Mangga Besar, Sawah Besar, Harmoni, Monas, Bank Indonesia, Tosari, Dukuh Atas, Setiabudi, Karet, Bendungan Hilir, Polda Metro Jaya, Gelora Bung Karno, Bunderan Senayan, Masjid Agung, dan Terminal Blok M. Terdapat beberapa titik kemacetan yang diakibatkan adanya titik persimpangan/ pertemuan jalan antara bus umum atau kendaraan pribadi dengan Trans-Jakarta Koridor I, diantaranya:

(3)

2. Kawasan Bunderan Hotel Indonesia. 3. Dekat Stasiun Beos.

Gambar 3.2 Lokasi studi jalur Trans-Jakarta Koridor I

Sumber: PT. Pamentori

3.4.2 Jalur Trans Jakarta Koridor II (dua)

Jalur Trans-Jakarta Koridor II yang memiliki panjang jalan 18 km, meliputi wilayah timur hingga pusat DKI Jakarta. Pembangunan jalur ini diharapkan dapat membentuk suatu back bone system dengan jalur Jakarta Koridor I dan jalur Trans-Jakarta Koridor III sehingga tercipta hubungan pergerakan arah dari timur-barat menuju utara-selatan atau sebaliknya. Rute yang dilewati, yakni: Pulogadung, Mediros, Kelapa Gading, Pulomas, ASMI, Pedongkelan, Cempaka Mas, YARSI, Pasar Cempaka Putih, Rawa Selatan, Galur, Senen, RSPAD, Atrium Senen, Gambir 1, Istiqlal Perwira, Istiqlal, Juanda, Pecenongan, Harmoni, Balaikota, Gambir 2, Kwitang, dan Senen (BLU Trans Jakarta, 2007). Akibat adanya persimpangan/ persilangan arus lalu lintas menyebabkan terjadinya kemacetan di beberapa titik, diantaranya:

Legenda

Identifikasi masalah kinerja simpang kawasan Blok M-Kota

(4)

1. Sekitar Terminal Pulogadung dan Stasiun Gambir.

2. Harmoni Central Busway (merupakan titik pertemuan Trans-Jakarta Koridor I, II, dan III).

3. Titik putaran (u-turn) di ASMI.

Gambar 3.3 Lokasi studi jalur Trans-Jakarta Koridor II

Sumber: Transjakarta Busway, 2007

3.5 Pengumpulan Data Sekunder

Data-data sekunder yang dikumpulkan akan digunakan sebagai input model dan validasi terhadap eksekusi model. Adapun data-data yang diperlukan dalam penelitian adalah sebagai berikut :

a. Peta wilayah studi yang diperoleh dari software Macromedia Projector Peta Jalan dan Index Jakarta-Jabotabek version 2.0 (2005/2006), PT Pamentori (Manajemen dan Rekayasa Lalu Lintas Kawasan Blok M-Kota), serta Transjakarta Busway, 2007 untuk menentukan koordinat link dan reseptor. Pengolahan data peta wilayah studi dilakukan secara manual.

b. Data pemantauan udara ambien diperoleh dari BPLHD DKI Jakarta untuk digunakan sebagai konsentrasi background dalam input model dan berfungsi sebagai variasi lokasi dalam validasi model Caline4, meliputi data rata-rata tahunan konsentrasi CO (mg/m3) (Tabel 3.1) di DKI Jakarta tahun 2005 dan data konsentrasi NO (ppm) hasil metode kontinu di lokasi pemantauan Gelora

Legenda

Jalur Trans-Jakarta Koridor II Titik awal dan akhir Koridor II

(5)

Senayan (Senayan) pada tahun 2006 dan hasil metode sesaat di lokasi pemantauan Masjid Istiqlal (Gambir) pada tahun 2005 untuk jalur Trans-Jakarta Koridor I. Sedangkan untuk data pemantauan udara ambien pada jalur Trans-Jakarta Koridor II, digunakan data tahun 2005 hasil metode kontinu di lokasi pemantauan PT JIEP (Rawa Terate) dan data hasil metode sesaat di lokasi pemantauan Masjid Istiqlal (Gambir).

c. Data pemantauan road-side diperoleh dari BPLHD DKI Jakarta melalui stasiun pengukuran/ pemantauan (mobile station) dengan waktu dan tempat yang sama saat pengukuran data meteorologi dan perhitungan jumlah kendaraan. Data ini akan digunakan sebagai validasi terhadap eksekusi model, meliputi data konsentrasi CO (mg/m3) dan konsentrasi NO (μg/m3).

d. Data historis meteorologi diperoleh dari BPLHD DKI Jakarta dan diperlukan dalam pembuatan wind rose sebagai input model Untuk jalur Trans-Jakarta Koridor I, data meteorologi (per 30 menit selama 24 jam) diperoleh dari stasiun pengukuran/ pemantauan (mobile station) Bunderan Hotel Indonesia (Jalan M.H. Thamrin, Jakarta Pusat) untuk periode tahun 2005. Sedangkan untuk jalur Trans-Jakarta Koridor II, data meteorologi (per 30 menit selama 24 jam) diperoleh dari stasiun pengukuran/ pemantauan (mobile station) Kampus ASMI (Jalan Perintis Kemerdekaan, Jakarta Timur) untuk periode tahun 2005. Data ini berupa data suhu udara, global radiasi matahari, dan kecepatan serta arah angin dengan frekuensi pengukuran pada tiap lokasi pemantauan yang dilakukan secara otomatis, terbagi dalam dua tahap (bulan April dan September tahun 2005) selama periode kurang lebih 7 hari.

(6)

Gambar 3.4 (a) Lokasi pemantauan data meteorologi, data pemantauan road-side dan

ambien, serta kajian transportasi untuk jalur Trans-Jakarta Koridor I.

Sumber: BPLHD DKI Jakarta, 2006

Ket : 1(Mobile Station-MS); 2(Display RCTI-11m dari MS); 3(Kedubes Inggris-70m dari MS); 4(Hotel

Mandarin-250m dari MS); 5(Hotel Indonesia-9m dari MS); 6(Hotel Nikko-60m dari MS); 7(Jl MH Thamrin-4,5m dari MS); 8(Jl S.Syahrir-3,5m dari MS)

Gambar 3.4 (b) Denah lokasi pemantauan (Bunderan HI) tampak atas dan samping

Sumber : BPLHD DKI Jakarta, 2006

Istiqlal

Senayan

(7)

Gambar 3.5 (a) Lokasi pemantauan data meteorologi, data pemantauan road-side dan

ambien, serta kajian transportasi untuk jalur Trans-Jakarta Koridor II.

Ket : 1(Mobile Station-MS); 2(Pos Satpam-7m dari MS); 3(Papan Reklame-6m dari MS);

4(Poliklinik-17m dari MS); 5(Kampus ASMI-9m dari MS)

Gambar 3.5 (b) Denah lokasi pemantauan (Kampus ASMI) tampak samping dan atas

PT.JIEP Istiqlal

(8)

Tabel 3.1 Kualitas udara DKI Jakarta untuk parameter CO (2000-2006)

e. Data kajian transportasi yang diperoleh dari BPLHD DKI Jakarta berupa data perhitungan jumlah kendaraan (kendaraan/ jam) yang dilakukan selama 2 hari dalam 24 jam, yakni 1 hari libur dan 1 hari kerja pada bulan dan lokasi pemantauan yang sama dengan lokasi pengukuran data meteorologi.

f. Data kajian transportasi yang diperoleh dari PT. Pamentori (konsultan) dan Dinas Perhubungan DKI Jakarta berupa permodelan transportasi yang meliputi kondisi sebelum (pra) dan sesudah (pasca) implementasi Trans-Jakarta saat jam sibuk berupa nilai kapasitas (smp/jam), volume (smp/jam), VCR, kecepatan kendaraan (km/jam), dan jumlah tiap tipe/jenis kendaraan. g. Data lebar jalan untuk masing-masing link di wilayah studi, yang diperoleh

dari Departemen Pekerjaan Umum DKI Jakarta dalam bentuk Autocad dan digunakan sebagai data input model.

h. Data faktor emisi yang diperoleh dari buku Anthropogenic Emissions from Energy Activities in India: Generation and Source Characterization Part II : Emission from Vehicular Transport in India mengenai faktor emisi kendaraan bermotor (gm/km) di India pada tahun 2005 yang didasarkan pada kecepatan dan tipe/jenis tiap kendaraan yang terdiri dari kendaraan roda dua 4 tak, kendaraan roda tiga 4 tak, kendaraan roda empat berbahan bakar bensin, dan

(9)

bus-truk. Hal ini dilakukan karena belum adanya data yang memadai mengenai faktor emisi kendaraan representatif terhadap kondisi di Indonesia.

3.6 Skenario Simulasi Model Dispersi 3.6.1 Skenario Periode Meteorologi

Penyusunan skenario meteorologi didasarkan pada data historis meteorologi yang tidak kontinu. Ketiadaan data curah hujan dan tutupan awan (cloud cover), menyebabkan skenario permodelan hanya dapat dibagi berdasarkan :

1. Untuk jalur Trans-Jakarta Koridor I

a. Musim kemarau (1-7 April 2005) dengan variasi harian, yakni jam sibuk pagi hari dengan input meteorologi pada pukul 06:00-09:00 dan jam sibuk sore hari dengan input meteorologi pada pukul 16:00-19:00.

b. Musim penghujan (9-15 September 2005) dengan variasi harian, yakni jam sibuk pagi hari dengan input meteorologi pada pukul 06:00-09:00 dan jam sibuk sore hari dengan input meteorologi pada pukul 16:00-19:00. 2. Untuk jalur Trans-Jakarta Koridor II

a. Musim kemarau (22-28 April 2005) dengan variasi harian, yakni jam sibuk pagi hari dengan input meteorologi pada pukul 06:00-09:00 dan jam sibuk sore hari dengan input meteorologi pada pukul 16:00-19:00.

b. Musim penghujan (30 September-7 Oktober 2005) dengan variasi harian, yakni jam sibuk pagi hari dengan input meteorologi pada pukul 06:00-09:00 dan jam sibuk sore hari dengan input meteorologi pada pukul 16:00-19:00.

3.6.2 Skenario Manajemen Lalu Lintas

Penyusunan skenario manajemen lalu lintas untuk mengetahui sejauh mana perubahan skenario manajemen lalu lintas akan berdampak terhadap rumusan masalah dan tujuan yang hendak dicapai, yakni berupa bukti perkiraan konsentrasi hasil permodelan Caline4 yang mendukung bahwa implementasi Trans-Jakarta dapat membantu memecahkan masalah pencemaran udara dan

(10)

kemacetan lalu lintas di DKI Jakarta. Sehingga, skenario permodelan dibagi kedalam dua bagian, yakni :

1. Kondisi pra-implementasi: kondisi manajemen lalu lintas sebelum adanya implementasi Trans-Jakarta.

2. Kondisi pasca-implementasi: kondisi manajemen lalu lintas setelah adanya implementasi Trans-Jakarta.

3.6.3 Skenario Tinggi Pencampuran (Mixing Height)

Mixing height atau disebut tinggi batas lapisan konvektif dapat ditentukan melalui bantuan profil matahari dari atmosfer. Skenario permodelan didasarkan pada studi heuristik dengan nilai tinggi pencampuran wilayah urban dan wilayah rural 800 m yang umumnya digunakan dalam permodelan dispersi pencemar udara.

3.7 Variabel Input Caline4 Model

Variabel input yang diperlukan dalam perhitungan dispersi dengan menggunakan permodelan Caline4, yakni : pengolahan data faktor emisi, pembuatan wind rose, penentuan koordinat link geometri jalan dan reseptor, perhitungan volume dan jenis kendaraan, penentuan kelas stabilitas atmosfer, penentuan konsentrasi background, serta penentuan standar deviasi arah angin (sigma theta).

3.7.1 Pengolahan Data Faktor Emisi Rata-rata kendaraan

Dalam pengolahan faktor emisi, dilakukan pembagian tipe/jenis kendaraan sebagai berikut :

a. 2 wheeler 4 strokes : kendaraan roda dua (4 tak), yakni semua jenis sepeda motor yang berbahan bakar bensin.

b. 3 wheeler 4 strokes : kendaraan roda tiga (4 tak), yakni bajaj dan bemo yang berbahan bakar bensin.

c. 4 wheeler 4 strokes : kendaraan roda empat (4 tak), yakni mobil penumpang, pick-up, dan minibus yang berbahan bakar bensin.

d. Bus dan truk : kendaraan berat berbahan bakar diesel, yakni bus kecil dan besar; truk kecil, sedang, besar; art truk; dan trailer.

(11)

Faktor emisi dapat diperoleh dari berbagai sumber dan biasanya diekspresikan dalam satuan massa senyawa teremisi per unit berat, volume, jarak, atau waktu aktivitas yang mengemisikan senyawa tersebut. Faktor emisi yang digunakan untuk input model diperoleh dari data-data pada tabel di atas dan kemudian dirata-ratakan dari seluruh kendaraan sesuai tipe/ jenisnya yang melalui jalur di wilayah studi setiap jam. Faktor emisi rata-rata dapat ditentukan melalui persamaan 3.1 :

T V EF q n i i i

∑

= × = 1 ) ( ...(3.1) dimana :

q = faktor emisi rata-rata (gram/km)

EF = faktor emisi kendaraan berdasarkan kecepatan tiap tipe/jenis kendaraan (gram/km)

V = volume kendaraan saat jam sibuk (kendaraan/jam) T = total kendaraan saat jam sibuk dalam 1 jam

i = tipe/ jenis kendaraan

Para peneliti dari India melalui buku Anthropogenic Emissions from Energy Activities in India: Generation and Source Characterization Part II : Emission from Vehicular Transport in India tahun 2005, melakukan riset dengan menggunakan suatu alat yang ditempatkan dalam knalpot kendaraaan untuk memperoleh nilai besaran faktor emisi (gram/km) paramater pencemar CO dan NO, yang didasarkan pada kecepatan kendaraan (0 km – 60 km) dan tipe/jenis kendaraan (kendaraan roda dua 4 tak, kendaraan roda tiga 4 tak, kendaraan roda empat berbahan bakar bensin, dan bus-truk) seperti yang ditunjukkan pada Tabel 3.2 :

(12)

Tabel 3.2 Emisi dari empat tipe/ jenis kendaraan pada kecepatan 0 – 60 km/jam

CO (gm/km) NO (gm/km)

Kecepatan 2W4S 3W4S 4WG Bus-Truk 2W4S 3W4S 4WG Bus-Truk

0 (km/jam) 0 0 0 0 0 0 0 0 10 (km/jam) 1,6 5,2 16 6,1 2,04 1,5 5,2 504,3 20 (km/jam) 1,1 0,9 11,5 4,6 1,4 1,1 4,95 351,9 30 (km/jam) 1,0 0,434 10,33 4,6 1,2 2,5 4,67 301,1 40 (km/jam) 1,4 0,575 29,75 3,8 0,8 2,5 1,05 275,7 50 (km/jam) 3,3 1,6 39 3,9 0,55 0,95 0,66 226,9 60 (km/jam) 3,2 18 52 4 0,9 0,5 0,47 194,4 Sumber : Mittal and Sharma, 2005

Berdasarkan nilai besaran faktor emisi pada Tabel 3.2, dibuat grafik emisi tiap tipe/jenis kendaraan dengan kecepatan sebagai sumbu x dan emisi yang dikeluarkan sebagai sumbu y untuk memperoleh perkiraan/ estimasi nilai besaran faktor emisi rata-rata per km untuk parameter pencemar CO dan NO pada kecepatan kendaraan yang tidak tertera pada Gambar 3.6.

0 0.5 1 1.5 2 2.5 3 3.5 4 0 5 10 15 20 25 30 35 40 45 50 55 60 Kecepatan (km/jam) gm CO(gm/km) NO(gm/km) (a) 2W4S 0 1 2 3 4 5 6 0 5 10 15 20 25 30 35 40 45 50 55 Kecepatan (km/jam) gm CO(gm/km ) NO(gm /km) (b) 3W4S 0 1 2 3 4 5 6 0 5 10 15 20 25 30 35 40 45 50 55 60 Kecepatan (km/jam) gm CO(gm/km)*0.1 NO(gm/km) 0 5 10 15 20 25 30 35 40 45 50 55 0 5 10 15 20 25 30 35 40 45 50 55 60 Kecepatan (km/jam) gm CO(gm /km ) NO(gm/km)*0.1 (c) Kendaraan roda empat (d) Bus-truk

Gambar 3.6 Grafik kecepatan vs faktor emisi

(13)

Dalam menghitung faktor emisi rata-rata kendaraan, diperlukan data kajian transportasi berupa permodelan transportasi (Tabel 3.3) yang meliputi kondisi sebelum (pra (E)) dan sesudah (pasca (A)) implementasi Trans-Jakarta saat jam sibuk berupa nilai kapasitas (smp/jam), volume (smp/jam), VCR, kecepatan kendaraan (km/jam), dan jumlah tiap tipe/jenis kendaraan per jam (kendaraan/jam).

Tabel 3.3 Permodelan transportasi jalur Trans-Jakarta Koridor II

Capacity (smp/jam) Peak Vol (smp/jam) VCR Speed (kph) No Link E A E A E A E A Lbr jln (m) 1 Perintis Kemerdekaan 6452 4298 5836 4689 0,90 1,09 42 37 41 2 Letjen Suprapto 6058 3908 6485 3873 1,07 0,99 20 33 46 3 Senen Raya 3429 2354 939 716 0,27 0,30 57 54 31 4 Kwini-Abd Saleh 2571 2571 783 108 0,30 0,04 47 49 10 5 Pejambon 5293 5293 3245 3226 0,61 0,61 42 42 19 6 Perwira 9000 9000 1279 1586 0,14 0,18 59 59 23 7 Juanda 6187 3408 1628 1615 0,26 0,47 49 52 26 8 Medan Merdeka Barat 3600 3600 4143 4246 1,15 1,17 50 48 35 9 Medan Merdeka Timur 3029 1954 1160 828 0,38 0,42 48 47 35 10 Medan Merdeka Selatan 7477 6402 1114 1008 0,15 0,16 55 59 32 11 Kwitang 3429 2354 2919 2562 0,85 1,09 48 46 13

(Lanjutan Tabel 3.3)

Peak Volume (kendaraan/jam)

Kondisi pra-implementasi

Total MC TC Car Minibus Pick-up SBus LBus S Truck L Truck Truck ArtTruck Trailer

8754 3589 350 3764 700 88 175 88 0 0 0 0 0 9728 3988 389 4183 778 97 195 97 0 0 0 0 0 1409 578 56 606 113 14 28 14 0 0 0 0 0 1175 482 47 505 94 12 24 12 0 0 0 0 0 4868 1996 195 2093 389 49 97 49 0 0 0 0 0 1919 787 77 825 154 19 38 19 0 0 0 0 0 2443 1002 98 1050 195 24 49 24 0 0 0 0 0 6214 2548 249 2672 497 62 124 62 0 0 0 0 0 1740 713 70 748 139 17 35 17 0 0 0 0 0 1671 685 67 719 134 17 33 17 0 0 0 0 0 4379 1795 175 1883 350 44 88 44 0 0 0 0 0

(14)

(lanjutan Tabel 3.3)

Peak Volume (veh/hr)

Kondisi pasca-implementasi

Total MC TC Car Minibus Pick-up SBus LBus S Truck L Truck Truck ArtTruck Trailer

7034 2884 281 3025 563 70 141 70 0 0 0 0 0 5809 2382 232 2498 465 58 116 58 0 0 0 0 0 1074 440 43 462 86 11 21 11 0 0 0 0 0 162 66 6 70 13 2 3 2 0 0 0 0 0 4839 1984 194 2081 387 48 97 48 0 0 0 0 0 2379 975 95 1023 190 24 48 24 0 0 0 0 0 2422 993 97 1041 194 24 48 24 0 0 0 0 0 6369 2611 255 2739 510 64 127 64 0 0 0 0 0 1242 509 50 534 99 12 25 12 0 0 0 0 0 1512 620 60 650 121 15 30 15 0 0 0 0 0 3843 1576 154 1652 307 38 77 38 0 0 0 0 0 Sumber: PT. Pamentori, 2005 Contoh perhitungan

1. Kecepatan pra-implementasi parameter CO (Link Jalan Perintis Kemerdekaan) Melalui Tabel 3.3 diketahui bahwa kecepatan pra-implementasi di Link Jalan Perintis Kemerdekaan adalah 42 km/jam. Dengan menggunakan Gambar 3.6, diperoleh nilai besaran faktor emisi CO berdasarkan kecepatan pra-implementasi 42 km/jam untuk kendaraan roda dua (4 tak) adalah 1,8 gram/km, kendaraan roda tiga (4 tak) sebesar 0,8 gram/km, kendaraan roda empat sebesar 31,5 gram/km, dan bus-truk sebesar 4 gram/km. Maka faktor emisi rata-rata dapat dihitung menggunakan persamaan 3.1:

(

) (

)

8754 ) 0 4 ( 5 88 4 175 4 88 5 . 31 700 5 . 31 3764 5 . 31 350 8 . 0 3589 8 . 1 × + × + × + × + × + × + × + × = q mile g km g q=17.27 / =27.79 /

2. Kecepatan pasca-implementasi parameter NO (Link Jalan Perintis Kemerdekaan) Melalui Tabel 3.3 diketahui bahwa kecepatan pasca-implementasi di Link Jalan Perintis Kemerdekaan adalah 37 km/jam. Dengan menggunakan Gambar 3.6, diperoleh nilai besaran faktor emisi NO berdasarkan kecepatan pasca-implementasi 37 km/jam untuk kendaraan roda dua (4 tak) adalah 0,9 gram/km,

(15)

kendaraan roda tiga (4 tak) sebesar 2,5 gram/km, kendaraan roda empat sebesar 2,15 gram/km, dan bus-truk sebesar 285 gram/km. Maka faktor emisi rata-rata dapat dihitung menggunakan persamaan 3.1 :

( ) ( ) ( ) ( ) ( ) ( ) ( ) 7034 ) 0 285 ( 5 70 285 141 285 70 15 . 2 563 15 . 2 3025 15 . 2 281 5 . 2 2884 9 . 0 × + × + × + × + × + × + × + × = q mile g km g q=8.924 / =14.36 /

Tampilan contoh hasil perhitungan beban emisi ditampilkan pada Tabel 3.4.

Tabel 3.4 Contoh hasil perhitungan beban emisi untuk link Jalan Perintis Kemerdekaan

Link Emisi CO

EF(g/mi) EF(g/km) Total MC TC Car Minibus Pick-up S Bus L Bus Truck-_Trailer E 27,79 17,27 151181,58 6460,45 280,13 118572,93 22060,08 2757,51 700,32 350,16 0,00 A 21,17 13,15 115141.,36 4665,88 175,08 90341,28 16807,68 2100,96 700,32 350,16 0,00 Emisi NO E 14,36 8,92 78120,70 2871,31 805,37 3576,01 665,30 83,16 46746,36 23373,18 0,00 Perintis Kemerdekaan A 16,31 10,14 88739,30 3230,23 875,40 8093,07 1505,69 188,21 49897,80 24948,90 0,00 Ket : E = kondisi pra-implementasi Trans-Jakarta Koridor II

A = kondisi pasca-implementasi Trans-Jakarta Koridor II Sumber : Hasil Perhitungan

3.7.2 Pembuatan Wind Rose

Wind rose digunakan untuk memperoleh gambaran global mengenai arah angin dominan pada suatu tempat maupun waktu. Adapun tahapan dalam pembuatan wind rose adalah sebagai berikut :

• Pengumpulan data arah dan kecepatan angin yang mewakili daerah studi dengan menggunakan Microsoft Excel.

• Input cuaca dibuat dalam format ASCII (save as *.csv) dan dalam format notepad (save as *.dat) kemudian windrose dibuat dengan menggunakan software WRPLOT VIEW version 4.8.5 yang diproduksi oleh Lakes Environmental Software dari Kanada. Freeware dengan mendownload dari www.Lakes-environmental.com

(16)

a. Layar pertama tampilan WRPLOT view. File.*dat yang dibuat, dibuka dengan menge-klik icon file pada windows. Maka secara otomatis program akan menghitung persentase calm wind, kecepatan angin rata-rata, dan jumlah data yang akan langsung ditampilkan pada layer yang sama.

b. Penentuan periode hari data

meteorologis. Dilakukan

dengan menge-klik icon specifies days pada windows.

c. Penentuan periode jam data

meteorologis. Dilakukan

dengan menge-klik icon specifies time pada windows.

(17)

d. Tampilan wind rose. Layar ini menampilkan gambar wind rose hasil perhitungan program berdasarkan distribusi frekuensi serta interval kecepatan angin tertentu.

Data meteorologi berupa kecepatan dan arah angin merupakan data yang paling penting dalam pembuatan wind rose. Input data wind rose dalam format Microsoft Excel diubah ke dalam bentuk .csv, kemudian file .csv dibuka kembali dan disave dalam bentuk .dat. Data dalam bentuk .dat ini yang akan menjadi input wind rose dengan menggunakan software WRPLOT VIEW. Tabel 3.5 menunjukkan contoh data input wind rose dalam format Microsoft Excel.

Tabel 3.5 Contoh perhitungan data input wind rose skenario jam sibuk pagi hari

(22 April 2005) hasil pemantauan di stasiun pengukuran meteorologi Kampus ASMI

Tanggal Waktu Arah Angin (Degree) Kec (m/s) Kec (knot)

22 Apr'05 6:00 99,76 0,04 0,08 6:30 105,03 0,47 0,91 7:00 98,59 0,32 0,61 7:30 98,21 0,55 1,08 8:00 103,34 1,20 2,33 8:30 78,23 0,57 1,10 9:00 100,74 1,44 2,79

3.7.3 Penentuan Koordinat Link Geometri Jalan dan Reseptor

Koordinat link pada masing-masing ruas jalan dan reseptor ditentukan dengan menggunakan software Macromedia Projector Peta Jalan dan Index Jakarta-Jabotabek version 2.0 (2005/2006) yang diukur secara manual untuk memperoleh bentuk koorninat x dan y untuk link geometri jalan dan koordinat x, y, dan z untuk reseptor.

(18)

Sebuah link didefinisikan sebagai satu segmen jalan yang memiliki lebar, tinggi, volume kendaraan, dan emisi kendaraan yang konstan. Garis batas link pada setiap ruas jalan dibuat ketika terjadi perbedaan sudut antara ruas jalan yang satu dengan yang lainnya, sehingga akan didapatkan koordinat ujung-ujung dari batas link tersebut. Untuk jalur Trans-Jakarta Koridor I, koordinat link geometri jalan dimulai dari titik Stasiun Kota (Jalan Pintu Besar Selatan) sebagai koordinat (0,0) dan berakhir di titik Terminal Blok M. Sedangkan untuk jalur Trans-Jakarta Koridor II, koordinat link geometri jalan dimulai dari titik Terminal Pulogadung (Jalan Perintis Kemerdekaan) sebagai koordinat (0,0) dan berakhir di titik ujung Jalan Kwitang.

Perhitungan lebar link didasarkan pada peta yang diperoleh dari Departemen Pekerjaan Umum DKI Jakarta dalam bentuk Autocad, kemudian disesuaikan dengan ruas jalan pada wilayah studi dengan mengganggap bahwa jalan yang terbagi menjadi 2 arah (misalnya Utara-Selatan dan Selatan-Utara), nilai besaran lebarnya akan dijumlahkan dan lebar jalur hijau yang berada di tengah-tengah ruas jalan diabaikan. Sedangkan untuk jalan dengan 1 arah, lebar link merupakan lebar ruas jalan tersebut. Lebar link akan digunakan sebagai input model, yakni lebar zona pencampuran (mixing zone width) yang didefinisikan sebagai lebar link yang diamati pada masing-masing ruas jalan ditambah 3 meter di setiap sisinya. Pertambahan 3 meter tidak perlu dijumlahkan pada lebar link yang telah dihitung sebab secara otomatis akan dijumlahkan oleh model.

Koordinat reseptor ditempatkan pada area yang sensitif, seperti rumah sakit, mall dan rukan, sekolah dan universitas, hotel dan apartment, pasar, tempat ibadah, museum, serta balai kota. Koordinat reseptor disesuaikan dengan koordinat link geometri jalan yang telah ditentukan sebelumnya. Tinggi reseptor (sumbu z) sebaiknya berada lebih tinggi dari ketinggian jalan (kecuali pada kasus jalan layang) sebab penyebaran polutan pada model diasumsikan berada pada permukaan yang datar dan tidak disarankan untuk ketinggian reseptor lebih dari 10 meter untuk kondisi jalan apapun. Sehingga, pada umumnya tinggi reseptor disesuaikan dengan tinggi area pernafasan manusia, yakni 1,5 meter.

Koordinat link geometri jalan dan reseptor diperlukan sebagai input model Caline4 untuk memperoleh eksekusi model berupa prediksi nilai konsentrasi pada titik reseptor. Kedua koordinat tersebut ditentukan secara manual pada peta hasil software

(19)

Macromedia Projector Peta Jalan dan Index Jakarta-Jabotabek ver 2.0 (2005/2006). Koordinat link geometri jalan dan reseptor ditampilkan pada Tabel 3.6 (a), 3.6 (b), 3.7 (a), dan 3.7 (b).

Tabel 3.6 (a) Koordinat link geometri jalan untuk jalur Trans-Jakarta Koridor I

Link Geometri untuk Koridor I

Skala Lapangan (m) Nama Link

X1 Y1 X2 Y2

0 0 -112,5 -162,5

Pintu Besar Selatan

-112,5 -162,5 75 -800 75 -800 362,5 -1837,5 362,5 -1837,5 662,5 -3300 662,5 -3300 775 -3812,5 Hayam Wuruk 775 -3812,5 900 -4450 900 -4450 1012,5 -4850 Majapahit 1012,5 -4850 1187,5 -5062,5 Medan Merdeka Barat 1187,5 -5062,5 1187,5 -6412,5

1187,5 -6412,5 1212,5 -7337,5 1212,5 -7337,5 1150 -8562,5 1150 -8562,5 1162,5 -9312,5 MH. Thamrin 1162,5 -9312,5 11,5 -9612,5 1125 -9612,5 1050 -9962,5 1050 -9962,5 987,5 -10500 987,5 -10500 637,5 -11250 637,5 -11250 -412,5 -12187,5 Sudirman -412,5 -12187,5 -2300 -13600 -2300 -13600 -2537,5 -13975 -2537,5 -13975 -2550 -15212,5 Sisingamaraja -2550 -15212,5 -2550 -15700

Tabel 3.6 (b) Koordinat link geometri jalan untuk jalur Trans-Jakarta Koridor II

Link Geometri untuk Koridor II

Skala Lapangan (m) Nama Link X1 Y1 X2 Y2 0 0 62,5 112,5 62,5 112,5 0 125 0 125 -437,5 375 -437,5 375 -1287,5 700 -1287,5 700 -1562,5 725 -1562,5 725 -1975 762,5 -1975 762,5 -2287,5 1025 -2287,5 1025 -2737,5 1462,5 -2737,5 1462,5 -4262,5 2412,5 Perintis Kemerdekaan

(20)

(lanjutan Tabel 3.6b) Skala Lapangan (m) Nama Link X1 Y1 X2 Y2 -4537,5 2450 -4862,5 2475 -4862,5 2475 -5437,5 2287,5 -5437,5 2287,5 -7350 1437,5 -7350 1437,5 -7537,5 1375 Letjen. Suprapto -7537,5 1375 -9450 1337,5 Kramat Bunder -9450 1337,5 -9925 837,5 Senen Raya -9925 837,5 -10537,5 1475 ABD. Rahman Saleh -10550 1112,5 -11125 1525

-11125 1525 -11375 1250 -10125 1250 -11375 1087,5 Pejambon

-11375 1087,5 -11612,5 1050 Medan Merdeka Timur -11612,5 1050 -11762,5 1550

Perwira -11762,5 1550 -12262,5 1800 Lapangan Banteng -12262,5 1800 -12500 2237,5 -12500 2237,5 -12787,5 2262,5 -12787,5 2262,5 -13462,5 2387,5 IR. Juanda -13462,5 2387,5 -14112,5 2337,5 -14112,5 2337,5 -13887,5 1950 Majapahit -13887,5 1950 -13812,5 1800 Medan Merdeka Barat -13812,5 1800 -13812,5 462,5

-13812,5 462,5 -12600 537,5 -12600 537,5 -12575 625 Medan Merdeka Selatan

-12575 625 -12525 675 -12525 675 -12337,5 187,5 Ridwan Rais -12337,5 187,5 -12187,5 137,5 -12187,5 137,5 -11487,5 325 Prapatan -11487,5 325 -10800 787.5 Kramat Bunder -10800 787,5 -10187,5 1287,5 -10187,5 1287,5 -8225 1437,5 -8225 1437,5 -7750 1525 -7750 1525 -5725 2375 -5725 2375 -5025 2562,5 Letjen Suprapto -5025 2562,5 -4700 2550

(21)

Tabel 3.7 (a) Koordinat reseptor untuk jalur Trans-Jakarta Koridor I Koordinat Reseptor untuk Koridor I

Skala lapangan (m)

Nama Link Nama Reseptor

X1 X2

Pintu Besar Selatan Glodok City -75 -737,5 Plaza Glodok 387,5 -987,5 Lindetevez Trade Center 287,5 -1275 Hotel Jayakarta 362,5 -1475 Hotel Mercure 387,5 -1787,5 Gajah Mada Plaza 662,5 -3437,5

Carrefour 700 -4137,5

Hayam Wuruk

Hotel Melati 925 -4400

Majapahit Golden Sentrum 687,5 -4812,5

Medan Merdeka Barat Museum Nasional 1062,5 -5862,5 Sari Pan Pacific 1325 -7162,5

Sarinah 1300 -7487,5

Hotel Nikko 1250 -8350 Grand Hyatt 1050 -8412,5 Mandarin Oriental 1200 -8687,5 DaVinci Tower 750 -10850 Sahid Jaya Hotel 675 -10962,5 Pasar Benhil -37,5 -11637,5 Univ. Atma Jaya -50 -12100 MH. Thamrin

Ratu Plaza -2187,5 -13425

Sisingamaraja Mesjid Al Azhar -2412,5 -14525

Tabel 3.7 (b) Koordinat reseptor untuk jalur Trans-Jakarta Koridor II Koordinat Reseptor untuk Koridor II

Skala lap (cm) Nama Link Nama Reseptor

X Y

RS. Mediros -875 475

Hotel Ibis Arion -1212,5 775 Pasar Pulo Mas -2087,5 725 Perintis Kemerdekaan STIE -3125 1637,5 Carrefour -4712,5 2775 SMK Tekstil -5162,5 2237,5 Yarsi -6000 2000 STMI -6137,5 1937,5

Pasar Cempaka Putih Permai -6487,5 1762,5 St. Paskals -6675 1662,5 Rukan Sentral Cempaka Putih -6900 1537,5 Hotel Cempaka Sari -7112,5 1600 Pasar Kelapa Gading -7375 1525 Letjen Suprapto

(22)

(Lanjutan Tabel 3.7b)

Skala lap (cm) Nama Link Nama Reseptor

X Y

Kramat Bunder Stasiun Senen -9725 1137,5

PSKD -10587,5 437,5 Kwitang / Prapatan Hotel Aryaduta -11025 262,5 Plaza Atrium -10100 900 Hotel Aston -10212,5 1000 Senen Allison Residence -10475 1312,5 Garden Wing Apartment -11025 1512,5 ABD. Rahman Saleh

Hotel Borobudur -11025 1562,5

Pejambon Gereja Imanuel -11475 1000

Medan Merdeka Timur Hotel Transera -11375 600 Mesjid Istiqlal -11662,5 1937,5 Perwira

Katedral -11362,5 2075

Sekolah Santa Maria -12650 2450 Veteran

Hotel Melati -13125 2412,5

Majapahit Golden Sentrum -13225 2025

Medan Merdeka Barat Museum Nasional -13012,5 962,5 Medan Merdeka Selatan Balai Kota -12037,5 275 Sumber : Pengolahan Data

Gambar 3.7 merupakan contoh tampilan link dan reseptor pada permodelan Caline4 di Jalan Letjen Suprapto dan Jalan Perintis Kemerdekaan yang berada di jalur Trans-Jakarta Koridor II.

Gambar 3.7 Tampilan link dan reseptor Jalan Letjen Suprapto

dan Jalan Perintis Kemerdekaan

(23)

3.7.4 Perhitungan Volume Kendaraan

Volume kendaraan diperlukan dalam input model. Perhitungan volume kendaraan pada umumnya dilakukan dengan traffic counter dan dilakukan selama 15 menit setiap 1 jam pada tiap ruas jalan. Sehingga untuk memperoleh jumlah volume kendaraan total selama 1 jam, hasil perhitungan 15 menit kemudian dikalikan 4. Data volume kendaraan yang diperoleh dari Dinas Perhubungan diasumsikan telah sesuai dengan keadaan arus jalan sehingga tidak perlu lagi penjumlahan volume kendaraan untuk keadaan dengan 2 arus jalan.

3.7.5 Penentuan Kelas Stabilitas Atmosfer

Berdasarkan input data meteorologi, penentuan kelas stabilitas periode jam sibuk pagi (jam sibuk pagi hari) dan jam sibuk sore (jam sibuk sore hari) ditetapkan dengan menggunakan metode Bowen et al. yang didasarkan pada stabilitas Turner dan Pasquill pada pengamatan meteorologi permukaan, yakni kecepatan angin dan radiasi matahari yang ditunjukkan Tabel 3.8.

Tabel 3.8 Metode radiasi matahari untuk mengestimasi kelas stabilitas Pasquill Siang hari

Radiasi Sinar Matahari (W/m2₎ Kecepatan angin (u10) (m/s) >925 925 - 675 675 - 175 <175 < 2 A A B D 2 - 3 A B C D 3 – 5 B B C D 5 – 6 C C D D > 6 C D D D Malam hari Gradien Temperatur Vertikal Kecepatan angin

(u10) (m/s) < 0 > 0

< 2.0 F F

2,0 – 2,5 D E

> 2,5 D D

Sumber : U.S. Environmental Protection Agency, 2000.

(24)

Penentuan kelas stabilitas atmosfer didasarkan pada data meteorologi dari BPLHD DKI Jakarta pada bulan April 2005 (contoh pada Tabel 3.9) dan bulan September 2005. Sebagai contoh, dengan menggunakan data pada Tabel 3.9 dan mengacu Tabel 3.8, maka dapat ditentukan kelas stabilitas Pasquill berdasarkan pengaruh radiasi sinar matahari (W/m2). Rata-rata kecepatan angin untuk periode jam sibuk pagi hari pada 22 April 2005 yakni sebesar 0.65 m/det dan dengan tingkat radiasi cahaya matahari yang lemah (< 175 W/m2) maka dapat dikatakan bahwa kelas stabilitasnya tergolong kategori D (Netral).

Tabel 3.9 Data meteorologi untuk skenario jam sibuk pagi hari (22 April 2005)

hasil pemantauan di stasiun pengukuran meteorologi Kampus ASMI

Tanggal Waktu Grad (W/m2₎ _{Kec (m/s)} _{Temp (Degree)}

6:00 0,00 0,04 26,74 6:30 15,09 0,47 27,13 7:00 40,63 0,32 27,55 7:30 65,94 0,55 27,97 8:00 123,27 1,20 28,80 8:30 169,91 0,57 29,82 22 Apr'05 9:00 194,26 1,44 29,97 Rata-rata 87,01 0,65 28,28

3.7.6 Penentuan Konsentrasi Background

Berdasarkan data kualitas udara ambien dari BPLHD DKI Jakarta, nilai konsentrasi background untuk parameter NO adalah 0 (nol) ppm dan untuk parameter CO adalah 1,4 ppm di lokasi studi.

3.7.7 Penentuan Standar Deviasi Arah Angin (Sigma Theta)

Standar deviasi arah angin atau disebut juga sebagai sigma theta disebabkan karena adanya arah angin yang tidak selalu kontinu. Hal ini coba dibuktikan oleh Yamartino dengan penggunaan algoritma berupa metode single-pass dalam menghitung nilai standar deviasi arah angin. Saat single pass melewati nilai n dari perhitungan arah angin (θ), nilai-nilainya akan dihitung sehingga diperoleh nilai rata-rata sinθ dengan menggunakan persamaaan berikut :

(25)

…(3.2) dan rata-rata cosθ :

…(3.3) arah angin rata-rata menjadi :

…(3.4) Dari sekitar 20 persamaan yang berbeda untuk mendapatkan θ menggunakan suatu variabel untuk memperoleh data arah angin single-pass, Yamartino akhirnya menemukan persamaan : …(3.5) dimana

(

2 2

)

1− Sa +Ca = ε …(3.6)

Hasil yang diperoleh dari persamaaan single-pass di atas mengindikasikan bahwa algoritma Yamartino memiliki perbandingan dengan nilai σθ double-pass yang benar

sebesar 2%.

Nilai sigma theta juga dapat digunakan untuk menentukan kelas stabilitas Pasquill dengan menggunakan Tabel 3.10.

Tabel 3.10 Perkiraan awal kelas stabilitas Pasquill berdasarkan σθ

Perkiraan awal kelas stabilitas Pasquill Standar deviasi arah angin azimuth (σθ)

A 22,5 ≤ σθ B 17,5 ≤ σθ < 22,5 C 12,5 ≤ σθ < 17,5 D 7,5 ≤ σθ < 12,5 E 3,8 ≤ σθ < 7,5 F σθ <3,8

Setelah memperoleh nilai kelas stabilitas Pasquill yang didasarkan pada σθ pada

perkiraan awal, maka digunakan data kecepatan angin sebagai salah satu faktor yang juga menentukan nilai kelas stabilitas sehingga perkiraan akhir dari kelas stabilitas Pasquill dapat ditentukan menggunakan Tabel 3.11.

(26)

Tabel 3.11 Perkiraan akhir kelas stabilitas Pasquill berdasarkan kecepatan angin Perkiraan awal kelas stabilitas Pasquill Kec angin (u10) (m/s) Perkiraan akhir kelas stabilitas Pasquill

A u < 3 A A 3 ≤ u < 4 B A 4 ≤ u <6 C A 6 ≤ u D B u < 4 B B 4 ≤ u <6 C B 6 ≤ u D C u < 6 C C 6 ≤ u D Siang hari D, E, atau F manapun D

Standar deviasi arah angin (sigma theta) akan mempengaruhi nilai prediksi konsentrasi pada titik reseptor sebab standar deviasi merupakan salah satu faktor meteorologi dalam model Caline4. Tabel 3.12 menunjukkan salah satu contoh data yang digunakan untuk mencari nilai besaran standar deviasi arah angin (jika menggunakan Microsoft Excel untuk mengolah data tersebut maka data arah angin dalam satuan derajat diubah ke dalam satuan radian) sehingga diperoleh nilai besaran standar deviasi arah angin berdasarkan masing-masing skenario periode meteorologi menggunakan metode Yamartino (persamaan 3.2 – persamaan 3.6).

Tabel 3.12 Data untuk menghitung standar deviasi arah angin Tanggal Waktu Arah Angin (Degree) Arah Angin (Radian)

6:00 99,76 1,74 6:30 105,03 1,83 7:00 98,59 1,72 7:30 98,21 1,71 8:00 103,34 1,80 8:30 78,23 1,36 22 Apr'05 9:00 100,74 1,76

(27)

Contoh perhitungan (Tabel 3.13)

Perhitungan menggunakan satuan radian.

(

sin1,74 sin1,83 sin1,72 sin1,71 sin1,80 sin1,36 sin1,76

)

7 / 1 × + + + + + + = Sa 98 , 0 87 , 6 7 / 1 × = = Sa

(

cos1,74 cos1,83 cos1,72 cos1,71 cos1,80 cos1,36 cos1,76

)

7 / 1 × + + + + + + = Ca

(

0,93

)

0,13 7 / 1 × − =− = Ca 14 , 0 ) 13 , 0 / 98 , 0 arctan( − = = a θ

(

) (

)

(

0,98 0,13

)

0,14 1₋ 2₊ ₋ 2 ₌ = ε

( )

(

)

[

1,0 0,1547 0,14

]

0,14 ) 14 , 0 arcsin( + × 3 = = θ σ

Tabel 3.13 Contoh perhitungan σθ untuk data pada Tabel 3.12

Tanggal Waktu Degre Radian sin σθ cos σθ

6:00 99,76 1,74 0,99 - 0,17 6:30 105,03 1,83 0,97 - 0,26 7:00 98,59 1,72 0,99 - 0,15 7:30 98,21 1,71 0,99 - 0,14 8:00 103,34 1,80 0,97 - 0,23 8:30 78,23 1,36 0,98 0,20 9:00 100,74 1,76 0,98 - 0,19 22 Apr'05 6,87 - 0,93 Sa Ca σθ ε σθ σθ (Rad) σθ (Degree) 0,98 -0,13 -1,44 0,14 0,14 0,14 8,25

Sumber : BPLHD DKI Jakarta, 2005 dan hasil perhitungan

Jika σθ = 0,14 (radian) diubah lagi ke dalam bentuk derajat maka σθ memiliki nilai

sebesar 8,250. Nilai σθ = 8,250 dapat digunakan untuk menentukan kelas stabilitas

Pasquill berdasarkan Tabel 3.11, yakni berada pada rentang 7,5 ≤ σθ < 12,5, sehingga

kelas stabilitas Pasquill untuk data pada Tabel 3.12 adalah D (Netral). Selain didasarkan pada σθ, kelas stabilitas Pasquill yang telah ditentukan sebelumnya menggunakan

pendekatan σθ dapat juga didekati dengan faktor kecepatan angin saat siang hari sehingga

(28)

3.8 Permodelan Caline4

Permodelan Caline4 meliputi pemasukan data input dan eksekusi. Output dari permodelan ini digunakan sebagai validasi terhadap data pemantauan road-side.

File input tersedia untuk membantu dalam proses data, yakni cakupan data input, tombol-tombol radio, daftar input, dan tabulasi halaman. Cakupan data input berisi data-data secara alfanumerik, tombol radio dan daftar masukan berisi pilihan di antara alternatif-alternatif, sedangkan tabulasi data dapat mengubah tampilan antara 5 (lima) layar data input. File input dalam penggunaan model Caline4 terdiri dari 5 (lima) tipe masukan yaitu (USER’S GUIDE STI-997480-1814-UG):

1. JOB PARAMETER

(29)

3. LINK ACTIVITY

4. RUN CONDITIONS

(30)

3.8.1 Input JOB PARAMETER

Masukan JOB PARAMETER terdiri dari beberapa bagian, yakni :

FILE NAME Hanya berupa tampilan saja dan tidak dapat diubah. Setelah file disave dalam format (*.dat), FILE NAME akan terisi dengan sendirinya.

JOB TITLE Merupakan icon tambahan untuk menjelaskan model yang dibuat (dapat terisi hingga 40 karakter).

RUN TYPE Berupa pilihan-pilihan dalam menentukan periode rata-rata untuk konsentrasi pencemar dan sudut angin rata-rata per jam. Kebanyakan users menggunakan RUN TYPE “worst case wind angle” dan mengaplikasikan faktor persisten 0,6-0,7 untuk memperkirakan konsentrasi CO rata-rata selama 8 jam. Pilihan-pilihan yang dapat digunakan:(1) STANDARD yang menghitung konsentrasi rata-rata selama 1 jam pada reseptor dan users harus memasukkan arah angin pada layar RUN CONDITIONS, (2) MULTI-RUN yang menghitung konsentrasi CO rata-rata selama 8 jam pada reseptor dan users harus memasukkan arah angin setiap jamnya, (3) WORST-CASE WIND ANGLE yang menghitung konsentrasi CO rata-rata selama 1 jam pada reseptor dan model akan memilih sudut angin yang menghasilkan konsentrasi CO tertinggi pada setiap reseptor serta merupakan pilihan yang tepat bagi kebanyakan users, (4) MULTI-RUN/WORST-CASE HYBRID yang menghitung konsentrasi rata-rata CO selama 8 jam pada reseptor dan model juga akan memilih sudut angin yang menghasilkan konsentrasi CO tertinggi pada setiap reseptor.

(31)

AERODYNAMIC Merupakan icon pilihan dalam menentukan jumlah ROUGHNESS turbulensi udara lokal yang mempengaruhi penyebaran COEFFICIENT kepulan. Pilihan-pilihan yang ada pada CL4 adalah: (1) RU-

RAL dengan Roughness Coef=10 cm, (2) SUBURBAN dengan Roughness Coef=100 cm, (3) CENTRAL BUSINESS DISTRICT dengan Roughness Coef=400 cm.

MODEL Menyediakan informasi yang ringkas mengenai: INFORMATION (1) LINK / RECEPTOR GEOMETRY UNITS untuk menen-

tukan satuan dari geometri jaringan jalan dan posisi reseptor, (2) ALTITUDE ABOVE SEA LEVEL untuk mendefinisikan ketinggian di atas rata-rata permukaan laut dalam menentukan nilai dari penyebaran suatu kepulan dan hal ini tidak mempengaruhi Link Geometry atau Receptor Positions, (3) No of LINKS yang merupakan jumlah total jaringan yang ada pada lembar Link Geometry, (4) No of RECEPTORS yang merupakan jumlah total reseptor yang ada pada lembar Receptor Positions, (5) AVERAGING INTERVAL yang mengindikasikan pilihan users dalam menghitung konsentrasi rata-rata CO pada reseptor.

3.8.2 Input LINK GEOMETRY

Matrix yang tersedia diisi untuk mendefinisikan link yang akan dimodelkan. Setiap baris pada matrix mendefinisikan single link dengan input maksimal sebanyak 20 links. Links tersebut mendefinisikan sebagai segmen garis lurus. Peta LINK GEOMETRY akan ditampilkan pada layar RECEPTOR POSITIONS. Masukan LINK GEOMETRY terdiri dari beberapa bagian, yakni :

LINK NAME Merupakan icon pilihan dalam mendeskripsikan nama yang ingin dicantumkan sebanyak 12 karakter untuk setiap link.

(32)

LINK TYPE Merupakan icon pilihan untuk mendefinisikan tipe jalan raya yang mewakili tiap link. Pilihan-pilihan pada CL4 meliputi : (1)AT GRADE dimana CL4 tidak memasukkan kepulan ke dalam campuran yang terjadi di bawah ground level sehingga diasumsikan ketinggiannya = 0 (nol), (2)FILL dimana CL4 secara otomatis mengatur ketinggian link = 0 (nol) dan mengasumsikan tidak ada gangguan aliran udara yang mengikuti area permukaan, (3) DEPRESSED dimana terjadi penambahan kumpulan udara pada periode daerah tertentu ke dalam zona pencampuran sejalan dengan kedalaman tekanan jalan raya sebab konsentrasi pencemar akan berkurang lebih cepat pada arah downwind untuk link yang bertekanan akibat adanya pertambahan pencampuran secara vertikal sesuai dengan periode daerah, (4)BRIDGE dimana udara mengalir di atas dan di bawah link sehingga kepulan merupakan campuran keseluruhan dari link, (5)PARKING LOT dimana Algoritma CL4 menghitung mekanisme pengurangan dan antisipasi turbulensi termal dari pergerakan lambat dan kendaraan yang dinyalakan dalam keadaan dingin pada jalan akses menuju tempat parkir.

ENDPOINT Merupakan sistem koordinat Cartesian yang mendefinisi- COORDINATES kan posisi dari link endpoints (X1,Y1) dan (X2,Y2) dan

menggunakan satuan unit pengukuran yang disesuaikan dengan pilihan pada layar Job Parameters (meters atau feet). Axis Y diorientasikan pada arah utara-selatan sedangkan axis X diorientasikan pada arah timur-barat. LINK HEIGT Mendefinisikan ketinggian link di atas daerah sekitarnya

(33)

= 0 meter atau feet (z=0). Nilai ketinggian link untuk At-Grade Links = 0 atau nilai positif, untuk Fill Links selalu bernilai = 0, untuk Depressed Links kedalaman tekanan diindikasikan sebagai nilai negatif, dan untuk Parking Lots = 0.

MIXING ZONE Zona pencampuran didefinisikan sebagai lebar jalan dengan WIDTH penambahan 3 meter pada setiap sisi jalan dengan nilai mi-

nimum sebesar 10 meter atau 32,81 feet.

CANYON/BLUFF Merupakan pendekatan khusus CL4 untuk daerah dengan MIX tanah lapang yang kompleks seperti adanya jurang atau

penghalang.

3.8.3 Input LINK ACTIVITY

Masukan LINK ACTIVITY mendefinisikan tingkatan lalu lintas dan nilai emisi kendaraan yang diobservasi pada tiap link, yakni :

TRAFFIC Merupakan volume lalu lintas per jam pada setiap link VOLUME dalam unit kendaraan per jam. Jika menggunakan skenario Multi-Run maka volume lalu lintas harus didefinisikan untuk 8 jam.

EMISSION Merupakan angka rata-rata pembuangan emisi kendaraan FACTOR terukur pada kelompok kendaraan secara lokal dan digam-

barkan dalam unit gram per mile per kendaraan. Jika menggunakan skenario Multi-Run maka faktor emisi harus didefinisikan untuk 8 jam.

3.8.4 Input RUN CONDITIONS

Masukan RUN CONDITIONS terdiri dari parameter meteorologi dengan kondisi meteorologi terburuk yang dapat diantisipasi di lokasi yang bersangkutan, diantaranya:

(34)

WIND SPEED Merupakan kecepatan angin dalam unit meter per detik dengan nilai minimum kecepatan angin pada kondisi terburuk berdasarkan CL4 = 0,5 m/det, sedangkan berdasarkan EPA (1992) = 1 m/det.

WIND DIRECTION Arah angin diartikan dari mana angin bertiup searah dengan jarum jam mulai dari arah Utara (Utara=0, Timur=90, Selatan=180, dan Barat=270).

WIND DIRECTION Merupakan standar deviasi statistik dari arah angin yang STD DEVIATION kadang disebut sebagai “sigma theta”.

ATMOSPHERIC Merupakan ukuran turbulensi atmosfer dengan nilai 1-7 STABILITY CLASS sesuai dengan kelas stabilitas A-G.

MIXING HEIGHT Merupakan ketinggian turbulensi termal yang terjadi berkaitan dengan pemanasan sinar matahari ke Bumi. Jika terjadi kondisi ekstrim di suatu lokasi (mixing height ≤ 10 meter) maka diperlukan konsultasi lanjutan dengan local air district.

AMBIENT Temperatur ambien secara signifikan mempengaruhi emisi TEMPERATURE pencemar, digambarkan dalam unit derajat Celcius.

AMBIENT Ukuran ini menggambarkan tingkat latar belakang polutan POLLUTANT yang dapat diperkirakan dalam unit parts per million (ppm). CONCENTRATION

3.8.5 Input RECEPTOR CONDITIONS

Pada layar RECEPTOR CONDITIONS, users memasukkan input data untuk seluruh posisi reseptor berdasarkan sistem koordinat Cartesian dan memiliki satuan

(35)

pengukuran yang sama seperti pada Link Geometry serta adanya tampilan diagram dari LINK GEOMETRY dan RECEPTOR POSITIONS. Untuk masing-masing reseptor (maksimum 20 reseptor) disediakan untuk lahan deskripsi sebesar 8 karakter, koordinat X, koordinat Y, dan nilai ketinggian (Z).

3.8.6 Output Permodelan Caline4

File output dalam penggunaan Caline4 dibagi menjadi 4 bagian, yakni : (1) Variabel Daerah, (2) Variabel Link, (3) Lokasi Reseptor, (4) Hasil Model. Adapun istilah-istilah yang digunakan pada file output Caline4 yakni :

U = kecepatan angin

ZO = koefisien kekasaran aerodinamik ALT = ketinggian di atas permukaan laut BRG = sudut angin

VD = kecepatan deposisi CLAS = kelas stabilitas atmosfer VS = kecepatan pengendapan

MIXH = ketinggian pencampuran atmosfer AMB = konsentrasi polutan ambien SIGTH = standar deviasi arah angin TEMP = temperatur ambien

Type = tipe link (contoh : AG = at-grade) VPH = kendaraan per jam

EF = faktor emisi H = ketinggian link

W = lebar zona pencampuran

Pred Conc = memprediksi konsentrasi pencemar pada reseptor termasuk AMB

Conc/Link = nilai konsentrasi pencemar yang dikontribusikan tiap link pada posisi reseptor

(36)

3.9 Perhitungan Model Caline 4

Perhitungan perkiraan konsentrasi rata-rata untuk parameter CO dan NO di titik reseptor selama 1 jam menggunakan data dengan kondisi angin 0,5 m/s yang sesuai dengan kemampuan kerja model Caline4 yang tertera pada buku User’s Guide for Caline4 US EPA. Berikut merupakan contoh input data yang diambil dari data Jalan Perintis Kemerdekaan kondisi pra-implementasi untuk skenario jam sibuk pagi hari (22 April 2005)dengan parameter pencemar NO.

Job Parameter : Run Type : Standard

Aerodinamic Roughness Coeff : Central Bussiness District Link/Receptor Geo Units : Meters

Altitude Above Sea (m) : 7 Link Geometry : sesuai Tabel 3.6

Link Activity : Traffic Vol (vph) Hour1 : sesuai Tabel 3.3 Emission Factor(g/mi) Hour 1 : sesuai Tabel 3.4 Run Condition : Wind Speed (m/s) : sesuai Tabel 3.9

Wind Direction (degree) : sesuai Tabel 3.12

Wind Direction Std Dev (deg) : sesuai Tabel 3.13

Atmospheric Stability Class : sesuai Tabel 3.11 dan 3.13

Mixing Height : 800 m

Ambient Temperature : sesuai Tabel 3.9 Ambient Polutant Conc (ppm) : 0 ppm

(37)

(38)

3.10 Validasi Model 3.10.1 Hipotesis Statistik

Dalam menganalisis kesesuaian eksekusi Model Caline4 dengan hasil road-side monitoring yang dilakukan oleh BPLHD DKI Jakarta, maka diperlukan pengolahan secara statistik berupa pengujian hipotesis yang menyatakan kemungkinan benar atau tidak mengenai suatu masalah (menyangkut suatu populasi). Pengujian hipotesis digunakan sebagai alat pengambil keputusan dari suatu pernyataan yang telah dirumuskan sebelumnya (hipotesis) berdasarkan suatu galat tertentu (umumnya disebut tingkat kepercayaan (α)). Data-data yang akan divalidasi meliputi data konsentrasi CO dan NO saat pra dan pasca untuk skenario jam sibuk pagi hari dan jam sibuk sore hari di jalur Trans-Jakarta Koridor I dan II. Langkah-langkah pengujian hipotesis adalah sebagai berikut :

1. Menentukan hipotesis nol (H0) dan hipotesis tandingannya (H1) untuk alternatif

dua sisi.

H0 : μ1 = μ2 (eksekusi permodelan = hasil data pemantauan road-side)

H1 : μ1 ≠ μ2 (eksekusi permodelan ≠ hasil data pemantauan road-side)

2. Menghitung nilai rata-rata/ mean (X₁,X₂) dan

(

)

1 , 1 2 2 2 2 1 − − =

∑

= n X X S S n i i

3. Menghitung thitung (th) untuk menentukan selisih (“error”) pada kasus variansi

populasi 1 dan populasi 2 tidak diketahui tetapi dianggap berbeda (σ1 ≠ σ2)

(

)

2 2 1 1 2 1 0 2 1 n S n S X X t_h + − − = μ ...(3.7) μ0 = 0 sebab X₁ − X₂ =0

4. Menghitung nilai derajat kebebasan

(

)

(

)

2 2 2 2 2 2 1 2 1 1 2 2 2 1 1 2 1 1 1 1 1 ⎟ ⎟ ⎠ ⎞ ⎜ ⎜ ⎝ ⎛ − + ⎟ ⎟ ⎠ ⎞ ⎜ ⎜ ⎝ ⎛ − ⎟ ⎟ ⎠ ⎞ ⎜ ⎜ ⎝ ⎛ + = n S n n S n n S n S df ...(3.8)

(39)

5. Menetapkan nilai resiko penolakan (α) yang umumnya digunakan adalah α=5% dengan tingkat kepercayaan 95%. Serta menetapkan daerah kritis (daerah penolakan H0) dan titik kritis (titik batas dimana suatu hipotesis H0 akan diterima

atau ditolak) menggunakan kurva distribusi-t.

6. Menentukan titik kritis (tteori) berdasarkan nilai resiko penolakan di atas,

kemudian uji dengan thitung menggunakan grafik distribusi Normal.

7. Kesimpulan berupa penolakan H0 jika nilai thitung > nilai tteori atau nilai thitung < nilai

tteori dan H0 akan tidak ditolak jika thitung lebih dekat ke titik nol dibandingkan

dengan tteori.

3.10.2 Persentase Kesalahan (Nilai Error)

Persentase kesalahan (error) model dapat ditentukan dengan menggunakan perhitungan persentase selisih konsentrasi dengan menggunakan Persamaan 3.9 :

Persentase selisih (%)= − ×100% a b a ...(3.9) dimana:

a = data hasil data pemantauan road-side b = data eksekusi model