TUGAS RANGKUMAN

MANAJEMEN RISIKO LINGKUNGAN

EPA’s Risk-Screening Environmental Indicators

(RSEI) Methodology

Disusun oleh:

Atika Yulliana Sari (1406532192)

Pengajar : Dr. Ir. Setyo Sarwanto Mursidik DEA.

PROGRAM STUDI TEKNIK LINGKUNGAN

DEPARTEMEN TEKNIK SIPIL
FAKULTAS TEKNIK UNIVERSITAS INDONESIA
DEPOK
2017
1. Pendahuluan
RSEI adalah sebuah alat yang menilai dampak potensial dari emisi
industri yang dilihat dari perspektif massanya (dalam pound), bahayanya, dan
risiko yang mungkin terjadi. Massa zat kimia yang dihasilkan oleh industri
digunakan untuk memeriksa dampak potensial terhadap kesehatan dan
lingkungan. Pemeriksaan ini mengasumsikan bahwa seluruh bahan kimia
memiliki tingkat toksisitas dan paparan ke manusia yang sama. RSEI
mempertimbangkan informasi-informasi berikut:
● Jumlah zat kimia yang dikeluarkan
● Toksisitas zat kimia
● Nasib dan transpor zat kimia di lingkungan
● Rute dan luasnya paparan ke manusia
● Jumlah orang yand terpengaruh
Perlu ditekankan bahwa RSEI bukan penilaian risiko secara detail dan
kuantitatif, tetapi hanya menyediakan tingkat penyaringan/evaluasi saja dari
risiko yang ditimbulkan oleh pengeluaran zat kimia. Pendekatan RSEI sangant
fleksibel dan dapat diimplementasikan dalam berbagai cara.

2. Deskripsi Umum Model RSEI

Terdapat tiga komponen utama yang diguanakan dalam model ini untuk
mendapatkan hasilnya yaitu (1) Jumlah ahan kimia; (2) Beban toksisitas; dan
(3) Permodelan paparan dan populasi. Untuk setiap pola paparan yang
berasosiasi dengan setiap pengeluaran zat kimia, model ini akan membentuk
elemen indikator. Setiap elemen indikator ini terasosiasi dengan seperangkat
hasil yang dilihat dari perspektif massanya, bahayanya, dan risiko yang
mungkin terjadi/skor. Skor tidak memiliki satuan dan proporsional terhadap
dampak potensial dari risiko setiap elemen.
Risk-Related Results (Skor)
Skor ini didapatkan dengan mengalikan beban toksisitas, dosis
pengganti (surrogate dose), dan populasi. Dosis pengganti ditentukan melalui
 permodelan paparan yang spesifik dari nasib dan transport zat kimia di
lingkungan yang dikombinasikan dengan faktor paparan yang spesifik
terhadap populasi.
Hazard-Based Results
Hasil ini dihitung dengan mengalikan massa (pound) yang dikeluarkan
dengan beban toksisitas yang spesifik terhadap zat kimianya. Beban
Toksisitas Penghirupan digunakan untuk transfer zat kimia ke udara lepas,
tumpukan udara dan insenerasi off-site. Beban Toksisitas Mulut digunakan
untuk zat kimia yang keluar langsung ke air dan berpindah ke instalasi
pengolahan air limbah (IPAL).
Pounds-Based Results
Hasil ini merefleksikan jumlah pound zat kimia yang keluar atau
tertransfer yang dilaporkan ke Toxics Release Inventory (TRI). Setelah hasil-
hasil yang ada dihitung untuk setiap elemen indikator, hasil-hasil ini dapat
dikombinasikan dalam berbagai cara. Salah satunya adalah dengan
menjumlahkannya sehingga didapatkan hasil RSEI yang sesuai dengan
persamaan di bawah ini:

𝑅= ∑ ∑ ∑ 𝐼𝐸𝑐,𝑓,𝑝

R = Hasil RSEI
IEc,f,p = Hasil elemen indokator yang chemical-facility-pathway-
specific

3. Data Emisi TRI

Toxics Release Inventory (TRI) merupakan data mengenai pengeluaran
zat kimia dan transfernya yang dipublikasikan oleh Environmental Protection
Agency (EPA). Pada database ini terdapat informasi mengenai pengeluaran
zat kimia beracun dan aktivitas pengelolaan limbah lainnya yang dilaporkan
secara tahunan. Data-data talam TRI merupakan sumber inisial dari data
kuantitatif pada patensi paparan kronis manusia.
4. Metode Perhitungan Berat Toksisitas
Kriteria EPCRA Section 313 mencantumkan beberapa parameter toksisitas
manusia yang harus dipertimbangkan EPA saat mengevaluasi bahan kimia untuk
penambahan TRI, termasuk toksisitas akut, kanker atau efek teratogenik,
disfungsi reproduksi yang ireversibel, gangguan neurologis, mutasi genetik yang
dapat diwariskan, atau efek kesehatan kronis lainnya. Definisi jenis toksisitas
terdapat pada tabel berikut.

Endpoint Definisi
Karsinogenitas Kemampuant dari zat kimia untuk membuat kanker
pada binatang atau manusia

Kegagalan untuk mengirimkan informasi genetic. Ini

dapat melibatkan setidaknya tiga mode tindakan yang
Mutasi Genetik dan terpisah: perolehan dan kehilangan keseluruhan
Kromosom yang kromosom (aneuploidization), penyusunan kembali
Dapat Diwariskan bagian-bagian dari kromosom (clastogenesis), dan
penambahan atau pengurangan sejumlah pasangan basa
pada DNA (mutagenesis)

Toksisitas Efek merugikan apapun yang dihasilkan oleh paparan

Perkembangan ke organisme yang sedang berkembang pada fase
embrio sehingga menyebabkan: kematian sebelum
melahirkan atau kematian cepat setelah kelahiran,
ketidaknormalan struktur tubuh, perubahan
pertumbuhan, dan deficit fungsional (e.g. imun yang
lebih lemah, gangguan belajar, dsb).

Toksisitas Reproduktif Gangguan dengan perkembangan dari kapasitas

reproduktif normal. Zat kimia dapat mempengaruhi
fungsi gonat, siklus ovulasi, perilaku kawin, konsepsi,
proses kelahiran, laktasi, dan menyusui.

Toksisitas Akut Potensi untuk paparan jangka pendek (biasanya dalam

jam atau hari) dengan rute penghirupan, mulut, atau
kulit yang dapat menyebabkan efek kesehatan akut atau
bahkan kematian

Toksisitas Kronis Potensi untuk segala efek merugikan selain kanker yang
diobservasi pada manusia atau binatang yang
 menghasilkan paparan jangka panjang (biasanya dalam
bulan atau tahun) untuk sebuah zat kimia.

Neurotoksisitas Perubahan pada sistem syaraf pusat maupun peripheral,

yang mungkin secara morfologi maupun fungsional

4.1 Skema Pembentukan Toksisitas untuk Karsinogen dan Non-karsinogen

Metode RSEI menggunakan sistem proporsional dari bobot numerik yang
mencerminkan toksisitas bahan kimia relatif terhadap satu sama lain. Berat
toksisitas bahan kimia meningkat karena potensi toksikologi menyebabkan
peningkatan efek kronis pada kesehatan manusia.
Faktor-faktor yang dapat digunakan untuk menurunkan toksisitas zat kimia
meliputi jumlah efek yang diakibatkannya, tingkat keparahan relatif dari efek
yang ditimbulkannya, potensi bahan kimia untuk satu atau lebih efek dan
ketidakpastian dalam mengkarakterisasi efek. Metode RSEI berfokus pada dua
faktor terakhir (potensi dan ketidakpastian pada karakteristik efek), dan dengan
demikian mempertimbangkan unsur kuantitatif dan kualitatif untuk menilai
toksisitas relatif bahan kimia.

4.1.1 Data Kualitatif

Pendekatan data kualitatif dimaksudkan untuk membedakan toksisitas
relatif bahan kimia secara seragam. Saat mengevaluasi potensi toksisitas bahan
kimia pada manusia, penilai risiko menggunakan berbagai data. Data ini
membentuk sekumpulan bukti mengenai potensi bahan kimia beracun untuk
menimbulkan efek kesehatan tertentu pada manusia. Penilai risiko dapat menilai
secara kualitatif kekuatan bukti ini saat menentukan probabilitas terjadinya efek
pada manusia. Berdasarkan penilaian ini, bahan kimia tersebut diberi klasifikasi
bobot bukti WOE (Weight Of Evidence). Skema weight-of-evidence dapat
dirancang untuk menunjukkan apakah bahan kimia menyebabkan efek kesehatan
tertentu secara umum, atau khusus pada manusia.
 Untuk efek kanker, sistem WOE yang disajikan dalam metode ini
bergantung pada definisi kategoris dari Pedoman EPA 1986 (1986), yang
berhubungan dengan potensi bahan kimia menjadi karsinogenik bagi manusia.
The Cancer Guidelines menentukan enam kategori WOE yaitu kategori A, B1,
B2, C, D dan E. Dalam model RSEI, kategori weight-of-evidence A, B1, dan B2
(dikenal dan kemungkinan karsinogen) digabungkan. Di bawah skema HRS,
kategori A, B, dan C masing-masing dipertimbangkan secara terpisah. Bahan
kimia Kelas C (kemungkinan karsinogen) diberi bobot dengan membagi berat
toksisitas yang dihitung dengan faktor 10, karena bukti bahwa penyebab kanker
pada manusia kurang pasti. Kategori D dan E tidak dipertimbangkan dalam
skema pembobotan ini (yaitu, tidak ada bobot toksisitas yang ditetapkan).
Untuk efek noncancer, weight-of-evidence dianggap secara kualitatif dalam
langkah identifikasi bahaya untuk menentukan RfD atau RfC. Evaluasi WOE
untuk efek non kanker berbeda dengan efek karsinogenik. Penilaian WOE untuk
efek non-kanker berfokus pada dosis di mana paparan bahan kimia akan relevan
dengan manusia (Dourson, 1993). Artinya, fokus evaluasi WOE dan ekspresi
tingkat kepercayaan pada RfD adalah penilaian ketepatan yang dengannya dosis
yang relevan dengan manusia telah diperkirakan.

4.1.2 Data Kuantitatif

Data kuantitatif mengenai potensi bahan kimia relatif diperlukan untuk
pembobotan toksisitas. Data ini umumnya hasil dari analisis yang dilakukan
selama tahap ketiga penilaian risiko yaitu penilaian dosis-respon. Tahap ini
melibatkan penggambaran hubungan kuantitatif antara jumlah paparan bahan
kimia dan tingkat bahaya toksik atau penyakit yang diamati. Risiko yang
ditimbulkan oleh paparan bahan kimia tidak dapat dijelaskan tanpa data respons
dosis kuantitatif. Mungkin ada banyak hubungan dosis-respons yang berbeda
untuk bahan kimia jika menghasilkan efek toksik yang berbeda dalam kondisi
paparan yang berbeda.
 Untuk penilaian risiko kanker, EPA secara kuantitatif memodelkan fungsi
doserespons dari karsinogen potensial dan biasanya memberikan perkiraan
sebagai berikut
1) Oral Slope Factors (OSFs), mewakili perkiraan batas atas slope kurva
respons-dosis di daerah dosis rendah untuk karsinogen, dan merupakan
ukuran potensi kanker. Satuan OSFs yaitu(mg/kg-hari)-1.
2) Inhalation Unit Risks (IURs), adalah risiko kanker seumur hidup yang
diperkirakan menghasilkan paparan terus menerus terhadap agen dengan
konsentrasi 1 μg / m3 di udara (berat toksisitas RSEI didasarkan pada nilai ini
bila dinyatakan sebagai risiko per mg/m3).
Berat jenis toksisitas kanker mulut RSEI menunjukkan bahwa zat beracun relatif
terhadap kandungan yang menghasilkan 1 dari 1 juta risiko1 pada dosis harian
rata-rata 1 mg/kg-hari. Jika OSF lebih besar dari faktor kemiringan (yaitu
substansi lebih beracun daripada faktor kemiringan), OTWc lebih besar dari 1.
𝑂𝑆𝐹 𝑘𝑔 − 𝑑𝑎𝑦/𝑚𝑔
𝑂𝑇𝑊𝑐 =
10−6 𝑘𝑔 − 𝑑𝑎𝑦/𝑚𝑔
Untuk penilaian risiko non-kanker, data dosis-respons biasanya lebih
terbatas. Umumnya, penilai risiko mengevaluasi dosis yang dibandingkan
dengan Reference Dose (RfD) dengan satuan mg/kg-hari atau Inhalation
Reference Concentration (RfC) dengan satuan mg/m3. Baik RfD dan RfC
didefinisikan sebagai perkiraan dari keterpaparan setiap hari kepada populasi
manusia yang mungkin tidak dapat diukur risiko efek merugikan [noncancer]
selama seumur hidup.
Menurut definisi, paparan di bawah RfD / RfC tidak mungkin menghasilkan
efek samping. Di atas nilai ini, individu yang terpapar mungkin berisiko terkena
dampaknya. Namun untuk dosis tertentu di atas RfD / RfC, probabilitas atau
tingkat keparahan spesifik suatu efek tidak diketahui. Untuk tujuan model RSEI,
diasumsikan bahwa risiko non-kanker bervariasi sebagai rasio taksiran dosis
terhadap RfD / RfC.
 Berat toksik non-kanker RSEI oral (OTWnc) menunjukkan bagaimana zat
beracun relatif terhadap arbitrary dose 1 mg/kg-hari. Jika RfD lebih besar dari
arbitrary dose, maka OTWnc kurang dari 1.
1 𝑚𝑔/𝑘𝑔 − 𝑑𝑎𝑦
𝑂𝑇𝑊𝑛𝑐 =
𝑅𝑓𝐷 𝑚𝑔/𝑘𝑔 − 𝑑𝑎𝑦

4.1.3 Algoritma untuk Perhitungan Berat Toksisitas

Metode RSEI menggunakan beberapa algoritma yang berbeda untuk
menetapkan bobot toksisitas. Berat toksisitas RSEI dirancang sebanding dengan
toksisitas suatu zat. Zat yang lebih beracun yaitu yang semakin tinggi berat
toksisitasnya.
Nilai toksisitas untuk jalur inhalasi biasanya dinyatakan dalam satuan
paparan, yaitu mg kimia per m3 udara. Metodologi pembobotan toksisitas
menggunakan faktor paparan manusia dewasa standar untuk tingkat inhalasi (20
m3/hari) dan berat badan (70 kg) untuk memodifikasi nilai toksisitas yang
dinyatakan dalam satuan paparan. Semua toksisitas RSEI dinyatakan dalam
satuan timbal balik mg/kg-hari.
Seperti yang ditunjukkan oleh perhitungan ini, berat toksisitas non-kanker
sebanding dengan timbal balik RfD atau RfC untuk jalur paparan oral dan
inhalasi. Bobot toksisitas kanker sebanding dengan OSF atau IUR, untuk jalur
paparan oral dan inhalasi.
Dalam algoritma yang digunakan untuk menghitung berat toksisitas RSEI,
bahan kimia yang tergolong kategori WOE C diberi algoritma yang sama dengan
kategori WOE A dan B, namun OSF atau IUR dibagi dengan faktor tambahan 10
karena bukti penyebab kanker pada manusia tidak pasti.

4.2 Memilih Berat Akhir Toksisitas

Masing-masing bahan kimia diberi empat toksisitas bobot, sesuai dengan
ketersediaan RfC, RfD, IUR dan OSF. Hasil RSEI dapat menggunakan bobot
toksisitas berbeda, tergantung pada data. RSEI Score dan RSEI Hazard
menggunakan tingkat toksisitas kanker / non kanker yang lebih tinggi untuk
setiap rute paparan (oral / inhalasi), dan jika satu rute kehilangan bobot toksisitas,
maka bobot jalur lainnya digunakan. Skor kanker dan hasil bahaya kanker hanya
menggunakan bobot toksisitas kanker (IUR untuk rute inhalasi atau OSF untuk
rute oral), dan jangan menggunakan bobot RfC/RfD walaupun IUR atau OSF
hilang. Demikian pula, skor non-kanker dan hasil non-kanker hanya
menggunakan bobot berbasis RfC atau RfD.
RSEI Score dan RSEI Hazard memilih tingkat toksisitas kanker / non
kanker yang lebih tinggi untuk setiap rute paparan (oral / inhalasi), dan jika satu
rute kehilangan bobot toksisitas, digunakan rute lain. Jika data hanya tersedia
untuk satu rute, berat toksisitas yang sama diterapkan untuk kedua rute, asalkan
tidak ada bukti efek spesifik rute atau terbatas pada "portal masuk" ke dalam
tubuh.
Pendekatan pembobotan berdasarkan efek samping yang paling sensitif
tidak mempertimbangkan perbedaan jenis, jumlah atau target efek yang
ditimbulkan oleh bahan kimia. Pada prinsipnya, bahan kimia yang menyebabkan
jenis efek tertentu dapat diberi bobot tambahan jika ada kekhawatiran khusus
untuk jenis efek tersebut. Tetapi, menerapkan bobot tambahan berdasarkan
jumlah titik akhir dapat meremehkan beberapa bahan kimia lain, sehingga pilihan
untuk menerapkan bobot tambahan berdasarkan jumlah dan tingkat keparahan
titik akhir relatif tidak diadopsi.

4.3 Kelompok Kimia

TRI mengumpulkan informasi untuk beberapa bahan kimia sebagai
kelompok gabungan, seperti eter glikol, senyawa aromatik polikliklik, dan
senyawa logam. Untuk senyawa logam, RSEI menggabungkan bentuk unsur
logam dengan kategori senyawanya. Hal ini dilakukan untuk mencerminkan
ketidakpastian identitas kimia substansi yang dilepaskan.
Untuk semua kelompok kimia, data untuk anggota kelompok yang paling
beracun digunakan untuk mewakili toksisitas keseluruhan kelompok. Ada tiga
pengecualian, yaitu
1) senyawa kromium dan kromium
2) senyawa aromatik polisiklik (PAC)
3) senyawa dioksin dan dioksin.

4.4 Sumber Data

Informasi mengenai data efek kesehatan manusia pada bahan kimia TRI
dikumpulkan dari sumber berikut seperti IRIS, NATA, OPP, ATSDR, CalEPA,
PPRTVs, HEAST maupun data turunan yang didapat dari peninjauan data lain
yang tersedia untuk mendapatkan bobot toksisitas yang sesuai. Tetapi, nilai
turunan ini tidak setara dengan proses IRIS yang lebih ketat dan intensif sumber
daya dan hanya berguna untuk tujuan tingkat skrining.
Data dari sumber-sumber tersebut dikategorikan dalam tiga tingkat, mode
hierarkis untuk memberi preferensi pada sumber data EPA dan konsensus, jika
memungkinkan. Hirarki yang digunakan dalam pembobotan toksisitas adalah
sebagai berikut:
1) Tier 1. Data terbaru dari IRIS dan OPP digunakan untuk setiap titik akhir
kesehatan kronis. Jika tanggalnya sebanding, preferensi diberikan kepada
IRIS. Jika NATA telah membuat keputusan kebijakan untuk menggunakan
sumber data alternatif, maka digunakan data tersebut kecuali jika dinyatakan
lain oleh pertimbangan pemodelan.
2) Tier 2. Dengan tidak adanya data dari sumber di atas untuk titik akhir
kesehatan kronis individu, data toksisitas dari entri terbaru di ATSDR dan
CalEPA digunakan
3) Tier 3. Dengan tidak adanya data dari sumber di atas untuk titik akhir
kesehatan kronis individual, sumber data berikut, dalam urutan ini, digunakan:
1) PPRTV; 2) HEAST; 3) Derived; dan 4) nilai IRIS yang sebelumnya
digunakan dalam pembobotan toksisitas, yang ditarik sambil menunggu
revisi.
Untuk bahan kimia dengan nilai risiko karsinogenisitas, weight-of-
evidence (WOE) diperoleh dengan menggunakan hirarki sumber data yang sama.
Oleh karena itu, pilihan diberikan kepada WOE's dari IRIS atau OPP. Sebagai
aturan umum, bahan kimia dengan faktor potensi kanker dari IRIS atau OPP juga
akan memiliki WOE. CalEPA, mengacu baik pada EPA atau Badan Internasional
untuk Riset Kanker (IARC). Oleh karena itu, dengan tidak adanya konsensus
EPA WOE, WOE diperoleh dari IARC. Namun, karena perbedaan definisi WOE,
tidak selalu mungkin untuk menerjemahkan IARC WOE ke dalam EPA WOE
tanpa memeriksa data toksisitasnya. WOE dicocokkan dengan cara berikut:
 IARC Grup 1 = EPA Grup A (Karsinogen Manusia)
 IARC Grup 2A = EPA Grup B (Kemungkinan Karsinogen Manusia)
 IARC Grup 2B = EPA Grup B atau Grup EPA C (Kemungkinan
Karsinogen)
 IARC Grup 3 = EPA Grup D (Tidak Dapat Diklasifikasikan Sebagai
Karsinogenisitas Manusia)
 IARC Grup 4 = EPA Grup E (Bukti Non-Karsinogenisitas)

Penunjukan IARC 2B tidak mudah diterjemahkan ke penunjukan EPA,

karena definisinya mencakup EPA Grup B dan C. Ini adalah perbedaan yang
sangat penting karena penggunaan penunjukan B2 atau C akan mempengaruhi
perhitungan berat toksisitas. Oleh karena itu, untuk bahan kimia dengan sebutan
IARC 2B, ringkasan data toksisitas yang digunakan untuk menghasilkan OSF
atau IUR dievaluasi untuk mendapatkan WOE. Sampai saat ini, pendekatan ini
telah digunakan untuk bahan kimia dengan data dari CalEPA; Oleh karena itu,
Dokumen Dukungan Teknis CalEPA “Technical Support Document for
Describing Available Cancer Potency Factors” digunakan untuk informasi latar
belakang.

4.5 Bagaimana Indikator Bobot Beracun Berbeda dengan Kriteria EPCRA

Section 313
Model ini menggunakan data pelaporan kimia TRI. Semua bahan kimia
TRI yang termasuk dalam model tercantum dalam TRI karena mereka memenuhi
satu atau lebih kriteria hukum mengenai toksisitas manusia akut atau kronis, atau
toksisitas lingkungan. Tujuan dari model RSEI adalah dengan menggunakan data
yang dilaporkan ke Agensi untuk menyelidiki dampak pelepasan risiko berbasis
risiko dan transfer bahan kimia ini pada populasi umum pekerja non-pekerja.
Untuk mencapai tujuan ini, model tersebut membedakan toksisitas relatif bahan
kimia yang terdaftar dan memberi peringkat secara konsisten.
Kriteria untuk menambahkan bahan kimia ke dalam daftar bahan kimia
yang harus dilaporkan melalui EPCRA pasal 313 (a). Kriteria statistika yang
digunakan untuk bahan kimia daftar dan bahan kimia delisting membahas
toksisitas kronis "absolut" bahan kimia pada TRI (misalnya, banyak efek atau
tingkat keparahan efek). Untuk bahan kimia (atau kategori bahan kimia) yang
akan ditambahkan ke daftar EPCRA 313 (c) daftar bahan kimia beracun,
Administrator harus menilai apakah ada bukti yang cukup untuk menetapkan
salah satu dari yang berikut ini:
Acute Human Toxicity  Bahan kimia yang diketahui menyebabkan dampak
atau cukup dapat diantisipasi untuk menyebabkan efek kesehatan manusia akut
Chronic Human Toxicity  Bahan kimia yang diketahui menyebabkan atau
diduga dapat menyebabkan: kanker, disfungsi reproduksi, mutasi genetik, dsb
Environmental Toxicity  Bahan kimia yang diketahui menyebabkan dampak
atau cukup dapat diantisipasi untuk menyebabkan dampak, dikarenakan:
toksisitasnya, toksisitasnya dan ketahananya di lingkungan
EPA memeriksa semua penelitian yang tersedia untuk bahan kimia untuk
memutuskan apakah zat kimia tersebut mampu menyebabkan efek kesehatan
atau toksisitas lingkungan yang merugikan dalam kriteria.

5. Paparan dan Permodelan Populasi

Untuk memperkirakan besarnya potensi pemaparan dari pelepasan TRI,
evaluasi eksposur terpisah dilakukan untuk setiap jalur pelepasan kimia. Jalur
yang dievaluasi adalah:
 Udara
  Air permukaan
 Publicly-Owned Treatment Works (POTWs)
 Tanah
 Transfer off-site

Dalam metode ini, evaluasi pemaparan menggabungkan data pada pathway

dan volume emisi spesifik media, sifat fisikokimia dan, jika tersedia,
karakteristik lokasi, dengan model untuk menentukan perkiraan konsentrasi
kontaminan lingkungan di media dimana bahan kimia tersebut dilepaskan.
Konsentrasi media ambien kemudian dikombinasikan dengan asumsi paparan
manusia untuk memperkirakan "dosis pengganti" (surrogate dose).
Perkiraan dosis pengganti untuk setiap orang yang berpotensi terpapar
digabungkan dengan perkiraan jumlah orang yang berpotensi terkena. Ukuran
populasi terpapar dihitung secara terpisah untuk setiap jalur. Model ini
mengasumsikan paparan terus menerus, dan tidak menjelaskan pola aktivitas
orang yang berpotensi terpapar.
Metode yang digunakan untuk memodelkan setiap jenis pelepasan ini khusus
untuk jenis pelepasan dan bergantung pada data yang tersedia untuk
mengevaluasi jalur tersebut.

5.1 Basis Geografi dari Model RSEI

5.1.1 Model Grid Cell System
Sistem grid dibagi menjadi enam grid. Setiap sel khusus terdiri dari (1)
nomor grid, dan (2) alamat (x, y) dari sel di grid tersebut. Nomor grid (digunakan
dalam model untuk mengidentifikasi setiap grid), karakteristik grid yang dapat
digunakan untuk membuat ulang grid pada Sistem berbasis GIS, dan koordinat
bounding untuk masing-masing.
 Grid Reference Characteristics
Grid Grid Latitude Central Standard Standard Lower Left Lower Left Columns Rows
Code of Origin Meridian Parallel 1 Parallel 2 x Coord. y Coord.
(m) (m)
Conterminous
14 23°N 96°W 29.5°N 45.5°N -2,365,605 251,505 5,724 3,618
U.S.

24 Alaska 50°N 154°W 55°N 65°N -1,046,115 564,975 3,291 2,505

34 Hawaii 20.5625°N 157.5625°W 19.4375°N 21.2375°N -287,955 -185,895 739 480

Puerto Rico/
44 18°N 66.25°W 17.875°N 18.5°N -185,895 -40,095 462 129
Virgin Islands
Guam/
54 0° 155°E 12°N 15°N -1,133,595 1,468,935 203 295
Marianas

American
64 0° 170°W 12°S 15°S -91,125 -1,578,285 203 36
Samoa

Bounding Coordinates for Lower-Left (LL), Upper-Right (UR),

Lower-Right (LR), and Upper-Left (UL) Corners
Grid
Grid LL Long LL Lat UR Long UR Lat LR Long LR Lat UL Long UL Lat
Code
Conterminous
14 118.78°W 22.69°N 65.14°W 48.29°N 74.09°W 22.89°N 128.05°W 48.01°N
U.S.

24 Alaska 170.07°W 53.95°N 111.99°W 68.54°N 129.76°W 52.41°N 176.63°W 71.23°N

34 Hawaii 160.29°W 18.86°N 154.54°W 22.37°N 154.6°W 18.86°N 160.36°W 22.38°N

Puerto Rico/
44 68°W 17.63°N 64.46°W 18.58°N 64.47°W 17.63°N 68.01°W 18.58°N
Virgin Islands

Guam/
54 144.54°E 13.18°N 145.98°E 15.4°N 146.06°E 13.24°N 144.44°E 15.34°N
Marianas
American
64 170.85°W 14.38°S 169.32°W 14.12°S 169.32°W 14.38°S 170.84°W 14.12°S
Samoa

Koordinat (x, y) yang digunakan di setiap grid didefinisikan sebagai:

x = jumlah sel dari sel pusat pada arah Timur-Barat
y = jumlah sel dari sel pusat pada arah Utara-Selatan.
Perhitungannya adalah sebagai berikut:
 x  INT (Easting / 810  Adjustx )

y  INT (Northing / 810  Adjusty )

5.1.2 Menempatkan Fasilitas Pada Grid

Setelah sistem grid untuk A.S. dibuat, setiap fasilitas harus ditempatkan di grid
dan ditentukan ke sel grid. Fasilitas diproyeksikan ke setiap grid menggunakan
perangkat lunak GIS dan koordinat (x, y) sel dimana fasilitas dipetakan
ditugaskan ke fasilitas tersebut.
Fasilitas Pelaporan  RSEI menggunakan koordinat yang paling baik dari
EPA's Facility Registry System (FRS), yang mengumpulkan koordinat dan
dokumentasi terkait lokasi dari program di seluruh EPA.
Fasilitas Off-site  RSEI juga memodelkan beberapa paparan potensial yang
mungkin dihasilkan dari pelepasan bahan kimia dari fasilitas "off-site", yaitu
fasilitas yang menerima transfer dari fasilitas pelaporan TRI.

5.1.3 Menempatkan Orang Pada Grid

Untuk memperkirakan potensi paparan, populasi A.S. juga harus secara
geografis berada pada model grid. Untuk mencocokkan emisi TRI tahunan dan
menangkap pengaruh perubahan distribusi populasi, RSEI menggunakan dataset
populasi tahunan yang terperinci pada tingkat sel grid.
Data sensus A.S  Model ini menggunakan data sensus A.S. untuk tahun 1990,
2000, dan 2010 di tingkat blok
Pemetaan blok ke sel grid  Karena sel grid merupakan unit analisis untuk
model, data sensus harus ditranspose dari blok ke model sel grid.
Perhitungan populasi  Untuk setiap blok yang ditentukan pada sel grid,
populasi blok dikalikan dengan persen blok yang ditentukan pada sel grid
tersebut. Nilai tersebut kemudian dijumlahkan di setiap sel grid
5.2 Metode spesifik pathway untuk Mengevaluasi Potensi Paparan Manusia
Kronis
Bagian berikut menjelaskan algoritma pemaparan model untuk masing-
masing jalur paparan berikut:
(1) pelepasan udara yang menumpuk dan cepat hilang,
(2) pelepasan air permukaan langsung,
(3) transfer ke POTWs,
(4) transfer di luar lokasi, dan
(5) pelepasan lahan di tempat.
Bila memungkinkan, paparan diperkirakan untuk subpopulasi yang relevan
yang ditentukan oleh usia, jenis kelamin, atau faktor lainnya. Paparan untuk
subpopulasi individual dimodelkan dengan menggunakan faktor paparan
(misalnya, tingkat inhalasi, konsumsi air minum, tingkat konsumsi ikan, dan
berat badan) dan data populasi yang spesifik untuk subpopulasi semacam itu.

5.3 Modeling Air Releases

Pelepasan udara dapat dilepaskan melalui stacks ataupun fugitive reluease.

Pelepasan titik dapat dilepaskan melalui stacks, saluran, pipa atau aliran udara
terbatas lainnya. Sedangkan fugitive release meliputikebocoran, penguapan dari
permukaan impoundments, dan pelepasan unuk pembangunan sistem ventilasi.
Pemodelan ini dimodelkan sebagai dua jalur terpisah dalam model walaupun
potensi populasi terpapar dan asumsi paparan terhadap manusia sama.

5.3.1 Stack Air Emissions : Method

Stack air release dimodelkan dengan menggunakan American
Regeneratory Society / EPA Regulatory Model (AERMOD). AERMOD adalah
steady-state Gaussian plume model yang digunakan untuk memperkirakan
konsentrasi polutan downwind pada stack atau area sumber.
5.3.1.1 AERMOD
AERMODmodel dirancang khusus untuk mendukung program
pemodelan peraturan EPA, seperti yang ditentukan dalam Pedoman Model Mutu
Udara (Revisi). Pada lapisan batas stabil, ini mengasumsikan distribusi
konsentrasi menjadi Gaussian baik vertikal maupun horizontal. Dalam lapisan
batas konvektif, distribusi horizontal juga diasumsikan Gaussian, namun
distribusi vertikal dijelaskan dengan fungsi kepadatan probabilitas bi-Gaussian.
Selain itu, di lapisan batas konvektif, AERMOD memperlakukan "plume
lofting," dimana sebagian massa plume, dilepaskan dari sumber apung, naik ke
dan tetap berada di dekat lapisan paling atas sebelum dicampur ke dalam lapisan
batas konvektif.

5.3.1.2 Model Dispersion Options

AERMOD digunakan dengan pilihan yang sudah diatur, kecuali yang
berikut ini: peluruhan kimia spesifik dipertimbangkan (opsi TOXICS with SCIM
digunakan), dan medan datar diasumsikan. Pilihan non-standar pemodelan
daerah urban dengan pemanasan permukaan yang meningkat tidak dipergunakan
datanya. Data cuaca dari stasiun pengamatan National Weather Service (NWS)
digunakan sebagai input meteorologi (lihat Bagian 5.3.1.4 di bawah).

5.3.1.3 Source Parameter

Dalam model RSEI, AS diwakili oleh sistem grid yang terdiri dari sel grid
810 m x 810 m2. Fasilitas digunakan ke sel grid tertentu di grid ini sesuai dengan
koordinat lintang dan bujur mereka. Untuk meningkatkan efisiensi pemodelan,
sebuah fasilitas kemudian diasumsikan berada di pusat sel grid, terlepas dari
mana koordinat lintang dan bujurnya menempatkannya di dalam sel.
Sebagai hasil dari asumsi ini, lokasi sebenarnya dari fasilitas mungkin berbeda
dari lokasi yang dimodelkannya sampai dengan 573meter, jarak maksimum
antara pusat dan sudut sel. Untuk menyederhanakan analisis, emisi sumber
sumber suatu fasilitas dimodelkan sebagai sebuah stacks tunggal yang terletak di
pusat geografis fasilitas tersebut.
 453,6 𝑞
𝑄=
31.536.000

Q = Laju emisi polutan (g/dtk)

Q = Emisi tahunan TRI pada stack atau titik

453,6 = Konstanta untuk konversi pounds (lbs) ke gram (g

31.536.000 = Konstanta untuk konversi tahun ke detik

5.3.1.4 Meteorological Input Data

Untuk sumber polutan tertentu, meteorologi di sekitar sumber
mempengaruhi karakteristik dispersi. Faktor meteorologi seperti kecepatan dan
arah angin, suhu udara, stabilitas, turbulensi dan tinggi lapisan pencampuran
semuanya memiliki efek langsung terhadap dispersi dan pengenceran
pencemaran udara dan besarnya dan konsentrasi konsentrasi polutan yang
dihasilkan.
AERMOD dirancang untuk berjalan dengan parameter meteorologi yang
diamati, dan hanya memerlukan satu pengukuran permukaan angin, arah angin
dan suhu lingkungan. Perluasan udara di pagi hari penuh diperlukan untuk
menghitung ketinggian pencampuran konvektif sepanjang hari. Karakteristik
permukaan (kekasaran permukaan, rasio Bowen, dan albedo) juga diperlukan
untuk membangun profil kemiripan Planetary Boundary Layer atau
PBLparameter yang relevan.

5.3.1.5 Calculating Pollutant Concentration

RSEI menghitung konsentrasi udara pada "reseptor" hipotetis yang
berada dalam lingkaran dengan radius 49 km di sekitar setiap fasilitas.
Konsentrasi yang diberikan ke sel grid yang mengandung reseptor ditentukan
pada titik di sel yang terdekat dengan fasilitas (lihat Gambar 5.2). Untuk sel grid
antara titik reseptor di mana perhitungan dibuat, konsentrasi diinterpolasi dengan
menggunakan teknik pembobotan spasial.
 Untuk menentukan jarak optimal, EPA memodelkan konsentrasi udara
untuk 20 karsinogen paling toksik dan 20 karsinogen paling beracun termasuk
model di berbagai ketinggian stacks. Analisis ini menunjukkan bahwa
memanjang model jarak sampai 50 km diperlukan untuk menangkap potensi
konsentrasi di bawah kondisi atmosfer tertentu. Jarak ini diharapkan dapat
menangkap sebagian besar dampak potensial dari fasilitas TRI, termasuk utilitas
listrik, yang biasanya memiliki tumpukan lebih tinggi daripada fasilitas lainnya.
Detil analisis ini dapat ditemukan di Bagian B Analisis yang Dilakukan untuk
Indikator Lingkungan Pemindaian Risiko.

5.3.2 Fugitive Air Release : Method

Seperti untuk rilis udara stack, konsentrasi polutan jangka panjang
melawan fasilitas angin karena pelepasan udara ekspres TRI dilaporkan
dimodelkan menggunakan algoritma dari AERMOD.

5.3.2.1 Model dispersion options

Pilihan dispersi model yang digunakan dalam pemodelan pelepasan udara
ekspres sama dengan yang digunakan untuk pelepasan udara stack, seperti yang
dijelaskan pada Bagian 5.3.1.2
5.3.2.2 Source Options
Fugitive emissions dimodelkan sebagai sumber wilayah yang berukuran
10 meter dengan jarak 10 meter, terletak di pusat sel yang berisi fasilitas tersebut.
Model ini mengasumsikan tinggi lepaskan di permukaan tanah.
Fugitive emissions dikonversi dari pon per tahun menjadi gram per meter persegi
per detik (g / m2) sesuai dengan persamaan berikut:

453,6 𝑞𝑎
𝑄𝑢 =
31.536.000 × 102

Qa = Laju emisi polutan (g/m2 dtk)

qa = Emisi tahunan TRI pada stack atau titik (lbs/tahun)

453,6 = Konstanta untuk konversi pounds (lbs) ke gram (g)

31.536.000 = Konstanta untuk konversi tahun ke detik

102 = Faktor konversi untuk emisi tahunan (g/s) menjadi laju emisi
luassan (g/m2 dtk), dengan asumsi area 10 m x 10 m

5.3.2.3 Menghitung Konsentrasi Polutan

Konsentrasi polutan pelepasan udara ekspres dihitung dengan
menggunakan AERMOD, seperti yang dijelaskan di atas untuk rilis udara pada
stack.

5.3.3 Calculating Surrigate Dose for Air Releases

Konsentrasi udara yang dihitung yang dijelaskan sebelumnya
dikombinasikan dengan asumsi mengenai tingkat inhalasi dan berat badan
manusia sampai pada dosis pengganti untuk sel yang diberikan:
𝐶𝑎𝑖𝑟 × 𝐼𝑎𝑖𝑟 1
𝐷𝑂𝑆𝐸𝑎𝑖𝑟 = ×
𝐵𝑊 1000

DOSEair = Dosis pengganti kontaminan dari udara (mg/kg-hari)

Cair = Konsentrasi udara pada sel (µm/m3)
Iair = Laju inhalasi (m3/hari)
BW = Berat badan manusia (kg)
1000 = Konstanta untuk konversi dari (µg) menjadi (mg)

5.3.4 Estimasi ukuran populasi dari pelepasan udara

Populasi yang berpotensi terkena pelepasan udara diasumsikan sama
dengan populasi yang ditugaskan ke sel grid di area dengan permodelan 810m x
810m, seperti yang dijelaskan di atas pada Bagian 5.1.3. Populasi yang
diekspektasi hanya dipertimbangkan untuk sel grid dengan konsentrasi polutan
yang tidak bernilai 0.

5.3.5 Calculating an Indicator Element for Air Releases

Gambar 5.3 memberikan gambaran grafis dari langkah-langkah untuk
menentukan komponen pemodelan udara dari model. Pertama, konsentrasi
polutan di setiap sel dihitung dengan menggunakan data emisi TRI dan algoritma
ORGRAM. Kemudian, faktor pemaparan khusus subpopulasi digunakan untuk
menghitung dosis pengganti untuk masing-masing sel. Akhirnya, dosis pengganti
dikalikan dengan jumlah orang di setiap subpopulasi di dalam sel dan dengan
berat toksisitas kimia untuk mendapatkan Elemen Indikator untuk sel grid.
Kemudian hasil untuk semua sel grid dijumlahkan. Hasilnya adalah Elemen
Indikator untuk pelepasan udara.Untuk menghitung Elemen Indikator
keseluruhan untuk semua rilis udara, langkah yang sama diikuti untuk setiap
pelepasan udara, dan hasilnya akan selesai.
5.3.6 Stock and Fugitive Air Release : Data
Jalur udara menggunakan nilai spesifik fasilitas (tinggi dan diameter stack,
dan kecepatan gas keluar), meteorologi, tingkat peluruhan udara orde pertama
yang khas kimia, dan asumsi pencahayaan (tingkat inhalasi dan berat badan).
Nilai yang digunakan untuk jalur ini adalah dirangkum dalam Tampilan 5.4.
5.3.6.1 Stck Height, Stack diameter and Exit Gas Velocity
Data parameter stack (tinggi, diameter, dan kecepatan keluar gas)
diperoleh dari NEI 2011. Untuk setiap fasilitas TRI yang memiliki data parameter
stack di NEI, parameter median dari semua tumpukan di fasilitas tersebut
digunakan.
Analisis telah dilakukan yang menunjukkan konsentrasi udara yang
diprediksi oleh model dengan menggunakan kombinasi data generik dan spesifik
lokasi yang sesuai dengan perkiraan perkiraan dengan menggunakan data
spesifik lokasi yang lebih lengkap.
5.3.6.2 Meterologi
Data meteorologi yang digunakan di RSEI mengacu pada Model Paparan
Manusia EPA, Versi 3 (HEM-3), sebuah model untuk penggunaan penilaian
risiko toksik udara spesifik lokasi. RIA menggunakan data cuaca yang termasuk
dalam perpustakaan data HEM-3 EPA, yang memiliki Telah dipersiapkan dengan
menggunakan prosesor meteorologi AERMOD, AERMET.AERMET
memerlukan observasi cuaca permukaan per jam dan suara udara atas dua kali
sehari penuh (yaitu, variabel meteorologi yang dilaporkan di semua tingkat).
Stasiun udara permukaan dan atas dipasangkan untuk menghasilkan file data
yang diperlukan untuk diinput
Untuk menyederhanakan pemrosesan dan meminimalkan jumlah jaminan
kualitas yang dibutuhkan, pemrosesan HEM-3 dibatasi pada data meteorologi
yang dikumpulkan sebelum pemasangan Automated Surface Observation
System (ASOS).
Karakteristik permukaan tertentu harus ditentukan saat memproses data
meteorologi menggunakan AERMET, termasuk panjang kekasaran permukaan,
rasio Bowen (indikator kelembaban permukaan), dan albedo (indikator
reflektifitas permukaan).
 Permukaan kekasaran panjang = 0,25 m. Di lokasi meteorologi bandara,
kekasaran permukaan meliputi landasan pacu, bangunan terminal dan
struktur bandara lainnya. Selain itu, struktur off-airport seringkali berada
dalam jarak 3 kilometer dari lokasi pengukuran. Kombinasi tutupan lahan
ini menunjukkan nilai 0,2 -0,3 meter sesuai.
 Bowen ratio = 1.0. Mewakili partisi yang sama dari fluks panas Albedo =
0,15. Mewakili kondisi untuk semua musim, termasuk musim dingin
tanpa penutup salju terus-menerus.
 File STNS.TXT yang terletak di CD HUSWO digunakan untuk
ketinggian anemometer yang dibutuhkan oleh AERMET. Ketinggian ini
berada pada meter terdekat dan dianggap sesuai untuk digunakan dalam
aplikasi ini.
5.3.6.3 First Order Air Decay Rates
Polutan dapat dihilangkan dari atmosfer dengan proses fisik maupun
transformasi komia. Permodelan menggunakan laju pembusukan polutan
spesifik udara dari Program Oksidasi Atmosferik SRC (AOPWIN) yang
mengestimasikan konstanta laju orde kedua untuk reaksi atmosferik, fase gas
antara radikal hidroksil dan kimia organic yang dihasilkan fotokimia. Karena
produk anak fotodegradasi belum dipermodelkan, maka diasumsikan bahwa
semua kimia terfotodegradasi menjadi senyawa non toksik. Untuk permodelan,
konsentrasi radikal hidroksil 1.5 x 106 mol/cm3 digunakan untuk mengubah
konstanta laju orde dua menjadi konstanta orde satu. Setelah itu, laju dibagi
dengan faktor angka 2 yang mengasumsi bahwa rata-rata panjang hari 12 jam:

𝐴𝑂𝑃𝑊𝐼𝑁
𝐾𝑢𝑑𝑎𝑟𝑎 = ∗ 1.5 × 106 ∗ 3600
2
Dengan
Kudara = laju pembusukan udara (/jam)
AOPWIN = konstanta laju orde dua dari AOPWIN
1.5×106 = konsentrasi radikal hidroksil (mol/cm3)
3600 = konstanta untuk mengubah mol/detik menjadi mol/jam
2 = konstanta merefleksikan asumsi panjang hari 12 jam

5.3.6.4 Asumsi dan Data Paparan Manusia

Untuk jalur paparan udara, laju inhalasi spesifik jenis kelamin dan umur,
beserta berat badan digunakan dalam permodelan. Sumber utama untuk segala
faktor paparan digunakan untuk permodelan, menghasilkan variasi faktor untuk
mengkaji paparan manusia dimana faktor ini meliputi: konsumsi air minum,
penelanan tanah, laju inhalasi, faktor dermal (termasuk area kulit dan ketaatan
tanah), konsumsi buah dan sayur, ikan, daging, produk susu, makanan dari
rumah, intake ASI, faktor aktivitas manusia, penggunaan produk consumer, dan
karakteristik lingkungan rumah. RSEI mengunakan inhalasi dan berat badan
yang diambil dari faktor terekomendasi.
EFH digunakan untuk memperkirakan laju inhalasi dari delapan kelompok
umur-kelamin (0-17, 18-44, 45-64, dan 65+ tahun). Karena laju inhalasi
rekomendasi EFH dan RSEI tidak mengkategorikan kelompok umur yang sama,
dan faktor paparan harus dihitung dengan laju inhalasi rerata untuk semua
kelompok umur EFH yang mengikutkan kelompok umur RSEI:
∑𝑖(𝐼𝑅𝑖 ∗ 𝑛𝑖 )
𝐸𝐹 =
𝑁
Dimana EF = faktor paparan RSEI
IRi = laju intake untuk kelompok umur i EFH
ni = jumlah tahum yang kelompok umur i EFH mencakup RSEI
N = jumlah tahun pada kelompok umur RSEI

Untuk orang dewasa, EFH hanya menyediakan satu cakupan rekomendasi

laju inhalasi untuk pria dan wanita. Faktor inhalasi RSEI berdasarkan berat rerata
yang dihitung menggunakan persamaan: . Data berikut menunjukkan cakupan
data yang digunakan dan faktor paparan yang digunakan akhirnya pada
permodelan:
Tabel 1 Cakupan Data yang Digunakan untuk Faktor Estimasi Paparan
Parameter Nilai Sumber
Laju Inhalasi 3.6 – 16.3 m3/hari EPA (2011)
(bervariasi dari umur)
Berat Badan 4.6 – 90.5 kg EPA (2011)
(bervariasi dari umur
dan jender)
 Tabel 2 Faktor Paparan Melalui Inhalasi (m3/kg-hari)
Kelompok Umur Pria Wanita
Permodelan
0 -17 0.315 0.332
18 – 44 0.185 0.217
45 – 64 0.173 0.201
> 65 0.159 0.187

5.4 Permodelan Lepasan Air Permukaan

Orang-orang dapat terpapar bahan kimia yang dilepaskan ke permukaan air
melalui salah satu dari dua cara: meminum air kran dari sistem air publik yang
intakenya berlokasi di lajur aliran pelepasan kimia; atau dengan memakan ikan
terkontamnasi yang ditangkap di badan air pada lajur aliran pelepasan bahan kimia.
Pada 2015, hampir 3% emisi dan transfer TRI dilepas langsung ke air permukaan.

5.4.1 Pelepasan ke Air Permukaan: Metode

5.4.1.1 Menemukan Lokasi Debit Pelepasan Aliran
Langkah pertama mentaksir emisi air permukaan adalah dengan menemukan
lokasi debit pelepasan aliran pada permodelan dengan tahun/panjang. Data utama
diambil dari catatan EPA mengenai izin pelepasan fasilitas, di mana fasilitas tanpa
koordinat muara diasumsi mengalir ke aliran terdekat selama jarak di bawah 4 km
dari fasilitas dan memenuhi kriteria minimum untuk tipe aliran dan debit. Jika tak
ada data koordinat muara tersedia dan tak ada debit yang dapat diterima dalam 4
km, maka pelepasan tidak dipermodelkan. Data aliran tak tersedia untuk Alaska,
Guam, Samoa Amerika, dan Kepulauan Mariana Barat; dan karenanya tak ada
permodelan lepasan air permukaan untuk area tersebut.

5.4.1.2 Menghitung Konsentrasi Polutan

Konsentrasi bahan kimia pada aliran penerima pada jarak x dari pemakaian
fasilitas pada waktu t yang diperkirakan menggunakan persamaan pembusukan
sederhana orde satu, dengan asumsi pelepasan dilakukan setahun sekali.
Konsentrasi rerata tahunan kemudian diperkirakan sampai salah satu dari tiga
kondisi ini muncul: (1) pelepasan telah melalui perjalanan 300 km ke hilir; (2)
pelepasan telah melalui perjalanan ke hilir selama satu minggu; atau (3) konsentrasi
mencapai 1 × 10−9 𝑚𝑔/𝐿.
Dalam debit awal, masa yang dilepaskan diperkirakan tercampur langsung
dengan aliran di bagian hulu dari hilir tersebut. Konsentrasi dihitung di akhir hilir
aliran kemudian diubah kembali menjadi massa (setelah peluruhan) dan proses ini
diulang dalam gabungan aliran. Aliran didefinisikan oleh persimpangan dengan
hitur hidrologi dan sebagai “node” memulai aliran berikutnya koefisien peluruhan
bahan kimia khusus terutama didasarkan pada hidrolisis abiotik atau biodegradasi
mkroba, namun juga dapat mencakup fotooksidasi. Bentuk umum persalaam
peluruhan orde satu:
𝐶𝑥 = 𝐶0 𝑒 𝑘𝑤𝑎𝑡𝑒𝑟 𝑡
Dimana:
Cx = konsentrasi pada jarak x meter dari titik pelepasan fasilitas (mg/L)
C0 = konsentrasi awal (mg/L), yang sebanding dengan pelepasan kimia
(mg/hari) dibagi debit rata-rata.
kwater = koefisien peluruhan (detik-1)

untuk rilis air permukaan, model RSEI memperkirakan paparan kesehatan manusia
kronis untuk dua jalur: air minum terkontaminasi dan ikan yang tak terkontaminasi
secara komersial.

5.4.1.3 Permodelan Jalur Air Minum

Dosis pengganti air minum dihitung menggunakan konsentrasi kimia dalam
aliran dimana intake air minum berada. Data intake diperoleh dari database Suplai
Publik oleh Survey Geologis US (USGS). Setiap intake diasumsikan menggambar
air dari aliran terdekat ke lokasi terplot. Untuk jalur paparan ini, konsentrasi bahan
kimia di air minum dianggap sama dengan konsentrasi aliran (dihitung di akhir hulu
aliran, konservatid menggunakan konsentrasi tertinggi) sampai ke Tingkat
Pencemaran Maksimum (MCL) yang berlaku. Jika konsentrasi aliran melebihi
MCL, air minum diasumsikan diolah sampai tingkat MCL yang rilis tahun tersebut.
Untuk setiap aliran dengan intake air minum, konsentrasi kimia dikombinasikan
dengan parameter paparan standard untuk menghasilkan dosis pengganti:
𝐶𝑎𝑙𝑖𝑟𝑎𝑛 𝑎𝑖𝑟 ∗ 𝐼𝑎𝑖𝑟
𝐷𝑂𝑆𝐼𝑆𝑑𝑤 =
𝐵𝑊
Dimana
DOSISdw = dosis pengganti bahan kimia pada air minum (mg/kg-hari)
Caliran air = konsentrasi rata-rata kimia tahunan pada aliran, dihitung pada
akhir hulu dari aliran (mg/L)
Iair = laju penelanan air minu (liter/hari)
BW = berat badan manusia (kg)

5.4.1.4 Memperkirakan Ukuran Penduduk untuk Jalur Air Minum

Model yang digunakan adalah perkiraan populasi yang dilayani oleh setiap
intake air minum dari Database Pasokan Umum USGS yang menggabungkan
perkiraan populasi. Kekurangannya ialah data ini hanya mencakup daftar lokasi
intake dan jumlah terlayani, sementra banyak kasus meliput beberapa intake per
sistem air. Ketidakhadiran data lain mengasumsi bahwa total populasi suatu sistem
air yang terpapar konsentrasi penuh bahan kimia terlepas diperkirakan pada aliran
dimana lokasi intake air berada (dihitung pada akhir hulu aliran).
Informasi intake air munum SDWIS hanya memuat jumlah orang yang
dilayani, namun tak menyediakan informasi demografis atau lokus untuk yang
dilayani. Untuk memperoleh informasi demografis, dihitung persentasi orang pada
setiap sepuluh kategori umur-jender dari total populasi yang berlokasi di 80 km
radius setiap aliran mengandung intake air minum. Selanjutnya, persentasi ini
diaplikasikan pada populasi intake SDWIS (populasi terlayani), menciptakan
kelompok subpopulasi yang digunakan untuk menghitung hasil.

5.4.1.5 Permodelan Jalur Konsumsi Ikan

Jalur paparan potensial kedua adalah melalui konsumsi ikan terkontaminasi
bahan kimia yang dibuang dari fasilitas pelaporan TRI. Seperti pada jalur air
minum, konsentrasi bahan kimia juga dihitung sampai salah satu dari tiga kondisi
berikut terjadi: (1) Pelepasan telah berjalan 300 km ke hilir, (2) Pelepasan telah
berjalan ke hulu selama satu minggu, atau (3) kosentrasi mencapai 1 × 10−9 𝑚𝑔/𝐿.
Konsentrasi bahan kimia di ikan diperkirakan dengan persamaan:
𝐶𝑐𝑎𝑘𝑢𝑝𝑎𝑛 𝑖𝑘𝑎𝑛 = 𝐶𝑎𝑙𝑖𝑟𝑎𝑛 𝑎𝑖𝑟 ∗ 𝐵𝐶𝐹
Dimana:
Cikan, aliran = konsentrasi di ikan pada aliran spesifik (mg/kg)
Cair, aliran = konsentrasi rerata bahan kimia tahunan pada debit aliran (mg/L)
BCF = faktor biokonsentrasi untuk kiia (L/kg)

5.4.1.6 Memperkirakan Populasi untuk Jalur Pengkonsumsi Ikan

Permodelan dilakukan dengan dua langkah: (1) dataset tingkat kabupaten
berisi jumlah ijin pengangkapan ikan dan gabungan perburuan/penangkapan ikan
dari data badan perizinan ikan dan satwa liar Negara untuk data 1996 (kalau tak
tersedia, menggunakan data 1997). Jumlah ijin/lisensi kemudian dibagi jumlah
penduduk Negara pada 1990. Hasil perbandingan kemudian dikalikan jumlah
penduduk pada tahun 2000 untuk mendapatkan jumlah individu berijin memancing.
Untuk memperkirakan anggota keluarga yang juga mengkonsumsi ikan tangkapan
satu anggota, permodelan mengalikan jumlah nelayan dengan 2,62 (ukuran rata-
rata rumah tangga US tahun 1995 dari data sensus). Jumlah penduduk yang
mengkonsumsi ikan non-komersil dapat dijelaskan dengan persamaan:
𝐼𝑗𝑖𝑛
𝐹𝑖𝑠ℎ𝑃𝑜𝑝𝑠𝑒𝑙 = 𝑇𝑜𝑡𝑎𝑙𝑃𝑜𝑝𝑠𝑒𝑙 ∗ ∗ 𝑈𝑘𝑢𝑟𝑎𝑛𝐾𝑒𝑙𝑢𝑎𝑟𝑔𝑎
𝑃𝑜𝑝
Dimana:
FishPopsel = total populasi konsumsi ikan pada sel th 2000
TotalPopsel = total populasi penghuni dalam sel
Ijin = jumlah ijin memancing pada Negara atau Negara bagian.
Pop = total populasi di Negara atau Negara bagian pada 1990
UkuranKeluarga = rata-rata ukuran keluarga

Selanjutnya, populasi pengkonsumsi ikan dibagi berdasarkan apakah ikan

dimakan secara mandiri atau sebagai pengganti kebutuhan. Hal ini dikarenakan
pemancing mandiri akan memakan ikan lebih sedikit daripada pemancing yang
menggunakan ikan sebagai kebutuhan melengkapi makanan utama sepanjang tahun
dan sebagaian besar makanan mereka dapat terdiri dari ikan yang mereka tangkap.
Diasumsikan bahwa dari populasi pemakan ikan non-komersial, 95% makan ikan
dari kebutuhan rekreasi dan 5% menggunakan ikan sebagai sumber nafkah.
Pembagian dapat dijelaskan sebagai berikut:
𝑅𝑒𝑐𝑃𝑜𝑝𝑠𝑒𝑙 = 𝐹𝑖𝑠ℎ𝑃𝑜𝑝𝑠𝑒𝑙 ∗ 0.95
𝑆𝑢𝑏𝑠𝑖𝑠𝑡𝑃𝑜𝑝𝑠𝑒𝑙 = 𝐹𝑖𝑠ℎ𝑃𝑜𝑝𝑠𝑒𝑙 ∗ 0.05
Dimana:
RecPopsel = sel pemancing rekresional (dan keluarga)
SubsistPopsel = sel pemancing yang menggunakan ikan sebagai ganti makanan
(dan keluarga).

Populasi ikan dikaitkan dengan aliran tertentu dimana mereka diperkirakan

menangkap ikan. Hal ini dilakukan dengan dua cara: (1) lingkaran tumpang tindih
dalam radius 80 km terkait masing-masing dua untuk tujuh poin yang
menggambarkan aliran sendiri digunakan untuk menentukan sel yang dimodelkan
untuk populasi ikan pada 48 negara bagian. Jarak 80 km (50 mil) dari aliran dipilih
berdasarkan laporan terdahulu bahwa 65% pemancing melaukan perjalanan 50 mil
untuk mendapatkan ikan. Jarak memperkirakan ukuran banyak Negara dan
disesuaikan data ijin penangkapan ikan di tingkat kabupaten. (2) semua aliran
dalam radius aliran 80 km dari pusat sel dari seleksi pertama diidentifikasi. Populasi
yang memakan ikan akan dibagi ke setiap aliran di sekitarnya berdasarkan rasio
panjang aliran total yang masih termasuk dalam 80 km dari sel. Perlu diingat bahwa
permodelan hanya menggunakan bagian panjang aliran yang berada dalam 80 km
dari sel.
Data penduduk memancing kemudian dikaitkan dengan aliran individu,
dijumlahkan dan disimpan di tingkat aliran. Persentase orang pada masing-masing
sepuluh kategori usia-jender untk total populasi ikan juga dipertahankan untuk
masing-masing model aliran (karena mencerminkan rasio berbagai usia dan jender
subpopulasi dalam sel grid). Maka kemudian konsentrasi bahan kimia pada ikan di
aliran sesuai (Caliran ikan) dibagi-secara benar menurut populasi.
5.4.2 Menghitung Elemen Indikator untuk Permukaan Air
Elemen indicator untuk air minum dan konsumsi ikan dihitung dengan
menghitung setiap kombinasi pelepasan kimia, aliran, dan jalur dosis paparan,
keudian mengalikannya dengan berat toksisitas bahan kimia dan perkiraan
populasi. Hasil perhitungan RSEI untuk air permukaan yang dikeluarkan dari
fasilitas TRI dihitung dengan menambahkan elemen air minum dan konsumsi ikan
(rekreasi atau pengganti makanan) untuk setiap aliran dan menjumlahkan semua
pengaruh terhadap aliran (sampai 300 km ke hilir dari fasilitas). Bagan ini
menjelaskan pola perhitunngannya:
5.4.3. Surface Water Release : Data
Beberapa data dibutuhkan untuk mengestimasi paparan zat kimia pada air
permukaan. Berikut merupakan parameter yang dibutuhkan untuk permodelan air
permukaan
Tabel 1. Parameter Permodelan Air Permukaan

Sumber: US EPA (2017)

5.4.3.1. Flowline
Tiap fasilitas telah terintegrasi dengan EPA, jika tidak maka fasilitas
tersebut diasumsikan mengalirkan ke flowline yang berjarak 4 km dari fasilitas
tersebut. Jika tidak terdapat flowline yang berada di sekitar area 4 km maka buangan
tidak dapat dimodelkan. Flowline yang digunakan pada permodelan adalah bagian
linear pada sungai, danau, reservoir dan muara, yang saling berhubungan
membentuk pola bercabang merepresentasikan sistem drainase air.
RSEI mengadopsi sistem Dataset Hidrografi Nasional (NHD) untuk
mengindeksikan flowline, yang lebih detail dibandingkan dengan sistem Reach File
1 (RF1) yang digunakan pada RSEI versi 2.2.0 dan sebelumnya. NHD digunakan
untuk menggambarkan pola aliran dari buangan industry, persediaan air minum,
habitat ikan, dan sungai. NHD akan menghubungkan lokasi badan air satu dan
lainnya untuk kemudian dianalisa hulu dan hilirnya menggunakan software GIS.
Sistem WATERS (Watershed Assessment in Tracking and Environmental Result)
pada EPA menggunakan kode pola aliran pada NHD yang mengandung informasi
mengenai volume aliran dan kecepatan sungai untuk digunakan sebagai informasi
permodelan.
Kriteria tertentu dimasukkan kedalam dataset NHDPlus untuk memilih
pola aliran pada permodelan. Flowline yang dipilih merupakan flowline yang
setidaknya memiliki satu hilir atau hilir serta memiliki kecepatan dan aliran yang
tidak bernilai negative. RSEI tidak akan menghitung konsentrasi untuk jenis aliran
tertentu, seperti garis pantai, treatment reservoid, dan teluk. RSEI meniadakan
flowlines dalam kategori kanal/parit jika aliran rata-rata tahunan kurang dari 5 ft3/s.

5.4.3.2. Asupan Air Minum dan Populasi

Lokasi intake dari air minum didapatkan dari Database Pasokan Umum
yang dikembangkan dan dikelola oleh U.S Geological Survey (USGS) berdasarkan
informasi dari Sistem Informasi EPA mengenai Air Minum yang Aman (SDWIS).
SDWIS mengandung informasi seputar 156.000 sistem air yang telah melayani
lebih dari 96% populasi Amerika. Sekitar 11.400 intake air minum termasuk di
dalam database tersebut.
Beberapa jenis intake dikecualikan dari set yang digunakan untuk RSEI:
(1) jika sistem air minum untuk intake ditutup sebelum tahun 2002; (2) jika sumber
air untuk intake adalah sesuatu yang tidak dapat terhubung dengan jaringan sungai
(seperti saluran air atau galeri infiltrasi); (3) jika intakenya darurat, sementara
(puncak) atau lainnya (bukan permanen atau musiman).

5.4.3.3. Kecepatan dan Aliran Air

RSEI menggunakan NHDPlus Versi 2 untuk mengestimasi aliran air dan
kecepatan berdasarkan metode unit runoff. Metode run-off unit menghitung
limpasan rata-rata per kilometer persegi di daerah aliran sungai berdasarkan
pengukuran pada HydroClimaticData Network (HCDN). Pengukur tersebut tidak
terpengaruh oleh kegiatan manusia, seperti reservoir besar, intake, dan penarikan
irigasi. Dengan demikian, perkiraan rata-rata arus tahunan mewakili representasi
kondisi aliran "alami". Kecepatan aliran pada NHDPlus ditentukan dengan rata-rata
arus tahunan. Metode ini menggunakan Analisa regresi untuk variable hidrolis yang
merepresentasikan 90 sungai di AS, menggambarkan berbagai ukuran, slope, dan
geometri saluran. Pada metode Jobson digunakan 4 variable flowline, yakni: (1)
area drainase; (2) kemiringan flowline; (3) debit tahunan rata-rata; (4) debit pada
saat pengukuran.

5.4.3.4. Laju Kerusakan Air

Water Decay Rate diperlukan untuk memodelkan konsetrasi kimia pada
hilir. Sumber utama untuk nilai kerusakan air adalah basis data Chemofate milik
Syracuse Research Corporation (SRC), komponen SRC's Environmental Fate Data
Base (SRC, 2002a). Database ChemFate berisi informasi tentang nasib alam dan
fisik/kimia untuk bahan kimia penting komersial. senyawa, termasuk bahan kimia
TRI. HYDROWIN memperkirakan konstanta laju hidrolisis untuk ester, karbamat,
epoksida, halomethan, dan alkil halida yang dipilih.

5.4.3.5. Faktor Biokonsentrasi

Faktor biokonsentrasi (BCF) merupakan istilah yang digunakan untuk
menggambarkan konsentrasi kimia pada organisme akuatik yang tinggal di air
terkontaminasi. BCF didefinisikan sebagai rasio konsentrasi kimia dalam
organisme (mg/kg) terhadap air di sekitarnya (mg/L). Istilah "biokonsentrasi"
mengacu pada pengambilan dan penyimpanan bahan kimia oleh organisme air dari
air di sekitarnya saja. Nilai BCF eksperimental diperoleh dari database ChemFate
SRC. BCF lain diperkirakan berasal dari nilai log (Kow) dengan menggunakan
persamaan regresi dari Lyman. et al. (1990)

5.4.3.6. Asumsi Paparan Manusia

 Air Minum, permodelan yang digunakan untuk mengestimasi jumlah air keran
yang dicerna untuk mengestimasi paparan. Tingkat konsumsi air minum per
berat badan dihitung untuk masing-masing kelompok model dihitung
menggunakan
Sehingga didapatkan,
Tabel 2. Faktor Paparan Air Minum

Sumber: US EPA (2017)

· Konsumsi Ikan, RSEI menggunakan perkiraan tahunan jumlah ikan yang
dikonsumsi oleh nelayan rekreasi dan subsisten dan keluarga mereka. Namun, tidak
ada data nasional tentang tingkat konsumsi ikan yang spesifik untuk nelayan
musiman. Untuk melengkapi data tersebut RSEI menggunakan laju konsumsi ikan
dari tahun 1994-1996. Sebanyak 15.303 individu terbukti tidak menonsumsi ikan
secara berturut-turut. Nilai konsumsi ikan diestimasi menggunakan kelompok usia,
jenis kelamin, dan berat badan. Sehingga didapatkan,
Tabel 3. Faktor Paparan Konsumsi Ikan

Sumber: US EPA (2017)

5.5. Transfer Modeling ke POTW
Transfer ke Pekerjaan Treatment Milik Umum (POTW) sebagian besar
merupakan fasilitas air limbah melalui pipa limbah bawah tanah ke POTW. Setiap
transfer kimia ke POTW dimodelkan sebagai influen cair. Tergantung pada sifat
fisik kimia tersebut, beberapa bagian pelepasan kimia dalam influent dapat dibuang
ke air permukaan dari POTW, berpotensi mengakibatkan paparan manusia melalui
air minum atau konsumsi ikan. Sisa pelepasan kimia dapat dikeluarkan oleh POTW
melalui satu atau lebih dari proses berikut: 1) biodegradasi, yang tidak dimodelkan;
2) penguapan, yang dimodelkan seperti pelepasan udara; 3) penimbunan limbah
lumpur, yang tidak dimodelkan.

5.5.1. Transfer Menuju POTW: Metode

5.5.1.1. Menemukan Lokasi POTW
Agar dapat membuat permodelan emisi dari POTWs, fasilitas ini harus
ditempatkan pada model grid terlebih dahulu. Seperti fasilitas di luar lokasi lainnya,
nama dan alamat POTW dilaporkan ke TRI oleh fasilitas yang mentransfer
limbahnya. Setelah garis lintang dan bujur untuk sebuah fasilitas ditetapkan (dari
geocoding, data FRS, atau berdasarkan centroids kode pos), data tersebut digunakan
untuk memetakan fasilitas ke sel grid dengan koordinat yang sama. Pengolahan data
penting diperlukan untuk menyiapkan himpunan fasilitas off-site untuk digunakan
dalam model.

5.5.1.2. Menemukan Aliran Buangan POTW

Seperti halnya fasilitas pelaporan TRI, arus emisi POTW dapat
diidentifikasi. Sumber data utama yang digunakan adalah catatan EPA tentang izin
pembuangan untuk POTW, yang dalam banyak kasus menentukan debit dengan
nama atau catatan arus. Catatan, termasuk izin, data pemantauan, dan lokasi dan
informasi deskriptif yang berkaitan dengan lebih dari 67.000 fasilitas yang diatur
yang ada dalam Sistem Informasi Kepatuhan Terpadu EPA-Sistem Penghapusan
Dispensasi Polutan Nasional (ICIS-NPDES).
POTWs dicocokkan dengan sistem FRS berdasarkan nama dan alamat
untuk mendapatkan ID FRS untuk masing-masing ID POTW. ID FRS kemudian
digunakan untuk mengakses ICIS-NPDES dan flowline debit yang ditugaskan
untuk masing-masing POTW. Sekitar 3.000 catatan dicocokkan dengan debit yang
mengalir menggunakan ini. metode.

5.5.1.3. Laju Penyisihan POTW Secara Keseluruhan

POTWs tidak bisa sepenuhnya menyisihkan semua bahan kimia yang
dipindahkan ke pabrik dari Fasilitas TRI. Sebagian muatan kimia dalam influen
akan dibuang sebagai limbah ke air permukaan. Untuk menghitung fraksi bahan
kimia yang dipindahkan yang dikeluarkan oleh POTW, tingkat penyisihan spesifik
kimia tertentu diterapkan pada volume yang ditransfer ke POTW dari Fasilitas TRI.
Lihat Lampiran Apendiks B untuk daftar tingkat penyisihan dan rujukan untuk
masing-masing bahan kimia. Sisanya diasumsikan keluar dari POTW dalam limbah
air. Limbah ini dimodelkan untuk konsumsi air minum dan ikan dengan
menggunakan metode yang sama untuk pelepasan air permukaan yang dijelaskan
atas.

5.5.1.4. Partisi dalam POTW

Loading bahan kimia dapat dihilangkan dengan proses pengolahan POTW
melalui biodegradasi, penguapan, dan adsorpsi ke lumpur. Jumlah bahan kimia
yang dikeluarkan oleh masing-masing proses dimodelkan dengan menggunakan
tingkat partisi rata-rata (lihat Lampiran Teknis B untuk daftar tingkat partisi dan
referensi untuk setiap bahan kimia).
Begitu fate dari bahan kimia yang masuk ke POTW diperkirakan,
selanjutnya ditentukan paparan muatan kimia ke setiap kompartemen. Bahan kimia
yang dibuang ke dalam limbah POTW dimodelkan dengan menggunakan metode
evaluasi air permukaan yang dijelaskan di atas. Bahan kimia yang terdegradasi
diasumsikan menurunkan zat kimia yang tidak menimbulkan risiko.
Untuk bahan kimia yang terpecah menjadi lumpur, model yang digunakan
untuk memperkirakan paparan idealnya bergantung pada metode pembuangan
lumpur yang digunakan oleh POTW. TRI tidak dapat menentukan model
penyisihan lumpur, maka digunakan model Algoritma yang mengasumsikan semua
endapan POTW ditimbun di POTW, metode pembuangan lumpur yang umum.
POTW pada kenyataannya dapat menggunakan metode pembuangan lumpur
lainnya, seperti insinerasi lumpur. Jika lumpur dibakar oleh POTW, misalnya, akan
menghasilkan di tingkat paparan yang berbeda (dan populasi yang berbeda dan
lebih besar). Berikut merupakan pendekatan membuat permodelan emisi dari
POTW
Gambar 1. Pendekatan Permodelan

Sumber: US EPA (2017)

5.5.1.5. Estimasi Populasi untuk Transfer POTW

Populasi yang terpapar pelepasan udara diasumsikan populasi yang berada
dalam jarak sekitar 49 km di atas POTW. Metode yang digunakan untuk
memperkirakan populasi di sekitar POTW yang terpapar pembuangan limbah air
permukaan hingga 300 km di hilir dari fasilitas ini dijelaskan pada bagian di
populasi yang terpapar untuk pelepasan air permukaan (bagian 5.4.1.2 and 5.4.1.4.)
5.5.2. Transfer Menuju POTW: Data
Berikut merupakan data yang digunakan untuk mengestimasikan paparan
dari emisi ke POTW
Tabel 3. Data Estimasi Paparan dari Emisi ke POTW

Sumber: US EPA (2017)

5.5.2.1. Efisiensi Laju Penyisihan POTW dan Partisi dalam POTW

Dibutuhkan data efisiensi penyisihan dan laju partisi dalam POTW.
Parameter tersebut menggambarkan fate dari bahan kimia selama treatment pada
POTW. "Penyisihan Partisi POTW" merupakan efisiensi penyisihan POTW total,
atau total persentase bahan kimia yang dikeluarkan oleh POTW (influen minus
efluen). Nilai partisi dalam-POTW menggambarkan fate dari bagian kimia yang
dilepaskan, yaitu apakah bahan kimia tersebut dapat menguap (Sludge Partikel
POTW), menguap ke udara (Partisi Volatil POTW) atau terdegradasi oleh
mikroorganisme (Partisi POTW Biodeg). Nilai partisi dalam POTW dinyatakan
sebagai persentase dari total efisiensi penyisihan POTW; Artinya, jumlahnya
mencapai 100 persen.
Efisiensi penyisihan POTW diperoleh dari Treatability Database yang
dikelola oleh Laboratorium Teknik Reduksi Resiko EPA (RREL). Untuk bahan
kimia tertentu, RREL Treatability Database menyediakan daftar efisiensi
penyisihan yang diterbitkan dalam literatur ilmiah. Setiap nilai ditandai dengan
teknologi yang digunakan, jenis influen, dan skala eksperimen. Untuk semua nilai
yang terkait dengan endapan aktif dan eksperimen skala penuh, rata-rata geometrik
diturunkan dan digunakan sebagai efisiensi penyisihan POTW. Bahan kimia
anorganik, kecuali amonia, diasumsikan memecah 100% menjadi lumpur. Untuk
bahan kimia tanpa data dari sumber ini, Model Pengambilan Fase SRP's Sewage
Treatment Plant (STPWIN) adalah digunakan untuk memperkirakan efisiensi
penyisihan total dan nilai partisi dalam POTW.
5.6 Pemodelan Transfer Off-site Lainnya
Zat kimia pada pelaporan TRI dapat ditransfer ke lokasi off-site, selain
POTWs untuk penyimpanan atau pembuangan. Pelapor TRI disyaratkan untuk
memberikan nama dan alamat fasilitas penerima, dan metode pengolahan yang
digunakan.

5.6.1. Transfer Off-site ke Insinerasi: Metode

Penting untuk memiliki informasi tentang lokasi fasilitas off-site dan
karakteristiknya dalam menilai potensi paparan terkait transfer off-site ke insinerasi.
Lokasi fasilitas off-site lainnya ditentukan dengan cara yang sama seperti lokasi
POTWs. Form TRI mensyaratkan pelaporan fasilitas untuk mengindikasi metode
pengolahan/pembuangan yang digunakan pada fasilitas off-site. Jika tidak terpenuhi
laporan tersebut, transfer tidak dievaluasi menggunakan algoritma, melainkan
ditandai sebagai nilai yang hilang dan ditandai nilai nol.

5.6.2. Estimasi Populasi untuk Transfer Off-site

Populasi yang terekspos ke udara diasumsikan populasi yang berada dalam
49 km di sekitar insinerator off-site.
5.6.3. Transfer Off-site: Data
Detruksi dan Efisiensi Penghilangan
Untuk organik, destruksi dan efisiensi penghilangan (DRE) diasumsikan
99%. Pengecualian terhadap asumsi penghilangan 99% yaitu PCBs dan dioksin
serta senyawa yang berhubungan-dioksin, yang diasumsikan DRE 99.9999%.
Untuk anorganik, nilai diambil dari berbagai studi insinerator lumpur perapian.

5.7 Pemodelan Pelepasan Lahan On-site

Termasuk pelepasan lahan on-site yaitu pelepasan ke landfill, impoundment
permukaan, unit pengolahan lahan, dan sumur injeksi bawah tanah. Dua pathway
utama yaitu volatilisasi ke udara dan leaching ke air tanah. Volatilisasi zat kimia
dari lahan on-site dilaporkan ke TRI dengan estimasi emisi fugitive untuk fasilitas,
dan dimodelkan dengan RSEI sebagai bagian dari fasilitas pelepasan udara fugitive.
Potensi kontaminasi air tanah dari pelepasan lahan bergantung pada status peraturan
pada unit yang mana zat kimia dilepaskan. Jika zat kimia ditempatkan dalam unit
teregulasi, EPA mengasumsikan pelepasan ke air tanah diabaikan sehingga RSE
menandakan nilai nol terhadap skor yang berhubungan dengan risiko untuk
pelepasan tertentu. Jika zat kimia ditempatkan dalam unit pembuangan lahan yang
tidak berbahaya maka terdapat potensi paparan.

6. Hasil Akhir Perhitungan

Semua fungsionalitas RSEI berdasarkan Elemen Indikator, yang mana
kombinasi unik dari zat kimia, fasilitas, pelepasan dan pathway paparan, serta
tahun. Tiap elemen indikator memiliki hasil terasosiasi berikut:
Hasil terkait-risiko. Komponen dosis pengganti, toksisitas, dan populasi dikalikan
untuk menghasilkan skor terkait-risiko untuk Elemen Indikator. Dosis pengganti
ditentukan melalui pemodelan spesifik-pathway dari fate dan transport zat kimia
melalui lingkungan, dikombinasikan dengan faktor paparan spesifik-subpopulasi.
Skor terkait-risiko tidak memiliki satuan, dan tiap komponen ketika dikalikan
menghasilkan skor yang relevan hanya ketika dibandingkan satu sama lain.
Hasil terkait-bahaya. Tiap Elemen Indikator diasosiasikan dengan hasil
berdasarkan-bahaya, dihitung dengan mengalikan pelepasan pounds dengan berat
toksisitas spesifik-kimia yang sesuai. Berat toksisitas yang dihirup digunakan untuk
pelepasan ke air secara langsung atau transfer ke udara fugitive, cerobong udara,
dan insinerasi off-site. Berat toksisitas oral digunakan untuk pelepasan ke air secara
langsung atau transfer ke POTWs.
Hasil berbasis-pounds. “TRI Pounds” hanya merefleksikan angka pounds yang
dilepas atau ditransfer yang dilaporkan ke TRI, dan tersedia untuk semua Elemen
Indikator secara virtual.

6.1 Mengkombinasikan Elemen Indikator

Semua hasil ditambahkan sehingga hasil untuk kumpulan spesifik variabel
dihitung dengan menjumlahkan semua hasil Elemen Indikator individu yang
relevan.

𝑅 = ∑ ∑ ∑ 𝐼𝐸𝑐,𝑓,𝑝

di mana R = hasil RSEI; IEc,f,p = hasil Elemen Indikator chemical-facility-pathway-

specific.

6.2 Memperhitungkan Perubahan dalam Pelaporan TRI

Ketika perubahan terjadi pada angka dari, atau persyaratan pelaporan untuk,
zat kimia dan fasilitas dalam TRI, nilai numerik hasil RSEI akan diubah jika tidak
dilakukan penyesuaian metode perhitungan untuk memperhitungkan perubahan
terhadap analisis tren. Namun, ada perubahan tertentu yang tidak diperlukan,
merepresentasikan perubahan yang besar pada dampak lingkungan aktual, yang
akan memberikan pemahaman lebih luas terkait dampak yang mungkin selalu ada.
7. Implementasi Metode RSEI Saat Ini
7.1 Model RSEI
Hasil model RSEI didistribusikan melalui Microsoft Access-berbasis aplikasi
komputer, disebut sebagai EasyRSEI. Program memperkenankan pengguna untuk
melihat dan menanyakan hasil RSEI terkait pelaporan TRI tahun 1988-2015 untuk
media yang dimodelkan. Pengguna aplikasi dapat melihat bentuk preformatted
yang menunjukkan tren dan peringkat berdasarkan zat kimia, status, Wilayah EPA,
industri, dan fasilitas, serta menanyakan keseluruhan database. Hasil dapat
digunakan untuk menyaring-peringkat dan prioritas untuk perencanaan strategis,
penargetan terkait-risiko, dan analisis tren. Pengguna dapat mengevaluasi
pelepasan dengan menggunakan sejumlah variabel, seperti zat kimia, media, area
geografi atau industri. Pengguna juga dapat melihat hasil berbasis-pounds, hasil
terkait-bahaya, dan hasil lain untuk investigasi pengaruh relatif dari komponen
toksisitas dan populasi pada hasil terkait-risiko.

7.2 Kesimpulan
RSEI memberikan alat untuk menghitung tren umum berdasarkan dampak
relatif terkait-risiko dari zat-zat kimia TRI. Hal ini sebagai indikasi peningkatan
kualitas lingkungan dari waktu ke waktu, untuk EPA dan masyarakat luas. RSEI
memberikan kemampuannya untuk menganalisis kontribusi relatif zat kimia dan
sektor industri terkait dampaknya ke kesehatan manusia, dan hasil RSEI
memberikan basis analitik untuk mengatur prioritas terkait pengendalian
pencemaran, inisiasi peraturan, target penegakan dan persyaratan pengujian kimia.