2008 Nsu 1

Formatted: Tab stops: Not at 7,62
cm

MODEL SIMULASI PENYEBARAN POLUTAN
DENGAN PENDEKATAN BEDA HINGGA

NANA SUPRIATNA

Formatted: Line spacing: single
Formatted

cm

SEKOLAH PASCASARJANA
INSTITUT PERTANIAN BOGOR
BOGOR
2008

cm
PERNYATAAN MENGENAI TESIS DAN
SUMBER INFORMASI

Dengan ini menyatakan bahwa Tesis MODEL SIMULASI PENYEBARAN
POLUTAN DENGAN PENDEKATAN BEDA HINGGA, adalah karya sendiri dan
belum diajukan dalam bentuk apapun kepada Perguruan Tinggi mana pun. Sumber
informasi yang berasal atau dikutip dari karya yang diterbitkan maupun tidak diterbitkan
dari penulis lain telah disebutkan dalam teks dan dicantumkan dalam Daftar Pustaka di
bagian akhir tesis ini.

Bogor, Juli 2008

Penulis
Formatted: Spanish (International
Sort)

cm
RINGKASAN

NANA SUPRIATNA, Model Simulasi Penyebaran Polutan Dengan Pendekatan Beda
Hingga. Di bawah bimbingan IR. FAHREN BUKHARI, M.Sc. dan IRMAN
HERMADI, S.Kom, MS.
Polutan yang diemisikan kendaraan bermotor dari waktu ke waktu semakin
bertambah banyak. Hal ini diindikasikan dari data Polda Metro J aya yang menunjukan
laju perkembangan jumlah kendaraan bermotor (periode 1998 s/d 2004) sejumlah 4,5
juta kendaraan dengan kenaikan rata-rata per tahun sebesar 7 persen. Sementara itu
penambahan panjang jalan hanya bertambah kurang dari satu persen per tahun.
Akibatnya, kemacetan lalu lintas terjadi di mana-mana (Gatra 20 Mei 2006). Hal ini
menyebabkan laju emisi polutan COx dan NOx yang meningkat. Polutan seperti CO
2

diketahui menyebabkan efek rumah kaca dan pada gilirannya meningkatkan temperatur
di atmosfer permukaan bumi. Sedangkan polutan CO berpengaruh terhadap kesehatan
dan pada tingkat tertentu dapat menimbulkan kematian.
Penelitian dalam skala mikro untuk mengetahui penyebaran polutan, khususnya
polutan yang dapat membahayakan kesehatan manusia seperti gas CO (karbon
monoksida) yang diemisikan dari kendaraan bermotor, dilakukan dengan menerapkan
metode Finite Difference sebagai metode numerik. Metode numerik untuk
menyelesaikan permasalahan persamaan adveksi-difusi dapat digolongkan kedalam jenis
Euler, Lagrange, atau gabungan antara Euler-Lagrange (Neumann, 1984). Penelitian ini
memodelkan sistem campuran Euler-Lagrange sebagai bahan simulasi untuk
membandingkan hasil simulasi dengan hasil pengukuran sebenarnya yang dilakukan oleh
BPLHD pada ruas jalan di DKI J akarta dengan menggunakan sumber emisi garis.
Proyeksi kemudian dilakukan untuk tahun 2010, 2015, dan 2020 untuk memprediksi
tingkat dispersi pencemar pada tahun-tahun tersebut.
Perbandingan antara hasil simulasi numerik dan data pengamatan dari jam 06:00
tanggal 10 April 2005 hingga jam 05:00 tanggal 12 April 2005 (selama 48 jam)
menunjukkan kesalahan terbesar/maksimal 4,044 mg/m
3
(81,29 %), dan kesalahan
terkecilnya/minimum adalah 0,0300 mg/m
3
(1,176 %), sedangkan kesalahan rata-ratanya
27,11 %. Secara umum menunjukkan tingkat ketelitian yang lebih baik dari penelitian
sebelumnya yang dilakukan oleh Alexander Paul, 1997) dengan kesalahan
terbesar/maksimal 7,25 ppm(83,5%), dan kesalahan terkecilnya/minimum adalah 0,68
ppm (-8,3 %), sedangkan kesalahan rata-ratanya 45,14 %.
Model selanjutnya dipergunakan untuk memprediksi distribusi penyebaran
polutan CO untuk tahun 2010, 2015 dan 2020 dengan asumsi pertumbuhan jumlah
kendaraan sebesar 7% per-tahun. Konsentrasi rata-rata pada titik diprediksikan akan
melampaui ambang batas per-jam (30 mg/m3) sampai periode antara tahun 2015
(25,4209 mg/m3) hingga tahun 2020 (35,6541 mg/m3).

Kata Kunci : Penyebaran Polutan, Beda-Hingga, Euler-Lagrange, Simulasi.
Formatted: Swedish (Sweden)
Formatted: English (U.S.)

cm
ABSTRACT

NANA SUPRIATNA, Pollutant Dispersion Simulation And Modelling With Finite
Difference Approach. Supervised by IR. FAHREN BUKHARI, M.Sc. and IRMAN
HERMADI, S.Kom, MS.
The polutant emitted by motor vehicles is increasing from time to time. This is
indicated by the data of Polda Metro J aya which shows that the increase in the number of
motor vehicles (period of 1998 to 2004) is 4.5 million motor vehicles with an annual
average of 7 percent. On the other hand, road length is increasing in less than one percent
per year. As a result, traffic congestions are seen everywhere (Gatra May 20, 2006). This
results in the increasing rate of emission for COx and NOx. Pollutant like CO2 is known
to produce greenhouse effect and in turn increases the temperature of the earth. In the
meantime, pollutant like CO affect human health and at a certain level is fatal.
Micro-scaled research discovering the dispersion of pollutant, especially those
endangering the human health like CO (Carbon monoxide) has been performed using the
numerical finite difference method. Numerical methods to solve the advection-diffusion
equation has been classified into Eulerian, Lagrangian, or a combination of Eulerian and
Lagrangian method (Neumann, 1984). This research is to model the Eulerian-Lagrangian
method to simulate pollutant emission and comparing the result with the actual
measurement done by BPLHD in a few road in DKI J akarta by assuming a line source.
Projections are then done for years 2010, 2015, and 2020 to predict the extent of
pollutant dispersion in those years.
Comparison between the result of numerical simulation and observational data
from 06:00 on April 10 2005 to 05:00 on April 12 2005 (48 hours duration) shows
maximum error of 4,044 mg/m3 (81,29 %) and minimum error of 0,0300 mg/m3
(1,176 %) with an average error of 27,11 %. This in general is an improvement of
previous work done by Alexander Paul (1997) where maximum error was 7.22 ppm
(83.5%) and minimum error of 0.68 ppm (-8.3%) with average error of 45.14%.
The model is then used to predict the concentration distribution of CO for year
2010, 2015, and 2020 with an assumption of growth in the number of vehicles of 7% per-
year. average concentration at the monitoring station is predicted to exceed the hourly
limit (30 mg/m3) during the period between 2015 (25,4209 mg/m3) and 2020 (35,6541
mg/m3).

Key Words : Pollutan Dispersion, Finite Difference, Euler-Lagrange, Simulation.

cm

Hak Cipta milik Institut Pertanian Bogor, tahun 2008
Hak Cipta dilindungi
Dilarang mengutip dan memperbanyak tanpa ijin tertulis dari
Institut Pertanian Bogor, sebagian atau seluruhnya dalam
bentuk apapun, baik cetak, fotocopi, microfilm, dan sebagainya.

cm
MODEL SIMULASI PENYEBARAN POLUTAN
DENGAN PENDEKATAN BEDA HINGGA

NANA SUPRIATNA

Tesis
Sebagai salah satu syarat untuk memperoleh gelar
Magister Sains pada
Departemen Ilmu Komputer

SEKOLAH PASCASARJANA
INSTITUT PERTANIAN BOGOR
BOGOR
2008

cm

JUDUL : MODEL SIMULASI PENYEBARAN POLUTAN DENGAN
PENDEKATAN BEDA HINGGA
NAMA : NANA SUPRIATNA
NRP : G651030114

Disetujui,
Komisi Pembimbing

Ir. Fahren Bukhari, M. Sc
Ketua

Irman Hermadi, S. Kom, MS
Anggota

Diketahui,

Ketua Program Studi
Ilmu Komputer

Dr. Sugi Guritman
Dekan Sekolah Pascasarjana

Prof. Dr. Ir. Khairil A. Notodiputro, MS

Tanggal Ujian : 18 Juli 2008

Tanggal Lulus :
Formatted: German (Germany)

cm
PRAKATA

Segala puji dan syukur penulis panjatkan kehadirat Allah SWT, berkat Rakhmat
dan KaruniaNya penulis dapat menyelesaikan karya ilmiah dengan tema Model
Simulasi Penyebaran Polutan Dengan Pendekatan Beda Hingga, sebagai salah satu
syarat kurikuler Program Sarjana S-2 di J urusan Ilmu Komputer Institut Pertanian Bogor.
Dalam menyelesaikan penelitian ini, penulis mendapatkan bantuan yang tidak
terkirakan besarnya dari berbagai pihak. Pada kesempatan ini penulis ingin
menyampaikan rasa terima kasih sebesar-besarnya kepada :
1. Bapak Ir. Fahren Bukhari, M.Sc dan Irman Hermadi, S.Kom, MS selaku pembimbing
serta Bapak Drs. Prapto Tri Supriyo, M.Kom selaku penguji, yang telah membimbing
penulis dengan penuh kesabaran hingga selesainya penelitian ini.
2. Bapak Dr. Sugi Guritman, M.Sc selaku ketua jurusan yang telah memberikan fasilitas
dan kemudahan bagi penulis dalam menyelesaikan penelitian ini.
3. Bapak Dr. Eng. Esrom Hamonangan Kepala Bidang Pengolahan Data Kualitas
Lingkungan Pusarpedal DKI J akarta selaku pembimbing lapangan yang telah banyak
memberi saran.
4. Sunarko, B.Eng mahasiswa pascasarjana pada J urusan Fisika Komputasi Institut
Teknologi Bandung dan Kurnia, M.Si atas bantuannya dalam penyusunan program
komputer dengan Matlab 7.0 R 14
5. Seluruh staf pengajar J urusan Ilmu Komputer IPB, atas diskusi dan masukan yang
bermanfaat bagi penulis dalam menyelesaikan penelitian ini.
6. Semua pihak yang tidak mungkin disebutkan satu persatu.
Semoga amal kebaikan Bapak/Ibu dan teman-teman mendapat balasan dari Allah
SWT.
Akhirnya dengan segala kerendahan hati, penulis berharap semoga penelitian
yang jauh dari sempurna ini bermanfaat bagi yang membutuhkan dan khususnya bagi
penulis sendiri.

Bogor, J uli 2008

Nana Supriatna
Formatted: Bullets and Numbering

cm
RIWAYAT HIDUP

Penulis dilahirkan di Sukabumi pada tanggal 9 September 1967 dari ayah alm. H.
Uci Sanusi dan ibu Hasanah. Penulis merupakan putra ketujuh dari delapan bersaudara.
Penulis beristrikan Rafida, SE dan mempunyai 1 orang putra dan 3 orang putri.
Tahun 1988 penulis lulus dari SMA Negeri Cicurug Sukabumi. Tahun 2000 lulus
Sarjana Teknik dari Fakultas Teknik Universitas Satya Negara Indonesia J akarta. Tahun
2003 lulus seleksi masuk Program Pascasarjana Ilmu Komputer IPB Bogor.
Penulis mengawali pekerjaan pada tahun 1988 di PT. Yunawati. Selanjutnya di
Badan Tenaga Nuklir Nasional tahun 1989-2002 di Biro Perencanaan, tahun 2002-2004
di Biro Humas Organisasi dan Pengamanan, tahun 2004 sampai dengan sekarang di
Pusat Aplikasi Teknologi Isotop dan Radiasi.
Penulis tinggal di Bogor dengan alamat Perumahan Bojong Depok Baru Blok DH.
11-12, RT/RW 04/08, Kelurahan Kedung Waringin, Kecamatan Bojonggede, Bogor
16320. Telpon (021) 8781773.

cm
DAFTAR ISI

Halaman
DAFTAR ISI............................................................................................ ix
DAFTAR GAMBAR............................................................................... xi
DAFTAR TABEL................................................................................... xii
DAFTAR LAMPIRAN........................................................................... xiii

I. PENDAHULUAN..................................................... 1
1.1. Latar Belakang....... 1
1.2. Tujuan Penelitian........ 2
1.3. Ruang Lingkup....... 2
1.4. Manfaat Penelitian.......... 3

II. TINJAUAN PUSTAKA....... 4
2.1. Pencemaran Udara................................................................ 4
2.1.1. Definisi dan Permasalahan......................................... 4
2.1.2. Baku Mutu Udara....................................................... 5
2.2. Gas Karbon Monoksida............ 6
2.3. Kondisi Meteorologi ............ 8
2.3.1. Angin.......................................................................... 8
2.3.1.1. Profil Kecepatan Angin................................ 9
2.3.1.2. Wind Rose.................................................... 9
2.4. Daerah Penerima.............. 9
2.5. Model Matematika Transpor Polutan........... 10
2.5.1. Persamaan Transportasi.............. 10
2.5.2. Metode Beda Hingga (Finite Difference)........... 11
2.6. Metode Euler-Lagrange........................................................ 16
2.6.1. Langkah Adveksi........................................................ 17
2.6.2. Langkah Difusi........................................................... 20
2.6.3. Interpolasi Spasial...................................................... 21
2.7. Metode Perhitungan Beban Emisi Sektor Transportasi ...... 22
2.7.1. volume kendaraan ..................................................... 23
2.7.2. komposisi kendaraan ................................................ 23
2.7.3. faktor emisi ............................................................... 23
2.8. Penelitian Terdahulu............................................................ 24
2.8.1. Penelitian Yang Dilakukan ........................................ 24
2.8.2 Perbedaan dari penelitian sebelumnya....................... 25

III. METODOLOGI PENELITIAN.................................................. 26
3.1. Kerangka Penelitian.............................................................. 26
3.2. Tata Laksana......................................................................... 28
3.2.1. Pengumpulan Data...................................................... 28
3.2.1.1. J enis dan Sumber Data................................. 28
3.2.1.2. Teknik Pengambilan Data............................ 28
3.2.2. Data Yang Digunakan................................................ 28

cm
3.2.3. Pengolahan Data......................................................... 30
3.3. Pembuatan Model Adveksi-Difusi....................................... 31
3.3.1. Verifikasi.................................................................... 31
3.3.2. Kontur Konsentrasi.................................................... 31
3.3.3. Analisa........................................................................ 31
3.3.4. Percobaan................................................................... 32
3.3.5. Asumsi ...................................................................... 32
3.4. Nilai Awal dan Syarat Batas................................................. 33
3.4.1. Nilai Awal.................................................................. 33
3.4.2. Syarat Batas................ 33
3.5. Prediksi Polutan Menggunakan Proyeksi............................. 33

IV. PENYUSUNAN PROGRAM PEMODELAN........ 35
4.1. Diagram Alir.. 36
4.1.1. Perhitungan konsentrasi karena actor adveksi..... 37
4.1.2. Perhitungan konsentrasi karena faktor difusi............. 38
4.2. Data Masukan Untuk Program................. 39
4.2.1. Data Arah dan Kecepatan Angin................ 39
4.2.2. Beban Emisi dari Sumber Garis................. 41
4.2.2.1. Volume Kendaraan....................................... 41
4.2.2.2. factor emisi................................................... 42
4.2.3.3. Estimasi Total Emisi dari Sector Transpor-
tasi.................................................................

44
4.3.
4.4.
Data Observasi/Pengukuran.................................................
Prediksi Beban Emisi Tahun 2010, 2015 dan 2020.............
46
47

V.

HASIL DAN PEMBAHASAN.........

51
5.1. Hasil Simulasi .....................................................................
5.1.1. Perbandingan Antara Pengukuran dan Simulasi ......
5.1.2. Hasil Perbandingan Antara Pengukuran dan Simula-
si ...............................................................................
5.2. Pembahasan .............
51
52

52
53

VI. KESIMPULAN DAN SARAN ........
6.1. Kesimpulan...................
57
57
6.2. Saran .................... 57

VII. DAFTAR PUSTAKA 58

Formatted: Finnish
Sort)

cm
DAFTAR GAMBAR

Halaman
1. Interaksi Atmosfer polutan-polutan di Udara .......................... 4
2. Titik Grid ............................................................................................ 12
3. Diskretisasi Domain Perhitungan .............................................. ......... 14
4. Matrix Penta-Diagonal ......................................................................... 15
5. Titik Interpolasi.................................................................................... 19
6. Penyederhanaan Titik Interpolasi ........................................................ 20
7. Intrapolasi dalam Prosedur Euler-Lagrange ........................................ 22
8. Kerangka Konseptual Penelitian .......................................................... 27
9. Struktur Model ..................................................................................... 30
10.Daerah Simulasi ....................... 36
11.Diagram Alir Pengolahan Data........................
12.J umlah Kendaraan di J alan Fatmawati ............................
13.Perbandingan Hasil Simulasi Tanggal 10 sampai 12 April 2005 ........
14.Konsentrasi CO Maksimum Tanggal 10 s.d 12 April 2005 ................
15.Penyebaran Polutan CO Saat Kendaraan Padat ................. .................
16. Penyebaran Polutan CO Saat Sumber CO Awal Besar ......................
17. Penyebaran Polutan CO Saat Kecepatan Angin Rendah.....................
37
48
51
52
54
55
55

Formatted: Italian (Italy)

cm
DAFTAR TABEL

Halaman
1. Baku Mutu Udara Ambien Nasional.................... 6
2. Baku Mutu Udara Emisi Sumber Bergerak ................. 6
3. Pengaruh karbon monoksida pada manusia ................
4. Faktor Emisi ............................................................................ ............
5. Data Meteorologi Tanggal 10 sampai 12 April 2005 .................
6. Komposisi Kendaraan Hari Minggu Tanggal 10 April 2005..............
7
23
40
43
7. Komposisi Kendaraan Hari Senin Tanggal 11 April 2005 ..................
8. Hasil Perhitungan Beban Emisi Tahun 2005 ..................
9. Data Laboran Harian Kualitas Udara CO Di Titik Verifikasi Tahun -
2005 ....................................................................................................
10.Beban Emisi Hasil Dari Proyeksi J umlah Tahun 2005 .....................
11.Prediksi Nilai Konsentrasi CO Pada Tahun Mendatang .. ....... ...........
43
45

46
49
53
Formatted: Finnish

cm
DAFTAR LAMPIRAN

halaman
1. Informasi Lokasi Penelitian dan Monitoring Kualitas Udara ............. 60
2. Contoh Konfigurasi Input Beban Emisi Pada Pukul 06.00 Wib
Tanggal 11 April 2005 Dalam Bentuk Spreadsheet ............................ 61
3. Hasil Simulasi Tanggal 10 sampai 12 April 2005 ............................. 62
4. Konsentrasi CO Pada Titik Monitoring dan Nilai Maksimum Hasil
Simulasi Dari Proyeksi J umlah Kendaraan Data Dasar Tahun 2005 .. 64
5. Listing Program ................................................................................... 66

Formatted: Finnish
Formatted: Finnish
Formatted: Left

cm
I. PENDAHULUAN

1.1. Latar Belakang
Meningkatnya jumlah pemakaian kendaraan sebagai alat transportasi di
ibukota khususnya di Jakarta tidak diimbangi dengan bertambahnya ruas jalan,
akibatnya sering terjadi kemacetan. Berdasarkan penelitian tahun 2003, emisi gas
buang kendaraan bermotor merupakan sumber pencemar terbesar di kota-kota
besar Indonesia (Status Lingkungan Hidup Indonesia, 2004). Dengan mengetahui
konsentrasi dan sebaran polutan dari emisi gas buang kendaraan bermotor, dapat
diprediksi tingkat kualitas udara di suatu wilayah tertentu sehingga dapat diambil
tindakan preventif oleh pihak-pihak terkait, dalam hal ini pemerintah. Untuk
mengetahui berapa besar konsentrasi polutan yang diakibatkan oleh emisi gas
buang kendaraan dan apakah konsentrasi pada lokasi dan waktu tertentu sudah
melewati ambang batas yang ditentukan atau belum serta proyeksinya ke depan
diperlukan suatu penelitian. Oleh karena itu pada penelitian ini akan dicoba suatu
model simulasi yang dapat digunakan antara lain untuk memprediksi penyebaran
polutan di suatu wilayah dalam skala mikro terintegrasi waktu dengan metode
numerik beda hingga (finite-difference).
Penelitian sebelumnya tentang penyebaran polutan yang telah dilakukan
diantaranya adalah penerapan Model Mikroskopik Konsentrasi Polutan Udara:
Perbandingan dari Hasil Simulasi dengan Pengukuran dan Pendugaan Mikroskopis
(Park et al. 2000), penerapan Simulasi Penyebaran Polutan Dengan Metode
Partikel (Zimmerman et al. 2001), dan Penerapan Simulasi Kualitas Udara Sebagai
Dampak Dari Transportasi (Eacker et al. 2003), ketiga penelitian ini menggunakan
bidang atau area sebagai sumber emisi juga menggunakan model dispersi Gaussian
dan metode GIS, tetapi penelitian yang berfokus pada sumber emisi garis untuk
mengetahui penyebaran polutan pada suatu jalan di Indonesia belum banyak
dilakukan. Penelitian sebelumnya yang sejenis telah dilakukan oleh Alexander Paul
(Simulasi Numerik Penyebaran Gas CO dari Daerah Industri Bandung Selatan
dengan Metode Beda Hingga/Finite-Difference Arah Hulu, tugas akhir ITB, 1997),

cm
dari hasil penelitian tersebut dapat diambil kesimpulan secara umum bahwa model
numerik telah dapat mensimulasikan proses penyebaran gas CO di atmosfer akan
tetapi perlu proses verifikasi lebih lanjut.
.
1.2. Tujuan Penelitian
Penelitian yang dilakukan dengan menggunakan metode numerik beda hingga
(finite-difference) pada jalan di Jakarta sebagai salah-satu solusi untuk
memprediksi sebaran polutan yang bersifat tak-linier melalui simulasi dan
memberikan rekomendasi untuk sistem peringatan dini.
Membangun model Simulator guna mendapatkan pola sebaran polutan yang
diemisikan oleh alat transportasi melalui media udara berdasarkan kondisi
atmosfer di sekitar ruas jalan di J akarta, dan membandingkan hasil simulasi
dengan hasil pengukuran dari stasiun pemantau kualitas udara setempat.

1.3. Ruang Lingkup
Pada penelitian ini, permasalahan dibatasi sebagai berikut :
Model yang digunakan dalam penelitian ini dibatasi pada metode beda hingga
(Finite Difference) 2 dimensi.
Mengingat banyaknya jenis polutan yang potensial dilepaskan ke lingkungan,
maka hanya dipilih satu jenis polutan yang penting dari sudut ekologi,
mempunyai aktivitas yang relatif besar , serta faktor transfer biologis yang
besar. Dalam hal ini dipilih polutan gas CO (karbon monoksida).
Data yang digunakan dalam penelitian ini adalah data-data sekunder tanggal
10-12 April 2005 pukul 06.00 WIB sampai dengan pukul 05.00 WIB :
a. Data volume kendaraan setiap jam untuk 9 (sembilan) kelas kendaraan
di J alan Fatmawati DKI yang dilakukan oleh kerjasama tiga lembaga
yaitu : Pusarpedal-KLH, BPLHD DKI J akarta dan Swisscontact.
b. Data kecepatan dan arah angin dari BPLHD DKI J akarta.

cm
c. Data kualitas udara gas CO di satu titik koordinat hasil pantauan
BPLHD dengan menggunakan alat HORIBA.

1.4. Manfaat Penelitian
Penelitian ini diharapkan berguna dalam :
Dari segi metodologi :
Menerapkan konsep metode beda-hingga (finite-difference) dengan
teknik campuran euler-lagrange dalam memprediksi penyebaran polutan
yang bersumber dari alat transportasi yang berupa sumber emisi garis.
Dari Segi Substansi :
Membantu dalam memprediksi masalah penyebaran polutan di jalan
Fatmawati dan sekitarnya, sehingga dapat diambil beberapa tindakan antara
lain :
a. Menentukan apakah konsentrasi polutan CO di suatu wilayah melebihi
ambang batas yang telah ditentukan atau tidak.
b. Menentukan penempatan stasiun pemantau kualitas udara.
c. Prakiraan dosis polutan yang akan diterima penduduk.
d. Mengemukakan usulan kebijaksanaan pendukung/tindak lanjut untuk
mendukung tercapainya pengendalian pencemaran udara.


cm
II. TINJAUAN PUSTAKA

2.1. Pencemaran Udara
2.1.1. Definisi dan Permasalahan
Dalam Peraturan Pemerintah Republik Indonesia Nomor 41 Tahun
1999 tentang Pengendalian Pencemaran Udara disebutkan bahwa yang
dimaksud Pencemaran Udara adalah masuknya atau dimasukkannya zat,
energi, dari komponen lain ke udara ambien oleh kegiatan manusia, sehingga
mutu udara turun sampai ke tingkat tertentu yang menyebabkan udara ambien
tidak dapat memenuhi fungsinya. Polutan termasuk zat, bila terlepas ke
lingkungan dapat menyebabkan pencemaran lingkungan.
Permasalahan pencemaran udara dapat digambarkan sebagai suatu
mekanisme dari sumber hingga penerima seperti terlihat dari gambar 1.

Gambar 1. Interaksi Atmosfer polutan-polutan di udara
(adaptasi dari kerjasama J ICA dan KLH-RI, 2004)

Kualitas udara ditentukan oleh banyak faktor diantaranya adalah
faktor meteorologi, demografi, cuaca dan sumber emisi yang berinteraksi di
atmosfer. Kualitas udara mempengaruhi kesehatan mahluk hidup sebagai
penerimanya. Sumber pencemaran udara berdasarkan mekanismenya dibagi
menjadi dua yang bersumber dari alam dan dari kegiatan manusia. Sumber

cm
pencemar di perkotaan berasal dari kendaraan bermotor (transportasi) seperti
bus, truk, mobil penumpang, sepeda motor, sumber lainnya adalah dari
kegiatan industri atau tempat pembuangan sampah dengan cara dibakar.
Sumber yang berasal dari transportasi adalah bagian dari sistem pelayanan
perkotaan yang menjadi salah satu sumber pencemar dominan di kota besar
khususnya DKI J akarta.

2.1.2. Baku Mutu Udara
Baku mutu udara adalah ambang batas atas konsentrasi polutan yang
dianggap tidak berbahaya bagi makhluk hidup. Standar kualitas udara ini
disajikan dalam berat persatuan volume per satuan waktu. Standar kualitas
udara untuk Indonesia tertuang pada surat Keputusan Mentri No. KEP-
02/MENKLH/I/1988 Tentang Pedoman Penetapan Baku Mutu Lingkungan
yang dikeluarkan pada tanggal 19 J anuari 1988 oleh Menteri Negara
Kependudukan dan Lingkungan Hidup.
Baku mutu udara dibagi menjadi dua, baku mutu udara ambien dan
baku mutu udara emisi. Baku mutu udara ambien adalah batas konsentrasi
yang diperbolehkan bagi zat atau bahan pencemar di udara, namun tidak
menimbulkan gangguan terhadap mahluk hidup. Sedangkan baku mutu emisi
adalah batas kadar yang diperbolehkan bagi zat atau bahan pencemar untuk
dikeluarkan dari sumber pencemaran ke udara ambien.
Menurut Peraturan Pemerintah Nomor 41 Tahun 1999 tanggal 26 Mei
1999 tentang pedoman penetapan Baku Mutu Udara Ambien Nasional adalah
sebagai berikut :

Formatted: Finnish

cm
Tabel 1. Baku mutu udara ambien Nasional
No. Parameter Waktu Baku Mutu
Pengukuran
Metode
1. SO
2
(Sulfur
Dioksida)
1 jam
24 jam
1 Thn
900 ug/Nm
3
365 ug/Nm
3
60 ug/Nm
3

Parasanilin
2. CO (Karbon
monoksida)
1 jam
24 jam
1 Thn
30.000 ug/Nm
3
10.000 ug/Nm
3
NDIR
3. NO
2
(Nitrogen
Dioksida)
1 jam
24 jam
1 Thn
400 ug/Nm
3
150 ug/Nm
3
100 ug/Nm
3

Salzman
4. O
3
(Oksidan) 1 jam
1 Thn
235 ug/Nm
3
50 ug/Nm
3

Chemiluminescent
5. HC (Hidro
Karbon)
3 jam 160 ug/Nm
3
Flame Ionization

Sumber : Lampiran Peraturan Pemerintah Indonesia, 1999

Tabel 2. Baku mutu udara emisi sumber bergerak

No.
Jenis Kendaraan
Bermotor
Bahan Bakar
Mutu udara emisi
CO
(%)
NO
(ppm)
Pb
(ppm)
Asap
(%)
1. Mobil penumpang Bensin/premix
Solar
BBM 2 Tak
Gas
4,50
-
4,50
3,00
1.200
1.200
1.200
-
1.200
1.200
1.200
-
-
50
50
-
2. Mobil Barang Bensin/premix
Solar
Gas
4,50
-
3,00
1.200
1.200
-
1.200
1.200
-
-
50
-
3. Mobil Bus Bensin/premix
Solar
Gas
4,50
-
3,00
1.200
1.200
-
1.200
1.200
-
-
50
-
4. Sepeda motor Bensin/premix
BBM 2 Tak
4,50
4,50
2.800
3.600
2.400
3.000
-
-
Sumber : Fauzi Soelaiman, 1993

2.2. Gas Karbon Monoksida
Karbon monoksida merupakan gas yang tidak berwarna dan tidak berbau.
Gas ini sangat stabil, dan mempunyai waktu tinggal di udara cukup lama, antara 2
4 bulan, sangat berbahaya karena dapat menimbulkan kematian bagi manusia.
Secara global dari beberapa sumber emisi gas karbon monoksida, pembakaran

cm
bahan bakar fosil merupakan sumber emisi utama yang mencapai lebih dari 60 %
total emisi karbon monoksida. Karbon monoksida merupakan hasil pembakaran tak
sempurna bahan bakar fosil (BBF) pada kendaraan bermotor dan pemanasan
(Soelaiman, 1993).
Mekanisme berlangsungnya peracunan oleh karbon monoksida secara
prinsip adalah terganggunya transpor oksigen dalam darah oleh reaksi antara karbon
monoksida dengan hemoglobin dimana gas karbon monoksida mempunyai daya
afinitas atau daya ikat dengan hemoglobin 250 kali lebih tinggi dibanding dengan
daya ikat oksigen dengan hemoglobin (Stern, 1977). Ini berarti orang yang
menghirup gas karbon monoksida harus bernafas lebih banyak dan lebih cepat untuk
menyediakan kebutuhan oksigen dalam darah. Ikatan antara karbon monoksida
dengan hemoglobin membentuk komposisi yang relatif stabil yaitu
karboksihemoglobin, menurut reaksi :
Hb O
2
+ CO Hb CO + O
2

Tingkat keracunan gas karbon monoksida tergantung pada konsentrasi gas
dan lamanya menghirup karbon monoksida. Semakin lama menghirup karbon
monoksida maka karboksihemoglobin semakin meningkat. Dengan pertambahan
konsentrasi karbon monoksida atau semakin banyak karboksihemoglobin dalam
darah tanda-tanda atau gejala-gejala keracunan mulai terlihat, antara lain sakit
kepala, pusing, lemas, mata berkunang-kunang, telinga berdenging, mual, muntah-
muntah, sesak nafas, lemah otot, pingsan, koma, dan mati (Soelaiman, 1993).
Pengaruh konsentrasi gas CO pada manusia diperlihatkan pada tabel 3.

Tabel 3. Pengaruh karbon monoksida pada manusia
No. Konsentrasi CO Tanda-tanda
1. 20 ppm / 8 jam Baku mutu udara ambien RI
2. 100 ppm Sakit kepala
3. 500 ppm Pingsan
4. 1000 ppm Kematian manusia
Sumber : Fauzi Soelaiman, 1993

cm
2.3. Kondisi Meteorologi
Polusi udara berkaitan erat dengan faktor meteorologi, terutama dalam hal
pemindahan polutan dari sumbernya ke daerah penerima. Konsentrasi polutan
tergantung pada jumlah dan jenis polutan yang dikeluarkan oleh sumber emisi,
konfigurasi sumber emisi dan kondisi meteorologi. Atmosfer sendiri memiliki
kemampuan untuk mendispersikan dan mendifusikan polutan baik secara vertikal
maupun horizontal (Soenarmo Sri H, 1986).
Penyebaran gas karbon monoksida di atmosfer (lapisan batas) bisa melalui
proses adveksi maupun difusi atau keduanya. Adveksi adalah pergerakan atau
transfer suatu zat, bahan dan sebagainya karena pergerakan medium fluida (udara
atau air) dimana zat tersebut berada sedangkan Difusi adalah pergerakan atom atau
molekul dari daerah dengan konsentrasi spesies tinggi ke konsentrasi rendah karena
perbedaan gradien konsentrasi (IAEA, 2003). Berbagai kondisi meteorologi yang
mempengaruhi penyebaran polutan di udara adalah radiasi matahari, angin
(kecepatan dan arah), stabilitas atmosfer, lapse rate, suhu dan inversi.

2.3.1. Angin
Angin merupakan pergerakan massa udara dari tekanan tinggi ke
tekanan rendah. Gradien tekanan massa udara ini disebabkan oleh perbedaan
temperatur akibat perbedaan penerimaan radiasi matahari oleh permukaan
bumi.
Menurut Turner (1994) angin merupakan suatu kecepatan (velocity),
kuantitas vektor yang mempunyai arah dan laju (speed). Meskipun vektor
angin dapat terjadi dalam tiga dimensi, tetapi pada umumnya hanya arah
horisontal yang dipakai. Dalam konvensi yang disebut arah angin adalah arah
dari mana angin datang (bukan ke arah). Untuk pemantauan arah angin, maka
arah angin dari utara dituliskan 0 atau 360, arah angin dari timur dituliskan
90, dan seterusnya. Satuan kecepatan angin adalah knot, mil per jam, atau
meter per detik.

Sort)

cm
2.3.1.1. Profil Kecepatan Angin
Pergerakan udara dekat permukaan bumi diperlambat oleh
gesekan karena kekasaran permukaan. Bentang alam, lokasi dan
kepadatan tumbuhan, lokasi dan ukuran danau, sungai, gunung,
bangunan menyebabkan perbedaan gradien angin dalam arah vertikal.
Planetry Boundary Layer yang dipengaruhi oleh gesekan mempunyai
ketinggian antara ratusan sampai ribuan meter di atas permukaan
bumi. Kedalaman Boundary layer lebih besar untuk kondisi atmosfer
tidak stabil daripada kondisi stabil.
2.3.1.2. Wind Rose
Satu hal yang sangat penting dalam meramalkan penyebaran
zat pencemar adalah mengetahui arah dan besar kecepatan angin
yang biasa digambarkan dalam bentuk vektor. Arah angin selalu
ditentukan darimana angin tersebut bertiup. Vektor arah angin dan
besarnya kecepatan angin dalam wind rose, menggambarkan
frekwensi distribusi arah arah angin pada berbagai variasi kecepatan
yang terjadi. Data ini diukur harian selama periode waktu satu bulan.
Ada 16 pembagian kategori arah angin, hal ini bukan keharusan tapi
bisa juga dibagi dalam delapan arah mata angin, tergantung
kebutuhan dan kondisi daerah yang diteliti. Demikian juga
pembagian range kecepatan angin disesuaikan kebutuhan range data
yang ada.

2.4. Daerah Penerima
Emisi gas karbon monoksida di suatu daerah berasal dari kendaraan
bermotor yang melalui daerah tersebut sebagai sumber utama. Gas karbon
monoksida yang diemisikan ke udara akan menyebar dengan mengikuti arah angin,
turbulensi oleh angin menyebabkan karbon monoksida berdifusi. Keadaan topografi
suatu daerah yang tidak datar atau membentuk suatu kemiringan akan
menyebabkan dinamika penyebaran karbon monoksida semakin besar, situasi ini
Sort)

cm
akan semakin bertambah kompleks dengan bentuk permukaan daerah tersebut yang
tidak rata. Kekasaran permukaan menyebabkan timbulnya turbulensi dalam skala
kecil yang akan terjadi bila ada angin yang melewatinya. Suatu lapisan atmosfer
yang tidak stabil di pagi hari dan sangat tidak stabil pada siang hari akan
memperbesar koefisien difusi yang nantinya mendistribusikan karbon monoksida.

2.5. Model Matematika Transportasi Polutan
Untuk memperkirakan besar konsentrasi polutan di suatu tempat pada saat
tertentu dapat dilakukan dengan suatu pemodelan penyebaran polutan. Proses
penyebaran polutan (karbon monoksida) di udara dapat didekati dengan model
adveksi-difusi. Proses adveksi adalah proses berpidahnya polutan karena adanya
pergerakan media, dalam hal ini pergerakan udara karena adanya perbedaan
tekanan, sedangkan proses difusi adalah penyebaran polutan karena adanya
perbedaan konsentrasi antara satu titik dengan titik lain disekitarnya. Model
tersebut bisa berupa model analitik, statistik, atau numerik. Setiap model
mempunyai kelebihan dan kekurangannya masing-masing, sehingga diperlukan
pengetahuan mengenai masalah yang akan dimodelkan untuk memilih jenis model
yang paling sesuai. Penentuan jenis model yang dipakai tergantung pada beberapa
hal, antara lain : tujuan pemodelan, skala ruang, skala waktu, dan biaya yang
tersedia. Dalam pemodelan numerik ada dua metode yang bisa digunakan yaitu
metode elemen hingga dan metode beda hingga. Metode beda hingga dipilih untuk
membuat model adveksi-difusi polutan. Metode numerik beda hingga merupakan
salah satu metode yang banyak dipakai dalam memecahkan masalah keteknikan
karena mudah digunakan dan cepat.

2.5.1. Persamaan transportasi
Persamaan adveksi-difusi atau persamaan transportasi polutan
(Bruce Egan,1972) harus dicari solusinya untuk mengetahui penyebaran
konsentrasi polutan pada suatu daerah tertentu dengan profil kecepatan dan
arah angin tertentu pula:

cm
. .
C
U C D C Q R
t
= + + +
, (2.1)
C : konsentrasi polutan
U : kecepatan angin
D : koefisien dispersi
Q : laju sumber polutan
R : laju reaksi kimia

Laju reaksi kimia (R) pada persamaan (2.1) dapat diabaikan karena polutan
yang dibahas tidak bereaksi dengan lingkungan (inert) dan koefisien difusi D
tidak berubah (tetap) terhadap ruang dan waktu, jadi persamaan di atas
menjadi:
2
. . .
C
U C D C Q U C D C Q
t
= + + = + +
(2.2)
dimana pada domain kartesian 2-dimensi, operator dan
2
di definisikan
sebagai (http://matword.wolfram.com /VektorDerivative.html) :

x y

= +

dan
2 2
2
2 2
x y

= +

(lihat definisi grad dan diff.grad)
Dengan demikian persamaan (2.2) menjadi:
2 2
2 2 x y
C C C C C
v v D D Q
t x y x y

= + + +

(2.3)
Persamaan (2.3) adalah persamaan diferensial parsial (Partial Differential
Equation-PDE) derajat 2. Pada kasus-kasus yang khusus, PDE di atas dapat
diselesaikan secara analitik, namun memiliki tingkat kerumitan yang tinggi.
Alternatif solusinya adalah dengan mencoba memecahkan permasalahan di
atas menggunakan metode numerik.
2.5.2. Metode Beda Hingga (Finite Difference)
Metode yang digunakan dalam penelitian ini adalah metode beda-
hingga (finite difference). Konsep utama metode ini didapat melalui
ekspansi Taylor (Smith, G.D, 1999), dimana suku diferensial orde 1 () dan
orde 2 (
2
) dapat dicari pendekatannya melalui diskretisasi (membagi
domain dalam grid-grid) daerah domain kedalam suatu daerah 2-dimensi
dengan lebar grid tertentu dan diberikan syarat batas (boundary condition).
Field Code Changed
Sort)
Field Code Changed
Sort)
Sort)
Sort)
Field Code Changed
Sort)
Field Code Changed
Sort)
Field Code Changed
Sort)
Sort)
Sort)

cm
Pendekatan untuk suku diferensial orde 1:
1, , i j i j
C C
dC
dx h
+

dan
, 1 , i j i j
C C
dC
dy k
+

(beda-maju)
1
, ,
m m
i j i j
C C
dC
dt t
+
(2.4)
sedangkan suku diferensial orde 2 didekati dengan:

2
1, , , 1
2 2
2
i j i j i j
C C C
d C
dx h
+
+
dan
2
, 1 , , 1
2 2
2
i j i j i j
C C C
d C
dy k
+
+
(2.5)

Gambar 2. Titik Grid

Dengan menerapkan pendekatan beda-hingga untuk suku diferensial orde ke
1 dan 2 di atas maka persamaan (2.3) berubah menjadi:
1
, , 1, , , 1 ,
m m m m m m
i j i j x i j i j y i j i j
t t
C C v C C v C C
h k
+
+ +

=

1, , 1, , 1 , , 1 2 2
2 2
m m m m m m
i j i j i j i j i j i j
t t
D C C C D C C C
h k
+ +

+ + + +

, i j
Q t + (2.6.a)

Apabila digunakan lebar grid yang sama ( ) h k = maka persamaan di atas
dapat disederhanakan menjadi:
Field Code Changed
Sort)
Field Code Changed
Sort)
Field Code Changed
Sort)

cm

{ }
1
, , 1, , , 1 ,
m m m m m m
t
C C v C C v C C
h
+
+ +
=

1, , 1 , 1, , 1 , 2
4
m m m m m
i j i j i j i j i j i j
t
D C C C C C Q t
h
+ +
+ + + + +

(2.6.b)
Dimana m menandakan langkah waktu (m, dan m+1) dan (i,j) menandakan
satu lokasi node. Perhitungan akan dilakukan untuk semua i dan j dalam
domain. Persamaan di atas juga merupakan persamaan linier yang
dipergunakan untuk menghitung konsentrasi pada titik i,j berdasarkan empat
titik lain di sekitarnya (Gambar 2). Dengan demikian, apabila terdapat n
baris dan m kolom pada grid, maka akan terdapat (n x m) buah persamaan
linier sehingga akan membentuk suatu sistem persamaan linier berbentuk:
[ ] b C A
m
=
+1
, (2.7)
atau dapat dijabarkan seperti di bawah ini (dengan mengatur ulang susunan
persamaan (2.6.a) di atas), dimana didapatkan persamaan:
1
, , 1, , , 1 ,
m m m m m m
t t
C C v C C v C C
h k
+
+ +

=

1, , 1, , 1 , , 1 , 2 2
2 2
m m m m m m
i j i j i j i j i j i j i j
t t
D C C C D C C C Q t
h k
+ +

+ + + + +

, (2.8)
Bila:
x x
t
v
h

= ;
y y
t
v
k

= ;
2 x
t
D
h

= ;
2 y
t
D
k

=
maka akan didapatkan bentuk baru dari persamaan (2.6a dan 2.6b) sebagai
berikut:
1
, , 1, , , 1 ,
m m m m m m
C C C C C C
+
+ +
=

1, , 1, , 1 , , 1 ,
2 2
m m m m m m
x i j i j i j y i j i j i j i j
C C C C C C Q t
+ +
+ + + + +

(2.9)

Selanjutnya persamaan (2.9) dapat disusun ulang menjadi:
( ) ( )
1
, , 1, , 1
[1 2 2 ]
m m m m
i j x y x y i j x x i j y y i j
C C C C
+
+ +
= + + + +
Field Code Changed
Field Code Changed

cm

1, , 1 ,
m m
x i j y i j i j
C C Q t

+ + +
(2.10)

Bila:
1 2 1 2
; ; ; ; (1 2 2 )
x x x y y y x y x y
= = = = = + +
maka persamaan (2.10) menjadi:
1
, , 1 1, 1 , 1 2 1, 2 , 1 ,
m m m m m m
C C C C C C Q t
+
+ +
= + + + + + (2.11)
Selanjutnya dimisalkan bahwa domain dibagi dalam 40x40 daerah dengan
penomoran seperti di bawah ini dengan batas luar diset pada nilai 0:

Gambar 3. Diskretisasi domain perhitungan

Dengan i=1 dan j=1 pada posisi kiri bawah. Maka untuk titik 1 (i=1,j=1)
didapatkan persamaan:
t Q C C C C
m m m m
+ + + + + =
+
1 , 1 2 , 1 1 1 , 2 1 1 , 1
1
1 , 1
0 0
Demikian pula untuk titik 2 (i=2,j=1) didapatkan:
t Q C C C C C
m m m m m
+ + + + + =
+
1 , 2 1 , 1 2 2 , 2 1 1 , 3 1 1 , 2
1
1 , 2
0
Dan seterusnya akan didapatkan 40x40 buah persamaan linier yang dapat
direpresentasikan dalam bentuk matriks yang dihitung secara simultan
seperti di bawah ini:

cm
+
n
m
n
b
b
b
b
C
C
C
C
M
M
M
M
M
M
M
M
M
M
M
M
O
O
O O O
O O O
O O O
O
O
K
3
2
1
1
3
2
1
2 2
1 2 2
1 2
2
2
1
1 1 2
1 1 2
1 1 2
1 1
0 0 0 0 0 0 0
0 0 0 0 0
0 0 0 0 0 0
0 0 0 0 0 0
0 0 0 0 0 0
0 0 0 0 0 0
0 0 0 0 0 0
0 0 0 0 0 0
0 0 0 0 0
0 0 0 0 0 0

Gambar 4. Matrik penta-diagonal
Dimana matriks [A] adalah matriks koefisien dan matriks [C] adalah
konsentrasi pada titik (i,j) pada langkah waktu m+1. Dalam hal ini matriks A
disebut juga dengan matriks sparse karena sebagian besar anggotanya
bernilai 0. Hanya komponen pada 5 buah diagonalnya yang tidak bernilai nol
(disebut juga dengan matriks penta-diagonal). Pada kasus-kasus tertentu
persamaan di atas dapat dicarikan solusinya secara simultan dengan
menghitung matriks [A]
-1
dan mengalikannya dengan matriks b. Stabil atau
tidaknya solusi seperti di atas bergantung pada konstanta Peclet (Pe) dan
Courant (Cr). Solusi umumnya bersifat stabil bila nilai-nilai Pe<2 dan Cr<1
[Richard and Hong,1999] :
2
hv
Pe
D
= dan 1
v t
Cr
h
=
Terlihat dari konstanta Peclet bahwa untuk v jauh lebih besar dari D (kondisi
dominan adveksi) diperlukan lebar grid h yang kecil. Sementara dari
konstanta Courant , untuk h kecil dan v besar diperlukan selang waktu iterasi
yang kecil. Sebagai akibatnya, pada kasus kecepatan angin besar, maka
untuk mencapai solusi yang stabil seringkali diperlukan langkah waktu yang
sangat kecil atau lebar grid yang sangat kecil pula. Dalam komputasi, hal
tersebut mengakibatkan waktu komputasi yang lama dan jumlah memori
komputer yang diperlukan menjadi sangat besar. Hal ini disebabkan karena
penggunaan pendekatan beda-hingga yang berbeda untuk diferensial orde-1
(beda maju) dan orde-2 (beda-tengah) dengan tingkat kesalahan yang
berbeda dengan orde O (h
2
) dan O (h
3
).
Formatted: Finnish
Field Code Changed
Formatted: Finnish
Field Code Changed
Formatted: Finnish

cm
2.6. Metoda Euler-Lagrange
Metode euler-lagrange memberikan cara pemecahan yang berbeda dengan
cara simultan seperti di atas, yaitu dengan memisahkan pemecahan masalah untuk
suku adveksi dan difusi secara sendiri-sendiri, sehingga untuk satu langkah waktu
akan dilakukan solusi untuk mencari pemecahan secara adveksi kemudian secara
difusi. Bentuk lain persamaan 2 dapat diberikan sebagai berikut:
2
.
adveksi difusi
C
U C D C Q
t
= + +
14243 123

Metode numerik untuk menyelesaikan permasalahan persaman adveksi-
difusi dapat digolongkan kedalam jenis Euler, Lagrange, atau gabungan antara
Euler-Lagrange (Neumann, 1984). Pada pendekatan Euler, persamaan transport
diselesaikan dengan metoda grid tetap seperti halnya pada metoda beda-hingga atau
elemen hingga. Pendekatan Euler memberikan keuntungan dan kemudahan grid
tetap dan mampu mengatasi masalah-masalah dimana dispersi merupakan faktor
dominan. Untuk permasalahan dimana adveksi merupakan faktor dominan seperti
halnya banyak kondisi dilapangan, metode Euler rawan terhadap dispersi numerik
dan osilasi. Untuk mengatasinya diperlukan jarak antar-grid dan langkah waktu
yang kecil. Namun demikian pendekatan Euler banyak dipakai karena
fleksibilitasnya dalam menangani bermacam syarat batas dan sumber.
Pendekatan Lagrangian (particle tracking) untuk mensimulasikan transport
polutan merepresentasikan sekelompok polutan terlarut dengan partikel bergerak
dengan jumlah berhingga tertentu. Koordinat dari setiap partikel dijelaskan melalui
persamaan transport Lagrangian multidimensi (Tompson and Gelhar, 1990 and
LaBolle et al. 1996). Akurasi metode ini membaik dengan meningkatnya jumlah
partikel dalam control volume sementara resolusinya menjadi semakin baik dengan
semakin kecilnya control volume.
Pendekatan Euler memecahkan persoalan transport dengan
mengintegrasikan persamaan adveksi-dispersi melalui suatu grid komputasi tetap.
Pendekatan ini menjadi sangat sulit untuk masalah dimana adveksi mendominasi

cm
yaitu ketika syarat stabilitas dan akurasi mensyaratkan penggunaan sel grid dan
langkah waktu yang sangat kecil (Ames, 1992 and Celia and Gray, 1992).
Pendekatan Euler-Lagrange merupakan metoda campuran yang memiliki
fitur campuran antara pendekatan Eulerian dan Lagrangian. Kebanyakan
pendekatan algorithma Euler-Lagrange membagi solusi masalah transport kedalam
dua tahap (Cheng et al. 1984 and Neumann, 1984 and Wheeler and Dawson, 1988).
Langkah pertama menggunakan pendekatan yang sama dengan particle tracking
untuk memecahkan bagian adveksi dari persamaan transport dan langkah kedua
menggunakan pendekatan Euler untuk memecahkan bagian dispersi. Algorithma
secara berulang bergantian menggunakan dua langkah tersebut di atas untuk
memperoleh konsentrasi pada lokasi-lokasi dan waktu tertentu.
2.6.1. Langkah Adveksi
Dibawah ini adalah persamaan transport dalam bentuk non-
konservatif dan didefinisikan di atas domain spasial an interval waktu
J =(0,T] yang merupakan bentuk lain dari persamaan (2.2):
( )
C
U C D C Q
t
+ = +
(2.12)
Dimana t adalah waktu, C(x,y,t) adalah konsentrasi polutan, U(x,y)
medan kecepatan pada kondisi tunak, Q(x,y,t) adalah sumber atau reservoir,
dan D adalah konstanta dispersi (Peaceman, 1966). Batas domain ,
1 2
= + , dibagi menjadi dua bagian: 1) batas aliran masuk atau
tanpa aliran
1
, dimana 0 U n dan 2) batas aliran keluar
2

dimana . 0 U n > Pada kedua kasus di atas n adalah vektor satuan normal
yang mengarah keluar pada . Lokasi dari batas-batas tersebut di atas
dapat diidentifikasikan sebelum perumusan solusi karena U(x,y) telah
diketahui. Algorithma Euler-Lagrange hanya menekankan pada batas masuk.
Hal ini dimungkinkan karena pembagian solusi dalam langkah adveksi dan
difusi.

cm
Dalam bentuk Langrange, persamaan (2.11) di atas dapat ditulis
dalam bentuk Lagrangian sebagai (Cheng et al. 1984):
( )
DC
D C Q
Dt
= + (2.13)
Dimana DC/Dt merupakan perubahan konsentrasi terhadap waktu
dihitung sepanjang jalur lintasan partikel. Bentuk turunan di atas dapat
diwakili oleh beda-hingga maju yang dievaluasi sepanjang jalur lintasan
partikel:

1 1
, ( ), , ( ),
i i n n i i n n i
C x y t t C x y t t DC
Dt t
+ +

(2.14)
Dimana ( )
1
,
i i n
x y t
+
dan ( ) ,
i i n
x y t adalah koordinat Euler dari
partikel yang berjalan menurut jalur i, dievaluasi pada waktu
tn+1
dan
tn
, dan
1 n n
t t t
+
= adalah interval waktu yang dianggap konstan. Pada setiap
langkah waktu koordinat ( ) ,
i i n
x y t disebut sebagai asal dari jalur i.
Langkah pertama (adveksi) dari prosedur Euler-Lagrange adalah
menghitung konsentrasi pada titik asal dari jalur dan berakhir pada titik grid
komputasi Euler yang tetap. Titik asal jalur i dapat ditentukan dengan cara
telusur-balik (backtracking) sepanjang jalur dari waktu
tn+1
dan
tn

menggunakan persamaan kinematik berikut ini (Neuman, 1981and Chiang et
al. 1989 and Wheeler and Dawson, 1988) :

+
=
+
1
) ( ) ( ) (
1
n
n
t
t
i n i n i
d x v t x t x i=1,,N (2.15)
Dimana
( )
1
,
i i n
x y t
+
adalah lokasi vektor dari node i. cara ini telah
dipergunakan secara luas dan disebut dengan pendekatan Modified Method
of Characteristics (MMOC). Karena (2.4) adalah persamaan eksplisit untuk
( ) ,
i i n
x y t maka biasanya harus diselesaikan secara numerik. Interval waktu
[
tn
,
tn+1
] dapat dibagi dalam M bagian dengan panjang langkah /
i
t t M =
dan integral pada setiap fraksi waktu dapat dihitung menggunakan algoritma
Field Code Changed
Field Code Changed
Field Code Changed
Field Code Changed
Field Code Changed
Field Code Changed
Field Code Changed
Field Code Changed
Field Code Changed
Field Code Changed

cm
integrasi. Pemilihan jumlah fraksi M bergantung pada t dan magnitudo
dari vektor kecepatan lokal. J ika kriteria fraksi waktu ini diikuti dan medan
kecepatan tidak bergantung waktu, akurasi langkah adveksi menjadi tidak
bergantung pada t .
Algoritma numerik diskret untuk mengintegrasikan persamaan
(2.15) memerlukan nilai kecepatan pada berbagai titik sepanjang jalur
lintasan antara ( )
1
,
i i n
x y t
+
dan ( ) ,
i i n
x y t . Karena titik-titik intermediasi ini
biasanya tidak terletak tepat pada posisi node, maka kecepatan yang
diperlukan harus di interpolasikan dari nilai-nilai pada node terdekat.
Interpolasi yang akurat sulit dilakukan dimana gradien kecepatannya besar.
Namun interpolasi ini hanya perlu dilakukan satu kali bila medan kecepatan
tidak berubah terhadap waktu. Apabila titik asal dari jalur i telah diketahui,
maka konsentrasi , ( ),
i i n n
C x y t t dapat diperoleh melalui interpolasi
konsentrasi yang diketahui dari node-node terdekat. Nilai-nilai konsentrasi
yang telah diketahui pada langkah ini akan disimpan untuk digunakan pada
langkah berikutnya dari prosedur Euler-Lagrange ini.

Gambar 5. Titik Interpolasi

Field Code Changed
Field Code Changed
Field Code Changed
Sort)

cm
Pada kasus dimana kecepatan angin dan arah angin konstan pada
selang waktu t , maka persoalan di atas dapat disederhanakan secara
skematis sebagai berikut:

Gambar 6. Penyederhanaan Titik Interpolasi
2.6.2. Langkah Difusi
Langkah kedua (difusi) prosedur Euler-Lagrange menghitung
konsentrasi node pada waktu tn+1 dari persamaan berikut ini:
1 1
1 1
( ),
, ( ), ( ) , ( ),
i n n
i i n n i i n n
x t t
C x y t t t D C Q C x y t t
+ +
+ +
+ = (2.16)
Dimana , ( ),
i i n n
C x y t t , nilai konsentrasi yang telah diketahui pada
titik asal jalur transport i adalah nilai yang telah diperoleh pada langkah
pertama dan derivatif pada persamaan (2.16) dihitung pada titik ( )
1
,
i i n
x y t
+
.
Persamaan diferensial spasial ini dapat dipecahkan menggunakan prosedur
beda hingga implisit yang menghasilkan nilai konsentrasi
1 1
, ( ),
i i n n
C x y t t
+ +

pada semua node dari grid komputasi pada waktu tn+1. meskipun metoda
beda-hingga dengan orde yang lebih besar dapat digunakan untuk
mendiskretisasikan persamaan (2.16) namun sebenarnya langkah ini tidak
diperlukan karena kesalahan yang timbul dari diskretisasi spasial dari
persamaan ini tidak lebih signifikan bila dibandingkan dengan kesalahan
interpolasi spasial yang terjadi pada langkah pertama (adveksi). Solusi dari
Field Code Changed
Sort)

cm
langkah ini kemudian digunakan sebagai nilai awal untuk langkah komputasi
berikutnya dari t
n+1
hingga t
n+2
.
Selanjutnya dengan mengasumsikan bahwa koefisien difusi D tidak
berubah terhadap lokasi dan waktu, maka persamaan (2.16) dapat ditulis
sebagai:
1 1
1 1
( ),
, ( ), , ( ), ( )
i n n
i i n n i i n n
x t t
C x y t t C x y t t t D C Q
+ +
+ +
= + (2.17)
1 1
2
1 1
( ),
, ( ), , ( ),
i n n
i i n n i i n n
x t t
C x y t t C x y t t t D C Q
+ +
+ +
= + (2.18)
Dan dengan menerapkan definisi seperti pada persamaan (2.5) maka
diperoleh:
1
, , 1, , 1, , 1 , , 1 2 2
2 2
m m m m m m m m
i j i j i j i j i j i j i j i j
t t
C C D C C C D C C C
h k
+
+ +

= + + + +

, i j
Q t + (2.19)
yang serupa dengan persamaan (2.6) namun tanpa suku adveksi karena telah
diselesaikan pada tahapan sebelumnya
( )
,
m
i j
C . Selanjutnya dengan beberapa
penyederhanaan dan pengaturan diperoleh:
1
, , 1 1, , 1, 2 , 1 , , 1 ,
2 2
m m m m m m m m
i j i j i j i j i j i j i j i j i j
C C C C C C C C Q t
+
+ +
= + + + + +

(2.20)
dimana:
1 2
t
D
h

= dan
2 2
t
D
k

=
( )
1
, 1 1, 2 , 1 1 2 , 1 1, 2 , 1 ,
1 2 2
m m m m m m
C C C C C C Q t
+
+ +
= + + + + +
(2.21)
1
, 1 1, 2 , 1 , 1 1, 2 , 1 ,
m m m m m m
C C C C C C Q t
+
+ +
= + + + + +
(2.22)
Dimana
( )
1 2
1 2 2 =
. Untuk kondisi dimana h=k, diperoleh bahwa
1 2
= =
dan
( )
2
1 4 =
dan persamaan (2.22) menjadi:
1
, 1, , 1 2 , 1, , 1 ,
m m m m m m
C C C C C C Q t
+
+ +
= + + + + +
(2.23)
Sort)
Field Code Changed
Sort)
Field Code Changed
Sort)
Field Code Changed
Sort)
Field Code Changed
Sort)
Field Code Changed
Sort)
Field Code Changed
Sort)
Field Code Changed
Sort)
Field Code Changed
Sort)
Field Code Changed
Sort)

cm

2.6.3. Interpolasi spasial
Intrapolasi bilinier digunakan pada langkah adveksi untuk
mengetahui nilai konsentrasi polutan pada titik asal jalur transport yang
seringkali titik-titik asal tersebut tidak tepat berada pada titik perpotongan
grid (gambar 5 dan 6).

Gambar 7. Intrapolasi dalam prosedur Euler-Lagrange.
Misalkan untuk sel diantara 4 titik grid seperti di atas maka
konsentrasi pada titik (x,y) dapat diinterpolasi menggunakan:

( ) ( )
h
y j
h
x i
y x
= ; (2.24a)

j i x j i x j x
C C C
, , 1 ,
) 1 ( + =

(2.24b)

1 , 1 , 1 1 ,
) 1 (

+ =
j i x j i x j x
C C C (2.24c)

1 , , ,
) 1 (

+ =
j x y j x y y x
C C C (2.24d)
Algoritmanya secara bergantian menggunakan dua langkah tersebut
di atas untuk mendapatkan konsentrasi pada titik grid tertentu pada saat
tertentu.

2.7. Metode Perhitungan Beban Emisi Sektor Transportasi
Untuk menghitung total emission load dari sumber kendaraan bermotor,
maka data-data yang dipergunakan adalah : traffic volume (vehicle/hour), faktor

cm
emisi (g/km/vehicle), dan panjang jalan (km). Sehingga total emisi dari kendaraan
bermotor dapat dihitung menggunakan rumus :
6
,
10
= x xL xT f E
i i i veh veh
(2.25)
E
veh
: Emission Load (ton/year)
i : Kind of motor vehicle
f
veh
: Emission factor (g/km/veh)
T
i
: Traffic volume (vehicle/year)
L
i
: Panjang jalan (km)
Sumber : Esrom Hamonangan dkk, (2003) Retrival of Emission Load from
Measured NOx Concentrations in Jakarta City, Clean Air and
Environmental Quality Journal-Australia.
Beban Emisi dihitung dari volume kendaraan berdasarkan komposisi
kendaraan yang melewati suatu ruas jalan dikali dengan Faktor Emisi dikali Panjang
J alan pengamatan. Adapun data input yang berkaitan antara lain:
2.7.1. Volume kendaraan
2.7.2. Komposisi kendaraan
2.7.2.1. Bajaj
2.7.2.2. Mobil Penumpang Pribadi (Passanger Car-Private)
2.7.2.3. Taksi
2.7.2.4. Mikrobus
2.7.2.5. Bus
2.7.2.6. Truk Ukuran Kecil
2.7.2.7. Truk Ukuran Besar (2 gardan)
2.7.2.8. Truk Ukuran Besar (3 gardan)
2.7.2.9. Sepeda Motor
2.7.3. Faktor Emisi

Tabel 4. Faktor Emisi
Jenis Kendaraan Faktor Emisi (gr/km/kendaraan)
Passenger car/sedan 0.3
taxi 0.3
van/kijang 2.24
mikrobus 1.06
Field Code Changed
Formatted: Norwegian (Bokml)

cm
bus 3.09
truk kecil 2.04
truk gardan ganda 3.09
truk gardan tiga 4.2
sepeda motor 0.09
Sumber : Nomura Research Institute (1997).

2.8. Penelitian Terdahulu
2.8.1. Penelitian Yang Dilakukan
Penelitian di bidang pencemaran udara dengan menerapkan beda
hingga (finite-difference) dari salah satu metode numerik, telah dilakukan
oleh berbagai pihak. Pada umumnya hasil akhir yang akan mereka capai
adalah didapatnya suatu pola, sehingga dari pola tersebut akan didapatkan
suatu prediksi tentang penyebaran dan konsentrasi polutan pada lokasi
tertentu.
Beberapa penelitian yang telah dilakukan antara lain :
a. Alexander Paul, J urusan Geofisika dan Meteorologi Fakultas Matematika
dan Ilmu Pengetahuan Alam, Institut Teknologi Bandung, penelitannya
mengembangkan Metode Beda Hingga Arah Hulu untuk Simulasi
Numerik Penyebaran Gas CO dari daerah Industri Bandung Selatan.
Kesimpulan dari penelitiannya adalah model numerik telah dapat
mensimulasikan proses penyebaran gas CO di atmosfer dan
perbandingan simulasi numerik dan data sampling menghasilkan
kesalahan terbesar/maksimal 7,25 ppm (83,5 %), dan kesalahan
terkecilnya/minimum adalah 0,68 ppm (-8,3 %), sedangkan kesalahan
rata-ratanya 45,14 %.
b. Lowry, Guang Li, Departement of Civil and Environmental Engineering,
Michigan State University East Lansing, Michigan, USA, mereka
mengembangkan solusi finite analitik (FA) untuk persamaan difusi-
adveksi (PDA) untuk menyelesaikan persamaan transport kondisi tunak

cm
(steady-state) yang didominasi faktor adveksi. Metoda FA memecahkan
PDA secara analitik dalam elemen-elemen yang terlokalisir dimana tiap
elemen terhubung dalam suatu kondisi batas lokal. Aproksimasi beda
hingga dari suku dispersi dipakai untuk menyederhanakan kempleksitas
dari solusi, dengan mengimplementasikan skema perunutan partikel
untuk memperhitungkan variasi kecepatan dalam tiap elemen dan
menggunakan interpolasi Hermite untuk memperkirakan kondisi batas
lokal. Hasil menunjukkan bahwa metoda FA yang baru mengindikasikan
dispersi numerik yang kecil tanpa perhitungan yang komplek pada setiap
kondisi aliran yang diuji-cobakan.
c. Team Pusat Penelitian Sumberdaya Manusia dan Lingkungan Universitas
Indonesia, Studi/Kajian Tentang Perbaikan Kualitas Udara ditinjau dari
Perbaikan Emisi Kendaraan Bermotor, tujuan dari penelitian mereka
adalah untuk mengetahui tingkat penurunan emisi dari kendaraan
bermotor pada masa yang akan datang dengan diberlakukannya
Keputusan Mentri Negara Lingkungan Hidup No. 141/2003 tentang
Standar Emisi Kendaraan. Penelitian dilakukan di J akarta selama 2 bulan
pada tahun 2004 dengan metode inventarisasi beban emisi pada tahun
referensi (x). Adapun hasilnya adalah dengan penerapan standard EURO
II yang tercantum di dalam Kepmen 141/MENLH/2003 dalam jangka
panjang akan menurunkan emisi kendaraan bermotor cukup signifikan 10
tahun setelah penerapan EURO II , salah satunya penurunan CO sekitar
54,4 %.
2.8.2. Perbedaan dari penelitian sebelumnya
Pada penelitian ini penulis mencoba menerapkan model penyebaran
polutan dengan metode beda-hingga (finite-difference) untuk diuji cobakan
pada lokasi dan obyek penelitian yang berbeda dengan membandingkan
salah satu hasil penelitian sebelumnya dalam hal tingkat keakurasian antara
hasil simulasi dengan data sampling. Setelah mendapatkan tingkat
keakurasian yang baik kemudian dicoba untuk memprediksi konsentrasi CO

cm
pada tahun 2010, 2015 dan 2020 yang akan diterima penduduk melalui
penyebarannya.

III. METODE PENELITIAN

3.1. Kerangka Penelitian
Penelitian tentang prediksi penyebaran polutan sudah banyak dilakukan oleh
para peneliti. Mereka mencoba mencari pola dan hubungannya dengan faktor cuaca
dan meteorologi yang ada, kemudian mencoba memprediksi atau membuat suatu
model sehingga dapat digunakan untuk mencegah pencemaran udara di kemudian
hari.
Pencemaran udara adalah kejadian yang selalu meningkat dari tahun ke
tahun di DKI J akarta yang menimbulkan banyak kerugian, baik kerugian ekonomi,
sosial maupun kerugian psikologis. Hal ini ditimbulkan dari adanya kemacetan
yang membuat semakin panjangnya waktu tempuh dan semakin banyaknya polutan
yang dihasilkan dari kendaraan yang mengalami kemacetan tersebut. Sehingga
perlu kiranya mendapat perhatian khususnya dari pemerintah DKI J akarta dengan
menciptakan suatu peringatan dini agar dapat memperkecil kerugian.
Berdasarkan pemikiran tersebut, sebagai langkah awal dilakukan studi
pustaka mengenai pencemaran udara. Kemudian dilakukan identifikasi
permasalahan termasuk meneliti faktor-faktor yang berkaitan dengan masalah
tersebut, antara lain menentukan arah angin dominan dan kecepatan angin serta
menghitung sumber emisi awal yang dikeluaran oleh kendaraan bermotor
berdasarkan jenis kendaraan, faktor emisi, panjang jalan dan volume kendaraan.

cm
Data yang didapat selanjutnya diolah untuk mendapatkan angka beban emisi. Tahap
selanjutnya adalah pembuatan model adveksi-difusi yang prosesnya bisa terlepas
dari pengolahan data, pembuatan model ini berfokus pada metode Finite-Difference,
Euler-Lagrange dua dimensi horizontal (x-y), setelah itu algoritma yang terbentuk
diimplementasikan ke dalam program komputer menggunakan Matlab 7.0 R.14.
Tahap berikutnya adalah menjalankan model dengan memasukan data masukan
berupa data kecepatan dan arah angin, data emisi, koefesien difusi, jarak antar grid
dan durasi waktu, sehingga dapat diketahui konsentrasi gas CO di semua titik grid
untuk periode simulasi tertentu. Tahap verifikasi dilakukan untuk membandingkan
hasil perhitungan konsentrasi gas CO oleh program komputer dengan hasil
pengukuran data lapangan/data ambien gas CO. Program komputer dan verifikasi
dijalankan berulang-ulang dengan memperbaiki program itu sendiri dengan
mengubah harga masukan (koefisien difusi) hingga diperoleh hasil perhitungan
yang paling mendekati data lapangan. Tahap selanjutnya adalah membuat kontur
isokonsentrasi gas CO. Pembuatan kontur dilakukan dengan menggunakan Matlab
7.0 R 14. Tahap terakhir adalah melakukan analisa yang meliputi : verifikasi
dengan data lapangan, analisa kontur isokonsentrasi, rekomendasi dan prediksi
penyebaran CO pada tahun mendatang.
Secara umum kerangka penelitian dapat digambarkan sebagai berikut:

cm

Gambar 8. Kerangka Konseptual Penelitian
dari apa yang dihasilkan dari penyebaran polutan berdasarkan kontur
konsentrasi tersebut, tahap selanjutnya adalah merumuskan suatu sistem peringatan
dini.
3.2. Tata Laksana
Dalam penelitian ini akan dilaksanakan dalam 3 (tiga) tahap utama, yaitu
tahap pengumpulan data, tahap kedua penentuan jenis data yang akan digunakan,
dan selanjutnya tahap pengolahan data.
3.2.1. Pengumpulan Data
Dalam melakukan pengumpulan data, yang didasarkan pada hasil
studi pustaka dan identifikasi masalah, maka dilakukan 2 (dua) tahap
kegiatan, yaitu penentuan jenis dan sumber data, serta teknik pengambilan
data.
3.2.1.1. J enis dan Sumber Data
Field Code Changed

cm
Berdasarkan jenisnya data dan informasi yang diperlukan
dalam membuat thesis ini, maka jenis dan sumber data
dikelompokkan kedalam data primer dan data sekunder. Data
primer adalah data yang diperoleh langsung dari pakar maupun
observasi langsung di lapangan. Sedangkan data sekunder adalah
data yang didapat dari studi literatur, buku referensi, jurnal,
laporan penelitian, serta sumber lain yang dianggap akurat.
3.2.1.2. Teknik Pengambilan Data
Data dan informasi dalam penelitian ini, dilakukan
dengan 2 (dua) cara, yaitu metode akuisisi yang dilakukan dengan
wawancara, diskusi masalah, dan deskripsi masalah tentang
pencemaran dan cara penanggulangannya, Wawancara ini
dilakukan di Kementrian Lingkungan Hidup, Badan
Penanggulangan Lingkungan Hidup DKI J akarta selain itu metode
lain yang digunakan adalah melalui buku-buku referensi dan
sumber-sumber terpercaya lainnya.
3.2.2. Data Yang Digunakan
Data yang digunakan menggunakan sebagian data sekunder hasil
studi penyebaran polutan dari kendaraan bermotor di wilayah DKI J akarta
pada 5 (lima) ruas jalan yang dilaksanakan oleh 3 (tiga) lembaga yaitu
Pusarpedal, BPLHD dan Japan International Cooperation (J ICA) yang
bekerjasama dalam proyek DEMS-Project pada tahun 2002-2006.
Pengambilan sampel data yang terdiri dari jumlah dan komposisi jenis
kendaraan yang melewati ruas jalan dilakukan oleh Pusarpedal. Data
tersebut akan diolah untuk mendapatkan beban emisi CO awal sebagai
bahan input ke model. Sedangkan data laporan harian kualitas udara di
stasiun pemantau yang berisi data meteorologi (kecepatan dan arah angin)
serta data kualitas udara diambil dari BPLHD DKI J akarta yang akan
digunakan sebagai data input dan validasi model.
Daerah pemilihan sampel dipilih di daerah J alan Fatmawati J akarta
Selatan dengan alasan J alan Fatmawati J akarta Selatan mempunyai

cm
kelengkapan data karena sudah 2 (dua) kali dilakukan pengukuran baik
terhadap data meteorologi maupun data kualitas udara. Pengukuran pertama
yang dilakukan oleh BPLHD DKI J akarta yaitu tanggal 10-17 April 2005
dan kedua tanggal 22-29 September 2005.
Data yang digunakan untuk melakukan simulasi akan diambil dari
ruas jalan yang mewakili hari kerja dan hari libur dengan variasi simulasi
per jam. Simulasi untuk jalan Fatmawati diambil dari data tanggal 10 dan 11
April 2005 pada 3 (tiga) klasifikasi waktu terjadinya peningkatan volume
kendaraan yaitu pukul : 07.00-09.00, 12.00-15.00 dan 16.00-19.00 WIB
berdasarkan penelitian yang dilakukan oleh BPLHD. Seluruh data berkaitan
yang dibutuhkan oleh model dapat dilihat pada struktur model yang
disajikan pada gambar 9.

Gambar 9. Struktur Model
(adaptasi dari Park, J.Y and Noland, R.B and Polak, J .W. 2002)

3.2.3. Pengolahan Data
Langkah awal dari proses pembuatan model adalah menentukan data
yang diperlukan yaitu data sumber polutan CO dan data meteorologi berupa
arah dan kecepatan angin. Data-data tesebut sebelumnya diperoleh melalui
pengolahan data. Sumber polutan CO adalah diperoleh dari data sekunder
hasil pengukuran Pusarpedal DKI J akarta terhadap jumlah dan komposisi

cm
kendaraan yang melintas di jalan Fatmawati J akarta, dan menghitungnya
menggunakan model emisi polutan dimana jumlah dan komposisi kendaraan
dikali dengan faktor emisi masing-masing kelas kendaraan dikali dengan
panjang jalan per grid dibagi per ruang grid. Arah angin perlu dikonversi
terlebih dahulu karena dari data sekunder yang ada bahwa arah angin dibaca
dari mana datang angin sedangkan kebutuhan model adalah kemana arah
angin akan pergi. Kecepatan angin dari data sekunder dapat langsung
digunakan untuk kebutuhan model. Selain itu kita perlu menyiapkan data
sekunder berupa data kualitas udara CO untuk kebutuhan verifikasi dan
validasi apabila model sudah dijalankan yaitu data pengukuran di satu titik
koordinat bagian dari seluruh daerah pengamatan yang sudah dilakukan oleh
BPLHD DKI J akarta.

3.3. Pembuatan Program Adveksi-difusi
Pembuatan program komputer adveksi-difusi dilakukan bersamaan
dengan pengumpulan dan pengolahan data. Program komputer dibuat dengan
menggunakan Matlab 7.0. R 14 dengan luasan daerah pengamatan 6400 m
2
terdiri
dari 80 X 80 grid dengan lebar per grid adalah 10 meteran. Program ini yang akan
digunakan untuk mensimulasikan penyebaran polutan di udara yaitu saat adveksi
menggunakan metode Lagrange dan pada saat difusinya menggunakan metode
Euler. Setelah program jadi, apabila akan menjalankannya tinggal memasukan data
berupa data sumber polutan CO dari kendaraan yang dikonfigurasikan pada file
pengolah angka, data arah dan kecepatan angin serta koefisien difusi.

3.3.1. Verifikasi
Hasil perhitungan konsentrasi CO oleh program komputer kemudian
diverifikasi dengan data lapangan/data ambien CO hasil pantauan BPLHD
DKI J akarta pada satu koordinat titik yang letaknya di depan UGD Rumah
Sakit Fatmawati J akarta Selatan. Program komputer dan verifikasi
dijalankan berulang-ulang dengan memperbaiki program itu sendiri dengan

cm
mengubah harga variabel masukan (koefisien difusi) hingga diperoleh hasil
perhitungan yang paling mendekati data lapangan/data ambien gas CO.

3.3.2. Kontur Konsentrasi
Hasil perhitungan konsentrasi CO oleh program komputer yang
sudah mendekati keadaan sebenarnya selanjutnya diolah lebih lanjut dalam
bentuk suatu gambar kontur isokonsentrasi untuk dapat mengetahui
penyebaran dan konsentrasi polutan CO terutama yang sudah menggangu
pada kualitas udara. khusus untuk kasus-kasus tertentu kontur
isokonsentrasinya ditampilkan untuk dapat dianalisa lebih lanjut.

3.3.3. Analisa
Setelah hasil-hasil yang diharapkan diperoleh kemudian dilakukan
analisa yang meliputi :
a. analisa verifikasi dengan data lapangan
b. analisa kontur isokonsentrasi
c. rekomendasi
d. prediksi tahun mendatang tentang penyebaran CO

3.3.4. Percobaan
Simulasi komputer dilakukan di Laboratorium Ilmu Komputer
Institut Pertanian Bogor. Penelitian dilaksanakan dalam waktu 2,5 (dua
setengah tahun) mulai bulan J uli 2005 sampai bulan Desember 2007.
3.3.5. Asumsi
Model adveksi-difusi dua-dimensi horisontal ini dibuat dengan
menggunakan Matlab 7.0. Pembuatan model dilakukan dengan
menggunakan beberapa asumsi penyederhanaan program, yaitu :
a. Arah dan kecepatan angin serta stabilitas udara adalah konstan
terhadap ruang dan waktu selama simulasi.
b. Sumber polutan adalah kontinyu, tidak berubah terhadap waktu, dan
hanya berasal dari kendaraan bermotor.

cm
c. Sumber polutan diluar daerah simulasi dianggap nol (syarat batas
Dirichlet).
d. Gas CO bercampur sempurna pada lapisan permukaan yang
diasumsikan sama dengan lapisan batas permukaan (100 meter).
e. Selama simulasi gas CO tidak mengalami reaksi kimia, sehingga
dianggap inert.
f. Faktor-faktor fisik seperti gesekan dasar dan gesekan permukaan,
pengaruh bangunan (kekasaran permukaan), dan turbulensi lokal
tidak diperhitungkan atau topografi daerah dianggap datar.
Program komputer dijalankan untuk menghitung harga konsentrasi
gas karbon monoksida di semua titik grid. Masukan program adalah data
sekunder, yaitu data meteorologi dan data emisi karbon monoksida. Selain
itu diperlukan juga nilai awal atau keadaan awal konsentrasi karbon
monoksida pada awal perhitungan konsentrasi, dan kondisi batas yang
dipenuhi oleh program.

3.4. Nilai awal dan syarat batas
3.4.1. Nilai awal
Nilai awal memberikan inisialisasi atau harga awal diluar sumber pada
saat dimulainya perhitungan konsentrasi karbon monoksida. Harga awal
konsentrasi (t=0) di semua titik grid selain grid yang berhimpitan dengan
sumber adalah nol yang berarti bahwa pada awal simulasi udara berada dalam
keadaan bersih tanpa ada gas karbon monoksida. Selanjutnya pada t>0
disimulasikan adanya polutan yang keluar dari sumber secara kontinyu selama
selang waktu simulasi.
3.4.2. Syarat batas
Pada daerah batas yaitu di grid terluar harga konsentrasi diasumsikan
nol (syarat batas Dirichlet).
3.5. Prediksi Sumber Polutan Menggunakan Perumusan Model Pertumbuhan
Jumlah Kendaraan

cm
Model simulasi penyebaran polutan dibangun berdasarkan data sumber CO
dan data meteorologi, sehingga dalam memprediksi penyebaran polutan pada tahun
mendatang terlebih dahulu perlu melakukan perhitungan proyeksi jumlah dan
komposisi kendaraan dari data tahun 2005 sebagai tahun dasar untuk menghasilkan
sumber emisi CO awal yang akan dimasukan ke model. Untuk melakukan proyeksi
jumlah dan komposisi kendaraan dari tahun 2005 menggunakan rumus model
Geometri (Robert L, Introduction to the Mathematics of Demography) di bawah
ini :
t
a
r P t P ) 1 ).( 0 ( ) ( + =
(2.26)
Dimana model tersebut terdiri dari P(t) adalah jumlah populasi tahun prediksi, P(0)
adalah populasi tahun dasar, rasio pertumbuhan kendaraan per tahun (r
a
) dan selisih
tahun prediksi dengan tahun dasar (t).
Data jumlah dan komposisi kendaraan hasil prediksi dari tahun 2005
tersebut diolah untuk menghasilkan konsentrasi awal CO sebagai data masukan
kedalam model untuk dijalankan dalam program sebagai skenario simulasi,
kemudian hasilnya dapat kita olah lebih lanjut untuk mengetahui tahun kapan
konsentrasi CO melebihi ambang batas, dengan cara melihat hasil maksimum di
seluruh daerah pengamatan.

cm
IV. PENYUSUNAN PROGRAM PEMODELAN

Pemodelan pola penyebaran polutan di udara didekati dengan model sumber garis
dengan asumsi bahwa sumber pencemar udara, berupa emisi kendaraan bermotor
membentuk suatu sumber garis. Dalam studi ini disusun program simulasi yang dapat
menangani arah angin dan kecepatan angin sembarang.
Model simulasi ini dipilih alasannya didasarkan pada kecocokan dengan
karakteristik penelitian yang dilakukan yaitu emisi dari sumber garis sedangkan
penelitian lain banyak menggunakan sumber bidang atau sumber titik pada skala meso
dan makro. Dalam proses perjalanan studi ini banyak kendala-kendala yang dijumpai
yang pada akhirnya penulis mencoba model dan teknik yang lain, akan tetapi banyak
kendala di stabilitas, jarak grid dan langkah waktu yang harus kecil.
Model matematik yang digunakan dalam studi pemodelan ini adalah metode
beda-hingga dengan menerapkan metoda Euler-Lagrange yang mengandung teknik
Lagrange (perunutan partikel) untuk suku adveksinya dan teknik Euler (beda-hingga)
untuk suku difusinya (persamaan 2.17) dalam menghitung konsentrasi polutan di semua
titik grid.
Domain perhitungan atau simulasi berada di sekitar daerah pengamatan kualitas
udara di jalan Fatmawati, J akarta Selatan. Ukuran daerah simulasi adalah 80 x 80 grid
dengan lebar per grid adalah 10 meteran (luas 6400 m
2
) seperti terlihat pada gambar 10.
Titik-titik grid diatur sedemikian rupa sehingga jalan-jalan yang menjadi sumber polutan
dapat terletak sedekat mungkin dengan titik grid (node) terdekat. Daerah simulasi pada
gambar dibatasi dengan garis putus-putus.
Selanjutnya, nilai konsentrasi pada titik pengamatan akan diperoleh pada akhir
perhitungan dengan cara interpolasi, apabila titik tersebut tidak tepat berada pada titik
grid (node).


cm

Gambar 10. Daerah simulasi

4.1 Diagram Alir
Persamaan metode Finite-Difference tersebut di atas dibuat programnya
dengan Personal Computer menggunakan program aplikasi Matlab 7.0 R 014.
Adapun dalam pengolahan datanya dapat dilihat pada diagram alir di bawah ini :
Berdasarkan formula (2.24) sebaran konsentrasi polutan diselesaikan
dengan pemodelan numerik dengan flowchart sebagai berikut :

Formatted: Portuguese (Brazil)

cm

Gambar 11. Diagram Alir Program
4.1.1. Perhitungan Konsentrasi Karena Faktor Adveksi
Tinjau persamaan kinematik (2.16) untuk kasus dimana medan
kecepatan konstan terhadap waktu. Dengan demikian jarak yang ditempuh
oleh partikel polutan adalah sebesar
x
x v t = . Dengan demikian pada waktu
1 n
t
+
partikel telah berjalan sejauh x . Konsentrasi karena adveksi pada node
i dapat diperoleh dengan cara telusur-balik ke titik asal partikel pada waktu
n
t . Karena titik ( ) ,
i i n
x y t tidak selalu terletak pada node tertentu, seringkali
perlu dilakukan interpolasi. Metoda interpolasi yang digunakan untuk

cm
menentukan ( ) , ,
i i n
C x y t adalah metoda interpolasi bilinier. Interpolasi
digunakan menggunakan persamaan (2.26-a,b,c,d). Apabila hasil telusur-balik
menghasilkan titik diluar daerah pengamatan, maka akan konsentrasi akan
sama dengan titik perpotongan antara jalur polutan dengan batas (dalam hal
ini bernilai nol). Proses telusur-balik dijalankan untuk setiap node 0 i N = K .
Pseudocode dari algorithma di atas diberikan sebagai berikut:
Hitung proyeksi kecepatan angin ke komponen x dan y (
x
v dan
y
v )
Hitung jarak tempuh partikel pada sumbu-x dan sumbu-y
Tentukan konstanta-konstanta interpolasi (del_x, del_y,x_hat,y_hat,
alfa_x, alfa_y)
Untuk semua titik (node) didalam grid {
If (titik interpolasi diluar grid) then konsentrasi=0
Else{
Hitung konsentrasi pada titik asal polutan pada titik asal dengan
interpolasi bilinier
}
}

4.1.2. Perhitungan Konsentrasi Karena Faktor Difusi
Langkah kedua (difusi) prosedur Euler-Lagrange menghitung
konsentrasi node pada waktu
1 n
t
+
dari persamaan (2.17). Dari perhitungan
sebelumnya telah diperoleh konsentrasi , ( ),
i i n n
C x y t t . Suku kedua pada ruas
sebelah kiri dapat disederhanakan menjadi
1 1
2
( ),
i n n
x t t
t D C s
+ +
+ , dimana suku
diff-grad
( )
2
dapat didekati dengan persamaan beda-hingga beda-tengah.
Selengkapnya, persamaan (2.17) berubah menjadi persamaan (2.19) dan hasil

cm
diskretisasinya diberikan pada persamaan (2.20). Proses iterasi juga dilakukan
untuk setiap node 0 i N = K dalam daerah perhitungan.
Penerapan metoda beda-hingga dalam suku difusi mensyaratkan
bahwa langkah waktu dipilih sedemikian rupa sehingga solusi yang dihasilkan
akan stabil atau bebas osilasi. Syarat yang harus dipenuhi untuk sistem 2-
dimensi adalah:

2
1
4
D t
x

4.2 Data Masukan Untuk Program
Data studi penyebaran polutan dari kendaraan bermotor, dalam pengujiannya
menggunakan data sekunder hasil studi di DKI-J akarta kerjasama Pusarpedal,
BPLHD DKI J akarta dan J apan International Cooperation Agency (JICA) DEMS-
Project tahun 2002 sampai dengan 2006. Data-data yang digunakan adalah data
meteorologi berupa kecepatan dan arah angin sedangkan untuk data emisi CO
diambil dari data volume lalu-lintas dan komposisi kendaraan. Data tersebut setelah
diolah diinputkan ke model digunakan untuk memprediksi penyebaran polutan ke
daerah penerima. Sedangkan Daerah studi yang dipilih adalah di jalan Fatmawati
J akarta Selatan. Pemilihan daerah studi ini berdasarkan kelengkapan data serta
karakteristik daerah yang sesuai atau dapat mendekati asumsi-asumsi daerah untuk
model.
Adapun karakteristik daerah studi tersebut adalah titik sampling diambil di
depan UGD Rumah Sakit Fatmawati J akarta Selatan sedangkan sumber garisnya
adalah jalan Fatmawati. Daerah Fatmawati ini adalah daerah perkantoran,
perdagangan dengan bangunan bertingkat dua sampai dengan lima dengan tinggi
bangunan 5 7,5 meter. Data yang tersedia dari 01.00 24.00 wib tanggal 10-11
April 2005.

4.2.1. data arah dan kecepatan angin
Hasil pengukuran di lapangan oleh BPLHD DKI J akarta
menggunakan anemometer, kecepatan angin rata-rata harian di jalan
Formatted: Finnish

cm
Fatmawati pengukuran tanggal 10-17 April 2005, hasil dari pengukuran
berupa arah dan kecepatan angin inilah yang digunakan sebagai data masukan
ke dalam model. Khusus untuk arah angin karena ada perbedaan antara
pengambilan data oleh BPLHD DKI J akarta yaitu mencatat arah angin datang
sedangkan program Matlab menggunakan pembacaan arah angin pergi, maka
untuk memasukan data arah angin sebelumnya harus dikoreksi dulu arah
anginnya dengan rumus =MOD(D42+180;360) pada program Excelnya.

Data meteorologi tanggal 10 dan 11 April 2005 dapat dilihat pada
tabel 5 dan tabel 6.

Tabel 5. Data Meteorologi Tanggal 10 Sampai 12 April 2005
J am
Arah Angin
(Degrees)
Koreksi Arah Angin
(Degrees)
Kecepatan
Angin
(m/s)
06:00 337,24 157,24 1,63
07:00 35,32 215,32 1,38
08:00 235,62 55,62 1,11
09.00 316,39 136,39 2,76
10.00 286,03 106,03 1,95
11.00 293 113 1,97
12.00 319,79 139,79 1,99
13.00 298,71 118,71 1,99
14.00 289,84 109,84 1,85
15.00 273,67 93,67 1,77
16.00 211,32 31,32 1,97
17.00 164,68 344,68 1,17
18.00 147,46 327,46 0,65
19.00 184,07 4,07 1,99
20.00 160 340 1,04
21.00 103 283 0,18
22.00 307 127 1,16
23.00 294 114 0,19
24.00 258 78 0,25
01.00 129 309 0,11
02.00 326 146 1,21
03.00 250 70 1,28
04.00 323 143 1,53
05.00 258 78 0,72
06:00 161,5 341,5 1,35
07:00 197,36 17,36 0,81
08:00 231,55 51,55 0,43
09.00 216,61 36,61 1,01

cm
10.00 190,93 10,93 1,22
11.00 229 49 0,81
12.00 236,92 56,92 0,76
J am
Arah Angin
(Degrees)
Koreksi Arah Angin
(Degrees)
Kecepatan
Angin
(m/s)
13.00 273,54 93,54 0,96
14.00 282,91 102,91 1,56
15.00 332,37 152,37 2,89
16.00 325,7 145,7 2,97
17.00 280,48 100,48 1,01
18.00 269,59 89,59 1,07
19.00 189,21 9,21 1,98
20.00 245,96 65,96 0,47
21.00 249,35 69,35 0,41
22.00 316,63 136,63 1,98
23.00 310,71 130,71 1,19
24.00 231,9 51,9 0,26
01.00 0 180 1,92
02.00 201,56 21,56 0,36
03.00 203,02 23,02 0,8
04.00 319,03 139,03 1,47
05.00 173,6 353,6 0,97

4.2.2. Beban Emisi dari Sumber Garis
yaitu jumlah zat pencemar yang dikeluarkan oleh kendaraan bermotor yang
beroperasi pada ruas jalan.
4.2.2.1. Volume Kendaraan (Traffic Volume)
Kontribusi polutan pada pencemaran kualitas udara kota
J akarta, dari sektor transportasi dihitung dengan menggunakan data
hasil pengukuran volume kendaraan (traffic Volume) yang
dilaksanakan oleh Pusarpedal-J akarta. Pengukuran dilakukan selama
48 jam dari tanggal 10 hingga 12 April 2005 dalam waktu per 10
menitan. Sehingga untuk menghitung rata-rata volume kendaraan
selama satu jam adalah dengan cara mengalikan dengan 6. Volume
kendaraan yang diukur, dibagi dalam 9 katagori berdasarkan jenis dan
typenya yaitu : Passanger car/sedan, taxi, van/kijang, mikrobus, bus,
small truck, truck with two axles and truck with three axles dan
sepeda motor. Pengukuran volume kendaraan untuk 5 ruas jalan di
DKI J akarta telah dilakukan oleh Pusarpedal , Data volume kendaraan

cm
di jalan Fatmawati tanggal 10 (mulai jam 06.00 Wib) sampai 12
April 2005 (berakhir jam 05.00 Wib) dapat dilihat pada gambar 12.
Hari Minggu Tanggal 10 April 2005
0
500
1000
1500
2000
2500
3000
3500
4000
4500
5000
0
6
.
0
0

-

0
7
.
0
0
0
8
.
0
0

-

0
9
.
0
0
1
0
.
0
0

-

1
1
.
0
0
1
2
.
0
0

-

1
3
.
0
0
1
4
.
0
0

-

1
5
.
0
0
1
6
.
0
0

-

1
7
.
0
0
1
8
.
0
0

-

1
9
.
0
0
2
0
.
0
0

-

2
1
.
0
0
2
2
.
0
0

-

2
3
.
0
0
2
4
.
0
0

-

0
1
.
0
0
0
2
.
0
0

-

0
3
.
0
0
0
4
.
0
0

-

0
5
.
0
0
Jam
V
o
l

K
e
n
d
e
r
a

Hari Senin Tanggal 11 April 2005
0
500
1000
1500
2000
2500
3000
3500
4000
4500
5000
0
6
.
0
0

-

0
7
.
0
0
0
8
.
0
0

-

0
9
.
0
0
1
0
.
0
0

-

1
1
.
0
0
1
2
.
0
0

-

1
3
.
0
0
1
4
.
0
0

-

1
5
.
0
0
1
6
.
0
0

-

1
7
.
0
0
1
8
.
0
0

-

1
9
.
0
0
2
0
.
0
0

-

2
1
.
0
0
2
2
.
0
0

-

2
3
.
0
0
2
4
.
0
0

-

0
1
.
0
0
0
2
.
0
0

-

0
3
.
0
0
0
4
.
0
0

-

0
5
.
0
0
Jam
V
o
l

K
e
n
d
e
r
a

Gambar 12. J umlah kendaraan di jalan Fatmawati

4.2.2.2. Faktor Emisi (Emission Factor)
Faktor emisi yang digunakan untuk menghitung total emission
load dari masing-masing sumber adalah faktor emisi yang digunakan
di J epang pada tahun 1980 (NRI 1997). Penggunaan faktor emisi ini
diharapkan tidak memberikan kesalahan yang besar dalam

cm
perhitungan total emisi, karena seperti dijelaskan di atas bahwa
kendaraan bermotor di Indonesia 90 % merupakan buatan J epang.
Tabel 6. Komposisi Kendaraan Hari Minggu Tanggal 10 April 2005 di J l Fatmawati
Total J alur (rata-rata 10 menit)
J am Bajaj Passenger Taxi Metrobus Taxi
Small
Truck
Big
Truck
Large
Truck
Sepeda
motor
Total
06.06 - 06.16 0 139 18 20 0 9 0 0 58 986
07.01 - 07.11 2 154 16 21 0 14 0 0 64 1024
08.11 - 08.21 1 175 37 31 0 16 0 0 85 1148
09.03 - 09.13 0 248 31 21 0 25 0 0 126 991
10.00 - 10.10 1 258 40 26 0 16 0 0 151 916
11.02 - 11.12 0 247 21 9 0 12 0 0 265 956
12.05 - 12.15 1 229 32 8 0 21 0 0 326 1029
13.06 - 13.16 1 235 24 31 0 15 0 0 319 940
14.03 - 14.13 0 251 31 22 0 10 0 0 352 647
15.04 - 15.14 3 308 30 32 1 23 0 0 291 590
16.01 - 16.11 1 249 40 30 0 27 0 0 311 603
17.02 - 17.12 0 356 33 21 0 12 0 0 342 529
18.18 - 18.28 0 219 19 18 0 22 0 0 324 240
19.02 - 19.12 0 235 28 34 0 18 1 0 276 171
20.04 - 20.14 0 209 24 24 1 16 2 0 261 109
21.05 - 21.15 0 215 20 10 0 9 0 0 215 91
22.03 - 22.13 0 168 15 21 0 14 3 0 124 107
23.02 - 23.12 0 115 11 0 0 7 0 0 122 181
24.01 - 24.11 0 75 23 0 0 2 0 0 117 587
01.02 - 01.12 0 26 10 0 0 8 1 0 51 946
02.06 - 02.16 0 29 8 0 0 4 0 0 44 905
03.01 - 03.11 1 23 11 6 0 7 0 0 63 1050
04.02 - 04.12 2 57 24 21 0 12 0 0 97 422
05.15 - 05.25 1 84 18 24 0 19 0 0 152 530
J umlah 14 4304 564 430 2 338 7 0 4536 15698

Tabel 7. Komposisi Kendaraan Hari Senin Tanggal 11 April 2005 di J alan Fatmawati
J alur 1 S - U (10 menit)
Small
Truck
Big
Truck
Large
Truck
Sepeda
motor
Total
06.06 - 06.16 0 251 14 24 1 17 0 342 649
07.01 - 07.11 3 268 12 31 0 22 0 204 540
08.11 - 08.21 0 246 34 16 0 5 0 259 560
09.03 - 09.13 0 189 23 18 0 20 1 217 468
10.00 - 10.10 0 184 29 21 0 9 0 191 434
11.02 - 11.12 0 173 23 12 0 30 0 184 422
12.05 - 12.15 0 213 19 18 0 34 0 244 528
13.06 - 13.16 0 244 26 28 0 41 0 282 621
14.03 - 14.13 0 203 19 22 0 57 0 329 630

cm
15.04 - 15.14 0 227 27 24 0 34 1 315 628
16.01 - 16.11 0 254 8 25 0 31 0 358 676
17.02 - 17.12 2 239 21 31 0 25 0 271 589
Small
Truck
Big
Truck
Large
Truck
Sepeda
motor
Total
18.18 - 18.28 0 198 29 19 0 27 0 216 489
19.02 - 19.12 0 241 18 16 0 19 0 311 605
20.04 - 20.14 0 195 11 21 0 24 0 217 468
21.05 - 21.15 0 217 27 23 0 17 0 189 473
22.03 - 22.13 0 184 21 34 0 12 0 182 433
23.02 - 23.12 0 217 19 15 0 10 0 58 319
24.01 - 24.11 0 115 17 10 0 7 0 44 193
01.02 - 01.12 0 112 8 7 0 8 0 41 176
02.06 - 02.16 0 82 5 8 0 11 0 79 185
03.01 - 03.11 0 71 12 6 0 14 0 82 185
04.02 - 04.12 0 153 20 14 0 27 0 115 329
05.15 - 05.25 0 149 19 21 0 30 0 134 353
Total 5 4625 461 464 1 531 2 0 4864 10953

4.2.2.3. Estimasi total emission dari sektor transportasi
Untuk menghitung beban emisi total dari sumber kendaraan
bermotor, maka data-data yang dipergunakan adalah volume
kendaraan (kendaraan/jam), faktor emisi (g/km/kendaraan), dan
panjang jalan (m). Sehingga total emisi dari kendaraan bermotor
dapat dihitung menggunakan rumus :

5
,
6 10
veh veh i i i
E f T L

=

E
veh
: Beban emisi (gram/jam)
i : J enis kendaraan
f
veh
: Faktor emisi (g/km/kendaraan)
T
i
: Volume lalu-lintas (kendaraan/10 menit)
L
i
: Panjang jalan (m)
Sumber : Esrom Hamonangan dkk, 2003 Retrival of Emission
Load from Measured NOx Concentrations in Jakarta City, Clean
Air and Environmental Quality Journal-Australia.

Untuk mendapatkan beban emisi dalam luasan tertentu maka
dibagi dengan volume (10m x 10m x 1m) sehingga satuannya
menjadi gram/jam/m
3.
Setelah semua total emisi dari sumber polutan

cm
dihitung dan dikompilasi dalam bentuk data file, maka selanjutnya
adalah memasukkan ke program simulasi model.
Berikut adalah tabel beban emisi awal dari hasil pengolahan
untuk diinputkan ke model berdasarkan komposisi dan peningkatan
volume kendaraan..

Tabel 8. Hasil Perhitungan Beban Emisi Tahun 2005

Fatmawati (Minngu, 10 April 2005)
Jam mg/m3/det ug/m3/det
06.06 - 06.16 0,015313 15,313333
07.01 - 07.11 0,018677 18,676667
08.11 - 08.21 0,023165 23,165000
09.03 - 09.13 0,028050 28,050000
10.00 - 10.10 0,027572 27,571667
11.02 - 11.12 0,023045 23,045000
12.05 - 12.15 0,026867 26,866667
13.06 - 13.16 0,028685 28,685000
14.03 - 14.13 0,026667 26,666667
15.04 - 15.14 0,036373 36,373333
16.01 - 16.11 0,033968 33,968333
17.02 - 17.12 0,032370 32,370000
18.18 - 18.28 0,027420 27,420000
19.02 - 19.12 0,029932 29,931667
20.04 - 20.14 0,026790 26,790000
21.05 - 21.15 0,019802 19,801667
22.03 - 22.13 0,021025 21,025000
23.02 - 23.12 0,010510 10,510000
24.01 - 24.11 0,007335 7,335000
01.02 - 01.12 0,005800 5,800000
02.06 - 02.16 0,003870 3,870000
03.01 - 03.11 0,006458 6,458333
04.02 - 04.12 0,014042 14,041667
05.15 - 05.25 0,018453 18,453333

cm

Fatmawati (Senin, 11 April 2005)
06.06 - 06.16 0,028915 28,91500
07.01 - 07.11 0,031137 31,13667
08.11 - 08.21 0,022412 22,41167
09.03 - 09.13 0,024350 24,35000
10.00 - 10.10 0,020285 20,28500
11.02 - 11.12 0,024880 24,88000
12.05 - 12.15 0,030000 30,00000
13.06 - 13.16 0,036617 36,61667
14.03 - 14.13 0,039302 39,30167
15.04 - 15.14 0,033740 33,74000

cm

Data masukkan diwujudkan dalam profil sumber polutan
dimana sumber emisi ditempatkan pada titik grid yang ditentukan
dengan menggunakan program pengolah angka atau yang lainnya.
Profil sumber polutan yang dihasilkan akan digunakan sebagai data
masukan program simulasi (lihat lampiran 2).

4.3. Data Observasi/Pengukuran
Data konsentrasi polutan CO hasil pengukuran BPLHD DKI J akarta pada
titik monitoring jalan Fatmawati diperlukan sebagai data pembanding dengan
perhitungan/komputasi model adveksi-difusi yang ada pada penelitian ini. Data
konsentrasi polutan tersebut adalah dari tanggal 10 dan 12 April 2005. Data hasil
pengukuran BPLHD tersebut dapat dilihat pada tabel 9.

Tabel 9. Data Laporan Harian Kualitas CO Di Titik Verifikasi Tahun 2005
J am
Konsentrasi CO (mg/m3)
Tanggal 10 April
2005
Tanggal 11 April
2005
06:00 4,00 1,62
07:00 3,71 5,20
16.01 - 16.11 0,033427 33,42667
17.02 - 17.12 0,031788 31,78833
18.18 - 18.28 0,027127 27,12667
19.02 - 19.12 0,026902 26,90167
20.04 - 20.14 0,025425 25,42500
21.05 - 21.15 0,024878 24,87833
22.03 - 22.13 0,023067 23,06667
23.02 - 23.12 0,018720 18,72000
24.01 - 24.11 0,011407 11,40667
01.02 - 01.12 0,010572 10,57167
02.06 - 02.16 0,010688 10,68833
03.01 - 03.11 0,011200 11,20000
04.02 - 04.12 0,022028 22,02833
05.15 - 05.25 0,024320 24,32000

cm
J am
Konsentrasi CO (mg/m3)
Tanggal 10 April
2005
Tanggal 11 April
2005
08:00 2,55 6,90
09.00 3,81 3,86
10.00 2,64 3,01
11.00 2,90 3,92
12.00 5,87 4,71
13.00 4,00 4,64
14.00 3,61 4,09
15.00 3,53 3,57
16.00 2,25 3,33
17.00 1,04 4,00
18.00 1,74 3,80
19.00 2,12 1,92
20.00 1,57 6,51
21.00 3,14 7,07
22.00 9,23 3,36
23.00 7,27 7,03
24.00 4,99 4,79
01.00 2,46 2,83
02.00 3,10 3,94
03.00 2,87 2,98
04.00 3,16 3,54
05.00 2,78 3,23

4.4. Prediksi Beban Emisi Tahun 2010, 2015, 2020 dan 2025
Berdasarkan data jumlah dan komposisi kendaraan tanggal 10 dan 12 April
2005 sebagai data dasar, maka dengan rumus proyeksi akan dapat diketahui jumlah
kendaraan prediksi tahun , 2010, 2015, 2020 dan 2025. Dari jumlah dan komposisi
kendaraan tersebut maka dapat dihitung beban emisi CO sebagai data sumber awal
untuk diinputkan ke model. Prediksi jumlah kendaraan serta sumber emisi CO awal
hasil perhitungan di jalan Fatmawati dapat dilihat pada gambar 12 di bawah ini :

cm
Prediksi Volume Kendaraan Tahun 2010
0
1000
2000
3000
4000
5000
6000
7000
0
6
.
0
0

-

0
7
.
0
0
0
8
.
0
0

-

0
9
.
0
0
1
0
.
0
0

-

1
1
.
0
0
1
2
.
0
0

-

1
3
.
0
0
1
4
.
0
0

-

1
5
.
0
0
1
6
.
0
0

-

1
7
.
0
0
1
8
.
0
0

-

1
9
.
0
0
2
0
.
0
0

-

2
1
.
0
0
2
2
.
0
0

-

2
3
.
0
0
2
4
.
0
0

-

0
1
.
0
0
0
2
.
0
0

-

0
3
.
0
0
0
4
.
0
0

-

0
5
.
0
0
0
6
.
0
6

-

0
6
.
1
6
0
8
.
1
1

-

0
8
.
2
1
1
0
.
0
0

-

1
0
.
1
0
1
2
.
0
5

-

1
2
.
1
5
1
4
.
0
3

-

1
4
.
1
3
1
6
.
0
1

-

1
6
.
1
1
1
8
.
1
8

-

1
8
.
2
8
2
0
.
0
4

-

2
0
.
1
4
2
2
.
0
3

-

2
2
.
1
3
2
4
.
0
1

-

2
4
.
1
1
0
2
.
0
6

-

0
2
.
1
6
0
4
.
0
2

-

0
4
.
1
2
Jam
V
o
l

K
e
n
d
a
r
a
a

Prediksi Volume Kendaraan Tahun 2015
0
1000
2000
3000
4000
5000
6000
7000
8000
9000
10000
0
6
.
0
0

-

0
7
.
0
0
0
8
.
0
0

-

0
9
.
0
0
1
0
.
0
0

-

1
1
.
0
0
1
2
.
0
0

-

1
3
.
0
0
1
4
.
0
0

-

1
5
.
0
0
1
6
.
0
0

-

1
7
.
0
0
1
8
.
0
0

-

1
9
.
0
0
2
0
.
0
0

-

2
1
.
0
0
2
2
.
0
0

-

2
3
.
0
0
2
4
.
0
0

-

0
1
.
0
0
0
2
.
0
0

-

0
3
.
0
0
0
4
.
0
0

-

0
5
.
0
0
0
6
.
0
6

-

0
6
.
1
6
0
8
.
1
1

-

0
8
.
2
1
1
0
.
0
0

-

1
0
.
1
0
1
2
.
0
5

-

1
2
.
1
5
1
4
.
0
3

-

1
4
.
1
3
1
6
.
0
1

-

1
6
.
1
1
1
8
.
1
8

-

1
8
.
2
8
2
0
.
0
4

-

2
0
.
1
4
2
2
.
0
3

-

2
2
.
1
3
2
4
.
0
1

-

2
4
.
1
1
0
2
.
0
6

-

0
2
.
1
6
0
4
.
0
2

-

0
4
.
1
2
Jam
V
o
l

K
e
n
d
a
r
a
a
Prediksi Jumlah Kendaraan Tahun 2020
0
2000
4000
6000
8000
10000
12000
14000
0
6
.
0
0

-

0
7
.
0
0
0
8
.
0
0

-

0
9
.
0
0
1
0
.
0
0

-

1
1
.
0
0
1
2
.
0
0

-

1
3
.
0
0
1
4
.
0
0

-

1
5
.
0
0
1
6
.
0
0

-

1
7
.
0
0
1
8
.
0
0

-

1
9
.
0
0
2
0
.
0
0

-

2
1
.
0
0
2
2
.
0
0

-

2
3
.
0
0
2
4
.
0
0

-

0
1
.
0
0
0
2
.
0
0

-

0
3
.
0
0
0
4
.
0
0

-

0
5
.
0
0
0
6
.
0
6

-

0
6
.
1
6
0
8
.
1
1

-

0
8
.
2
1
1
0
.
0
0

-

1
0
.
1
0
1
2
.
0
5

-

1
2
.
1
5
1
4
.
0
3

-

1
4
.
1
3
1
6
.
0
1

-

1
6
.
1
1
1
8
.
1
8

-

1
8
.
2
8
2
0
.
0
4

-

2
0
.
1
4
2
2
.
0
3

-

2
2
.
1
3
2
4
.
0
1

-

2
4
.
1
1
0
2
.
0
6

-

0
2
.
1
6
0
4
.
0
2

-

0
4
.
1
2
Jam
V
o
l

K
e
n
d
a
r
a
a

Gambar 12. J umlah Kendaraan di jalan Fatmawati Hasil Prediksi

cm
Tabel 10. Beban Emisi Hasil Proyeksi J umlah Kendaraan Tahun 2005
J alan Fatmawati (Dari data dasar Hari Minggu, 10 April 2005)

J am
Tahun
2008 2010 2015 2020 2025
ug/m3/det ug/m3/det ug/m3/det ug/m3/det ug/m3/det
06.00 - 07.00 18,759492 21,477742 30,123644 42,24997 59.25777
07.00 - 08.00 22,879720 26,194991 36,739830 51,52951 72.27281
08.00 - 09.00 28,378121 32,490111 45,569061 63,91297 89.64124
09.00 - 10.00 34,362456 39,341576 55,178596 77,39083 108.54465
10.00 - 11.00 33,776477 38,670689 54,237642 76,07110 106.69365
11.00 - 12.00 28,231116 32,321805 45,333003 63,58188 89.17688
12.00 - 13.00 32,912822 37,681890 52,850800 74,12598 103.96552
13.00 - 14.00 35,140358 40,232196 56,427737 79,14282 111.00190
14.00 - 15.00 32,667813 37,401379 52,457370 73,57417 103.19159
15.00 - 16.00 44,558897 51,015482 71,551852 100,35517 140.75332
16.00 - 17.00 41,612669 47,642345 66,820853 93,71970 131.44673
17.00 - 18.00 39,654642 45,400600 63,676689 89,30985 125.26169
18.00 - 19.00 33,590679 38,457968 53,939290 75,65264 106.10675
19.00 - 20.00 36,667579 41,980711 58,880119 82,58241 115.82611
20.00 - 21.00 32,818902 37,574361 52,699985 73,91445 103.66885
21.00 - 22.00 24,257893 27,772862 38,952875 54,63342 76.62620
22.00 - 23.00 25,756529 29,488650 41,359357 58,00864 81.36012
23.00 - 24.00 12,875202 14,740819 20,674761 28,99742 40.67038
24.00 - 01.00 8,985690 10,287717 14,429055 20,23750 28.38414
01.00 - 02.00 7,105249 8,134800 11,409478 16,00238 22.44417
02.00 - 03.00 4,740916 5,427875 7,612876 10,67745 14.97568
03.00 - 04.00 7,911736 9,058147 12,704519 17,81875 24.99171
04.00 - 05.00 17,201645 19,694164 27,622084 38,74140 54.33682
05.00 - 06.00 22,606127 25,881755 36,300500 50,91333 71.40858

J alan Fatmawati (Dari data dasar Hari Minggu, 11April 2005)

J am
Tahun
2008 2010 2015 2020 2025
06.00 - 07.00 35,42212 40,554783 56,88018 79,777397 111.89193
07.00 - 08.00 38,14376 43,670786 61,25054 85,907045 120.48908
08.00 - 09.00 27,45526 31,433522 44,08714 61,834495 86.72608
09.00 - 10.00 29,82980 34,152135 47,90014 67,182418 94.22682
10.00 - 11.00 24,85000 28,450762 39,90367 55,966955 78.49655
11.00 - 12.00 30,47907 34,895487 48,94273 68,644705 96.27775
12.00 - 13.00 36,75129 42,076552 59,01454 82,770946 116.09053
13.00 - 14.00 44,85699 51,356769 72,03053 101,026538 141.69495
14.00 - 15.00 48,14623 55,122621 77,31233 108,434538 152.08505
15.00 - 16.00 41,33295 47,322095 66,37169 93,089724 130.56315
16.00 - 17.00 40,94910 46,882629 65,75531 92,225228 129.35065
17.00 - 18.00 38,94208 44,584782 62,53246 87,705014 123.01082
18.00 - 19.00 33,23133 38,046553 53,36226 74,843329 104.97164
19.00 - 20.00 32,95570 37,730979 52,91965 74,222547 104.10096
20.00 - 21.00 31,14672 35,659878 50,01482 70,148377 98.38673

cm
J alan Fatmawati (Dari data dasar Hari Minggu, 11April 2005)

J am
Tahun
2008 2010 2015 2020 2025
21.00 - 22.00 30,47703 34,893149 48,93945 68,640106 96.27130
22.00 - 23.00 28,25766 32,352193 45,37562 63,641661 89.26072
23.00 - 24.00 22,93280 26,255768 36,82507 51,649070 72.44049
24.00 - 01.00 13,97366 15,998440 22,43864 31,471353 44.14020
01.00 - 02.00 12,95075 14,827309 20,79607 29,167562 40.90901
02.00 - 03.00 13,09367 14,990940 21,02557 29,489449 41.36048
03.00 - 04.00 13,72048 15,708579 22,03210 30,901153 43.34047
04.00 - 05.00 26,98566 30,895877 43,33307 60,776866 85.24270
05.00 - 06.00 29,79305 34,110058 47,84112 67,099647 94.11073

Berdasarkan data sumber emisi awal CO hasil prediksi tersebut, dicoba untuk
dimasukkan ke model simulasi secara satu persatu (jam per jam) atau sekaligus selama
48 jam sebagai salah satu segmen skenario simulasi.

cm
V. HASIL DAN PEMBAHASAN

5.1. Hasil Program Model Simulasi
Program pemodelan penyebaran polutan dari sumber garis telah dibuat dan
dijalankan dengan data masukan konsentrasi awal CO, arah dan kecepatan angin
sebagaimana diterangkan pada bab IV, menghasilkan keluaran berupa harga
konsentrasi pada semua titik pengamatan pada tahun 2005 dalam bentuk tabel dan
kontur. Dalam studi ini dianggap bahwa konsentrasi CO awal mewakili grid dengan
ukuran panjang 10 meter, lebar 10 meter dan ketinggian 1 meter.
5.1.1. Perbandingan Antara Pengukuran dan Simulasi.
Program diverifikasi menggunakan data yang diperoleh dari BPLHD
berupa pengukuran kadar CO pada tanggal 10 sampai 12 April 2006, untuk
periode waktu 48 jam dari jam 06.00 WIB tanggal 10 April 2005 hingga jam
05.00 WIB tanggal 12 April 2005. Data di titik verifikasi diperoleh dengan
memonitor kadar polusi dan sampel data setiap 30 menit. Namun disebabkan
karena sumber emisi yang ada merupakan data per jam, maka validasi
dilakukan untuk setiap jam dengan durasi simulasi selama 1 jam.
Perbandingan hasil simulasi dengan pengukuran oleh BPLHD di titik
verifikasi diberikan dalam gambar 13 berikut ini:
0.00
1.00
2.00
3.00
4.00
5.00
6.00
7.00
8.00
9.00
10.00
Jam PengukuranBPLHD Simulasi

Gambar 13. Perbandingan Hasil Simulasi Tanggal 10 sampai 12 April 2005

cm
Dari hasil simulasi selama 48 jam tersebut di atas didapat kesalahan
rata-rata sebesar 27,11 % dengan kesalahan terbesar terjadi pada jam 03.00
WIB tanggal 11 April 2005 sebesar 81,29 %.
Data konsentrasi CO yang dapat memberikan dampak pada kualitas
udara dapat dilihat berdasarkan konsentrasi CO maksimum di daerah
pengamatan yaitu sebesar 36,302 mg/m3 yang terjadi pukul 13.00 WIB
tanggal 11 April 2005, artinya sudah melebihi ambang batas yang
ditentukan sebesar 30 mg/m3 oleh pemerintah. Hal ini dapat dilihat pada
Gambar 14 di bawah ini :

0
5
10
15
20
25
30
35
40
1 4 7 10 13 16 19 22 25 28 31 34 37 40 43 46
Jam
C
O

(
m
g
/
m
3
)
CO Maksimum

Gambar 14. Konsentrasi CO Maksimum Tanggal 10 s.d 12 April 2005

5.1.2. Prediksi Konsentrasi Polutan Pada Tahun Mendatang.
Setelah model simulasi telah dapat merepresentasikan nilai, maka
model tersebut dicoba untuk memprediksi konsentrasi dan penyebarannya
pada tahun-tahun mendatang dengan terlebih dahulu menghitung proyeksi
jumlah dan komposisi kendaraan dari tahun 2005 yang diolah untuk
mendapatkan sumber CO awal untuk dimasukkan kedalam model, kemudian
hasil prediksi tahun 2008, 2010, 2015, 2020 dan 2025 dapat dilihat pada tabel
11 di bawah ini :

cm

Tabel 11. Prediksi Nilai Konsentrasi CO Pada Tahun Mendatang
No Tahun
Di Titik Verifikasi Di Pemodelan
Peringatan Dini
(Ambang Batas = 30
mg/m3)
Rata-rata
(mg/m3)
Maksimum
(mg/m3)
Rata-rata
(mg/m3)
Maksimum
(mg/m3)
1 2005 3.57 7.223 12.923 36.302
Terlampaui di
maksimum daerah
pemodelan
2 2008 4.373 8.848 15.83 44.472
Terlampaui di
maksimum daerah
pemodelan
3 2010 5.007 10.13 18.1248 50.916
Terlampaui di
maksimum daerah
pemodelan
4 2015 7.023 14.208 25.42 71.412
Terlampaui di
maksimum daerah
pemodelan
5 2020 9.85 19.927 35.654 100.16
Terlampaui di rata-rata
maksimum daerah
pemodelan
6 2025 13.815 27.949 50.00667 140.48
Terlampaui di rata-rata
maksimum daerah
pemodelan

Dari perubahan konsentrasi tahun ke tahun dicoba diperhitungkan
kemiringannya (slope) dan perpotongannya di titik x (intercept), maka pada
tahun 2069, maka diprediksi bahwa konsentrasi di seluruh daerah
pengamatan akan melebihi ambang batas (30 mg/m3) yang ditentukan
pemerintah dengan asumsi tidak ada upaya untuk mengurangi konsentrasi
CO yang akan diterima mahluk hidup dari tahun ke tahun.

5.2. Pembahasan
Analisa kontur penyebaran polutan CO diwakili oleh kontur yang
mempunyai karakteristik khusus dilihat dari jumlah kendaraan, konsentrasi CO
awal dan kecepatan anginnya. Dari hasil simulasi tahun 2005 ada beberapa
kontur yang perlu ditampilkan dalam penyebaran polutan CO nya, adapun
karakteristik khusus tersebut dapat diihat pada Gambar 17 sampai dengan 19.

cm
Gambar 15 di bawah ini adalah pola penyebaran CO hasil keluaran
model dengan data masukan tanggal 10 dan 11 April 2005 tepatnya pukul 17.00
dan 16.00 WIB dengan status saat volume kendaraan padat dengan arah angin
344.68
0
dan 145.7
0
, kecepatan angin 1.17 dan 2.98 meter per detik. Kontur
tersebut memperlihatkan bahwa penyebaran polutan mengarah ke Utara dan ke
Tenggara sebagai daerah yang berbahaya. Terlihat bahwa penyebaran
konsentrasi yang berbeda-beda dalam daerah pengamatan meskipun sama-sama
dalam kondisi volume kendaraan yang padat.

Tanggal 10 April 2005
J am 17.00 WIB
J am 16.00 WIB

Gambar 15. Penyebaran Polutan CO Saat Kendaraan Padat

dan 14.00 WIB dengan status saat sumber CO awal besar dengan arah angin
93.67
0
dan 102.91
0
, kecepatan angin 1.56 dan 1.77 meter per detik. Kontur
tersebut memperlihatkan bahwa penyebaran polutan mengarah ke Timur searah
jalan tol TB. Simatupang yang berbahaya di sisi kiri kanan jalan.


cm

G
a
m
b
a
r

1
9

dan 24.00 WIB dengan status saat kecepatan angin rendah dengan arah angin 78
0

dan 51.9
0
dengan kecepatan angin 0.11 dan 0.26 meter per detik. Kontur tersebut
memperlihatkan bahwa penyebaran polutan mengarah ke sisi kiri kanan jalan
karena pada umumnya hanya sebagian kecil CO yang didistribusikan.

T
J am 15.00 WIB
J am 14.00 WIB

Gambar 16. Penyebaran Polutan CO Saat Sumber CO Awal Besar
J am 01.00 WIB
J am 24.00 WIB

Gambar 17. Penyebaran Polutan CO Saat Kecepatan Angin Rendah

cm
ingkat kesalahan yang teramati dari ketidak-cocokan antara hasil pengukuran dan
hasil simulasi dapat disebabkan karena beberapa faktor antara lain :
Asumsi-asumsi yang digunakan berupa ketebalan lapisan percampuran,
koefisien difusi, kecepatan angin dan arah angin yang invarian terhadap waktu.
Pada kondisi nyata, kecepatan angin dan arah angin akan berubah terhadap
waktu dan lokasi, bergantung pada kekasaran profil permukaan dan adanya
penghalang berupa gedung, pohon, dan struktur tinggi lainnya.
Asumsi lain adalah bahwa data pengukuran volume kendaraan yang dilakukan
selama 10 menit dijadikan patokan dalam perhitungan volume kendaraan dalam
1 jam (60 menit).
Ketidak-lengkapan data yang untuk menentukan koefisien difusi berupa data
temperatur pada beberapa ketinggian, penyinaran radiasi langsung dan pantul
matahari, serta fluktuasi arah angin, dan masih sangat terbatasnya titik
pengamatan yang ada sehingga hasil simulasi tidak dapat merepresentasikan
hasil pengukuran sebenarnya. Sebagai contoh, hasil simulasi tidak dapat
dijadikan acuan ketika angin bergerak menjauh dari titik pengamatan.
Disebabkan karena asumsi bahwa diluar daerah pengamatan tidak terdapat
sumber pencemar, maka hasil simulasi pada kasus ini akan menunjukkan angka
yang relatif jauh lebih kecil daripada hasil pengamatan.
Formatted: Finnish

cm
VI. KESIMPULAN DAN SARAN

6.1. Kesimpulan
Metode beda-hingga dengan menerapkan teknik Euler-Lagrange dalam
skala mikro dapat diterapkan pada persamaan transport 2 (dua) dimensi tanpa
menghasilkan osilasi numerik. Model simulasi ini tidak memerlukan langkah waktu
atau lebar grid yang sangat kecil. Program dapat dijalankan pada PC Pentium-4,
2.26 GHz biasa dengan memori sebesar 512 Mbyte.
Validasi program dilakukan dengan membandingkan hasil simulasi yang
diverifikasi dengan hasil pengukuran CO oleh BPLHD di satu titik menghasilkan
rata-rata kesalahan sebesar 27,11 %, dengan kesalahan maksimum sebesar 81,29 %
yang terjadi pada simulasi pukul 03.00 dini hari tanggal 11 April 2005. Kesalahan
rata-rata di atas telah dapat memperbaiki dari penelitian sebelumnya.
Data konsentrasi CO hasil simulasi di daerah pengamatan yang melebihi
ambang batas 30 mg/m3 terjadi hanya pada pukul 13.00 tanggal 11 April 2005
sebesar 36,302 mg/m3. akan tetapi untuk tahun 2069 mendatang diprediksi akan
melampaui ambang batas di seluruh daerah pengamatan.

6.2. Saran-saran
Untuk mengetahui keakuratan dari model penyebaran polutan dengan
pendekatan metode beda hingga perlu diuji kembali atau diverifikasikan dengan
data yang diambil di tempat dalam waktu bersamaan, sehingga data yang
dimasukkan benar-benar dapat mewakili data sebenarnya.
Untuk kebutuhan lapangan, model ini perlu dikembangkan lagi dalam ruang
3 (tiga) dimensi untuk memperhitungkan faktor-faktor lingkungan lain seperti efek
permukaan kasar dan turbulensi lokal serta seting yang lebih teliti untuk data beban
emisi yang ditempatkan pada grid.

cm
VII. DAFTAR PUSTAKA

Ewing Richard E, Wang Hong, 1999, Mathematical Modeling and Simulation for
Advection-Dominated Equations, Journal of Applied Meteorology, USA.
RETA-ADB, Status Lingkungan Hidup 2004, Kantor Menteri Negara Lingkungan Hidup,
J akarta
JICA dan KLH-RI, Studi/Kajian Tentang Perbaikan Kualitas Udara Ditinjau dari
Perbaikan Emisi Kendaraan Bermotor, Pusat Penelitian Sumberdaya Manusia
dan Lingkungan Universitas Indonesia 2004
Soelaiman Fauzi, Dampak dari Berbagai Polusi Udara terhadap Lingkungan, dalam
Prosiding Kursus Singkat Aspek Polutan Gas Buang dari Proses Pembakaran
terhadap Lingkungan. PAU-Ilmu Rekayasa ITB, 1993
Singer S. Fred, 1970, Global Effect of Environmental Pollution : D. Reidel Publishing
Company, pp:64-63
Turner, D.B, 1994, Atmospheric Dispersion Estimates. Lewis Publisher, NY
Peavy,H.S.,D.R. Rowe, & Tchobanoglous. 1986. Environmental Engineering. McGraw-
Hill International Editions, New York.
Hartati S., Sri, Faktor Lokasi Sumber Emisi dan Sifat Atmosfer terhadap Pencemaran
Udara pada Sumbernya, KLH, J akarta, 1986
Lyons, T. & B. Scott. 1990. Principles of Air Pollution Meteorology, Belhaven Press,
London, 1990
IAEA, A Safety Guide, Atmosferic Dispersion in Nuclear Power Plant Sitting, 1980
Egan Bruce A., dan James R. Mahoney, 1972, Application of a Numerical Air
Pollution Transport Model to Dispersin in the Atmosfheric Boundary Layer,
Journal of Applied Meteorology, v. 11 Oktober 1972.
Smith,G.D.,1999, Numerical Solution of Partial Differential Equation.Third Edition.
Taylor E Angus, Mann Robert W, Wiley John & Sons.,1983, Advance Calculus.Third
Edition,
Brown L Robert, Introduction to the Mathematics of Demography, ACTEX
Publications Winsted, Connecticut.
Walter J. Karplus .Finite Difference Approximations

cm
Hartati S., Sri, Model Gauss Transpor Polutan Udara, Kursus Pemodelan dan Simulasi
Komputer Masalah Lingkungan, UPT Komputer PIKSI - GM ITB, 1993
Johnson, Warren B. Et al,1976, Urban Air Quality Simualtion Modeling, in Air
Pollution Vol. I,edited by Stern, Arthur C, Academic Press, New York-San
Fransisco-London.
Hartati S., Sri, Model Analitik Penyebaran Zat Pencemar di Udara, Lab. Aerodinamika
PAU - Ilmu Rekayasa ITB, 1989
Tjasyono H.K., Bayong, Laporan Akhir Proyek Pemantauan dan Pengendalian Polusi
Udara, LPM - ITB, 1990
Noye, J., 1987, Numerical Modelling : Aplication to Marine Systems : Elsevier Science
Publisher BV, pp: 195 223
Schaums, 2000 SOLVED PROBLEMS IN NUMERICAL ANALYSIS, International
Edition, 1990 Formatted: English (U.S.)

cm
Lampiran 1. Informasi Lokasi Penelitian dan Monitoring Kualitas Udara

1. Name of station : Jakarta Mobile Station (JAM1)
2. Beginning of measurement ( date and time ) : 11 April 2005, 00.30 wib
3. End of measemerement( date and time) : 17 April 2005, 24.00 wib
4. location of measurement ( name of street) : Jl. Fatmawati. Jakarta Selatan

5. Distance of road, trees and buildings to the ambient sampling inlet :
- Distance of road = 3 meter
- Distance of tree = 5 meter
- Distance of Buildings = 25 meter

6. Height and distance road, trees and buildings from of meterological instrument:
a. Humidity and global radiation
Height trees = 3 meter
Height building = 5 meter

b. Wind direction and wind speed
Height trees = 4 meter highest than tree
Height building = 2 meter highest than building

7. Clasification of the type of street : Narrow

8. Radius of area for which the station is representative :
From 0 direction = 1 km
From 90 direction = 500 meter

9. Map of sampling location :

RS. Fatmawati

cm
Lampiran 2. Contoh Konfigurasi Input Beban Emisi Pada Pukul 6.00 Wib Tanggal 11 April 2005 Dalam Bentuk Spreadsheet.

0 0 0 0 0 0 0 0 28,91500 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 28,91500 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 28,91500 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 28,91500 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 28,91500 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 28,91500 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 28,91500 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 28,91500 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 28,91500 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 28,91500 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 28,91500 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 28,91500 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 28,91500 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 28,91500 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 28,91500 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
57,83 57,83 57,83 57,83 57,83 57,83 86,745 57,83 57,83 57,83 57,83 57,83 57,83 57,83 57,83 57,83 57,83 57,83 57,83 57,83 57,83 57,83
0 0 0 0 0 0 28,91500 0 0 0 0 0 0 0 0 14,4575 0 0 0 0 0 0
0 0 0 0 0 0 28,91500 0 0 0 0 0 0 0 0 14,4575 0 0 0 0 0 0
0 0 0 0 0 0 28,91500 0 0 0 0 0 0 0 0 14,4575 0 0 0 0 0 0
0 0 0 0 0 0 28,91500 0 0 0 0 0 0 0 14,4575 0 0 0 0 0 0 0
0 0 0 0 0 0 28,91500 0 0 0 0 0 0 0 14,4575 0 0 0 0 0 0 0
0 0 0 0 0 0 28,91500 0 0 0 0 0 0 0 14,4575 0 0 0 0 0 0 0
0 0 0 0 0 0 28,91500 0 0 0 0 0 0 0 14,4575 0 0 0 0 0 0 0
0 0 0 0 0 0 28,91500 0 0 0 0 0 0 0 0 14,4575 14,4575 14,4575 14,4575 0 0 0
0 0 0 0 0 0 28,91500 0 0 0 0 0 0 0 0 0 0 0 0 14,4575 0 0
0 0 0 0 0 0 28,91500 0 0 0 0 0 0 0 0 0 0 0 0 14,4575 0 0
0 0 0 0 0 0 28,91500 0 0 0 0 0 0 0 0 0 0 0 0 14,4575 0 0
0 0 0 0 0 0 28,91500 0 0 0 0 0 0 0 0 0 0 0 0 14,4575 0 0
Formatted: Left: 4 cm, Right: 2,6
cm, Top: 2,4 cm, Bottom: 3,4 cm,
Section start: Even page, Width: 35,56
cm, Height: 21,59 cm
i

cm
Lampiran 3. Hasil Simulasi Tanggal 10 sampai 12 April 2005

J am
Data Input
CO
Hasil
Simulasi
Di Ttk
Monitoring
(mg/m3)
CO
Hasil
Pengukuran
di ttk
Monitoring
(mg/m3)
Sim-
Ukur
Rel-
Err
CO
Maximum
(mg/m3)
Arah
Angin
(Derajat)
Kec.
Angin
(m/s)
Sumber
CO
( g/m3)
06.00 - 07.00 157,24 1,63 15,3133 4,4096 4,00 0,410 10,24% 4,4464
07.00 - 08.00 215,32 1,38 18,6767 3,4246 3,71 0,285 7,69% 5,7258
08.00 - 09.00 55,62 1,11 23,1650 2,52 2,55 0,030 1,18% 9,876
09.00 - 10.00 136,39 2,76 28,0500 4,2574 3,81 0,447 11,74% 5,6539
10.00 - 11.00 106,03 1,95 27,5717 2,9905 2,64 0,351 13,28% 12,026
11.00 - 12.00 113 1,97 23,0450 3,7663 2,90 0,866 29,87% 7,8222
12.00 - 13.00 139,79 1,99 26,8667 5,6045 5,87 0,266 4,52% 7,2247
13.00 - 14.00 118,71 1,99 28,6850 5,6043 4,00 1,604 40,11% 8,4185
14.00 - 15.00 109,84 1,85 26,6667 3,9393 3,61 0,329 9,12% 10,596
15.00 - 16.00 93,67 1,77 36,3733 2,172 3,53 1,358 38,47% 32,432
16.00 - 17.00 31,32 1,97 33,9683 3,1154 2,25 0,865 38,46% 7,7864
17.00 - 18.00 344,68 1,17 32,3700 1,1647 1,04 0,125 11,99% 14,861
18.00 - 19.00 327,46 0,65 27,4200 1,1514 1,74 0,589 33,83% 17,058
19.00 - 20.00 4,07 1,99 29,9317 2,3839 2,12 0,264 12,45% 15,255
20.00 - 21.00 340 1,04 26,7900 0,87257 1,57 0,697 44,42% 12,364
21.00 - 22.00 283 0,18 19,8017 2,2337 3,14 0,906 28,86% 25,402
22.00 - 23.00 127 1,16 21,0250 7,2226 9,23 2,007 21,75% 8,2675
23.00 - 24.00 114 0,19 10,5100 3,2261 7,27 4,044 55,62% 13,12
24.00 - 01.00 78 0,25 7,3350 2,0383 4,99 2,952 59,15% 8,9797
01.00 - 02.00 309 0,11 5,8000 0,95906 2,46 1,501 61,01% 7,6246
02.00 - 03.00 146 1,21 3,8700 1,3341 3,10 1,766 56,96% 1,34
03.00 - 04.00 70 1,28 6,4583 0,53701 2,87 2,333 81,29% 3,406
04.00 - 05.00 143 1,53 14,0417 3,8106 3,16 0,651 20,59% 4,0418
05.00 - 06.00 78 0,72 18,4533 2,635 2,78 0,145 5,22% 16,973
06.00 - 07.00 341,5 1,35 28,9150 0,59564 1,62 1,026 63,27% 10,99
07.00 - 08.00 17,36 0,81 31,1367 6,7831 5,20 1,588 30,56% 18,189
08.00 - 09.00 51,55 0,43 22,4117 5,5238 6,90 1,376 19,94% 19,865
09.00 - 10.00 36,61 1,01 24,3500 3,7614 3,86 0,100 2,60% 10,02
10.00 - 11.00 10,93 1,22 20,2850 3,1699 3,01 0,158 5,26% 10,717
11.00 - 12.00 49 0,81 24,8800 3,9694 3,92 0,049 1,26% 13,283
12.00 - 13.00 56,92 0,76 30,0000 4,6528 4,71 0,057 1,21% 18,45
13.00 - 14.00 93,54 0,96 36,6167 4,3257 4,64 0,314 6,77% 36,302
14.00 - 15.00 102,91 1,56 39,3017 4,4323 4,09 0,342 8,37% 23,75
15.00 - 16.00 152,37 2,89 33,7400 5,1463 3,57 1,576 44,15% 6,4145
16.00 - 17.00 145,7 2,97 33,4267 4,7207 3,33 1,396 41,98% 6,3265
17.00 - 18.00 100,48 1,01 31,7883 4,7802 4,00 0,777 19,41% 26,437
18.00 - 19.00 89,59 1,07 27,1267 2,6449 3,80 1,154 30,38% 27,67
19.00 - 20.00 9,21 1,98 26,9017 2,7427 1,92 0,820 42,64% 11,43
20.00 - 21.00 65,96 0,47 25,4250 5,503 6,51 1,007 15,47% 24,086
21.00 - 22.00 69,35 0,41 24,8783 5,7934 7,07 1,277 18,06% 25,709
22.00 - 23.00 136,63 1,98 23,0667 4,8557 3,36 1,496 44,51% 6,3102
23.00 - 24.00 130,71 1,19 18,7200 6,3969 7,03 0,633 9,01% 6,8857
24.00 - 01.00 51,9 0,26 11,4067 3,2009 4,79 1,589 33,18% 12,781
01.00 - 02.00 180 1,92 10,5717 3,2333 2,83 0,403 14,25% 5,9858
02.00 - 03.00 21,56 0,36 10,6883 2,9239 3,94 1,016 25,79% 10,043
Formatted: Portuguese (Brazil)
ii

cm

J am
Data Input
CO
Hasil
Simulasi
Di Ttk
Monitoring
(mg/m3)
CO
Hasil
Pengukuran
di ttk
Monitoring
(mg/m3)
Sim-
Ukur
Rel-
Err
CO
Maximum
(mg/m3)
Arah
Angin
(Derajat)
Kec.
Angin
(m/s)
Sumber
CO
( g/m3)
03.00 - 04.00 23,02 0,8 11,2000 2,4229 2,98 0,557 18,69% 6,1724
04.00 - 05.00 139,03 1,47 22,0283 6,1976 3,54 2,658 75,07% 6,5971
05.00 - 06.00 353,6 0,97 24,3200 2,2133 3,23 1,017 31,48% 15,176
Rata-rata 126,470 1,261 23,029 3,570 3,837 0,983 27,11% 12,923
Maximum 353,600 2,970 39,302 7,223 9,230 4,044 81,29% 36,302
Minimum 4,070 0,110 3,870 0,537 1,040 0,0300 1,176% 1,340
iii

cm
Lampiran 4. Konsentrasi CO Pada Titik Monitoring dan Nilai Maksimum CO Hasil
Simulasi dari Proyeksi Jumlah Kendaraan Data Dasar Tahun 2005 (Selama
48 J am)

J am
Tahun 2005 Tahun 2008 Tahun 2010 Tahun 2015 Tahun 2020
CO
(Mg/m3)
Nilai
Max
CO
(Mg/m3)
CO
(Mg/m3)
Nilai
Max
CO
(Mg/m3)
CO
(Mg/m3)
Nilai
Max
CO
(Mg/m3)
CO
(Mg/m3)
Nilai
Max
CO
(Mg/m3)
CO
(Mg/m3)
Nilai
Max
CO
(Mg/m3)
06.00 4,4096 4,4464 5,4019 5,447 6,1846 6,2363 8,6743 8,7467 12,1660 12,268
07.00 3,4246 5,7258 4,1953 7,0144 4,8031 8,0307 6,7367 11,264 9,4485 15,798
08.00 2,52 9,876 3,0871 12,098 3,5344 13,852 4,9571 19,428 6,9526 27,248
09.00 4,2574 5,6539 5,2155 6,9263 5,9713 7,9299 8,375 11,122 11,746 15,599
10.00 2,9905 12,026 3,6635 14,733 4,1943 16,868 5,8828 23,658 8,2509 33,181
11.00 3,7663 7,8222 4,6139 9,5825 5,2825 10,971 7,4089 15,387 10,391 21,582
12.00 5,6045 7,2247 6,8658 8,8505 7,8606 10,133 11,025 14,212 15,463 19,933
13.00 5,6043 8,4185 6,8655 10,313 7,8604 11,807 11,025 16,56 15,463 23,227
14.00 3,9393 10,596 4,8258 12,98 5,5251 14,861 7,7492 20,844 10,869 29,234
15.00 2,172 32,432 2,6608 39,73 3,0463 45,487 4,2726 63,798 5,9926 89,48
16.00 3,1154 7,7864 3,8164 9,5387 4,3694 10,921 6,1284 15,317 8,5954 21,483
17.00 1,1647 14,861 1,4268 18,205 1,6335 20,843 2,2911 29,233 3,2134 41,001
18.00 1,1514 17,058 1,4105 20,896 1,6149 23,924 2,265 33,555 3,1767 47,062
19.00 2,3839 15,255 2,9204 18,688 3,3436 21,396 4,6896 30,009 6,5773 42,089
20.00 0,8725 12,364 1,0689 15,146 1,2238 17,341 1,7165 24,322 2,4075 34,112
21.00 2,2337 25,402 2,7363 31,118 3,1328 35,627 4,394 49,969 6,1628 70,084
22.00 7,2226 8,2675 8,8480 10,128 10,13 11,596 14,208 16,263 19,927 22,81
23.00 3,2261 13,12 3,9521 16,073 4,5248 18,402 6,3462 25,81 8,9009 36,199
24.00 2,0383 8,9797 2,4969 11 2,8588 12,594 4,0096 17,664 5,6236 24,775
01.00 0,9590 7,6246 1,1749 9,3404 1,3451 10,694 1,8866 14,999 2,6461 21,036
02.00 1,3341 1,34 1,6343 1,6415 1,8711 1,8794 2,6243 2,6359 3,6807 3,697
03.00 0,5370 3,406 0,6579 4,1725 0,75318 4,7771 1,0564 6,7002 1,4816 9,3973
04.00 3,8106 4,0418 4,6681 4,9514 5,3446 5,6688 7,496 7,9508 10,5140 11,151
05.00 2,635 16,973 3,2280 20,793 3,6957 23,806 5,1834 33,389 7,27 46,83
06.00 0,5956 10,99 0,72969 13,464 0,83542 15,415 1,1717 21,62 1,6434 30,323
07.00 6,7831 18,189 8,3096 22,282 9,5136 25,511 13,343 35,781 18,715 50,184
08.00 5,5238 19,865 6,7669 24,335 7,7474 27,861 10,866 39,077 15,24 54,807
09.00 3,7614 10,02 4,6079 12,275 5,2756 14,054 7,3993 19,711 10,378 27,646
10.00 3,1699 10,717 3,8832 13,128 4,4459 15,031 6,2356 21,081 8,7457 29,568
11.00 3,9694 13,283 4,8626 16,273 5,5672 18,631 7,8083 26,13 10,952 36,649
12.00 4,6528 18,45 5,6999 22,602 6,5258 25,877 9,1527 36,293 12,837 50,903
13.00 4,3257 36,302 5,2991 44,472 6,067 50,916 8,5093 71,412 11,935 100,16
14.00 4,4323 23,75 5,4298 29,095 6,2165 33,311 8,719 46,721 12,229 65,528
15.00 5,1463 6,4145 6,3045 7,858 7,218 8,9966 10,124 12,618 14,199 17,698
16.00 4,7207 6,3265 5,783 7,7502 6,621 8,8732 9,2863 12,445 13,024 17,455
17.00 4,7802 26,437 5,8559 32,386 6,7044 37,079 9,4033 52,005 13,189 72,939
18.00 2,6449 27,67 3,2401 33,897 3,7096 38,808 5,2029 54,431 7,2973 76,342
19.00 2,7427 11,43 3,36 14,003 3,8468 16,032 5,3954 22,485 7,5673 31,537
20.00 5,503 24,086 6,7414 29,506 7,7182 33,782 10,825 47,381 15,183 66,454
21.00 5,7934 25,709 7,0972 31,495 8,1256 36,058 11,397 50,573 15,984 70,932
iv

cm

J am
Tahun 2005 Tahun 2008 Tahun 2010 Tahun 2015 Tahun 2020
CO
(Mg/m3)
Nilai
Max
CO
(Mg/m3)
CO
(Mg/m3)
Nilai
Max
CO
(Mg/m3)
CO
(Mg/m3)
Nilai
Max
CO
(Mg/m3)
CO
(Mg/m3)
Nilai
Max
CO
(Mg/m3)
CO
(Mg/m3)
Nilai
Max
CO
(Mg/m3)
22.00 4,8557 6,3102 5,9485 7,7303 6,8104 8,8504 9,5519 12,413 13,397 17,41
23.00 6,3969 6,8857 7,8364 8,4353 8,9719 9,6575 12,584 13,545 17,649 18,998
24.00 3,2009 12,781 3,9213 15,658 4,4895 17,926 6,2967 25,143 8,8314 35,264
01.00 3,2333 5,9858 3,961 7,3329 4,5349 8,3954 6,3604 11,775 8,9208 16,515
02.00 2,9239 10,043 3,5819 12,303 4,1009 14,086 5,7517 19,756 8,0671 27,709
03.00 2,4229 6,1724 2,9682 7,5615 3,3983 8,6572 4,7663 12,142 6,6849 17,03
04.00 6,1976 6,5971 7,5923 8,0817 8,6924 9,2528 12,192 12,978 17,099 18,202
05.00 2,2133 15,176 2,7114 18,591 3,1042 21,285 4,3538 29,853 6,1065 41,87
Rata-
Rata 3,570 12,923 4,373 15,830 5,007 18,1248 7,023 25,420 9,850 35,654
Maks
imum 7,223 36,302 8,848 44,472 10,130 50,916 14,208 71,412 19,927 100,16
Mini
mum 0,537 1,340 0,658 1,6415 0,753 1,8794 1,056 2,6359 1,482 3,697
v

cm
Lampiran 5. Listing program

% REV 3
% Euler-Lagrange solution of advection dominated transport equation
clc
clear

%==========================INPUT PARAMETER ==================

v=2.76 % kecepatan angin dominan -->meter per detik, <(h) m/detik
sdt=136.39 % sudut kecepatan angin dominan -->derajat, dr sumbu-x positif
D=0.5 % koefisien dispersi
h=10.0 % ukuran grid (dx=dy=h) -->meter per grid
t=3600.0 % waktu simulasi total -->detik
dt=10.0 % step waktu per iterasi
gdim=80 % dimensi grid -->gdim meter, luasan area =gdimxgdim meter persegi
s1=xlsread('fatmawati-114-0900.xls'); % lokasi dan besaran sumber polutan
%s1=zeros(gdim,gdim)
%s1(20,20)=50
%==========================AKHIR INPUT ========================

s=flipud(s1); % balik matriks input atas->bawah, bawah->atas
src=zeros(gdim+2,gdim+2);
for i=1:gdim
for j=1:gdim
src(i+1,j+1)=dt*s(i,j); % source dalam matriks yang mengandung batas
end
end

vx=v*cos(pi*sdt/180); % komponen kecepatan arah x
vy=v*sin(pi*sdt/180); % komponen kecepatan arah y

del_x=vx*dt/h; % perubahan index arah x
del_y=vy*dt/h; % perubahan index arah y
x_hat=del_x/abs(del_x); % vektor satuan normal x
y_hat=del_y/abs(del_y); % vektor satuan normal y
if del_x>h;xjump=round((del_x-mod(del_x,h))/h);else xjump=0;end;
if del_y>h;yjump=round((del_y-mod(del_y,h))/h);else yjump=0;end;
alfa_x=abs((del_x-xjump*h)/h); % koefisien interpolasi x
alfa_y=abs((del_y-yjump*h)/h); % koefisien interpolasi y

loop_num=round(t/dt); % jumlah iterasi yang diperlukan berdasar t dan time-step
r=D*dt/(h^2); % koefisien difusi

% konsentrasi polutan pada time step sebelumnya
CC=zeros(gdim+2,gdim+2); % nilai awal konsentrasi =0
for lp=1:loop_num % loop utama, t=0 s/d t
Formatted: Finnish
vi

cm
% LANGKAH ADVEKSI
==============================================================
CC=CC+src;
CC2=zeros(gdim+2,gdim+2); % CC2 =CC, kondisi awal untuk adveksi
for i=2:gdim+1 % tentukan konsentrasi karena adveksi
for j=2:gdim+1
if((i-x_hat*xjump)<1|(i+x_hat*xjump)>gdim);xjump=1;end;
if((j-y_hat*yjump)<1|(i+y_hat*yjump)>gdim);yjump=1;end;
inter_low=abs(alfa_x*CC(i-x_hat*xjump,j)+(1-alfa_x)*CC(i,j));
inter_up=abs(alfa_x*CC(i-x_hat*xjump,j-y_hat*yjump)+(1-alfa_x)*CC(i,j-
y_hat*yjump));
CC2(i,j)=abs((1-alfa_y)*inter_low+alfa_y*inter_up); % INTERPOLASI
BILINIER
end
end

% AKHIR LANGKAH ADVEKSI
===========================================================

% LANGKAH DIFUSI
==============================================================
% matriks b (nilai-nilai yang diketahui, sisi kanan AC=b)
% CC(:,:)=0;
% for loop=1:dt
for i=2:gdim+1
for j=2:gdim+1
CC(i,j)=r*(CC2(i-1,j)+CC2(i+1,j)+CC2(i,j-1)+CC2(i,j+1))+(1-4*r)*CC2(i,j);
end
end
% end

% AKHIR LANGKAH DIFUSI
============================================================
end % akhir loop utama

% PLOTTING
============================================================

figure(1);
contour(CC,10);
hold on
[Cont,Lbl]=contourf(CC,10);
clabel(Cont,Lbl);
title('Kontur Konsentrasi Polutan (\mugr/m^3)','FontSize',14)
xlabel('Barat <------------>Timur')
vii

cm
ylabel('Selatan <----------->Utara')
colorbar('vert');
contour(s,'w');
scatter(32.25,20,'*y');

hold off
%gtext('Titik monitoring','fontsize',12);
figure(2);
surf(CC);
fCC=flipud(CC)
save('output.txt','fCC','-ascii')
%gtext('J alan Fatmawati')
%gtext('TOL JORR')
for i=1:80
for j=1:80
Konsen(i,j)=CC(i+1,j+1);
end
end
xx=0:79;
yy=0:79;
zz=Konsen;
fat_mon=interp2(xx,yy,zz,32.25,20)*1e-3
max(max(Konsen))*1e-3

%=======================================END ==================

Formatted: German (Germany)
Formatted: Left, Line spacing: single,
Tab stops: 5,11 cm, Left

2008 Nsu 1

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

2008 Nsu 1

Diunggah oleh

Hak Cipta:

Format Tersedia

Formatted: Tab stops: Not at 7,62

Anda mungkin juga menyukai