Prosiding Simposium Forum Studi Transportasi antar Perguruan Tinggi ke - 20

Universitas Hasanuddin, Makassar, 4 – 5 November 2017

228

ESTIMASI SEBARAN EMISI LALU LINTAS BERBASIS

MODEL CALINE-4 PADA LINGKUNGAN JALAN TIPE 8/2D

DI MAKASSAR

Fakhrizal Muchtar M. Isran Ramli

Departemen Teknik Lingkungan Departemen Teknik Lingkungan

Universitas Hasanuddin Universitas Hasanuddin

Jl. Poros Malino, Km. 12 Jl. Poros Malino, Km. 12

m.frizal95@gmail.com muhisran@yahoo.com

Abstract

Transportation is one of the most important and strategic of basic needs in daily life. Increased the user of

motor vehicles and energy consumption in cities give impact for the air pollution, traffic jam, and public

health disorder. The purpose of this research is (1) Know the pattern of carbon monoxide (CO) distribution.

(2) Estimate of CO pollutants in receptors. This research was conducted in A.P. Pettarani road in peak hour

of the afternoon. Analysis of measurement data using CALINE-4 Model with using software CALINE-4,

WRPLOT View, and Golden Surfer 9. The result showed the concentration of pollutant CO (ppm) has

received by the receptors are different depending on wind direction blows. As for result of CALINE-4 showed

at the Traditional Market receptor in A.P. Pettarani road is the place with the highest CO value pollutant

estimates, that is 4,2 ppm.

Keywords : Air Pollution, Motor Vehicles, Pollutants CO , Pollutant Distribution, Receptor.

Abstrak

Transportasi merupakan salah satu kebutuhan pokok yang sangat penting dan strategis dalam kehidupan

sehari-hari. Peningkatan penggunaan kendaraan bermotor dan konsumsi energi di kota-kota meningkatkan

potensi terjadinya pencemaran udara, kemacetan, dan gangguan kesehatan masyarakat. Penelitian ini

bertujuan untuk (1) Mengetahui pola sebaran karbon monoksida (CO) (2) Mengestimasi polutan CO pada

reseptor. Penelitian ini dilaksanakan di jalan A.P Pettarani pada jam puncak sore hari. Analisis data

pengukuran menggunakan software WRPLOT View, CALINE-4, dan divisualisasikan dengan program

Golden Surfer 9. Hasil penelitian menunjukkan bahwa nilai polutan CO (ppm) yang diterima disetiap

reseptor berbeda tergantung pada kecepatan dan arah angin berhembus. Adapun hasil CALINE-4

menunjukkan bahwa pada reseptor Pasar Tradisional di jalan A.P. Pettarani merupakan tempat dengan

estimasi nilai polutan CO tertinggi yaitu 4,2 ppm.

Kata kunci : Pencemaran Udara, Kendaraan Bermotor, Polutan CO, Penyebaran Polutan, Reseptor.

LATAR BELAKANG Kota Makassar merupakan salah satu pusat pengembangan kawasan strategis dikawasan

Timur Indonesia, cenderung mengalami pertumbuhan yang sangat pesat di berbagai bidang

termaksud sektor pertumbuhan penduduk yang mengakibatkan pembangungan

permukiman di kota Makassar semakin hari semakin pesat, sehingga mengakibatkan kota

Makassar menjadi salah satu daerah yang padat akan penduduk. Peningkatan jumlah

penduduk di Makassar secara tidak langsung turut meningkatkan polusi di udara

dikarenakan penggunaan kendaraan bermotor kian meningkat pesat seiring peningkatan

perekonomian di Makassar.

Fakhrizal, et al

229

Dalam satu dekade terakhir ini hampir semua kota besar di Indonesia mengalami

peningkatan jumlah kendaraan bermotor yang sangat tinggi, termasuk Kota Makassar. Hal

ini telah dan masih memberikan dampak terhadap kinerja jaringan jalan dan lalulintas,

seperti peningkatan derajat kejenuhan dan penurunan kecepatan lalulintas (Abulebu et al,

2012) serta dampak terhadap lingkungan, berupa peningkatan polusi gas buang (Aly et al,

2013) dan peningkatan kebisingan lalulintas jalan. Lebih jauh kondisi ini telah

mentransformasi perilaku lalulintas, dari lalulintas homogen ke lalulintas heterogen.

(Ramli, et al, 2015)

Kota Makassar juga merupakan salah satu kota metropolitan di Indonesia dengan tingkat

kinerja lalu lintas yang rendah. Dari hasil evaluasi Kementrian Lingkungan Hidup pada

tahun 2013, Kota Makassar masuk dalam Level of Service (LOS) F dimana LOS F

menjelaskan kondisi arus terhambat, kecepatan rendah, volume di atas kapasitas, banyak

berhenti. Berdasarkan evaluasi tersebut dapat diketahui bagaimana tingkat kemacetan dan

volume kendaraan di Kota Makassar. Sehubungan dengan kondisi tersebut Kementerian

Lingkungan Hidup menyatakan nilai polutan CO yang berasal dari kendaraan bermotor di

Kota Makassar dari tahun 2011 ke tahun 2012 meningkat sebesar 38.46%. Jika kondisi

tersebut terus terjadi maka kesehatan masyarakat akan terancam. (KLH)

Selama ini masih sangat sedikit studi-studi di Indonesia yang berfokus terhadap sebaran

emisi dan besaran dampaknya pada lingkungan sekitar. Penelitian penelitian sebelumnya

yang pernah dilakukan cenderung masih mengarah kepada analisis data emisi kendaraan

bermotor pada keadaan diam (idle) maupun bergerak. Pada tahun 2013, telah dilakukan

penelitian yang berbasis pada analisis emisi kendaraan dalam keadaan bergerak (Aly dan

Ramli. 2013). Adapun penelitian lainnya yang telah membahas mengenai penyebaran

polutan yang telah terdispersi diudara namun tidak membahas lebih jauh mengenai pola

sebaran dan pengaruhnya terhadap kondisi lingkungan disekitar jalan tersebut.

Berdasarkan latar belakang tersebut, maka penelitian ini dilakukan untuk mengetahui pola

sebaran dan estimasi dampak polutan yang diterima pada lingkungan sekitar. Estimasi

yang dihasilkan dari penelitian ini ialah berupa prediksi besaran dampak polutan CO yang

terjadi pada kondisi jam puncak sore hari yaitu pukul 17:00 – 18:00 di lingkungan jalan

A.P. Pettarani, Makassar.

Salah satu cara untuk mengetahui hal tersebut yaitu dengan menggunakan pemodelan

CALINE-4 yang digunakan pada penelitian kali ini. Kelebihan dari model CALINE-4 ini

ialah kita dapat mengestimasi sebaran polutan dan besaran dampaknya pada lingkungan

disekitar lokasi pengamatan. Adapun lokasi yang dijadikan sebagai lokasi pengamatan

yaitu pada jalan dengan tipe 8/2D di Kota Makassar yaitu Jl. A.P. Pettarani.

METODOLOGI

Lokasi Studi

Penelitian ini dilakukan pada ruas jalan A.P. Pettarani di kota Makassar yang memiliki

delapan lajur dua jalur dengan median atau 8/2D. Kemudian dari ruas jalan ini, dipilih 5

link. Pemilihan link ini berdasarkan terjadinya perubahan geometrik jalan. Tujuan dari

pemilihan link ini yaitu untuk pemetaan pada software CALINE-4. Karakteristik dari jalan

Fakhrizal, et al

230

A.P. Pettarani dapat dilihat pada Tabel 1 dan untuk layout lokasi link dapat dilihat pada

Gambar 1.

Tabel 1. Karakteristik Jalan A.P. Pettarani

Nama Jalan Panjang Jalan

(km)

Kategori Jalan dan

Tata Guna Lahan

Titik

Pengamatan

Lebar Jalan

(m)

Jl. A.P. Pettarani 4.2 Utama - Komersial

Link 1 35.3

Link 2 35.3

Link 3 35.3

Link 4 39.7

Link 5 31.5

Gambar 1. Peta Wilayah Studi

Peralatan Yang Digunakan

1. Perangkat Keras yang digunakan ialah :

a. GPSmap 60CSx GARMIN. Alat ini digunkana untuk mengetahui koordinat link

(jalan) dan koordinat reseptor pada daerah penelitiann. Selain itu, alat ini juga dapat

mengetahui ketinggian lokasi pengukuran dari permukaan laut. Data - data ini

kemudian akan digunakan untuk mengolah data menggunakan software CALINE-

4. Cara pengambilan data dengan menggunakan alat ini yaitu pertama melaihat

kondisi geometrik jalan pada ruas jalan A.P. Pettarani melalui software Google

Earth dan penentuan link jalan. Setelah menentukan link jalan, kemudian

melakukan survey lokasi dengan tujuan menentukan reseptor – reseptor yang akan

diambil koordinatnya. Reseptor yang dipilih yaitu berdasarkan bangunan –

bangunan yang merupakan tempat umum dimana banyak aktivitas manusia

didalamnya, diantaranya yaitu sekolah, rumah sakit, hotel, dan restaurant / rumah

makan. Dari reseptor – reseptor yang sudah ditentukan tersebut, kemudian

mengambil data koordinat link dan juga reseptor serta data ketinggian jalan diatas

permukaan laut yang terdapat pada ruas jalan A.P. Pettarani Makassar. Koordinat

link dan reseptor ini kemudian diinput kedalam software CALINE-4 untuk

memperoleh hasil pemetaan jalan.

Lokasi Penelitian

1 2

3

4

5

Fakhrizal, et al

231

b. Anemometer Sanfix. Alat ini digunakan untuk mengukur kecepatan angin yang

kemudian data ini digunakan untuk megetahui kecepatan angin dominan. Data

kecepatan angin diinput kedalam software WRPLOT View untuk mengetahui

kondisi wind rose dan kemudian rata – rata kecepatan angin juga diinput kedalam

software CALINE-4 bersamaan dengan data suhu.

a. Alat GPSmap 60CSx GARMIN b. Anemometer Sanfix

Gambar 2. Perangkat Keras Yang Digunakan Dalam Penelitian

2. Perangkat Lunak Yang digunakan ialah :

a. WRPLOT View. Software ini merupakan software untuk mengetahui kondisi wind

rose atau arah dan kecepatan angin dominan. Angin merupakan suatu vektor

sehingga angin dinyatakan dalam arah dan kecepatannya. Arah angin dijelaskan

secara konvensional sebagai arah dari mana angin tersebut bertiup (blowing from)

dan diidentifikasi dengan 1 dari 16 (atau kadang 32) titik kompas atau secara

keilmuan dilihat sebagai sudut dalam derajat searah dengan jarum jam dari utara.

Sedangkan kecepatan angin merupakan hal penting dalam dispersi atmosferik yang

dinyatakan dalam skala Beaufort (biasa digunakan oleh marinir), m/s, knot,

mill/jam (Colls, 2002). Wind rose digunakan sebagai informasi meteorologis yang

berhubungan dengan penyebaran polutan, yang menggambarkan perubahan arah

dan kecepatan angin secara diagram pada waktu dan kawasan tertentu (Wark and

Warner, 1981).

b. CALINE-4. Software ini merupakan model kualitas udara sumber garis yang

dikembangkan oleh California Department of Transportation (Caltrans). Model ini

dijalankan berdasarkan model difusi Gaussian dan menggunakan konsep zona

pencampuran untuk memperkirakan dispersi polutan dekat jalan raya dengan

beberapa parameter penting, seperti kekuatan sumber (volume lalu lintas per link

dan faktor emisi), meteorologi, dan geometri lokasi. CALINE-4 dapat memprediksi

konsentrasi polutan di titik reseptor (titik estimasi/ perkiraan konsentrasi tersebut

diterima) yang berlokasi 500 meter dari jalan raya. Polutan yang diprediksi

merupakan polutan yang secara relatif bersifat inert, seperti Karbon Monoksida

(CO), Nitrogen Dioksida (NO2), dan partikel tersuspensi. (Benson, 1989).

c. Golden Surfer 9. Surfer adalah paket pemodelan penuh fungsi visualisasi 3D,

contouring dan permukaan yang berjalan di bawah Microsoft Windows. Surfer

Fakhrizal, et al

232

digunakan secara luas untuk pemodelan medan, model batimetri, visualisasi

landscape, analisis permukaan, pemetaan kontur, DAS dan pemetaan permukaan

3D, gridding, volumetrics, dan banyak lagi. Mesin interpolasi canggih surfer

mengubah data XYZ Anda ke peta publikasi berkualitas. (Donil, 2015)

a. WRPLOT View b. CALINE-4 c. Golden Surfer 9

Gambar 3. Interface Perangkat Lunak Yang Digunakan Dalam Penelitian

Menghitung Faktor Emisi

Nilai fakor emisi yang digunakan adalah faktor emisi gas buang kendaraan untuk kota

metropolitan dan kota besar di Indonesia yang ditetapkan berdasarkan kategori kendaraan

berdasarkan Peraturan Menteri Negara Lingkungan Hidup Nomor 12 Tahun 2010 tentang

Pelaksanaan Pengendalian Pencemaran Udara di Daerah. Nilai faktor emisi dapat dilihat

pada Tabel 1 dibawah ini.

Tabel 2. Faktor Emisi

No. Kategori untuk perhitungan

beban pencemar udara

CO HC NOx PM10 CO2 SO2

g/km g/km g/km g/km g/kg

BBM g/km

1 Sepeda motor 14 5,9 0,29 0,24 3180 0,008

2 Mobil (Bensin) 40 4 2 0,01 3180 0,026

3 Mobil (Solar) 2,8 0,2 3,5 0,53 3172 0,44

4 Mobil (BBM jenis lain) 32,4 3,2 2,3 0,12 3178 0,11

5 Bis 11 1,3 11,9 1,4 3172 0,93

6 Truk 8,4 1,8 17,7 1,4 3172 0,82

Sumber: Peraturan Menteri LH No.12/2010

Faktor emisi rata-rata dapat ditentukan melalui persamaan berikut :

∑

(1)

Fakhrizal, et al

233

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

Sumber dan Fungsi Data Tabel berikut menjelaskan sumber dan fungsi dari data baik yang diambil secara langsung

maupun yang telah dikumpulkan dari berbagai sumber.

Tabel 3. Sumber dan Fungsi Data

No Data Jenis Data Sumber Data Fungsi Data

1 Ketinggian

Lokasi

Primer Mengukur menggunakan

alat GPSmap 60CSx

GARMIN

Digunakan pada CALINE-

4 (Job Parameters)

2 Kecepatam

Angin

Primer Mengukur menggunakan

alat Anemometer Sanfix

Digunakan pada WRPLOT

View dan CALINE-4 (Run

Conditions)

3 Arah Angin Sekunder BMKG Digunakan pada WRPLOT

View dan CALINE-4 (Run

Conditions)

4 Suhu Primer Mengukur menggunakan

alat Anemometer Sanfix

Digunakan pada CALINE-

4 (Job Parameters)

5 Konsentrasi

CO

Sekunder Kementerian Lingkungan

Hidup (Langit Biru)

Digunakan pada CALINE-

4 (Job Parameters)

6 Koordinat

Jalan

Primer Mengukur menggunakan

alat GPSmap 60CSx

GARMIN

Digunakan pada CALINE-

4 (Link Geometry)

7 Lebar Jalan Sekunder Kementerian Lingkungan

Hidup (Langit Biru)

Digunakan pada CALINE-

4 (Link Geometry)

8 Jumlah

Kendaraan

Sekunder Kementerian Lingkungan

Hidup (Langit Biru)

Digunakan pada CALINE-

4 (Link Activity)

9 Faktor Emisi Primer Menggunakan Persamaan

(1)

Digunakan pada CALINE-

4 (Link Activity)

10 Koordinat

Reseptor

Primer Mengukur menggunakan

alat GPSmap 60CSx

GARMIN

Digunakan pada CALINE-

4 (Receptor Positions)

Fakhrizal, et al

234

HASIL DAN PEMBAHASAN

Kecepatan Angin Dominan dan Arah Angin Dominan (Wind Rose)

Hasil olah data menggunakan software WRPLOT View menunjukkan bahwa arah angin

dominan yaitu berhembus kearah Barat Barat Laut dan Barat Laut yaitu pada sudut 292º

dan sudut 315º yang didominasi dengan kecepatan angin diantara 2.10 – 3.60 m/s yaitu

sebesar 70.8% dimana rata-rata kecepatan angin selama 24 jam yaitu 2.6 m/s. Untuk

mengetahui gambaran arah angin dominan (wind rose) pada Jalan A.P. Pettarani Makassar

ialah sebagai berikut :

Gambar 4. Arah Angin Dominan (Wind Rose)

Gambar 5. Diagram Kecepatan Angin Dominan

Nilai Faktor Emisi

Jumlah kendaraan (unit) pada jam puncak sore hari di jalan A.P. Pettarani Makassar

dibutuhkan untuk memperoleh nilai faktor emisi. Nilai faktor emisi ini kemudian akan

digunakan untuk pengolahan data pada software CALINE-4.

Fakhrizal, et al

235

Tabel 4. Jumlah Kendaraan Pada Kondisi Jam Puncak Sore Hari

No Jenis Kendaraan Jumlah Kendaraan (Unit) Nilai Faktor Emisi CO

1 Mobil 2.797 40

2 Motor 7.842 14

3 Bis 8 11

4 Truk 129 8.4

Total 10.776 q = 12,842

Hasil Estimasi Sebaran Emisi Lalu Lintas

Data kecepatan angin, arah angin, nilai faktor emisi dan total kendaraan ini kemudian

diinput kedalam software CALINE-4 untuk memperoleh prediksi sebaran polutan pada

reseptor yang berada di ruas jalan A.P. Pettarani Makassar, dan output dari CALINE-4

ialah sebagai berikut :

Tabel 5. Prediksi Sebaran Polutan CO

No. Reseptor

Kecepatan Angin

2.6 m/s

Konsentrasi CO

0.0034 ppm

Prediksi Konsentrasi CO Terdispersi (ppm)

1 Hotel Amaris 3.1

2 Pasar Tradisional 4.2

3 McD 4.0

4 STMIK 2.7

5 STIE Wira Bhakti 0

6 Ramayana 2.1

7 Pizza HUT 2.4

8 STIA LAN 2.5

9 Masjid 0

10 KFC 4.1

11 RSIA Paramouth 0

12 BKKBN 2.9

13 UNM 1.5

14 Kawasan

SD IKIP 0.1

15 Hotel Clarion 0.2

16 Telkom 2.0

17 MAN Model 0.0

Hasil estimasi sebaran emisi lalu lintas pada ruas jalan A.P. Pettarani Makassar dengan

menggunakan model CALINE-4 menunjukkan bahwa pada reseptor Pasar Tradisional

memiliki tinggkat polutan CO tertinggi yaitu sebesar 4,2 ppm.

Pemetaan Sebaran Polutan CO

Pemodelan berupa pemetaan dengan sebaran konsentrasi karbon monoksida dapat dilihat

dengan menggunakan software Golden Surfer 9. Hasil model CALINE-4 kemudian diinput

kedalam aplikasi Surfer dengan hasil yang dapat dilihat pada gambar berikut :

Fakhrizal, et al

236

Gambar 6. Pola Sebaran Polutan CO

Gambar 7. Estimasi Besaran Dampak

Dari aplikasi Golden Surfer 9, kita dapat melihat bahwa semakin jauh jarak penyebaran

polutan CO dari sumbernya maka konsentrasi dari polutan CO tersebut akan semakin

berkurang karena ruang dispersi dari polutan tersebut semakin membesar. Dan kecepatan

angin serta arah angin mempengaruhi pola dari sebaran polutan tersebut. Semakin cepat

angin berhembus, maka waktu penyebaran polutannya semakin singkat dengan jangkauan

yang cukup luas. Sebaliknya, jika kecepatan angin cenderung pelan, maka waktu

penyebaran dari polutan CO semakin lama dan tersebar hanya pada daerah tersebut. Arah

angin yang cenderung berhembus kearah Barat Daya mengakibatkan daerah yang berada

dibagian tenggara tidak memiliki dampak yang cukup luas dibandingkan dengan arah Barat

Daya dimana angin berhembus kearah tersebut.

KESIMPULAN Pola sebaran CO dipengaruhi oleh arah angin dimana arah angin cenderung berhembus dari

arah tenggara kearah barat laut sehingga arah tenggara tidak berdampak signifikan

terhadap polutan CO di Jl. A.P. Pettarani Makassar. Semakin jauh jarak penyebaran

polutan CO dari sumbernya maka konsentrasi dari polutan CO tersebut akan semakin

berkurang karena ruang dispersi dari polutan tersebut semakin membesar. Dari semua

reseptor yang ada di Jl. A.P. Pettarani Makassar, Pasar Tradisional sebagai reseptor yang

paling terdampak dengan prediksi polutan CO pada jam puncak sore hari pukul 17:00 –

18:00 yaitu 4,2 ppm, dan terdapat 4 reseptor dengan prediksi polutan CO terendah yaitu

STIE Wira Bhakti,Masjid, RSIA Paramouth, dan MAN Model. Keempat reseptor ini tidak

berdampak karena faktor arah angin dominan sehingga tidak terjadi penumpukan polutan

CO pada reseptor tersebut.

0 - 25%

dampak

26 -50%

dampak

51 - 75%

dampak

76 - 100%

dampak

U 17

16

15

13

14

12 10

11 9

8 7 6

5

4 3 2 1

U 17

16

15

13

14

12 10

11 9

8 7

6

5

4 3 2 1

Fakhrizal, et al

237

DAFTAR PUSTAKA

Abulebu, H., Ramli, M.I., dan Harianto, T. 2012. A Study on the Motorcycle Speed of

One-Directional Urban Roads in Makassar. Proceeding of the 15th FSTPT

International Symposium.

Aly, S.H. dan Ramli, M.I. 2013. Running Vehicle Emission Factors of Passenger Cars in

Makassar, Indonesia. Proceeding of the 10th Conference of the Eastern Asia Society

for Transportation Studies, Vol 9.

Benson, P. 1989. CALINE 4-A Dispersion Model for Predicting Air Pollutant

Concentrations Near Roadways. Sacramento, CA : California Department of

Transportation

Colls, Jeremy. 2002. Air Poluttion, Second Edition. Spon Press Taylor dan Francis Group.

London.

Donil, N.S. 2015. Kemampuan Lahan Politeknik Pertanian Negeri Payakumbuh

Menggunakan Metode Deskriptif dengan Surfer 9. Jurnal Nasional Ecopedon Vol. 2

No.2, hal. 41-45

Menteri Negara Lingkungan Hidup. 2010. Pelaksanaan Pengendalian Pencemaran Udara di

Daerah. Peraturan Menteri Lingkungan Hidup No. 12 Tahun 2010.

Ramli, M.I., Hustim, M., Aly, S.H., dan Aswidinata, A.T. 2015. Model Konsumsi Bahan

Bakar Kendaraan Pada Jaringan Jalan Perkotaan Berbasis Lalu Lintas Heterogen.

Jurnal HPJI Vol.1, hal. 77-84.

Wark and Warner. 1981. Analysis of Air Pollutants. John Wiley and Sons. USA