PENGELOLAAN KUALITAS UDARA

TL6116

NENI FITRIA RAHAYU

25320012

1. Jelaskan tujuan dari pemodelan kualitas udara

Pemodelan kualitas udara diperlukan untuk membantu dalam keterbatasan
pengukuran/monitoring dan analisis data. Selain itu pemodelan kualitas udara juga dapat
digunakan untuk mensimulasikan dampak sebuah kebijakan/proyek, dan untuk
mengetahui skenario terbaik untuk rencana jangka panjang/pendek, serta untuk
menganalisis resiko terhadap kesehatan.

2. Jelaskan kegunaan dan syarat suatu MKU

Kegunaan dari MKU adalah dapat digunakan sebagai kepentingan regulasi lingkungan
dengan mengidentifikasi kontribusi sumber emisi ketika ada masalah pencemaran udara,
digunakan untuk mendesain alat pengendali pencemaran udara, dapat memprediksi
konsentrasi pencemaran udara ketika sebuah regulasi baru ditetapkan, dan membuat
skenario dan simulasi kebijakan sebelum diterapkan.
Syarat dari suatu MKU adalah diperlukannya data-data pendukung berupa, (a) data
sistem grid skala ragam ukuran 5”x5” dan 30”x30”, (b) data tutupan lahan, (c) data
jaringan jalan, (d) data batas administrasi lokasi proyek, (e) data penduduk, (f) data lokasi
proyek, (g) data lokasi titik pemantauan yang telah ada, (h) data lokasi konstruksi yang
sedang berjalan

3. Deskripsikan 3 klasifikasi utama MKU berikut masing-masing contoh-contohnya serta:

 Klasifikasi model berdasarkan periode waktu:
 Model jangka pendek (short-term) – untuk beberapa jam sampai hari; untuk
skenario kondisi terburuk

1
  Model jangka panjang (long-term) – untuk memprediksi konsentrasi rata-rata
tahunan; menghitung paparan thd kesehatan
 Klasifikasi model berdasarkan reaksi kimia:
 Model tidak reaktif (non-reactive) – contoh untuk pencemar PM, SO2 dan CO
 Model reaktif – untuk pencemar O3, NO2, dsb.
 Klasifikasi model berdasarkan sistem koordinat yang digunakan:
 Berbasis Grid (Wilayah dibagi menjadi sel array)
 Trajectory (Mengikuti pergerakan plume searah angin)
 Klasifikasi model berdasarkan kompleksitas
 Screening: estimasi sederhana, digunakan data meteorologi untuk memprediksi
 Refined: memiliki proses fisika dan kimia atmosfer yang lebih detail, memerlukan
input data yang lebih kompleks
 Klasifikasi model berdasarkan sumber pencemar:
 Gas beracun, gas berbau, gas bertekanan, partikulat
 Sumber tunggal, banyak sumber (multi)
 Sumber titik (cerobong), sumber garis (lalu lintas), sumber area (landfill), sumber
volumes (conveyor, vent di gedung bertingkat)
 Klasifikasi model berdasarkan sumber data:
 Pendekatan analisis sumber
 Pendekatan analisis reseptor
 Klasifikasi model berdasarkan aplikasi:
 Model meteorologi, model emisi, model fotokimia, model dispersi, model reseptor
 Klasifikasi model berdasarkan skala spasial
 Skala mikro (10 – 500 m) – bau, debu, pencemar B3.
 Skala kawasan (500 m – 4 km) – emisi kendaraan, rumah tangga, emisi primer
industri.
 Skala kota (4 – 100 km) – ozone, sulfat dan nitrat sekunder, kebakaran hutan.
 Skala benua (1.000 – 10.000 km) – debu gurun sahara, gurun asia, kebakaran hutan
skala besar.
 Skala Global (> 10.000 km) – GRK, halocarbons, black carbon.

2
 a. Asumsi yang digunakan:
Menggunakan persamaan matematis pada proses fisik kimia dan menyelesaikan
persamaan secara spasial.
b. Keterbatasannya:
 Hanya ada di waktu dan lokasi yang terbatas
 Parameter pengukuran terbatas
 Kebutuhan analisis data dan riset
 Kebutuhan untuk mengetahui data konsentrasi di waktu dan tempat lain
 Kebutuhan membuat scenario emisi dan konsentrasi
c. Keberterapannya:
Penggunaannya dapat dioptimalkan dengan mengumpulkan dan menganalisis set data
yang sesuai, menilai sensitivitas dan ketidakpastian model, dan menghindari aplikasi
yang tidak sesuai.

4. Apa syarat, kelebihan, dan keterbatasan dari MKU berbasis data emisi
 Syarat: membutuhkan data laju emisi, data banyak yang per waktu dan spasial pada
kondisi meteorologi tertentu, dibutuhkan pula konsentrasi awal pada setiap polutan,
butuh sumber daya dalam pengukuran dan memproses data.
 Kelebihan: memiliki kemampuan prediktif karena mereka menghitung konsentrasi
polutan sebagai fungsi emisi polutan, mereka dapat dijalankan dalam mode prognostik
untuk memprediksi respons kualitas udara terhadap setiap perubahan hipotetis dalam
emisi polutan.
 Keterbatasan: Model harus menjalani evaluasi kinerja yang komprehensif
menggunakan kumpulan data terperinci dari atmosfer sebelum menggunakannya
dalam aplikasi regulasi dan kurangnya data atmosfer (seperti data tentang konsentrasi
polutan), aturan itu terlalu sering diabaikan oleh komunitas pembuat peraturan,
akibatnya pemberlakuan strategi pengendalian yang kurang optimal atau bahkan tidak
efektif

3
5. Jelaskan apa yang membuat model dapat berhasil/tidak berhasil mencapai tujuan
Berhasil
Engineering dan regulasi mendorong peningkatan dan kemajuan berkelanjutan dalam
pemodelan dan manajemen kualitas udara. mendorong pakar atau ahli untuk
mengembangkan model kualitas udara yang semakin canggih; mendorong anggota
komunitas pembuat peraturan untuk memikirkan kembali pendekatan mereka terhadap
manajemen kualitas udara.
Tidak Berhasil
• Kurangnya data atmosfer yang memadai (seperti data tentang konsentrasi polutan),
aturan yang diabaikan oleh regulator menghasilkkan konsekuensi bahwa
pemberlakuan strategi pengendalian yang kurang optimal atau bahkan tidak efektif
• Hasil model terkadang digunakan secara tidak tepat oleh regulator. Salah satu contoh
adalah praktik dalam demonstrasi pencapaian menggunakan model untuk memprediksi
konsentrasi polutan bertahun-tahun atau bahkan beberapa dekade ke depan tanpa
mengakui bahwa parameter input, yang didasarkan pada perkiraan faktor sosial
ekonomi masa depan, untuk simulasi sangat tidak pasti.
• Terjadi penundaan yang substansial dalam memasukkan wawasan ilmiah baru dari
model ke dalam desain kebijakan.

6. Bagaimana mengatasi ketidakpastian dalam MKU?

Mengatasi ketidakpastian dapat dilakukan dengan cara meningkatkan kualitas dan tingkat
kepercayaan hasil pengukuran serta menetapkan ketertelusuran pengukuran terhadap
satuan internasional. Kontribusi ketidakpastian bisa berasal dari factor penimbangan filter
dan volume sampling udara.
Langkah-langkah yang perlu dilakukan untuk mengestimasi ketidakpastian adalah:
 Menetapkan apa yang diukur; Langkah ini merupakan pernyataan apa yang diukur

4
  Identifikasi sumber ketidakpastian; mengidentifikasi sumber-sumber ketidakpastian
yaitu sumber-sumber yang memberikan kontribusi ketidakpasian, pada setiap proses
analisis
 Mengkuantifikasi komponen ketidakpastian; Langkah ini dilakukan dengan
mengestimasi besarnya ketidakpastian dari masing-masing komponen yang telah
diidentifikasi

7. Berikan penjelasan mengenai Multi-pollutant model (MPM) dan mengapa MPM

diperlukan
Model ini berfokus pada masalah yang terkait dengan pemilihan variable dalam konteks
regresi, dengan tujuan untuk mengidentifikasi eksposur mana yang merupakan “aktor
buruk” yang paling bertanggungjawab terhadap kesehatan. Dalam model ini dapat dilihat
efek kesehatan dari pola paparan bersama dan mengidentifikasi populasi yang terkait
dengan pola yang ditentukan oleh eksposur konstituen yang berbeda.