BAB III - repository.usu.ac.id

mengacu pada SNI 19-7119.9-2005 tentang Penentuan Lokasi Pengambilan Contoh Uji Pemantauan Kualitas Udara Roadside (BSN, 2005) yang dapat dilihat pada...

31 downloads 383 Views 700KB Size
BAB III METODOLOGI PENELITIAN 3.1 Metode Penelitian Penelitian ini menggunakan pendekatan kuantitatif dengan melakukan pengamatan kendaraan yaitu menghitung jenis dan jumlah kendaraan untuk mendapatkan laju emisi. Selanjutnya laju emisi dimasukkan ke dalam persamaan untuk mendapatkan konsentrasi CO dari kendaraan bermotor. Kemudian dalam waktu yang bersamaan dengan pengamatan kendaraan akan dilakukan sampling konsentrasi CO di lapangan dimana hasil sampling (CO terukur) tersebut akan dibandingkan dengan hasil pemodelan (CO hitung) serta dilakukan juga pengambilan data meteorologi lapangan seperti suhu, intensitas matahari, arah dan kecepatan angin. Tahapan penelitian yaitu dimulai dari studi literatur, urgensi penelitian, penyusunan metode penelitian, pengumpulan data sekunder, pengambilan data primer, menghitung konsentrasi CO menggunakan pemodelan Delhi Finite Line Source (DFLS), sampling kualitas udara di lapangan, uji validasi, dan mendapatkan keakuratan penerapan model DFLS. Tahapan penelitian dapat dilihat pada Gambar 3.1 berikut.

III-1 Universitas Sumatera Utara

III-2 Universitas Sumatera Utara

3.2 Lokasi dan Waktu Penelitian 3.2.1 Lokasi Penelitian Penelitian dilakukan di ruas Jalan MT. Haryono Kota Medan. Lokasi ini dipilih atas dasar beberapa pertimbangan tertentu, yaitu : a. Merupakan ruas jalan di Kota Medan yang didominasi kawasan perdagangan, terdapat gedung-gedung perkantoran, pusat perbelanjaan, tempat ibadah, sekolah, dan tokotoko. b. Sering terjadi kemacetan pada hari dan jam sibuk dengan rasio V/C sebesar 1,08 (DISHUB, 2016). Nilai V/C sama dengan 1 berarti bahwa ruas jalan tersebut macet atau kapasitas jalan sama dengan jumlah kendaraan yang melewati jalan tersebut, sehingga sesuai dipilih sebagai lokasi penelitian. c. Lalu lintas di ruas jalan ini merupakan heterogen. Lalu lintas heterogen adalah lalu lintas yang memiliki komposisi pengguna jalan raya yang terdiri dari kendaraan bermotor, non-kendaraan bermotor, dan pejalan kaki (Mardiati, 2015). Lokasi penelitian untuk lebih jelasnya dapat dilihat pada Gambar 3.2 berikut ini.

Gambar 3.2 Peta Lokasi Penelitian

III-3 Universitas Sumatera Utara

3.2.2 Waktu Penelitian Penelitian ini dilakukan selama 3 (tiga) hari pada bulan Desember 2016. Pengambilan sampel yang meliputi jumlah dan jenis kendaraan bermotor, konsentrasi CO dengan aktif sampling, serta data meteorologi dilakukan dalam 3 (tiga) hari yaitu Senin, Rabu dan Jumat. Titik sampling dipilih pada 2 (dua) titik persimpangan menggunakan purposive sampling. Titik ini dinilai dapat mewakili keseluruhan Jalan MT. Haryono yang memiliki panjang 1,16 km dan lebar jalan 0,14 km dalam perhitungan model DFLS. Pemilihan titik sampling ini juga berdasarkan bahwa kendaraan tidak hanya melewati sepanjang Jalan MT. Haryono, melainkan dapat keluar dan masuk dari persimpangan-persimpangan tersebut. Menurut Lampiran VI Peraturan Menteri Lingkungan Hidup (PERMENLH) No. 12 Tahun 2010 tentang Pedoman Teknis Pemantauan Kualitas Udara Ambien pada bagian III Metode Pemantauan Secara Manual, idealnya untuk mendapatkan data atau nilai satu jam, pengukuran dapat dilakukan pada salah satu interval waktu seperti dibawah ini. Durasi pengukuran di setiap interval adalah satu jam. 1. Interval waktu 06.00 – 09.00 (pagi) 2. Interval waktu 12.00 – 14.00 (siang)

Berdasarkan PERMENLH No. 12 Tahun 2010, dipilih waktu sampling yaitu waktu puncak pada pagi yang dilakukan pukul 07.00-09.00 WIB dan waktu puncak pada siang yang dilakukan pukul 12.00-14.00 WIB di masing-masing titik sampling. Sampling dipilih dilakukan pada 2 (dua) titik di sepanjang ruas Jalan MT. Haryono yaitu titik 1 pada koordinat garis Lintang Utara 03o 34’ 00,9” dan garis Bujur Timur 98o 40’ 58,5” dan titik 2 pada koordinat garis Lintang Utara 03o 35’ 19,8” dan garis Bujur Timur 98o 41’ 24,4”. Untuk lebih jelasnya, waktu pengambilan sampel dapat dilihat pada Tabel 3.1 berikut ini.

III-4 Universitas Sumatera Utara

Tabel 3.1 Pemilihan Waktu Pengambilan Sampel Lokasi

Hari

Waktu 07.00-08.00 WIB

Jalan MT. Haryono

Rabu,

(Titik 1 Simpang

Kamis,

Cirebon)

dan Jumat

Variabel yang di ukur -

Konsentrasi CO

- Data meteorologi : suhu, 12.00-13.00 WIB

intensitas radiasi matahari, arah dan kecepatan angin - Jumlah dan jenis kendaraan

08.15-09.15 WIB Jalan MT. Haryono

Rabu,

(Titik 2 Simpang

Kamis,

Thamrin)

dan Jumat

13.15-14.15 WIB

3.3 Variabel Penelitian Variabel yang diukur pada penelitian ini adalah : 1.

Jumlah dan jenis kendaraan : seluruh kendaraan yang melewati Jalan MT. Haryono dengan berbagai jenis kendaraan seperti sepeda motor, mobil penumpang, bus dan truk.

2.

Konsentrasi parameter CO terukur

3.

Data meteorologi : suhu, intensitas radiasi matahari, arah dan kecepatan angin.

3.4 Teknik Pengumpulan Data 3.4.1 Data Primer Data primer didapatkan dari pengukuran langsung di lapangan. Data yang dikumpulkan yaitu : 1. Jumlah dan jenis kendaraan Pengamatan jumlah kendaraan dilakukan pada jam sibuk (peak hour). Waktu pengamatan disesuaikan dengan hari pemantauan konsentrasi CO terukur seperti pada Tabel 3.1. Pengamatan jumlah kendaraan berdasarkan jenis kendaraan yaitu, sepeda motor (termasuk becak motor), mobil penumpang (kendaraan roda empat yang digunakan mengangkut orang seperti mobil pribadi, angkutan umum, taksi, dll), bus, dan truk (semua

III-5 Universitas Sumatera Utara

jenis truk). Penentuan jenis kendaraan ini mengacu pada Faktor Emisi Indonesia (KLH, 2013). Perhitungan jenis dan jumlah kendaraan dilakukan secara manual, dilakukan oleh 4 (empat) orang surveyor untuk menghitung masing-masing jenis kendaraan. 2. Konsentrasi parameter CO terukur Pemantauan konsentrasi CO terukur dilakukan pada dua titik saat jam sibuk (peak hour). Waktu pemantauan dapat dilihat pada Tabel 3.1. Pengukuran konsentrasi parameter CO merujuk pada Peraturan Menteri Lingkungan Hidup No. 12 Tahun 2010. Pengukuran dilakukan secara manual untuk mendapatkan data atau nilai harian. Pengukuran konsentrasi CO menggunakan alat portable CO Monitor. Pengambilan sampel bekerja sama dengan pihak Balai Teknik Kesehatan Lingkungan dan Pengendalian Penyakit (BTKLPP) Kota Medan. Prinsip kerja alat dengan metode NDIR Analyzer, yaitu berdasarkan kemampuan gas CO menyerap sinar infra merah pada panjang 4,6 µm. Banyaknya intensitas sinar yang diserap sebanding dengan konsentrasi CO di udara. Analyzer ini terdiri dari sumber cahaya infra merah, tabung sampel, tabung reference, detektor, dan rekorder. Dapat dilihat pada Gambar 3.3 berikut ini.

Gambar 3.3 Skema NDIR-CO Analyzer Sumber : Arief, 2013.

III-6 Universitas Sumatera Utara

Spesifikasi alat yang digunakan adalah sebagai berikut: a. Merk

: Quest technologies Type AQ50000 Pro

b. Prinsip langsung

: Secara kimia

c. Prinsip deteksi

: Sensoring

d. Metode deteksi

: Elektrokimia

e. Aplikasi

: Analisa gas

f. Dimensi

: 15 x 10,5 x 6 in (38 x26,7 x 15 cm)

g. Berat

: 9 kg

h. Peratalatan daya

: Baterai NiMH rechargeable, AA alkaline, dan AC adapter

i. Kondisi Operasi

: 0 sampai 50o C (32 sampai 122o F)

j. Jadwal kalibrasi

: Tahunan

Alat portable CO Monitor yang digunakan saat sampling seperti terlihat pada Gambar 3.4 berikut ini.

Gambar 3.4 Alat portable CO Monitor Penentuan titik sampling dan penempatan alat saat sampling kualitas udara roadside mengacu pada SNI 19-7119.9-2005 tentang Penentuan Lokasi Pengambilan Contoh Uji Pemantauan Kualitas Udara Roadside (BSN, 2005) yang dapat dilihat pada Lampiran I.

III-7 Universitas Sumatera Utara

Konsentrasi CO yang dikeluarkan oleh alat portable CO Monitor dalam satuan ppm, kemudian akan dikonversi ke dalam satuan µg/m3. Rumus untuk mengkonversi satuan tersebut berdasarkan SNI 7119.10:2011 tentang Cara Uji Kadar Karbon Monoksida (CO) Menggunakan Metode Non Dispersive Infra Red (NDIR) sebagai berikut (BSN, 2011). C = C x

,

Keterangan : C2

x 1000

(3.1)

= Konsentrasi CO dalam udara ambien (µg/m3)

C1

= Konsentrasi CO dalam udara ambien (ppm)

28

= Berat molekul CO

24,45 = Volume gas pada kondisi normal 25oC, 760 mmHg (L) 3. Data meteorologi Data meteorologi yang dibutuhkan yaitu suhu udara, arah dan kecepatan angin. Pengambilan data meteorologi dilakukan bersamaan dengan dilakukannya pemantauan CO terukur serta pengamatan jumlah dan jenis kendaraan. Pengukuran suhu udara serta kecepatan angin menggunakan anemometer, dan arah angin menggunakan kompas. Alat yang digunakan saat sampling dapat dilihat pada Lampiran VIII. 4. Koordinat lokasi pemantauan Koordinat lokasi pemantauan diambil menggunakan alat Global Positioning System (GPS) Handheld Garmin dengan jenis GPSmap 78CS. Alat yang digunakan saat sampling dapat dilihat pada Lampiran VIII. 3.4.2 Data Sekunder Data sekunder berupa data yang mendukung penelitian. Data yang diperlukan yaitu : 1. Data mengenai jumlah penduduk Kota Medan, luas wilayah Kota Medan, dan jumlah kendaraan bermotor di Kota Medan didapatkan melalui Badan Pusat Statistik (BPS) Provinsi Sumatera Utara Tahun 2015. 2. Informasi mengenai panjang jalan, kapasitas jalan, jumlah kendaraan dan rasio V/C di jalan MT. Haryono yang didapatkan dari Dinas Perhubungan (DISHUB) Kota Medan.

III-8 Universitas Sumatera Utara

3. Data meteorologi seperti arah dan kecepatan angin yang dikumpulkan merupakan data lima tahun terakhir yaitu tahun 2011-2015. Data ini didapatkan dari Badan Meteorologi, Klimatologi, dan Geofisika (BMKG) Kota Medan. 4. Data meteorologi lainnya yang digunakan dalam pemodelan yaitu intensitas radiasi matahari merupakan data saat hari pemantauan CO terukur. Data ini didapatkan dari Badan Meteorologi, Klimatologi, dan Geofisika (BMKG) Sampali. 3.5 Teknik Pengolahan Data Data yang telah dikumpulkan kemudian diolah dengan tahapan-tahapan sebagai berikut. 1. Arah angin dominan Data arah dan kecepatan angin lima tahun terakhir diolah dengan aplikasi WR Plot yang menghasilkan diagram windrose. Diagram windrose digunakan untuk mengetahui arah dan kecepatan angin dominan Kota Medan (Lampiran VI). Data arah dan kecepatan angin tahun 2011-2015 dapat dilihat pada Lampiran VII. 2. Perhitungan laju emisi Perhitungan laju emisi transportasi berdasarkan jumlah kendaraan dan faktor emisi menggunakan persamaan (2.4). Dalam persamaan (2.4) terdapat faktor emisi untuk menghitung laju emisi, sehingga digunakan Faktor Emisi Indonesia yang mengacu pada KLH Tahun 2013 tentang Pedoman Teknis Penyusunan Inventarisasi Emisi Pencemar Udara di Perkotaan. Faktor emisi dapat dilihat pada Tabel 2.6. 3. Perhitungan konsentrasi CO dengan pemodelan DFLS Dari hasil perhitungan di atas dilanjutkan dengan menghitung konsentrasi pencemar di jalan raya dengan pemodelan DFLS. Perhitungan model DFLS dapat dilihat pada persamaan (2.3). Persamaan (2.3) di atas merupakan modifikasi dari persamaan Gaussian untuk menghitung konsentrasi udara ambien. Dalam persamaan (2.3) di atas terdapat ūe, σz, dan ho yang masing-masing dihitung menggunakan persamaan (2.5), persamaan (2.6), dan

III-9 Universitas Sumatera Utara

persamaan (2.8). Untuk lebih jelasnya mengenai pengolahan perhitungan DFLS dapat di lihat pada Lampiran II. 4. Uji validasi Pada uji validasi ini dilakukan dengan perbandingan hasil dari konsentrasi CO terukur di lapangan (data observasi/O) dengan konsentrasi CO hitung dengan model DFLS (data prediksi/P). Kemudian kedua data (O dan P) divalidasi menggunakan persamaan IOA (Index of Agreement). Rumus untuk menghitung validasi data menggunakan persamaan IOA dapat menggunakan persamaan (2.9). Jika nilai uji validasi IOA (d) yang didapat dengan rentang nilai 0,8-1, maka model DFLS dapat digunakan untuk memprediksi konsentrasi CO di Jalan MT. Haryono. Jika nilai uji validasi IOA (d) yang didapat dengan nilai < 0,7, maka model DFLS tidak dapat digunakan untuk memprediksi konsentrasi CO di Jalan MT. Haryono.

III-10 Universitas Sumatera Utara

BAB IV HASIL DAN PEMBAHASAN 4.1 Jumlah dan jenis Kendaraan Bermotor di Jalan MT. Haryono Pengamatan jumlah kendaraan berdasarkan jenis kendaraan dilakukan di Jalan MT. Haryono pada 2 (dua) titik. Pengamatan dilakukan pada masing-masing titik selama 3 (tiga) hari, yaitu pada hari Rabu, Kamis, dan Jumat dengan pembagian waktu pagi dan siang dengan interval waktu 1 (satu) jam (Lampiran X). Pengamatan dilakukan pada koordinat garis Lintang Utara 03o 34’ 00,9” dan garis Bujur Timur 98o 40’ 58,5” untuk titik 1 (satu) dan garis Lintang Utara 03o 35’ 19,8” dan garis Bujur Timur 98o 41’ 24,4” untuk titik 2 (dua). 4.1.1 Jumlah Kendaraan Berdasarkan Jenis Kendaraan dan Titik Lokasi Pengamatan Jumlah kendaraan dipengaruhi oleh jenis kendaraan yang melintasi suatu jalan. Umumnya, jenis kendaraan yang melintas di Jalan MT. Haryono yaitu sepeda motor, mobil penumpang, bus, dan truk. Hasil pengamatan jumlah kendaraan di kedua lokasi

Jumlah Kendaraan (Kendaraan/Jam)

tersebut dapat dilihat pada Gambar 4.1a, Gambar 4.1b, dan Gambar 4.1c. 2.500 2.250 2.000 1.750 1.500 1.250 1.000 750 500 250 0

Titik 1 Pagi Titik 2 Pagi Titik 1 Siang Titik 2 Siang

Sepeda motor 2.207 1.572 1.645 1.546

Mobil penumpang 1.346 969 1.184 922

Bus 4 2 6 0

Truk 105 159 116 96

Jenis Kendaraan

Gambar 4.1a. Jumlah Kendaraan pada hari Rabu di Jalan MT. Haryono

IV-1 Universitas Sumatera Utara

Jumlah Kendaraan (Kendaraan/Jam)

2.500 2.250 2.000 1.750 1.500 1.250 1.000 750 500 250 0

Titik 1 Pagi Titik 2 Pagi Titik 1 Siang Titik 2 Siang

Sepeda motor 2.293 1.770 1.793 1.315

Mobil penumpang 1.378 1.066 1.353 861

Bus 5 1 4 1

Truk 107 173 138 80

Jenis Kendaraan

Jumlah Kendaraan (Kendaraan/Jam)

Gambar 4.1b. Jumlah Kendaraan pada hari Kamis di Jalan MT. Haryono 2.250 2.000 1.750 1.500 1.250 1.000 750 500 250 0

Titik 1 Pagi Titik 2 Pagi Titik 1 Siang Titik 2 Siang

Sepeda motor 2.142 1.653 2.048 1.473

Mobil penumpang 1.293 972 1.326 1.061

Bus 4 1 5 2

Truk 94 145 106 81

Jenis Kendaraan

Gambar 4.1c. Jumlah Kendaraan pada hari Jumat di Jalan MT. Haryono Berdasarkan Gambar 4.1a sampai 4.1c, jumlah kendaraan terbanyak saat sampling hari Rabu (7 Desember 2016) s/d hari Jumat (9 Desember 2016) yaitu di titik 1 (satu) masingmasing sebesar 55,67 %, 57,31 %, dan 56,67 %. Hal ini terjadi karena di sekitar titik 1 (satu) merupakan kawasan pertokoan, perkantoran, dan perdagangan. Selain itu, Jalan MT. Haryono merupakan jalur satu arah (oneway) sehingga titik 1 (satu) merupakan akses masuknya kendaraan dari Jalan Irian Barat, Jalan Stasiun Kereta Api, Jalan Palang Merah dan Jalan Pegadaian yang akan melewati Jalan MT. Haryono.

IV-2 Universitas Sumatera Utara

Jenis kendaraan yang paling dominan saat sampling dari hari Rabu (7 Desember 2016) s/d Jumat (9 Desember 2016) adalah sepeda motor masing-masing sebesar 58,67 %, 58,12 %, dan 58,97 %. Banyaknya jumlah sepeda motor disebabkan karena sepeda motor menjadi andalan utama dan paling terjangkau bagi mayoritas masyarakat. Sifatnya yang praktis dan efisien, sehingga banyak masyarakat khususnya para pekerja dan pedagang memilih sepeda motor. Selain itu, penggunaan sepeda motor untuk kebutuhan mobilitas harian sangat efektif dibandingkan penggunaan mobil (Azhari, 2014). Jalan MT. Haryono didominasi oleh gedung-gedung perkantoran, pusat perbelanjaan, pasar, sekolah, dan tempat peribadatan. Oleh sebab itu, banyaknya jumlah sepeda motor dan mobil penumpang yang melintasi jalan ini dikarenakan adanya aktivitas masyarakat untuk menuju kantor, pasar, pusat perbelanjaan, sekolah, dll. Adanya truk yang melintasi jalan ini karena fungsi truk sebagai alat pengangkut barang dari kegiatan kantor, pasar, pusat perbelanjaan, dll. Bus yang melewati jalan ini adalah bus antar kota (Bus Mebidang) dan bus sekolah. Pagi hari merupakan aktivitas kendaraan yang paling dominan dibandingkan siang hari. Hal ini disebabkan karena aktivitas sekolah, kantor, dan perdagangan lebih banyak dilakukan pada pagi hari. Umumnya, saat siang hari masyarakat lebih menggunakan waktu luang untuk makan siang, sholat, dan istirahat. Aktivitas lainnya seperti pulang kantor, pulang sekolah, dan penutupan pasar/ruko/mall lebih banyak dilakukan saat sore hari. 4.1.2 Jumlah Kendaraan Berdasarkan Waktu Pengamatan Hasil pengamatan jumlah kendaraan per jam pada interval waktu di ketiga hari tersebut dapat dilihat pada Gambar 4.2 berikut ini.

IV-3 Universitas Sumatera Utara

14.000

Total Jumlah Kendaraan (Kendaraan)

12.000 11.879

12.338

12.406

Kamis Waktu (hari)

Jumat

10.000 8.000 6.000 4.000 2.000 0 Rabu

Gambar 4.2 Jumlah Kendaraan Berdasarkan Waktu Berdasarkan Gambar 4.2, total jumlah kendaraan yang paling banyak saat pengamatan yaitu hari Jumat sebanyak 33,9 %, kemudian diikuti hari Kamis sebanyak 33,7 %, dan hari Rabu yang paling kecil sebanyak 32,4 %. Hal ini disebabkan karena hari Jumat adalah akhir hari kerja menuju hari libur (Sabtu dan Minggu), sehingga aktivitas masyarakat lebih padat pada hari Jumat. Untuk memperkuat asumsi, dilakukan traffic counting pada tanggal 3 dan 10 Februari 2017. Berdasarkan traffic counting, total jumlah kendaraan hari Jumat sebanyak 12.446 kendaraan dan 12.462 kendaraan (Lampiran X). 4.2 Laju Emisi CO Beberapa hal yang perlu diketahui untuk mendapatkan data perhitungan laju emisi CO adalah sebagai berikut : 1. Perhitungan laju emisi CO didapatkan dengan menggunakan persamaan (2.4). 2. Faktor emisi yang digunakan dalam perhitungan berdasarkan ketentuan Kementerian Lingkungan Hidup tahun 2013 tentang Pedoman Teknis Penyusunan Inventarisasi Emisi Pencemar Udara di Perkotaan. 3. Pengamatan jumlah dan jenis kendaraan dilakukan dengan interval waktu satu jam sesuai Peraturan Menteri Lingkungan Hidup No. 12 Tahun 2010.

IV-4 Universitas Sumatera Utara

Perhitungan laju emisi CO dari kendaraan di Jalan MT. Haryono dapat dilihat pada Tabel 4.1 berikut ini Tabel 4.1 Data Jumlah Kendaraan dan Faktor Emisi di Jalan MT. Haryono Hari / Tanggal

Titik

Sepeda motor 1 Pagi 2.207 2 Pagi 1.572 Rabu07/12/2016 1 Siang 1.645 2 Siang 1.546 1 Pagi 2.293 2 Pagi 1.770 Kamis08/12/2016 1 Siang 1.793 2 Siang 1.315 1 Pagi 2.142 2 Pagi 1.653 Jumat09/12/2016 1 Siang 2.048 2 Siang 1.473 b Faktor Emisi (g/km) 14 a b Sumber : Survey 2016 dan KLH, 2013.

a

Jenis Kendaraan Mobil a Bus a penumpang 1.346 4 969 2 1.184 6 922 0 1.378 5 1.066 1 1.353 4 861 1 1.293 4 972 1 1.326 5 1.061 2 32,4 11

Truk a 105 159 116 96 107 173 138 80 94 145 106 81 8,4

Jumlah Kendaraan (kendaraan/jam) 3.662 2.702 2.951 2.564 3.783 3.010 3.288 2.257 3.533 2.771 3.485 2.617

Data tersebut kemudian dimasukkan ke dalam persamaan (2.1), sehingga didapatkan laju emisi. Contoh perhitungan untuk pengamatan Rabu pagi di titik 1 (satu) adalah sebagai berikut. =n

kendaraan jam

g FE ( ) km. kendaraan

= {(2207 x 14) + (1346 x 32,4) + (4 x 11) + (105 x 8,4)}

gram 1 jam km x x km. jam 3600 detik 10 m

= 0,020954 g/m.detik = 0,021 g/m.detik

Perhitungan laju emisi untuk pengamatan siang dan hari lainnya dilakukan sama seperti perhitungan di atas, sehingga dapat dilihat hasil perhitungan laju emisi pada Tabel 4.2 berikut ini. Rincian perhitungan laju emisi lainnya dapat di lihat pada Lampiran III.

IV-5 Universitas Sumatera Utara

Tabel 4.2 Laju Emisi CO di Jalan MT. Haryono Hari / Tanggal

Titik

1 2 Rabu07/12/2016 1 2 1 2 Kamis08/12/2016 1 2 1 2 Jumat09/12/2016 1 2 Sumber : Perhitungan, 2016.

Pagi Pagi Siang Siang Pagi Pagi Siang Siang Pagi Pagi Siang Siang

Laju Emisi CO (g/m.detik) 0,021 0,015 0,017 0,015 0,022 0,017 0,019 0,013 0,020 0,016 0,020 0,015

Tabel 4.2 menunjukkan bahwa laju emisi CO rata-rata pada pagi hari adalah 0,018 g/m.detik dan pada siang hari adalah 0,017 g/m.detik. Jumlah laju emisi tersebut merupakan rata-rata total seluruh emisi yang bersumber dari kendaraan yang melintasi Jalan MT. Haryono. Persentase emisi yang disumbangkan berdasarkan jenis kendaraan di Jalan MT. Haryono dapat dilihat pada Tabel 4.3 berikut ini. Contoh perhitungan untuk menghitung persentase emisi Rabu pagi di titik 1 (satu) yang disumbangkan oleh sepeda motor adalah sebagai berikut. % Emisi = % Emisi =

Laju emisi masing − masing kendaraan Total laju emisi kendaraan

100 %

2207 x 14 (2207 x 14) + (1346 x 32,4) + (4 x 11) + (105 x 8,4)

100 %

% Emisi = 41 %

Perhitungan persentase emisi untuk hari dan titik lainnya dilakukan sama seperti perhitungan di atas.

IV-6 Universitas Sumatera Utara

Tabel 4.3 Persentase Sumbangan Emisi dari Kendaraan di Jalan MT. Haryono Sepeda % Mobil motor Emisi penumpang 1 Pagi 2.207 41% 1.346 Rabu 2 Pagi 1.572 40% 969 1 Siang 1.645 37% 1.184 2 Siang 1.546 41% 922 1 Pagi 2.293 41% 1.378 Kamis 2 Pagi 1.770 41% 1.066 1 Siang 1.793 36% 1.353 2 Siang 1.315 39% 861 1 Pagi 2.142 41% 1.293 Jumat 2 Pagi 1.653 41% 972 1 Siang 2.048 40% 1.326 2 Siang 1.473 37% 1.061 Sumber : Survey dan Perhitungan, 2016. Keterangan : % Emisi = Persentase Emisi Hari

Titik

% Emisi 58% 57% 61% 57% 57% 57% 62% 59% 58% 56% 59% 62%

Bus 4 2 6 0 5 1 4 1 4 1 5 2

% % Truk Emisi Emisi 0,06% 105 1,17% 0,04% 159 2,44% 0,11% 116 1,56% 0% 96 1,54% 0,07% 107 1,16% 0,02% 173 2,39% 0,06% 138 1,65% 0,02% 80 1,43% 0,06% 94 1,09% 0,02% 145 2,18% 0,08% 106 1,23% 0,04% 81 1,22%

Berdasarkan Tabel 4.3 dapat dilihat bahwa jenis kendaraan yang paling banyak menyumbang emisi CO adalah mobil penumpang berkisar dari 57 % - 62 %. Penyumbang kedua emisi terbanyak adalah sepeda motor berkisar 36 % - 41 %. Penyumbang ketiga emisi terbanyak adalah truk berkisar 1,09 % - 2,44 %. Bus merupakan kendaraan yang paling sedikit menyumbang emisi yaitu berkisar 0 % - 0,11 %. Emisi yang dikeluarkan kendaraan dipengaruhi oleh jumlah kendaraan dan nilai faktor emisi. Berdasarkan KLH (2013), nilai faktor emisi CO dari mobil penumpang lebih besar daripada sepeda motor. Hal ini menyebabkan laju emisi dari mobil penumpang lebih besar dibandingkan sepeda motor, walaupun jumlah sepeda motor lebih banyak dibandingkan mobil penumpang. Nilai faktor emisi CO untuk mobil penumpang lebih besar dibandingkan sepeda motor dipengaruhi oleh kapasitas mesin kendaraan. Perbedaan kapasitas mesin kendaraan mempengaruhi konsentrasi emisi gas buangnya. Mesin kendaraan dengan kapasitas silinder lebih besar akan mengeluarkan zat pencemar yang lebih besar (Muziansyah, 2015). 4.3 Faktor Meteorologi Dalam penelitian ini, faktor meteorologi yang dibutuhkan adalah suhu, intensitas matahari, arah dan kecepatan angin. Data suhu, arah dan kecepatan angin merupakan data primer yang diambil saat pengamatan. Data intensitas matahari merupakan data sekunder IV-7 Universitas Sumatera Utara

yang didapatkan dari Badan Meteorologi, Klimatologi, dan Geofisika (BMKG) Sampali (Lampiran IV). Hal ini terjadi karena keterbatasan alat dalam penelitian ini. Data meteorologi yang digunakan dalam perhitungan dapat dilihat pada Tabel 4.4 berikut ini. Tabel 4.4 Data Meteorologi di Jalan MT. Haryono Hari / Tanggal

Titik

Rabu07/12/2016

1 Pagi 2 Pagi 1 Siang 2 Siang Kamis1 Pagi 08/12/2016 2 Pagi 1 Siang 2 Siang Jumat1 Pagi 09/12/2016 2 Pagi 1 Siang 2 Siang Sumber : aSurvey dan bBMKG, 2016.

Arah a angin (°) 75 107,5 148,75 180 346,67 126,67 255 152,5 75 80 126,43 180

Kecepatan a angin/ū (m/s) 1,87 1,59 1,34 2,04 1,44 1,46 1,32 2,28 1,07 0,97 1,01 1,07

Suhu/To a (K) 302,7 305 306,9 306,4 303,1 304,6 306,7 305,9 301,6 303,5 306,8 306,6

Intensitas b matahari (W/m²) 0 160 555 510 80 180 245 305 0 50 555 350

Berdasarkan Tabel 4.4 dapat ditentukan kelas stabilitas atmosfer dari data kecepatan angin dan intensitas matahari. Penentuan kelas stabilitas atmosfer menggunakan tabel Pasquill-Gifford yang dapat dilihat pada Tabel 3.4. Kelas stabilitas yang didapatkan dapat dilihat pada Tabel 4.5 berikut ini.

IV-8 Universitas Sumatera Utara

Tabel 4.5 Kelas Stabilitas Atmosfer pada Setiap Titik di Jalan MT. Haryono Hari / Tanggal Rabu-07/12/2016

Kamis-08/12/2016

Jumat-09/12/2016

Titik

Kecepatan angin/ū (m/s)

Intensitas matahari (W/m²)

Kelas Stabilitas

Keterangan

1

Pagi

1,87

0

B

Tidak Stabil

2

Pagi

1,59

160

B

Tidak Stabil

1

Siang

1,34

555

A-B

Tidak Stabil

2

Siang

2,04

510

B

Tidak Stabil

1

Pagi

1,44

80

B

Tidak Stabil Tidak Stabil

2

Pagi

1,46

180

B

1

Siang

1,32

245

B

Tidak Stabil

2

Siang

2,28

305

B

Tidak Stabil

1

Pagi

1,07

0

B

Tidak Stabil

2

Pagi

0,97

50

B

Tidak Stabil

1

Siang

1,01

555

A-B

Tidak Stabil

2

Siang

1,07

350

A-B

Tidak Stabil

Sumber : Survey dan Perhitungan, 2016.

Berdasarkan Tabel 4.5 dapat disimpulkan bahwa rata-rata kelas stabilitas atmosfer Pasquill-Gifford pada penelitian ini adalah B (tidak stabil). Selanjutnya dapat ditentukan nilai parameter a, b, c, α, U1, dan U0 yang akan digunakan dalam pemodelan, nilai tersebut dapat dilihat pada Tabel 3.6. 4.4 Konsentrasi CO Terukur di Sekitar Jalan MT. Haryono Pemantauan konsentrasi CO di sekitar Jalan MT. Haryono bekerja sama dengan pihak ketiga yaitu Balai Teknik Kesehatan Lingkungan dan Pengendalian Penyakit (BTKLPP) Kota Medan. Alat portable CO Monitor ditempatkan pada bahu jalan ± 1 m dari pinggir jalan dan pada ketinggian ± 1,5 m dari permukaan jalan (Lampiran I). Konsentrasi CO dipantau pada 2 titik di Jalan MT. Haryono yaitu titik 1 (satu) di Simpang Cirebon dan titik 2 (dua) di Simpang Thamrin (Lampiran V), peta lokasi penelitian dapat dilihat pada Gambar 3.2. Hasil pemantauan yang didapatkan dalam satuan ppm, kemudian dikonversikan kedalam satuan µg/m3. Hal ini berdasarkan pada SNI 7119.10.2-2011 tentang Cara Uji Kadar Karbon Monoksida (CO) Menggunakan Metode Non Dispersive Infra Red (NDIR) (BSN, 2011). Hasil pemantaun konsentrasi CO terukur dalam satuan µg/m3 dapat dilihat pada Gambar 4.3 berikut ini.

IV-9 Universitas Sumatera Utara

Konsentrasi CO Terukur (µg/m3)

35.000 30.000

27.484

25.194 22.903

25.000 20.000

19.468

20.613 18.323

26.339 22.903

21.758 18.323

17.177

16.032

15.000 10.000 5.000 0 Pagi

Pagi

Siang Siang

Pagi

Pagi

Siang Siang

Pagi

Pagi

Siang Siang

Titik 1 Titik 2 Titik 1 Titik 2 Titik 1 Titik 2 Titik 1 Titik 2 Titik 1 Titik 2 Titik 1 Titik 2 Rabu-07/12/2016

Kamis-08/12/2016 Lokasi dan Waktu Pengamatan

Konsentrasi CO terukur (µg/m³)

Jumat-09/12/2016

Baku Mutu (µg/m³)

Gambar 4.3 Konsentrasi CO Terukur di Jalan MT. Haryono (Desember 2016) Berdasarkan Gambar 4.3 dapat dilihat konsentrasi CO tertinggi untuk pemantauan pagi hari yaitu 20.613 µg/m3 dan untuk pemantauan siang hari yaitu 27.484 µg/m3 di titik 2 (dua) pada hari Kamis. Hasil pemantauan tidak ada yang melewati baku mutu (Peraturan Pemerintah Nomor 41 Tahun 1999 Tentang Pengendalian Pencemaran Udara) yaitu 30.000 µg/m3, hanya saja pada hari Kamis siang di titik 2 (dua) nilainya hampir mendekati baku mutu. Hal ini perlu diwaspadai, jika terpapar CO selama ≥ 8 jam akan mempengaruhi fungsi organ-organ tubuh seperti otak, hati, dan saraf pusat. CO mempunyai sebutan silent killer karena mempunyai sifat yang tidak berbau dan kasat mata. Gas CO mampu mengikat haemoglobin lebih cepat dibandingkan O2, sehingga mengurangi kapasitas oksigen di dalam darah yang dapat menyebabkan sesak nafas, pingsan hingga kematian (Nevers, 2000; Wardhana, 2004). Konsentrasi CO pada pemantauan siang hari cenderung lebih tinggi dibandingkan pagi hari walaupun jumlah kendaraan cenderung lebih tinggi pada pagi hari dibandingkan siang hari. Hal ini disebabkan karena faktor meteorologi seperti suhu, kecepatan angin, dan intensitas matahari. Suhu pada siang hari lebih tinggi dibandingkan pagi hari, suhu rata-rata pada siang hari yaitu 306,6 K atau 33,6 oC. Intensitas matahari rata-rata pada IV-10 Universitas Sumatera Utara

siang hari juga lebih tinggi dibandingkan pagi hari yaitu 420 W/m2. Kecepatan angin ratarata pada siang hari berkisar 1,51 m/s, dapat dikatakan rendah. Berdasarkan hal di atas, bahwa suhu dan intensitas matahari yang tinggi menyebabkan polutan meningkat. Kondisi kecepatan angin yang rendah menyebabkan polutan tidak terdispersi sempurna (Cooper and Alley, 1994; Supriyadi, 2009). Hal ini yang mendasari tingkat pencemaran tinggi saat siang hari. Selain itu, pada titik 2 (dua) terdapat renovasi jalan dan galian parit sehingga terjadi kemacetan di sekitar lokasi pemantauan. Hal ini juga yang menyebabkan konsentrasi CO terukur tinggi di titik tersebut. Berdasarkan penelitian Boediningsih (2011), kemacetan pada saat jam sibuk yang terjadi di kota-kota besar mengakibatkan pencemaran udara. Ada beberapa faktor yang mengakibatkan kemacetan seperti terdapat pedagang kaki lima yang berjualan di badan jalan, mobil atau becak yang parkir di bahu jalan, penyempitan jalan sehingga terjadi antrian di persimpangan jalan, dan lain sebagainya. 4.5 Konsentrasi CO Hitung dengan Pemodelan DFLS Input dalam pemodelan ini menggunakan data laju emisi dan faktor meteorologi yang telah didapatkan dari lapangan kemudian diolah menggunakan software Ms-Excel. Data yang dibutuhkan untuk perhitungan dengan pemodelan DFLS yaitu : laju emisi QL = 0,020954 g/m.detik; kecepatan angin di lokasi ū = 1,87 m/detik; jarak alat dari sumber pencemar x = 1 m; ketinggian sumber/knalpot H = 30 cm = 0,3 m; ketinggian alat z = 1,5 m; sudut kemiringan jalan = 73° (lihat Gambar 2.2); arah angin di lokasi = 75°; dan suhu di lokasi To = 29,7 °C + 273 = 302,7 K. Berikut langkah-langkah dan contoh perhitungan dalam pemodelan ini: 1. Menentukan kelas stabilitas dan nilai parameter pemodelan DFLS Kelas stabilitas atmosfer B (tidak stabil), sehingga nilai parameter untuk pemodelan DFLS (lihat Tabel 2.8) sebagai berikut. a = 1,14, b = 0,03, c =1,33, α = 11,1, U1 = 0,27, dan U0 = 0,63.

IV-11 Universitas Sumatera Utara

2. Menghitung Sin θ Untuk menghitung Sin θ dapat menggunakan persamaan (2.7a) (kondisi tidak stabil), sehingga untuk arah angin θ < 180° = 75° - 73° = 2°, Sin θ

0,2242 + 0,7758 sin (2) =

0,2513. 3. Menghitung ūe Untuk menghitung kecepatan angin efektif (ūe) menggunakan persamaan (2.5), maka: ūe = 1,87 (0,2513) + 0,63 = 1,1 m/detik

4. Menghitung σz Untuk menghitung koefisien dispersi arah vertikal (σz) menggunakan persamaan (2.6), maka: σz = 1,14 + 0,03

,

,

= 1,4 m

5. Menghitung ho

Untuk menghitung tinggi efektif sumber (ho) menggunakan persamaan (2.8), sebelumnya dihitung terlebih dahulu F1 dan U’ selanjutnya dimasukkan ke dalam persamaan untuk mencari ho. F1 =

, ( , ) ,

= 0,049

U’ = 1,87 (0,2513) + 0,27 = 0,74 ho = 0,3 + 1

,

, ( ,

)

,

= 0,404

6. Menghitung konsentrasi CO Untuk menghitung konsentrasi CO dengan persamaan DFLS (lihat persamaan 2.3), maka: C=

,

.√ .( ,

)( , ).( , )

x exp −

,

,

,

+ exp −

,

,

,

IV-12 Universitas Sumatera Utara

= 0,0017358 g/m3 = 1.735,8 µg/m3 = 1.736 µg/m3 Konsentrasi yang telah didapat adalah konsentrasi pada Rabu pagi di titik 1 (satu), konsentrasi lainnya dihitung dengan cara yang sama. Hasil konsentrasi untuk pengukuran lainnya dapat dilihat pada Tabel 4.6 berikut ini. Tabel 4.6 Konsentrasi CO Hitung di Jalan MT. Haryono Hari / Tanggal 1 2 1 2 1 2 Kamis08/12/2016 1 2 1 2 Jumat09/12/2016 1 2 Rata-rata Sumber : Perhitungan, 2016. Rabu07/12/2016

Titik Pagi Pagi Siang Siang Pagi Pagi Siang Siang Pagi Pagi Siang Siang

Konsentrasi CO Hitung (µg/m³) 1.736 808 791 493 930 801 1.848 400 2.051 1.499 1.205 823 1.115

Berdasarkan hasil pemodelan, konsentrasi tertinggi pada pagi hari yaitu di titik 1 (satu) hari jumat sebesar 2.051 µg/m3, sedangkan pada siang hari yaitu di titik 1 (satu) hari Kamis sebesar 1.848 µg/m3. Konsentrasi terendah pada pagi hari yaitu di titik 2 (dua) hari Kamis sebesar 801 µg/m3, sedangkan pada siang hari yaitu di titik 2 (dua) hari kamis sebesar 400 µg/m3. Rata-rata konsentrasi pada pagi hari lebih tinggi dibandingkan ratarata pengukuran pada siang hari. Hal ini, dapat disebabkan karena kondisi stabilitas atmosfer saat pagi hari lebih stabil dibandingkan siang hari (lihat Tabel 4.5). Menurut Khare dan Sharma (1999), hasil pemodelan DFLS lebih akurat saat malam hari dibandingkan saat pagi dan siang hari. Hal ini disebabkan karena kondisi atmosfer pada malam hari yang lebih stabil. Namun pada saat pagi dan siang hari hasil pemodelan overprediksi karena kondisi atmosfer yang lebih tidak stabil dibandingkan malam hari.

IV-13 Universitas Sumatera Utara

4.6 Uji Validasi dengan Index of Agreement (IOA) Data yang digunakan untuk perhitungan validasi ini adalah data konsentrasi CO terukur dan konsentrasi CO hitung. Berikut data-data yang diketahui untuk uji validasi dengan persamaan IOA dapat di lihat pada Tabel 4.7 berikut ini. Tabel 4.7 Data untuk Uji Validasi dengan IOA Hari / Tanggal Rabu07/12/2016

Titik

P

1 Pagi 1.736 2 Pagi 808 1 Siang 791 2 Siang 493 Kamis1 Pagi 930 08/12/2016 2 Pagi 801 1 Siang 1.848 2 Siang 400 Jumat1 Pagi 2.051 09/12/2016 2 Pagi 1.499 1 Siang 1.205 2 Siang 823 Rata-rata/Mean Total/Ʃ Sumber : Perhitungan, 2016.

O

(P-O)2

19.468 18.323 22.903 25.194 17.177 20.613 21.758 27.484 18.323 16.032 22.903 26.339 21376

314.435.243 306.790.433 488.954.282 610.137.336 263.968.074 392.510.388 396.418.340 733.549.991 264.774.185 211.214.934 470.821.394 651.074.702 5.104.649.301

(P – Omean) 19.641 20.569 20.586 20.883 20.447 20.575 19.529 20.977 19.325 19.878 20.172 20.554

(O – Omean) 1.908 3.053 1.527 3.818 4.199 763 382 6.108 3.053 5.344 1.527 4.963

(|P-Omean|) + (|O-Omean|)2 464.376.640 558.017.782 488.966.342 610.118.817 607.445.033 455.327.315 396.431.329 733.574.654 500.792.787 636.169.462 470.828.519 651.096.025 6.573.144.703

Rumus yang digunakan dalam uji validasi dengan IOA dapat dilihat pada persamaan (2.9). Berikut contoh perhitungan dalam uji validasi ini. 5.104.649.301

d = 1 - 6.573.144.703 = 1- 0,777 = 0,223 Pemodelan dikatakan sesuai apabila nilai validasi yang didapat dalam rentang nilai 0,8-1 (lihat Bab II sub bab 2.7). Berdasarkan perhitungan di atas, dapat dilihat nilai d = 0,223, jauh dari rentang nilai 0,8-1. Artinya model DFLS tidak sesuai digunakan untuk memprediksi konsentrasi CO di Jalan MT. Haryono.

IV-14 Universitas Sumatera Utara

Perbandingan konsentrasi CO hitung cenderung lebih kecil dibandingkan konsentrasi CO terukur. Hal ini dapat disebabkan oleh beberapa faktor, yaitu: 1. Peletakan alat pengukur CO dekat dengan persimpangan jalan yang kondisi lalu lintasnya sibuk. 2. Kondisi jalan di titik 2 (dua) mengalami kemacetan, sehingga mempengaruhi konsentrasi CO terukur. Menurut Sengkey et al (2011), kondisi kemacetan lalu lintas mengakibatkan peningkatan konsentrasi CO. 3. Berdasarkan asumsi pemodelan, bahwa polutan CO hanya berasal dari kendaraan bermotor dan mengabaikan pengaruh sumber emisi lain. Sedangkan saat penelitian di lapangan, pengukuran polutan CO sangat dipengaruhi oleh sumber emisi lain seperti aktivitas transportasi kereta api. 4. Penyebaran polutan di sekitar lokasi dipengaruhi oleh kondisi topografi lokal Jalan MT. Haryono yang dikelilingi oleh bangunan dengan ketinggian ± 12–20 m. Menurut Supriyadi (2009), efek ketinggian bangunan mempengaruhi penyebaran polutan yang pada akhirnya polutan tidak tersebar secara merata. 5. Pemodelan mengabaikan pengaruh maximum mixing height (MMH). 6. Berdasarkan BSN (2005), jarak alat pengukur CO dari sumber emisi adalah 1-5 m. Namun karena Jalan MT. Haryono yang dikelilingi oleh bangunan dan tidak memiliki wilayah sempadan jalan, sehingga penempatan alat pengukur CO dari sumber emisi dipilih pada jarak 1 m. Hal ini dapat mempengaruhi konsentrasi CO terukur. 7. Data intensitas matahari merupakan data sekunder dari BMKG Sampali, sehingga mempengaruhi nilai stabilitas atmosfer dalam mendapatkan konsentrasi CO hitung. 8. Kondisi barrier alam seperti tidak adanya lahan hijau di sekitar lokasi penelitian. Lahan hijau diperlukan untuk mengurangi konsentrasi polutan yang dihasilkan kendaraan bermotor.

IV-15 Universitas Sumatera Utara

4.7 Perbandingan Konsentrasi CO Terukur dan Konsentrasi CO Hitung Perbandingan konsentrasi CO terukur dan konsentrasi hitung dengan pemodelan DFLS dapat dilihat pada Gambar 4.4 berikut ini. Konsentrasi CO Hitung (µg/m³)

Konsentrasi (µg/m3)

30.000 25.000 20.000

19.468 18.323

22.90325.194

20.613 17.177

Konsentrasi CO Terukur (µg/m³) 21.758

27.484 18.323

26.339 22.903 16.032

15.000 10.000 5.000 0

1.736 808

791

493

930

801

1.848

400

2.051 1.499 1.205 823

Pagi

Pagi Siang Siang Pagi

Pagi Siang Siang Pagi

Pagi Siang Siang

Titik 1

Titik 2

Titik 2

Titik 2

Titik 1

Titik 2

Rabu-07/12/2016

Titik 1

Titik 1

Titik 2

Kamis-08/12/2016

Titik 1

Titik 1

Titik 2

Jumat-09/12/2016

Lokasi dan Waktu Pengamatan

Gambar 4.4 Konsentrasi CO Terukur vs Konsentrasi CO Hitung di Jalan MT. Haryono (Desember 2016) Berdasarkan Gambar 4.4 konsentrasi CO di titik 1 (satu) dan 2 (dua) pada pengukuran pagi memiliki trend yang hampir sama tetapi saat pengukuran siang memiliki trend yang berlawanan. Konsentrasi CO hitung saat pengukuran siang di titik 1 (satu) lebih tinggi dibandingkan titik 2 (dua), disebabkan karena jumlah kendaraan yang melintas di titik 1 (satu) lebih banyak dibandingkan titik 2 (dua). Sebaliknya, konsentrasi CO terukur saat pengukuran siang di titik 1 (satu) lebih rendah dibandingkan titik 2 (dua) karena kondisi kemacetan di titik 2 (dua). Berdasarkan hasil penelitian Sengkey et al (2011), kondisi kemacetan lalu lintas sangat mempengaruhi peningkatan konsentrasi CO di udara ambien. Konsentrasi CO terukur tertinggi yaitu 27.484 µg/m3, nilai konsentrasi ini dapat dimasukkan kategori tinggi walaupun belum mencapai baku mutu yaitu 30.000 µg/m 3. Jika manusia terpajan setiap hari dapat membahayakan kesehatan manusia tersebut. Perlu tindakan preventif untuk mengurangi konsentrasi tersebut. Cara pengendalian dapat dilakukan dengan penerapan transportasi massal seperti Bus Rapid Transit (BRT) dan jika memungkinkan menambah lahan hijau di sekitar lokasi.

IV-16 Universitas Sumatera Utara

Menurut Bel (2015), penerapan BRT dapat menurunkan polutan CO yaitu di area pada jalur BRT sebesar 19,4 %, area pada jarak 2,5-10 km dari jalur BRT sebesar 17,2 %, dan area pada jarak 10-30 km sebesar 16,6 %. Selain itu menurut Suryati dan Khair (2016), simulasi penggunaan BRT dapat menurunkan emisi CO di Kota Medan sebesar 25,02 % - 29,28 % (CNG) dan 25,17 % - 29,44 % (diesel). Hasil penelitian juga menunjukkan bahwa jenis dan jumlah kendaraan berkorelasi kuat dengan emisi CO.

IV-17 Universitas Sumatera Utara

BAB V KESIMPULAN DAN SARAN 5.1 Kesimpulan 1. Berdasarkan perhitungan dengan pemodelan Delhi Finite Line Source (DFLS) hasil konsentrasi CO hitung maksimal adalah 2.051 µg/m3 pada hari Jumat (9 Desember 2016) pagi di titik 1 (satu) dan 1.499 µg/m3 pada hari Jumat (9 Desember 2016) pagi di titik 2 (dua), sedangkan konsentrasi CO hitung minimal adalah 791 µg/m3 pada hari Rabu (7 Desember 2016) siang di titik 1 (satu) dan 400 µg/m3 pada hari Kamis (8 Desember 2016) siang di titik 2 (dua). 2. Hasil konsentrasi CO hitung dengan model DFLS lebih kecil dibandingkan hasil konsentrasi CO terukur. Berdasarkan hasil sampling didapatkan konsentrasi CO terukur maksimal adalah 22.903 µg/m3 pada hari Rabu (7 Desember 2016) siang di titik 1 (satu) dan 27.484 µg/m3 pada hari Kamis (8 Desember 2016) siang di titik 2 (dua), sedangkan konsentrasi CO terukur minimal adalah 17.177 µg/m3 pada hari Kamis (8 Desember 2016) pagi di titik 1 (satu) dan 16.032 µg/m3 pada hari Jumat (9 Desember 2016) pagi di titik 2 (dua). 3. Berdasarkan hasil uji validasi data dengan Index of Agreement (IOA) didapatkan nilai d = 0,223 yang berarti bahwa model DFLS tidak sesuai diterapkan di Jalan MT. Haryono. Hal ini dapat disebabkan oleh beberapa faktor, yaitu: a. Peletakan alat pengukur CO dekat dengan persimpangan jalan yang kondisi lalu lintasnya sibuk. b. Kondisi jalan di titik 2 (dua) mengalami kemacetan, sehingga mempengaruhi konsentrasi CO terukur. c. Berdasarkan asumsi pemodelan, bahwa polutan CO hanya berasal dari kendaraan bermotor dan mengabaikan pengaruh sumber emisi lain. Sedangkan saat penelitian di lapangan, pengukuran polutan CO sangat dipengaruhi oleh sumber emisi lain seperti aktivitas transportasi kereta api. d. Penyebaran polutan di sekitar lokasi dipengaruhi oleh kondisi topografi lokal Jalan MT. Haryono yang dikelilingi oleh bangunan dengan ketinggian ± 12–20 m. e. Pemodelan mengabaikan pengaruh maximum mixing height (MMH).

V-1 Universitas Sumatera Utara

f. Berdasarkan BSN (2005), jarak alat pengukur CO dari sumber emisi adalah 1-5 m. Namun karena Jalan MT. Haryono yang dikelilingi oleh bangunan dan tidak memiliki wilayah sempadan jalan, sehingga penempatan alat pengukur CO dari sumber emisi dipilih pada jarak 1 m. Hal ini dapat mempengaruhi konsentrasi CO terukur. g. Data intensitas matahari merupakan data sekunder dari BMKG Sampali, sehingga mempengaruhi nilai stabilitas atmosfer dalam mendapatkan konsentrasi CO hitung. h. Kondisi barrier alam seperti tidak adanya lahan hijau di sekitar lokasi penelitian. Lahan hijau diperlukan untuk mengurangi konsentrasi polutan yang dihasilkan kendaraan bermotor. 5.2 Saran 1. Penelitian selanjutnya di Jalan MT. Haryono dapat memprediksi konsentrasi CO menggunakan model sumber garis lain seperti pemodelan FLLS (Finite Length Line Source). 2. Perlu penambahan titik dan waktu sampling (malam hari) sehingga nilai validasi lebih besar. 3. Pemerintah Kota Medan perlu melakukan pemantauan rutin di Jalan MH. Thamrin dan rekayasa lalu lintas. 4. Penelitian selanjutnya dapat menerapkan model pada kondisi atmosfer stabil dan menggunakan data primer untuk intensitas radiasi matahari.

V-2 Universitas Sumatera Utara