F19 Hbu

ANALISIS POLA SEBARAN DAN TINGKAT PAPARAN
EMISI GAS BUANG

HAIKALCEROBONG
BURHANI TERHADAP
KESEHATAN MASYARAKAT
HAIKAL BURHANI
DEPARTEMEN TEKNIK SIPIL DAN LINGKUNGAN

FAKULTAS TEKNOLOGI PERTANIAN
INSTITUT PERTANIAN BOGOR
BOGOR
2019
PERNYATAAN MENGENAI SKRIPSI DAN
SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA
Dengan ini saya menyatakan bahwa skripsi berjudul “Analisis pola sebaran
dan tingkat paparan emisi gas buang cerobong terhadap kesehatan masyarakat”
adalah benar karya saya dengan arahan dari pembimbing dan belum diajukan
dalam bentuk apa pun 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 skripsi ini.
Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut
Pertanian Bogor.
Bogor, Desember 2019
Haikal Burhani
NIM F44150019
ABSTRAK
HAIKAL BURHANI. Analisis pola sebaran dan tingkat paparan emisi gas buang
cerobong terhadap kesehatan masyarakat. Dibimbing oleh YUDI CHADIRIN.
Gas buang dari PLTU Banten 3 Lontar dapat mencemari lingkungan dan
menimbulkan penyakit bagi masyarakat sekitar. Oleh sebab itu, perlu dilakukan
permodelan sebaran emisi gas buang dan tingkat paparannya terhadap kesehatan
masyarakat. Tujuan dari penelitian ini adalah menganalisis pola sebaran emisi gas
buang cerobong PLTU Banten 3 Lontar dengan metode Gaussian dan tingkat
risiko paparan terhadap masyarakat sekitar. Parameter yang dianalisis adalah SO2,
NO2, dan TSP. Analisis sebaran dihitung dengan model Gaussian berdasarkan
kecepatan angin maksimum, arah angin dominan dan curah hujan. Tingkat
paparan emisi gas buang cerobong dihitung berdasarkan nilai risk quotient (RQ).
Hasil perhitungan konsentrasi model Gaussian pada kelas stabilitas atmosfer D
memiliki konsentrasi maksimum SO2, NO2, dan TSP dengan nilai secara
berurutan 56.11 µg/m3, 38.82 µg/m3, dan 9.67 µg/m3. Musim berpengaruh pada
nilai konsentrasi emisi gas buang cerobong. Pada musim penghujan nilai
konsentrasi emisi SO2, NO2, dan TSP mengalami penurunan, sedangkan pada
musim kemarau konsentrasinya meningkat. Tingkat risiko paparan emisi gas
buang cerobong dalam kategori aman dengan nilai RQ < 1.
Kata kunci: model gaussian, risk quotient, sebaran emisi, tingkat paparan
ABSTRACT
HAIKAL BURHANI. Analysis of distribution pattern and exposure level of flue

gas emissions to public health. Supervised by YUDI CHADIRIN.
The flue gas from PLTU Banten 3 Lontar can pollute the environment and
cause disease for the surrounding community. Therefore, it is necessary to made
model distribution of flue gas emissions and the exposure level to public health.
The objective of this study were to analyzed the distribution patterns of flue gas
emissions from the chimney of PLTU Banten 3 Lontar with Gaussian method and
the exposure level of risk to the surrounding community. The Parameters analysis
were SO2, NO2, and TSP. Distribution analysis was calculated using the Gaussian
model according to maximum wind speed, dominant wind direction, and rainfall.
The exposure level of flue gas emissions was calculated based on the risk quotient
(RQ). The result of Gaussian concentration models calculated in the athmospheric
stability class D had the maximum of concentration of SO2, NO2, and TSP with
sequential values of 56.11 µg/m3, 38.82 µg/m3, and 9.67 µg/m3. The effect of
season had impact on the concentration value of flue gas emissions. In the rainy
season the concentrations of SO2, NO2, and TSP had decreased, while in the dry
season the concentrations had increased. Risk level of flue gas emissions was
classified as safe with RQ < 1.
Keywords: dispersion of emissions, exposure level, gaussian model, risk quotient

ANALISIS POLA SEBARAN DAN TINGKAT PAPARAN
EMISI GAS BUANG CEROBONG TERHADAP
KESEHATAN MASYARAKAT
HAIKAL BURHANI
Skripsi
sebagai salah satu syarat untuk memperoleh gelar
Sarjana Teknik
pada
Departemen Teknik Sipil dan Lingkungan
DEPARTEMEN TEKNIK SIPIL DAN LINGKUNGAN

FAKULTAS TEKNOLOGI PERTANIAN
INSTITUT PERTANIAN BOGOR
BOGOR
2019
PRAKATA
Puji dan syukur dipanjatkan kepada Allah SWT atas segala nikmat, rahmat,
dan karunia-Nya sehingga karya ilmiah dalam bentuk skripsi ini dapat
diselesaikan dengan baik. Penelitian yang dilaksanakan sejak bulan Mei hingga
Agustus 2019 ini berjudul “Analisis Pola Sebaran dan Tingkat Paparan Emisi Gas
Buang Cerobong Terhadap Kesehatan Masyarakat”. Ucapan terima kasih
disampaikan kepada semua pihak yang telah berperan serta dalam membantu
secara langsung maupun tidak langsung, khususnya kepada:
1. Dr. Yudi Chadirin, S.TP., M.Agr. selaku dosen pembimbing yang telah
mengarahkan dan membimbing selama penulisan karya ilmiah ini.
2. Dr. Eng Allen Kurniawan, S.T., M.T. dan Bapak Maulana Ibrahim Rau, S.T.,
M.Sc. selaku penguji karya ilmiah ini.
3. Orangtua yaitu Bapak Ahmad Saepuddin, M.Pd. dan Ibu Dewi Lestari, S.Pd.
serta seluruh keluarga atas do’a, dukungan, dan kasih sayang yang telah
diberikan.
4. Muhammad Zaky Zulkarnain dan Muhammad Aris Muhsin sebagai adik yang
selalu memberikan motivasi kepada kakanya selama penulisan skripsi ini.
5. Bapak Ahmad Fahmil Huda, S.Si. dan Bapak Lili Supriyono, S.T. selaku
mentor dan co-mentor yang telah membimbing serta mengarahkan selama
Program Mahasiswa Magang Bersertifikat (PMMB) dari PT. PLN di PLTU
Banten 3 Lontar.
6. Achmad Fa’iq Hafiz, Dian Kusumah, Ainul Mardiah dan Aimatuzzahro
selaku teman sebimbingan yang telah menemani selama penyelesaian karya
ilmiah ini.
7. Adi Gilang Pratama dan Khamdan Hidayat yang telah bersama-sama sebagai
keluarga kontrakan Taman Dramaga Permai 4 Blok K1 No. 16 selama 4
tahun.
8. Seluruh kerabat kerja di PLTU Banten 3 Lontar, khusunya staf divisi
lingkungan yaitu Mas Drajat, Pak Yudha, Mas Sahlan, Mas Rhino, Mas
Angger, Pak Medi, Mas Kimay, dan Pak Mahmud yang selama program
magang telah memberikan banyak ilmu serta keceriaan.
9. Teman-Teman SIL 52 yang telah memberi dukungan
Karya ilmiah ini masih jauh dari sempurna. Oleh karena itu, kritik dan saran
sangat diperlukan untuk perbaikan penulisan selanjutnya. Semoga analisis yang
disampaikan dalam karya ilmiah ini dapat tersampaikan dengan baik dan
memberikan manfaat bagi pihak yang membutuhkan.
Bogor, Desember 2019
Haikal Burhani
DAFTAR ISI
DAFTAR TABEL xiii

DAFTAR GAMBAR xiii
DAFTAR LAMPIRAN xiv
PENDAHULUAN 1
Latar Belakang 1
Perumusan Masalah 2
Tujuan Penelitian 2
Manfaat Penelitian 2
Ruang Lingkup Penelitian 2
TINJAUAN PUSTAKA 3
Pembangkit Listrik Tenaga Uap 3
Mawar Angin 3
Pencemaran Udara 4
Reaksi Pembakaran Batubara 5
Model Dispersi Gaussian 6
METODOLOGI PENELITIAN 7
Waktu dan Lokasi 7
Alat dan Bahan 8
Prosedur Pelaksanaan 9
HASIL DAN PEMBAHASAN 14
Kondisi Umum Lokasi Penelitian 14
Penentuan Bulan Basah dan Bulan Kering 15
Penentuan Mawar Angin 16
Hasil Perhitungan Dispersi Model Gaussian 18
Pola Sebaran Pencemaran Udara PLTU Banten 3 Lontar 23
Tingkat Risiko Paparan 24
SIMPULAN DAN SARAN 26
Simpulan 26
Saran 27
DAFTAR PUSTAKA 27
LAMPIRAN 30
RIWAYAT HIDUP 57
xiii
DAFTAR TABEL
1 Klasifikasi stabilitas atmosfer 11

2 Konstanta koefisien dispersi Gauss 12
3 Koordinat lokasi penelitian 14
4 Spesifikasi cerobong PLTU Banten 3 Lontar 15
5 Curah hujan tahun 2009 - 2018 15
6 Skenario pertama model konsentrasi emisi tahun 2018 19
7 Skenario kedua model konsentrasi emisi tahun 2018 20
8 Skenario ketiga model konsentrasi emisi tahun 2018 21
9 Skenario ketiga model konsentrasi emisi berdasarkan musim 22
10 Konsentrasi emisi gas buang di udara ambien (± standar deviasi) 24
11 Tingkat risiko paparan berdasarkan konsentrasi emisi 25
12 Tingkat risiko paparan berdasarkan waktu paparan 25
13 Tingkat risiko paparan berdasarkan berat badan 26
DAFTAR GAMBAR
1 Sistem koordinat model Gaussian 7

2 Peta lokasi penelitian 8
3 Tahapan pelaksanaan 10
4 Mawar angin tahun 2009 - 2018 16
5 Mawar angin pada musim penghujan dan kemarau 17
xiv
DAFTAR LAMPIRAN
1 Contoh Perhitungan emisi gas buang cerobong 30

2 Nilai parameter model dispersi Gaussian 33
3 Skenario model konsentrasi emisi Cerobong 1 tahun 2018 34
6 Skenario model konsentrasi emisi Cerobong 1 musim penghujan 37
9 Skenario model konsentrasi emisi Cerobong 1 musim kemarau 40
12 Peta pola sebaran emisi gas buang SO2 tahun 2018 43
13 Peta pola sebaran emisi gas buang SO2 musim penghujan 44
14 Peta pola sebaran emisi gas buang SO2 musim kemarau 45
15 Peta pola sebaran emisi gas buang NO2 tahun 2018 46
16 Peta pola sebaran emisi gas buang NO2 musim penghujan 47
17 Peta pola sebaran emisi gas buang NO2 musim kemarau 48
18 Peta pola sebaran emisi gas buang TSP tahun 2018 49
19 Peta pola sebaran emisi gas buang TSP musim penghujan 50
20 Peta pola sebaran emisi gas buang TSP musim kemarau 51
21 Kuesioner penelitian 52
22 Analisis nilai tingkat risiko paparan Desa Lontar 54
23 Analisis nilai tingkat risiko paparan Desa Karang Anyar 55
24 Analisis nilai tingkat risiko paparan Desa Klebet 56
1
PENDAHULUAN
Latar Belakang
Pada tahun 2014, pemerintah Indonesia memiliki target listrik nasional

sebesar 35.000 megawatt. Berdasarkan peningkatan konsumsi listrik dan target
dari pemerintah, pembangunan pembangkit-pembangkit listrik dilakukan tersebar
di seluruh wilayah Indonesia. PLTU Banten 3 Lontar merupakan salah satu unit
PLN pembangkit pada direktorat operasi Jawa-Bali. PLTU Banten 3 Lontar
bertugas untuk mengelola pembangunan dan pengusahaan sebagian proyek
percepatan 10.000 Megawatt di Jawa-Bali untuk pencapaian target listrik nasional
sebesar 350.000 MW. PLTU Banten 3 Lontar menggunakan bahan bakar batubara
tipe LRC (low rank coal) yang memiliki kapasitas terpasang 3 x 315 Megawatt
(Liandy et al, 2015). Pada tahun 2019, isu mengenai pencemaran lingkungan
akibat operasional PLTU menjadi sebuah permasalahan di Indonesia. Hal ini
terjadi akibat PLTU berupa sumber pencemar tidak bergerak (point source) bagi
masyarakat sekitarnya.
Keberadaan pembangkit listrik di sekitar pemukiman penduduk membuat
kebutuhan masyarakat sekitar menjadi terpenuhi. Akan tetapi, emisi gas dari
pembangkit listrik dapat mencemari lingkungan dan menimbulkan penyakit bagi
masyarakat di sekitar pembangkit (Muhaimin et al, 2015). Emisi hasil
pembakaran batubara pada PLTU akan mencemari lingkungan daerah sekitar,
ketika sudah keluar dari cerobong dan dihembuskan oleh angin. Tingkat emisi
yang terlalu tinggi akan menyebabkan terjadinya hujan asam (Kusman dan
Utomo, 2017). Berdasarkan Peraturan Menteri Lingkungan Hidup (LH) Nomor 21
Tahun 2008 tentang Baku Mutu Emisi Sumber Tidak Bergerak Bagi Usaha
dan/atau Kegiatan Pembangkit Listrik Tenaga Termal, empat parameter utama
yaitu sulfur dioksida (SO2), Nitrogen Oksida (NOx) dinyatakan sebagai NO2, total
partikulat sebagai TSP, dan opasitas diukur minimal setiap 6 bulan sekali (KLH,
2008). Emisi gas SO2 dan NO2 dari pembangkit listrik dengan bahan bakar
batubara menunjukkan peningkatan konsentrasi emisi gas buang terhadap udara
ambien. Hal ini perlu dilakukan kontrol untuk emisi hasil pembakaran batubara di
PLTU guna mengurangi dampak lingkungan dan kesehatan pada manusia (Ali dan
Athar, 2010).
Oleh karena itu, penelitian ini dilakukan untuk menganalisis pola sebaran
emisi gas buang hasil pembakaran batubara dari pembangkit listrik tenaga uap
dengan menggunakan metode Gaussian dan perhitungan tingkat paparan risiko
terhadap kesehatan masyarakat sekitar. Pemilihan PLTU Banten 3 Lontar sebagai
tempat penelitian karena lokasi penelitian ditunjuk sebagai PLTU percontohan
pengelolaan Kesehatan, Keselamatan Kerja, dan Lingkungan (K3L) di Indonesia.
Sebagai PLTU percontohan, pengelolaan pencemaran udara di PLTU Banten 3
Lontar sudah selayaknya sesuai dengan regulasi yang terdapat pada Peraturan
Pemerintah (PP) Nomor 41 Tahun 1999 dan Permen LH Nomor 21 Tahun 2008
(KLH, 2008).
2
Perumusan Masalah
Penelitian mengenai pola sebaran dan tingkat paparan emisi gas buang
cerobong terhadap kesehatan masyarakat sekitar PLTU Banten 3 Lontar belum
dievaluasi terhadap dampak emisi gas buang cerobong sehingga penelitian ini
dibuat untuk menganalisis:
1. Pola sebaran emisi gas buang SO2, NO2, dan total partikulat dari cerobong di
PLTU Banten 3 Lontar.
2. Dampak kesehatan akibat paparan emisi gas SO2, gas NO2, dan total partikulat
dari cerobong terhadap masyarakat sekitar PLTU Banten 3 Lontar.
Tujuan Penelitian
Tujuan dari penelitian ini adalah:

1. Menganalisis pola sebaran SO2, NO2 dan total partikulat sebagai emisi gas
buang dari cerobong PLTU Banten 3 Lontar dengan metode Gaussian.
2. Menganalisis tingkat risiko paparan emisi cerobong PLTU Banten 3 Lontar
terhadap masyarakat sekitar.
Manfaat Penelitian
Manfaat dari hasil penelitian ini bagi perusahaan PT. Indonesia Power
sebagai Unit Jasa Pembangkitan PLTU Banten 3 Lontar adalah:
1. Mewujudkan misi PT. Indonesia Power yaitu menyelenggarakan bisnis
pembangkitan tenaga listrik dan jasa terkait yang bersahabat dengan
lingkungan.
2. Memberikan informasi mengenai dampak yang ditimbulkan oleh cerobong
PLTU terhadap masyarakat sekitar PLTU Banten 3 Lontar.
Ruang Lingkup Penelitian
Ruang lingkup penelitian ini adalah:

1. Penelitian difokuskan pada analisis pola sebaran dan tingkat paparan emisi gas
buang cerobong PLTU Banten 3 Lontar terhadap kesehatan masyarakat
berdasarkan data hasil pengukuran emisi secara manual dengan metode
isokinetik dan hasil pengukuran kualitas udara ambien pada tahun 2018.
2. Penelitian memiliki tiga parameter sebagai emisi gas buang utama di udara
ambien dalam melakukan analisis pola sebaran dan perhitungan tingkat
paparan emisi gas buang yaitu gas SO2, gas NO2, dan total partikulat (TSP).
3. Penelitian menggunakan perhitungan tingkat paparan emisi gas buang
terhadap masyarakat sekitar PLTU Banten 3 Lontar berdasarkan lokasi titik
pengukuran udara ambien pada tahun 2018 sebagai lokasi yang terdampak.
3
TINJAUAN PUSTAKA
Pembangkit Listrik Tenaga Uap
Pembangkit listrik tenaga uap (PLTU) adalah pembangkit yang

mengandalkan energi kinetik dari uap untuk menghasilkan energi listrik. Bentuk
utama dari pembangkit listrik jenis ini adalah generator yang dihubungkan ke
turbin oleh tenaga kinetik dari uap panas. PLTU menggunakan berbagai macam
bahan bakar terutama batu bara dan minyak bakar untuk menghasilkan listrik
(Wibowo, 2018). PLTU batubara adalah pembangkit listrik yang memanfaatkan
batubara sebagai bahan bakarnya untuk menghasilkan energi berupa panas. PLTU
Banten 3 Lontar merupakan salah satu PLTU batubara di Indonesia.
Menurut Antono dan Darmawan (2016), PLTU merupakan salah satu jenis
pembangkit listrik tenaga termal karena biaya bahan bakar lebih murah dan dapat
menghasilkan daya yang besar. PLTU merupakan mesin konversi energi yang
merubah energi kimia di dalam bahan bakar menjadi energi listrik. Proses
konversi energi pada PLTU berlangsung melalui 3 tahapan singkat sesuai dengan
siklus Rankine. Tahapan pertama, energi kimia dalam bahan bakar diubah menjadi
energi panas dalam bentuk uap bertekanan dan temperatur tinggi. Tahapan kedua,
energi panas (uap) diubah menjadi energi mekanik dalam bentuk putaran.
Tahapan ketiga, energi mekanik diubah menjadi energi listrik.
Mawar Angin
Mawar angin atau wind rose merupakan tampilan visual untuk memberikan
gambaran tentang kondisi arah dan kecepatan angin berdasarkan grafik mawar
angin, distribusi frekuensi arah, dan kecepatan angin dapat diketahui dalam
periode tertentu (Setyawan, 2015). Aplikasi software untuk pengolahan data
mawar angin adalah WRPLOT View berbasis windows. Mawar angin dapat
digunakan untuk menampilkan grafik dari kecenderungan arah pergerakan angin
pada suatu wilayah (Zukhrufiana et al, 2017). Nilai angka dalam mawar angin
menggambarkan kecepatan dan arah angin. Data terdiri dari beberapa lingkaran
dengan spasi dan jarak garis yang sama untuk mewakili setiap arah mata angin.
Panjang garis sebanding dengan frekuensi angin dan legenda pada mawar angin
menunjukkan warna khusus untuk setiap kecepatan angin. Frekuensi kondisi
tenang ditunjukkan pada titik tengah mawar angin. Garis terpanjang
mengidentifikasi arah angin dominan yang terjadi (Mirhosseini et al, 2011),
Data analisis angin diperoleh dari stasiun pengamatan Badan Meteorologi
Klimatologi dan Geofisika (BMKG) terdekat. Data dari stasiun tersebut berupa
data kecepatan angin maksimum harian selama 10 tahun (Cendekia, 2016). Pada
umumnya, struktur mawar angin berbentuk lingkaran yang memiliki delapan atau
enam belas baris keluar untuk setiap arah angin. Panjang dari setiap baris adalah
perbandingan terjadinya angin dari arah tertentu. Mawar angin banyak
diaplikasikan pada berbagai bidang seperti penilaian dampak lingkungan,
pengukuran emisi industri, oseanografi, teknik pertanian, pengukuran kualitas
udara ambien, dan dispersi pemodelan (Varma et al, 2013).
4
Pencemaran Udara
Berdasarkan PP No. 41 Tahun 1999, pencemaran udara adalah masuknya

atau dimasukkannya zat, energi dan/atau komponen lain ke dalam udara ambien
oleh kegiatan manusia sehingga mutu udara ambien turun sampai ke tingkat
tertentu yang menyebabkan udara ambien tidak dapat memenuhi fungsinya.
Menurut Kementrian Lingkungan Hidup, pencemar udara di lingkungan dapat
diklasifikasikan menjadi dua kelompok berdasarkan sumber dan kelanjutan
perkembangan di udara yaitu sumber pencemar primer dan sumber pencemar
sekunder (KLH, 2009).
Pencemar primer adalah semua pencemar diudara dalam bentuk hampir
tidak berubah. Pencemar primer berasal dari sumber-sumber aktivitas manusia
seperti dari industri maupun emisi kendaraan bermotor seperti CO, SO 2, NOx,
H2S, dan NH3. Pencemar sekunder adalah semua pencemar di udara telah berubah
karena hasil reaksi tertentu antara dua atau lebih kontaminan primer dengan
kontaminan lain di dalam udara. Zat-zat penyebab pencemaran udara secara fisik
berbentuk gas maupun partikel. Bentuk gas dapat berupa senyawa karbon (CO,
CO2 dan hidrokarbon), senyawa sulfur (SO2), senyawa nitrogen (NO2), dan
senyawa halogen.
Sumber Pencemar Udara

Berdasarkan Peraturan Pemerintah Nomor. 41 Tahun 1999, definisi sumber
pencemar adalah setiap usaha dan/atau kegiatan yang mengeluarkan bahan
pencemar ke udara yang menyebabkan udara tidak dapat berfungsi sebagaimana
mestinya. Menurut asalnya, sumber pencemaran udara terbagi menjadi 2 yaitu
sumber alami dan buatan. Sumber pencemar alami yaitu masuknya zat pencemar
ke udara bebas diakibatkan oleh adanya aktivitas letusan gunung berapi,
kebakaran hutan, dan lain sebagainya karena aktivitas alam. Sumber buatan
diakibatkan oleh adanya aktivitas manusia seperti aktivitas transportasi, industri,
dan domestik (Soedomo, 2001).
Berdasarkan Tjasjono (1999), pola sumber pencemar dibagi menjadi 3
sumber yaitu sumber titik (point source), sumber garis (line source), dan sumber
area (area source). Sumber titik merupakan sumber pencemar berasal dari pabrik-
pabrik atau industri yang mengeluarkan zat pencemar ke udara melalui cerobong
pembuangan seperti PLTU, pabrik semen, dan lainnya. Sumber garis merupakan
sumber pencemar mengeluarkan zat pencemar berupa garis memanjang seperti
emisi dikeluarkan oleh kendaraan di jalan raya. Sumber area merupakan sumber
pencemar mengeluarkan zat pencemar dari suatu wilayah, seperti kawasan
industri.
Sulfur Dioksida (SO2)

Sulfur di atmosfer sebagian besar terdiri dari H2S, SO2, dan SO3. Secara
alami, sulfur di atmosfir berasal dari evaporasi air laut dan letusan gunung berapi
(Sulistijorini, 2009). Sulfur dioksida (SO2) adalah gas tidak berwarna,
memedihkan mata, mudah larut dalam air, dan reaktif. Gas berbau tajam tapi tak
berwarna ini dapat menimbulkan serangan asma. Gas ini menetap di udara,
bereaksi, dan membentuk partikel-partikel halus serta zat asam. Emisi sulfur
dioksida terutama timbul dari pembakaran bahan bakar fosil mengandung sulfur
5
terutama batubara untuk pembangkit tenaga listrik atau pemanasan rumah tangga
(Ruhiyat, 2009).
Pada atmosfer gas sulfur dioksida (SO2), asam sulfat dapat bereaksi dengan
air hujan sehingga menghasilkan hujan asam yang berdampak pada kerusakan
hutan, merusak gedung-gedung, dan material logam berat. Kegiatan dari industri
menimbulkan dampak gas SO2 bagi pekerja dan penduduk di sekitar industri.
Konsentrasi gas SO2 di udara akan mulai terdeteksi oleh indera manusia saat
konsentrasi berkisar antara 0.3 – 1 ppm (Sopiah, 2005). Dampak dirasakan bagi
penduduk dalam radius kurang dari 300 meter dari kawasan industri memiliki
risiko 1.37 kali mengalami penurunan kapasitas fungsi paru-paru (Daud dan
Sedionoto, 2010).
Nitrogen Dioksida (NO2)

Nitrogen oksida (NOx) mempunyai dua bentuk molekul gas yaitu Nitrogen
dioksida (NO2) dan Nitrogen monoksida (NO). Nitrogen dioksida (NO2)
merupakan komponen emisi gas buang di udara ambien sehingga memberikan
kontribusi terhadap kualitas udara, di samping sulfur dioksida (Susanto, 2004).
Gas NO2 secara visual mudah diamati dari warnanya yang cokelat kemerahan dan
baunya menyengat. Gas NO2 pada manusia bersifat bahaya, kadar 5 ppm jika
terjadi kontak selama 10 menit terhadap manusia akan mengakibatkan kesulitan
dalam bernapas (Mannaf et al, 2016). Nitrogen dioksida (NO2) termasuk emisi gas
buang di udara ambien yang diemisikan dari berbagai sumber di suatu kawasan
terutama sektor transportasi menyumbang pencemar NO2 sebesar 69% di
perkotaan, di ikuti industri dan rumah tangga (Mukono, 2006).
Kadar NO2 di udara jika terlalu tinggi di atas indeks standar pencemaran
udara (ISPU) 100 mengakibatkan dampak negatif seperti terjadinya hujan asam,
menyebabkan batuk, gangguan pernapasan serta menyebabkan kematian
(Darmawan, 2018). Gas nitrogen dioksida (NO2) merupakan gas paling beracun
dibandingkan dengan jenis gas nitrogen oksida (NOx) lain di udara. Organ tubuh
paling peka terhadap pencemaran gas NO2 adalah paru-paru, dimana paru-paru
akan mengalami pembengkakan (Herawati et al, 2018).
Total Suspended Particulate (TSP)

Total suspended particulate merupakan partikel dengan diameter kurang
dari 100 µm. Beberapa karakteristik dimiliki oleh partikulat yaitu ukuran,
distribusi ukuran, bentuk kepadatan, kelengketan, sifat korosif, reaktivitas dan
toksisitas (Rochimawati, 2014). Secara alamiah, debu dan total suspended
particulate (TSP) dapat dihasilkan dari tanah kering yang terbawa oleh angin.
Kecepatan angin tertentu dapat mengakibatkan terangkatnya partikel-partikel
halus dari permukaan tanah sehingga menghasilkan debu (Feng et al, 2008). Pada
beberapa orang, partikel tersuspensi dapat mengakibatkan penyakit asma dan
penyakit pernapasan lainnya.
Reaksi Pembakaran Batubara
Batubara adalah mineral organik dari endapan berupa batuan organik dari
unsur karbon, hidrogen dan oksigen (Jannah, 2010). Batubara digunakan sebagai
6
sumber energi alternatif untuk menghasilkan listrik. Pada pembakaran batubara,

batubara mengandung kadar sulfur tinggi sehingga dapat menghasilkan emisi gas
buang di udara ambien seperti sulfur dioksida pembentuk hujan asam. Karbon
dioksida terbentuk pada saat pembakaran berdampak negatif pada lingkungan
(Achmad, 2004).
Menurut Ariningtyas (2014), tujuan utama suatu pembakaran adalah
memaksimalkan pelepasan energi terkandung dalam bahan bakar dan
meminimalkan kerugian-kerugian selama proses pembakaran. Dengan demikian,
beberapa pengaturan udara perlu dilakukan melalui penambahan zat tertentu
dalam proses pembakaran. Reaksi pembakaran dalam furnice harus berjalan
secara stoikiometri untuk mendapatkan energi maksimal. Reaksi kimia
pembakaran batubara (hidrokarbon) secara stoikiometri adalah sebagai berikut:
𝑦
CxHy + a(O2 + 3.76 N2)  xCO2 + (2 )H2O + 3.76aN2
Reaksi pembakaran sulfur dalam batubara dengan oksigen menghasilkan

SO, SO2, dan SO3 sebagai emisi gas buang di udara ambien. Selain itu, ada juga
gas CO dan NOx dihasilkan oleh pembakaran tidak sempurna jika jumlah bahan
bakar dan udara tidak seimbang atau pencampuran bahan bakar dan udara kurang
sempurna.
Menurut Aryono (2006), suplai udara harus terkontrol untuk mendapatkan
pembakaran sempurna. Apabila suplai udara kurang, beberapa produk
meninggalkan ruang pembakaran tanpa terbakar terlebih dahulu. Apabila suplai
udara berlebih, efisiensi turun sebanding dengan kelebihan udara. Reaksi
sederhana saat pembakaran batubara ditunjukkan pada Persamaan (1) sampai (6):
C + O2  CO2 ......................................................................................................(1)
2H2 + O2  2 H2O ...............................................................................................(2)
S + O2  SO2 .......................................................................................................(3)
CO + ½ O2  CO2 ................................................................................................(4)
Cn Hm + (n+m/4)O2  n CO2 + m/2 H2O ............................................................(5)
H2S + 3/2 O2  SO2 + H2O .................................................................................(6)
Keterangan:
H = Unsur hidrogen dari udara
O = Unsur oksigen dari udara
C = Unsur karbon dari batubara
S = Unsur sulfur dari batubara
Model Dispersi Gaussian
Model dispersi Gaussian merupakan salah satu model perhitungan untuk

mensimulasikan pengaruh emisi terhadap kualitas udara. Model Gaussian
merupakan bentuk persamaan matematika untuk memberikan informasi lebih
detail mengenai sumber emisi gas buang di udara pada suatu daerah (Bakar,
2006). Menurut Faridha (2004), penggunaan model Gaussian dalam
memperhitungkan konsentrasi dan deposisi emisi gas buang di udara ambien
7
akibat emisi sumber titik didasarkan pada pertimbangan salah satunya adalah
model asap Gaussian hanya membutuhkan data meteorologi yaitu arah dan
kecepatan angin di cerobong. Penyebab emisi pembangkit listrik yang
berkapasitas besar dengan ketinggian cerobong gas buang 70 – 200 m
dikategorikan sebagai emisi sumber titik, sedangkan cerobong gas buang dengan
ketinggian di bawah 42 m dikategorikan sebagai emisi sumber luasan. Pendekatan
untuk sumber titik menggunakan modifikasi fungsi Gaussian dengan 3 parameter
yaitu sumber emisi, meteorologi, dan topografi (Faridha, 2004).
Menurut Puspitasari (2011), model Gaussian menggunakan beberapa asumsi
yaitu sumber emisi menghasilkan material secara kontinu, karakteristik arah angin
adalah homogen secara vertikal atau horizontal dan kecepatan rata-rata tidak
berubah, transformasi kimia dan fisika di atmosfer tidak diperhitungkan, semua
variabel konstan, permukaan datar serta sumbu x sejajar dengan arah persebaran
angin. Sampai saat ini, model Gaussian tetap dianggap paling tepat untuk
melukiskan secara matematis pola tiga dimensi dari perjalanan semburan (plume)
emisi. Keluar dari sumber, emisi gas buang di udara ambien bergerak sebagai
semburan mengikuti arah angin, menyebar ke arah samping dan vertikal.
Konsentrasi emisi gas buang di udara ambien lebih tinggi di garis tengah
semburan dan rendah di daerah – daerah tepi semburan. Semakin ke tepi,
konsentrasi emisi gas buang di udara ambien semakin rendah.
Sumber: Sadly dan Sulaiman (2014)
Gambar 1 Sistem koordinat model Gaussian
METODOLOGI PENELITIAN
Waktu dan Lokasi
Penelitian mengenai analisis pola sebaran dan tingkat paparan emisi gas
buang cerobong terhadap kesehatan masyarakat sekitar PLTU Banten 3 Lontar
dilaksanakan pada bulan Mei – Agustus 2019. Penelitian ini berlokasi di PLTU
Banten 3 Lontar dan desa sekitar tempat pengukuran kualitas udara ambien
dengan radius 5 km dari cerobong. Tiga desa sebagai lokasi pengukuran kualitas
8
udara ambien, yaitu Desa Lontar, Desa Karang Anyar dan Desa Klebet,
Kecamatan Kemiri, Kabupaten Tangerang, Provinsi Banten (Gambar 2).
Pemilihan desa dilakukan sebagai lokasi untuk pengambilan data primer terkait
tingkat paparan emisi gas buang cerobong terhadap kesehatan masyarakat sekitar
PLTU Banten 3 Lontar.
Gambar 2 Peta lokasi penelitian
Alat dan Bahan
Penelitian ini menggunakan laptop HP Pavilion gaming 15 yang dilengkapi

dengan microsoft office (microsoft word 2010 dan microsoft excel 2010), aplikasi
ArcGIS 10.4.1, aplikasi Google Earth Pro, aplikasi lakes environmental WRPLOT
View version 7.0.0, dan timbangan badan digital. Selain itu, pembuangan emisi
gas buang PLTU menggunakan beberapa peraturan syarat baku mutu, yaitu:
1. Peraturan Pemerintah Nomor 41 Tahun 1999 tentang Pengendalian
Pencemaran Udara.
2. Peraturan Menteri Lingkungan Hidup Nomor 21 Tahun 2008 tentang Baku
Mutu Emisi Sumber Tidak Bergerak Bagi Usaha dan/atau Kegiatan
Pembangkit Listrik Tenaga Termal (KLH, 2008).
Bahan penelitian menggunakan data primer dan data sekunder. Data primer
penelitian berupa:
1. Data kecepatan gas buang, konsentrasi emisi SO2, NO2, dan TSP yang diukur
secara manual menggunakan metode isokinetik, penentuan nilai konsentrasi
emisi gas buang dengan kondisi laju aliran dalam keadaan konstan oleh
Laboratorium Anugrah Analis Sempurna yang telah terakreditasi KAN pada
periode pengukuran bulan Januari – Desember 2018.
2. Data pengukuran kualitas udara ambien oleh PT Adhikarilab Indonesia sebagai
laboratorium terakreditasi KAN pada periode pengukuran bulan Januari –
Desember 2018.
3. Data hasil wawancara terhadap masyarakat sekitar.
9
Beberapa data sekunder penelitian ini berupa:

1. Data meteorologi dari stasiun meteorologi kelas I Soekarno-Hatta tahun
2009 – 2018.
2. Data spesifikasi cerobong PLTU Banten 3 Lontar yaitu tinggi, diameter
dan suhu gas buang, kecepatan lepasan emisi, dan waktu operasional tiap
cerobong selama tahun 2018.
Prosedur Pelaksanaan
Pemodelan sebaran emisi pada penelitian ini menggunakan rumus

perhitungan dengan model Gaussian sebagai metode perhitungan konsentrasi gas
buang di udara yang diemisikan oleh PLTU Banten 3 Lontar. Tahapan penelitian
dilakukan dengan beberapa tahapan yaitu studi literatur, pengumpulan data primer
dan sekunder, pengolahan data, analisis data, pembahasan hasil pengolahan dan
analisis data, kesimpulan dan saran (Gambar 3).
Secara rinci, pengolahan data sekunder dan data primer menggunakan
beberapa perangkat lunak yaitu Microsoft Excel 2010, lakes environmental
WRPLOT, Google Earth Pro, dan ArcGIS 10.4.1. Perangkat lunak Microsft Excel
2010 digunakan untuk perhitungan koefisien dispersi serta konsentrasi teoritis tiap
parameter dengan model Gaussian dan tingkat paparan emisi gas buang cerobong
terhadap kesehatan masyarakat. Lakes environmental WRPLOT (wind rose plots
for meteorological data) view version 7.0.0 untuk pembuatan mawar angin dan
grafik distribusi frekuensi kelas angin. Google Earth Pro digunakan untuk
menentukan titik koordinat sebaran dengan jarak setiap 500 m sesuai arah mata
angin dan ArcMap 10.4.1 untuk pembuatan peta pola sebaran emisi gas buang
cerobong tiap parameter. Penyajian peta pola sebaran emisi gas buang cerobong
menggunakan metode interpolasi IDW (inverse distance weighted) dan dilakukan
overlay untuk setiap emisi gas buang cerobong PLTU Banten 3 Lontar dengan
ArcMap 10.4.1.
Langkah pertama dari penelitian yaitu menentukan bulan basah dan kering
untuk menentukan musim dengan metode Mohr. Menurut Liandy et al (2015),
pembagian iklim dengan metode Mohr didasarkan banyaknya bulan basah dan
kering suatu tempat. Kriteria penetapan bulan basah dan bulan kering oleh metode
Mohr ialah:
a. Bulan basah adalah bulan dengan curah hujan > 100 mm,
b. Bulan kering adalah bulan dengan curah hujan < 60 mm, dan
c. Bulan lembap adalah bulan dengan curah hujan diantara 60 - 100 mm.
Langkah selanjutnya adalah membuat mawar angin (windrose) berdasarkan
data kecepatan angin maksimum, arah angin dominan, dan curah hujan harian
selama 10 tahun terakhir pada lokasi penelitian dengan pembagian 8 cabang arah
mata angin. Data 10 tahun dalam penelitian ini adalah data meteorologi mulai dari
tahun 2009 – 2018. Sesuai dalam dokumen amdal PLTU Banten 3 Lontar, data
penentuan bulan basah, bulan kering, dan mawar angin sebagai dasar acuan
berasal dari stasiun meteorologi kelas I Soekarno-Hatta. Hal tersebut disebabkan
lokasi PLTU Banten 3 Lontar lebih dekat dengan Bandara Soekarno-Hatta.
10
Mulai
Studi Literatur
Pengumpulan Data
Data Primer yang digunakan: Data Sekunder yang digunakan:

1. Data kecepatan gas buang, konsentrasi 1. Data meteorologi tahun 2009 – 2018
emisi SO2, NO2, dan TSP tahun 2018 2. Data spesifikasi cerobong PLTU
2. Data pengukuran kualitas udara ambien Banten 3 Lontar
tahun 2018
3. Data hasil wawancara masyarakat sekitar
Pengolahan data
Penentuan bulan basah dan bulan kering
Penentuan wind rose (mawar angin)
Penentuan konsentrasi pencemar SO2, NO2, dan TSP dengan

model Gaussian
Penyusunan peta pola sebaran emisi gas cerobong dengan

metode Gaussian
Analisis tingkat risiko paparan
Tingkat risiko paparan
Selesai
Gambar 3 Tahapan pelaksanaan
Tahapan penelitian selanjutnya yaitu penentuan laju emisi gas buang

cerobong. Pada penelitian dihitung laju emisi gas buang terhadap tiga cerobong
PLTU Banten 3 Lontar. Penentuan laju emisi menggunakan pendekatan analisis
dimensi dan pendekatan faktor emisi. Pendekatan dengan menggunakan analisis
dimensi digunakan Persamaan (1) dan (2).
11
Persamaan (1) dilakukan untuk menghitung laju alir volumetrik dari

masing-masing cerobong dan Persamaan (2) untuk menghitung kecepatan setiap
emisi gas buang oleh cerobong.
q = Vs × A .............................................................................................................(1)
E = C × q × 0.0036 × (Op Hours) ......................................................................(2)
Keterangan:
q = Laju alir emisi volumetrik (m3/detik)
Vs = Laju alir dalam cerobong (m/detik)
A = Luas penampang cerobong (m2)
E = Laju emisi gas buang (kg/jam)
C = Konsentrasi terukur (mg/Nm3)
0.0036 = Faktor konversi dari mg/detik ke kg/jam
Op Hours = Jam operasional pembangkit selama 1 (satu) tahun
Tahapan penelitian selanjutnya adalah penentuan kelas stabilitas dengan
mencocokkan nilai kecepatan angin permukaan dari data meteorologi dengan
klasifikas stabilitas atmosfer pada Tabel 1.
Tabel 1 Klasifikasi stabilitas atmosfer

Siang Malam
Kecepatan angin permukaan
Intensitas sinar matahari Tutupan awan
(m/detik)
Kuat Sedang Lemah >4/8 Berawan <3/8 Cerah
<2 A A-B B F F
2-3 A-B B C E F
3-5 B B-C C D F
5-6 C C-D D D D
>6 C D D D D
Keterangan:
A = Sangat Tidak Stabil C = Sedikit Tidak Stabil E = Agak Sedikit Stabil
B = Tidak Stabil D = Netral F = Stabil
Sumber: Kementerian Lingkungan Hidup Indonesia (2007)
Kelas stabilitas atmosfer diperlukan untuk menentukan koefisien dispersi

yaitu σy dan σz, koefisien eksponen (p) melalui persamaan kecepatan angin pada
ketinggian cerobong (Persamaan 3).
H p
Uz = Ud × ( z ) ..................................................................................................(3)
Hd
Keterangan:
Uz = Kecepatan angin pada ketinggian cerobong (m/detik)
Ud = Kecepatan angin rata-rata (m/dtk)
Hz = Tinggi cerobong (m)
Hd = Tinggi pengukuran angin diatas permukaan tanah (m)
p = Nilai eksponen dari profil angin pada topologi permukaan datar
dan tidak rata
Koefisien eksponen pada penelitian ini berupa koefisien eksponen untuk
permukaan datar (perdesaan). Secara berturut-turut, koefisien eskponen untuk
permukaan datar pada kelas atmosfer A, B, C, D, E, dan F ialah 0.09, 0.09, 0.12,
0.15, 0.24, dan 0.36 (Perkins, 1974 ).
Perhitungan nilai σy dan σz dihitung dengan Persamaan (4) dan (5) serta
menggunakan harga konstanta sesuai dengan kelas stabilitas a, b, c, d, dan f dari
Tabel 2.
12
Tabel 2 Konstanta koefisien dispersi Gauss

X < 1 Km X > 1 Km
Kelas stabilitas A B
C D E C D E
A 213 0.894 440.8 7.941 9.27 459.7 2.094 -9.6
B 156 0.894 106.6 1.149 3.3 108.2 1.098 2.0
C 104 0.894 61.0 0.911 0 61.0 0.911 0
D 68 0.894 33.2 0.725 -1.7 44.5 0.516 -13.0
E 50.5 0.894 22.8 0.678 -1.3 55.4 0.305 -34.0
F 34 0.894 14.4 0.740 -0.35 62.6 0.180 -48.6
(Sumber : Perkins, 1974)
σy = a × Xb ...........................................................................................................(4)
σz = c × Xd + f ....................................................................................................(5)
Keterangan:
σy = Koefisien dispersi horizontal (m)
σz = Koefisien dispersi vertikal (m)
a, b, c, d, f = Konstanta dari Tabel 2
Pada perhitungan konsentrasi emisi gas buang cerobong dengan model
Gaussian, variabel nilai tinggi semburan cerobong atau plume rise/kepulan (dH)
dan nilai tinggi efektif cerobong (He) dapat dihitung dengan Persamaan (6) dan
(7).
1⁄
V 4 Ts−Ta
dH = D (Us ) [1 + ]..................................................................................(6)
z Ts
He = H + dH.........................................................................................................(7)
Keterangan:
dH = Tinggi semburan atau plume rise/kepulan (m)
Vs = Kecepatan gas keluar cerobong (m/detik)
D = Diameter cerobong (m)
Uz = Kecepatan angin pada ketinggian cerobong (m/s)
Ts = Suhu gas buang cerobong (°K)
Ta = Suhu udara (°K)
He = Tinggi cerobong efektif (m)
H = Tinggi cerobong fisik/aktual (m)
Setelah seluruh variabel dari perhitungan diketahui, perhitungan konsentrasi
teoretis dapat ditentukan dengan persamaan model Gaussian pada Persamaan (8)
(KLH, 2007; Supriyadi, 2009). Hasil perhitungan nilai konsentrasi pencemar
ditampilkan dalam bentuk peta model sebaran emisi gas buang cerobong dan peta
wilayah terdampak pencemaran udara di sekitar PLTU Banten 3 Lontar.
Q y2 (z−He)2 (z+He )2
C(x,y,z) = exp [− 2σ 2 ] × {exp [− 2
] + exp [− ]}……..(8)
2π Uz σZ σy y 2σz 2σz 2
Keterangan:
C = Konsentrasi pencemar (µg/Nm3)
Q = Laju emisi pencemar (µg/dtk)
Uz = Kecepatan angin rata-rata di atas cerobong (m/detik)
x = Jarak titik pada sumbu x (m)
y = Jarak titik pada sumbu y (m)
z = Jarak titik pada sumbu z (m)
13
Perhitungan konsentrasi emisi gas buang di udara ambien dihitung setiap

radius 500 m dengan radius total 5 km. Penentuan jarak terjauh 5 km karena
lokasi desa terjauh yaitu Desa Klebet terletak pada radius 4.8 km dari cerobong
PLTU Banten 3 Lontar. Pemodelan pola sebaran dispersi model Gaussian
menggunakan 3 skenario pada variabel x, y, dan z. Skenario pertama, nilai x
bervariatif dengan nilai y dan z konstan. Skenario kedua, nilai x dan y bervariatif
dengan nilai z konstan. Skenario ketiga, nilai x, y, dan z bervariatif. Nilai x dan y
menunjukkan persebaran emisi gas buang ke arah depan dan samping dari arah
hembusan angin, sedangkan nilai z menunjukkan fluktuasi tinggi emisi gas buang
di udara ambien setelah keluar dari cerobong dan dihembuskan oleh angin. Hasil
perhitungan dispersi model Gaussian dibedakan atas 3 kondisi yaitu perhitungan
konsentrasi dispersi emisi gas buang di udara ambien pada tahun 2018, musim
penghujan dan musim kemarau.
Pada analisis tingkat paparan digunakan dua data berbeda yaitu data
perhitungan konsentrasi secara teoritis dengan metode Gaussian dan data
pengukuran kualitas udara ambien tahun 2018 sebagai data hasil pengukuran
konsentrasi emisi gas buang cerobong secara langsung. Pengukuran langsung
pada Desa Lontar, Desa Karang Anyar dan Desa Klebet dihitung berdasarkan
pada hasil pengukuran dengan konsentrasi paling tinggi selama tahun 2018.
Metode survei lapangan berupa wawancara terstruktur terhadap masyarakat
di desa tersebut. Pengambilan sampel dilakukan secara acak dengan jumlah
responden sebanyak 75 orang. Hasil wawancara akan menentukan tingkat risiko
paparan masyarakat dalam waktu tertentu. Pada perhitungan tingkat risiko
paparan, nilai RfC sebagai risk agent terhirup (inhaled) per kg berat badan per
hari (mg/kg/hari) dihitung sebagai konsentrasi rujukan dalam nilai toksisitas yang
tidak menimbulkan efek ganguan kesehatan. Saat ini, hanya gas NO2 yang
memiliki nilai referensi dosis RfC yaitu 0.02 mg/kg/hari (US EPA, 1990),
sedangkan dosis RfC gas SO2 dan TSP belum tersedia dalam bentuk referensi
dalam daftar Integrated Risk Information System (IRIS). Penentuan nilai dosis
RfC gas SO2 dan TSP diturunkan dari National Ambient Air Quality Standard
(NAAQS) sebagai baku mutu udara ambien US-EPA. Standar primer berdasarkan
NAAQS untuk SO2 sebesar 95 µg/m3 dan TSP sebesar 260 µg/m3 (US EPA,
1990). Berat badan manusia dewasa untuk menghitung nilai RFC adalah 70 kg
(US EPA, 1990). Perhitungan nilai RfC menggunakan Persamaan (9), sedangkan
tingkat risiko akibat paparan emisi gas buang PLTU di udara ambien
menggunakan Persamaan (10) dan (11).
CxRxt xf
RfC = W x te e ................................................................................................(9)
b avg
Keterangan:
RfC = Dosis zat kimia yang memajami manusia jalur inhalasi (mg/kg/hari)
C = Konsentrasi risk agent (SO2 = 95 µg/m3 dan TSP = 260 µg/m3)
R = Laju (rate) asupan. Untuk inhalasi (0.83 m3/jam)
te = Waktu paparan per hari (jam/hari)
fe = Frekuensi paparan tahunan, Standar US-EPA = 350 (hari/tahun)
Wb = Berat badan (kg)
tavg = Periode waktu rata-rata, 70 tahun x 365 hari/tahun (karsinogenik),
30 tahun x 365 hari/tahun (non karsinogenik)
14
C x R x te x fe x Dt
I= ...............................................................................................(10)
Wb x tavg
I
RQ = RfC ............................................................................................................(11)
I = Intake (asupan), jumlah risk agent yang diterima individu per satuan
berat badan setiap hari (mg/kg/hari)
Dt = Durasi paparan, real time atau 30 tahun proyeksi
RQ = Risk quotient/tingkat risiko paparan
HASIL DAN PEMBAHASAN
Kondisi Umum Lokasi Penelitian
Secara geografis dan administratif, wilayah PLTU Banten 3 Lontar terletak

pada koordinat 6°01’50.60” - 6°03’51.16” LS dan 106°27'34.46" - 106°28'23.56
BT di Desa Lontar, Kecamatan Kemiri, Kabupaten Tanggerang, Provinsi Banten.
PLTU Banten 3 Lontar mempunyai luas wilayah sebesar 116.5 Ha. Luas wilayah
terdiri dari 90 Ha lahan pertambakan ikan sebagai tapak proyek, 4.5 Ha untuk
penyediaan jalan akses dari lahan pertambakan dan sawah tadah hujan, serta 22
Ha lahan perhutani sebagai saluran pengambilan air laut dan saluran limbah air
bahang. Lokasi PLTU Banten 3 Lontar berbatasan langsung dengan Laut Jawa di
bagian utara, pesawahan penduduk di bagian selatan, tambak penduduk di bagian
timur, dan tambak serta rumah penduduk dengan jarak 1 km dari PLTU di bagian
barat.
Lokasi penelitian berada di kawasan PLTU Banten 3 Lontar dan desa sekitar
sebagai lokasi pengukuran kualitas udara ambien (Tabel 3). Lokasi penelitian di
dalam kawasan PLTU Banten 3 Lontar terdiri dari tiga cerobong sebagai titik
sumber pencemar, sedangkan lokasi penelitian yang berada di luar PLTU Banten
3 Lontar yaitu Desa Lontar, Desa Karang Anyar, dan Desa Klebet.
Tabel 3 Koordinat lokasi penelitian

Titik koordinat
No Lokasi penelitian
Lintang selatan Bujur timur
1 Cerobong 1 6°03'28.33" 106°27'51.04"
2 Cerobong 2 6°03'28.33" 106°27'51.04"
3 Cerobong 3 6°03'28.77" 106°27'55.79"
4 Desa Lontar 6°04'16.26" 106°26'51.68"
5 Desa Karang Anyar 6°04'53.19" 106°28'24.44"
6 Desa Klebet 6°05'47.66" 106°27'32.67"
Spesifikasi Cerobong PLTU Banten 3 Lontar

PLTU Banten 3 Lontar memiliki tiga cerobong yang terdiri dari Cerobong 1,
2, dan 3. Cerobong 1 dan 2 merupakan cerobong gabungan (common stack),
sedangkan Cerobong 3 merupakan cerobong tunggal (single stack). Cerobong
gabungan dan Cerobong 3 dipisahkan dengan jarak ± 150 m. Setiap cerobong
memiliki spesifikasi berbeda bergantung pada jam operasional cerobong, suhu gas
buang, dan kecepatan lepasan emisi cerobong. Spesifikasi cerobong PLTU Banten
3 Lontar (Tabel 4), menjelaskan jam operasional Cerobong 1 terbesar dengan jam
15
operasional selama 8116.45 jam/ tahun. Cerobong 2 memiliki kecepatan lepasan

emisi gas buang cerobong tertinggi dengan kecepatan mencapai 24.64 m/detik.
Konsentrasi emisi gas buang Cerobong 3 tertinggi pada parameter SO2, NO2, dan
TSP dengan nilai secara berurutan 450.93 m/Nm3, 378 m/Nm3, dan 70.07 m/Nm3.
Tabel 4 Spesifikasi Cerobong PLTU Banten 3 Lontar

Cerobong pembangkit
Data cerobong Cerobong Cerobong Cerobong Satuan
1 2 3
Tinggi cerobong 127 127 127 m
Diameter cerobong 5 5 5 m
Luas penampang cerobong 19.625 19.625 19.625 m2
Jam operasional per tahun 2018 8116.45 7662.59 6357.07 jam/tahun
Kecepatan lepasan emisi 22.71 24.64 21.97 m/detik
Konsentrasi emisi SO2 per tahun 2018 422.83 263.06 450.93 mg/Nm3
Konsentrasi emisi NO2 per tahun 2018 225 199 378 mg/Nm3
Konsentrasi emisi TSP per tahun 2018 60.54 63.16 70.07 mg/Nm3
Suhu gas buang terukur per tahun 2018 173 172 168 °C
Sumber: Laporan monitoring pelaksanaan RKL RPL PLTU Banten 3 Lontar Tahun 2018
Penentuan Bulan Basah dan Bulan Kering
Penentuan bulan basah, bulan kering dan bulan lembap menggunakan

metode Mohr dengan kriteria penetapan curah hujan > 100 mm untuk bulan basah,
curah hujan < 60 mm untuk bulan kering, dan curah hujan antara 60 – 100 mm
untuk bulan lembap. Analisis penelitian membuat kategori bulan lembap masuk
ke dalam kategori bulan kering karena memiliki curah hujan < 100 mm sehingga
bulan basah memiliki curah hujan > 100 mm dan bulan kering memiliki curah
hujan < 100 mm.
Tabel 5 Data curah hujan tahun 2009 – 2018

Curah hujan tahun (mm/bulan)
Bulan
2009 2010 2011 2012 2013 2014 2015 2016 2017 2018
Januari 587.3 442.3 200.6 190.4 719.7 718.8 426 164.8 213 155
Februari 282 140 186.8 67.6 201.6 674.2 487.1 516.9 456 373.4
Maret 208.9 176 118.6 202.9 133.7 261.6 154.7 163 134 77.4
April 106.2 72.6 110.5 201.3 146.6 213.4 109.4 47.7 140 221
Mei 97.9 30.7 41.3 72.4 150.2 61.1 43 124.9 153 42
Juni 69 280.7 59.6 68.1 43.1 94,7 106 167.9 172 11.8
Juli 41.1 239.2 125.7 1.1 352 112.3 0 146.3 87 0
Agustus 11.8 144.7 0.3 0.1 66.9 51,1 5,2 123 17 9.4
September 32.6 126.8 9.5 7.2 42.6 41.4 0 88.4 88.4 11.8
Oktober 80.1 343.5 121.2 67.2 17.5 17,3 15.3 285.9 98 58.2
November 129.3 163.5 43.7 72.3 143.5 86.4 60 71.4 91 176.9
Desember 70.6 96.4 143.3 191.9 351.9 206 173.9 103 180.5 117.8
16
Penentuan bulan basah dan bulan kering untuk menentukan musim

penghujan dan musim kemarau di Indonesia selama 10 tahun yaitu tahun 2009 –
2018. Berdasarkan data pada Tabel 5, musim kemarau di Indonesia terjadi pada
bulan Mei – Oktober dengan curah hujan < 100 mm, sedangkan musim penghujan
terjadi pada bulan November – April dengan curah hujan > 100 mm. Penentuan
musim akan mempengaruhi arah sebaran dan nilai konsentrasi emisi gas buang
cerobong dari PLTU Banten 3 Lontar.
Penentuan Mawar Angin
Data arah angin dominan, kecepatan angin maksimum, dan curah hujan
maksimum selama 10 tahun didapatkan dari Stasiun Meteorologi Kelas I
Soekarno-Hatta. Mawar angin dibedakan menjadi tigas jenis, yaitu mawar angin
selama 10 tahun, mawar angin musim penghujan, dan mawar angin musim
kemarau. Perbedaan mawar angin digunakan untuk menunjukkan perbedaan pola
sebaran dan besarnya nilai konsetrasi emisi gas buang cerobong dari PLTU
Banten 3 Lontar.
Gambar 4 Mawar angin tahun 2009 – 2018
Pada Gambar 4, mawar angin tahun 2009 – 2018 ditandai dengan arah angin
dominan selama 10 tahun ke arah Timur, Barat Daya dan Selatan. Kecepatan
angin maksimum adalah 30 – 40 m/detik (warna hijau), sedangkan kecepatan
angin dominan sebesar 10 – 30 m/detik (warna oranye dan kuning). Kecepatan
angin rata-rata selama tahun 2009 – 2018 sebesar 8.47 m/detik.
17
(musim penghujan)
(musim kemarau)
Gambar 5 Mawar angin pada musim penghujan dan kemarau
Gambar 5, menunjukkan pada musim penghujan arah angin dominan

mengarah ke arah Timur dengan kecepatan maksimum sebesar 30 – 40 m/detik
(warna hijau). Kecepatan angin dominan pada musim penghujan adalah 10 – 20
m/detik (warna oranye) dan 20 – 30 m/detik (warna kuning). Kecepatan angin
18
rata-rata pada musim penghujan sebesar 8.66 m/detik. Pada musim kemarau
(Gambar 5), arah angin dominan mengarah ke arah Barat Daya dengan kecepatan
maksimum sebesar 30 – 40 m/detik (warna hijau). Kecepatan angin dominan pada
musim kemarau adalah 10 – 20 m/detik (warna oranye) dan 20 – 30 m/detik
(warna kuning). Kecepatan angin rata-rata pada musim kemarau sebesar 8.24
m/detik. Dengan demikian, berdasarkan hasil penentuan mawar angin (Gambar 4
dan Gambar 5), pola analisis sebaran emisi gas buang cerobong dibuat mengarah
ke arah Barat Daya dan Selatan. Hal ini disebabkan bagian selatan dari PLTU
Banten 3 Lontar berbatasan langsung dengan tambak serta rumah penduduk.
Hasil Perhitungan Dispersi Model Gaussian
Secara sederhana, Tabel 6 menyajikan skenario pertama model konsentrasi

emisi gas buang di udara ambien tahun 2018 untuk nilai x bervariatif dengan nilai
y dan z konstan. Nilai x bervariatif dengan jarak 500 m. Penentuan nilai x dan y
bernilai 0 m untuk menggambarkan kondisi saat emisi gas buang pertama kali
keluar dari cerobong dan masuk ke dalam udara ambien. Pada kondisi tersebut
nilai konsentrasi seluruh parameter bernilai 0 karena emisi gas buang langsung
dihembuskan oleh angin. Penentuan nilai y sebesar 500 m untuk mengetahui
konsentrasi emisi gas buang di udara ambien dengan jarak terdekat dari cerobong.
Nilai z sebesar 134.80 m untuk mengetahui konsentrasi emisi gas buang di udara
ambien pada ketinggian efektif cerobong. Skenario pertama menunjukkan bahwa
semakin jauh jarak persebaran (nilai x), maka konsentrasi emisi gas buang di
udara ambien akan mengalami penurunan. Konsentrasi SO2 pada jarak 500 – 5000
m (nilai x) secara berurutan mengalami penurunan konsentrasi dari 22.94 µg/m3 –
0.88 µg/m3 (Cerobong 1), 14.62 µg/m3 – 0.56 µg/m3 (Cerobong 2), dan 18.55
µg/m3 – 0.71 µg/m3 (Cerobong 3). Konsentrasi NO2 pada jarak 500 – 5000 m
(nilai x) secara berturut-turut juga mengalami penurunan konsentrasi dari 12.21
µg/m3 – 0.47 µg/m3 (Cerobong 1), 11.06 – 0.43 µg/m3 (Cerobong 2), dan 15.55
µg/m3 – 0.60 µg/m3 (Cerobong 3). Kondisi serupa dijumpai pada konsentrasi TSP.
Konsentrasi emisi gas buang tersebut mengalami penurunan konsentrasi pada
jarak 500 – 5000 m (nilai x) secara berturut-turut juga mengalami penurunan
konsentrasi dari 3.28 µg/m3 – 0.13 µg/m3 (Cerobong 1), 3.51 µg/m3 – 0.14 µg/m3
(Cerobong 2), dan 2.88 µg/m3 – 0.11 µg/m3 (Cerobong 3).
Tabel 7 menyajikan skenario kedua model konsentrasi emisi gas buang di
udara ambien tahun 2018 untuk nilai x dan y bervariatif dengan jarak 500 m,
sedangkan nilai z bernilai konstan. Penentuan nilai z sebesar 0 m untuk
mengetahui konsentrasi emisi gas buang di udara ambien pada ketinggian 0 m
atau di atas permukaan tanah. Skenario kedua memiliki nilai konsentrasi emisi gas
buang di udara ambien lebih tinggi dibandingkan skenario pertama pada jarak 500
m pada setiap parameter. Menurut Rahmadhani (2017), saat emisi gas buang
keluar dari cerobong terjadi kepulan yang dipegaruhi faktor buoyancy flux di
udara ambien. Buoyancy flux merupakan pemuaian gas karena perbedaan
temperatur sehingga sangat berpengaruh pada perhitungan tinggi kepulan dan
konsentrasi emisi gas buang di udara ambien. Fenomena tersebut terjadi pada
skenario kedua dengan jarak 500 m. Fenomena tersebut memiliki nilai konsentrasi
emisi gas buang di udara ambien pada skenario kedua lebih tinggi dari konsentrasi
19
skenario pertama. Fenomena buoyancy flux terjadi pada jarak 500 m untuk setiap
parameter pada cerobong. Cerobong 1 memiliki nilai konsentrasi emisi gas buang
SO2 di udara ambien sebesar 23.02 µg/m3 (Tabel 7). Nilai tersebut lebih besar
dibandingkan skenario pertama sebesar 22.95 µg/m 3 (Tabel 6). Konsentrasi NO2
di udara ambien sebesar 12.25 µg/m3 (Tabel 7) lebih besar dari skenario pertama
sebesar 12.21 µg/m3 (Tabel 6). Selain itu, konsentrasi TSP di udara ambien pada
skenario kedua sebesar 3.30 µg/m3 lebih besar dibandingkan skenario pertama
sebesar 3.28 µg/m3.
Tabel 6 Skenario pertama model konsentrasi emisi tahun 2018

Sumber Koodinat sebaran (m) Konsentrasi emisi (µg/m3)
pencemar x y z SO2 NO2 TSP
Cerobong 1 0 0 134.8 0 0 0
500 500 134.8 22.94 12.21 3.28
1000 500 134.8 8.63 4.59 1.24
1500 500 134.8 4.85 2.58 0.69
2000 500 134.8 3.23 1.72 0.46
2500 500 134.8 2.35 1.25 0.34
3000 500 134.8 1.82 0.97 0.26
3500 500 134.8 1.46 0.78 0.21
4000 500 134.8 1.21 0.64 0.17
4500 500 134.8 1.02 0.55 0.15
5000 500 134.8 0.88 0.47 0.13
Cerobong 2 0 0 134.8 0 0 0
500 500 134.8 14.62 11.06 3.51
1000 500 134.8 5.50 4.16 1.32
1500 500 134.8 3.09 2.34 0.74
2000 500 134.8 2.06 1.56 0.49
2500 500 134.8 1.50 1.13 0.36
3000 500 134.8 1.16 0.88 0.28
3500 500 134.8 0.93 0.70 0.22
4000 500 134.8 0.77 0.58 0.19
4500 500 134.8 0.65 0.49 0.16
5000 500 134.8 0.56 0.43 0.14
Cerobong 3 0 0 134.8 0 0 0
500 500 134.8 18.55 15.55 2.88
1000 500 134.8 6.98 5.85 1.08
1500 500 134.8 3.92 3.29 0.61
2000 500 134.8 2.61 2.19 0.41
2500 500 134.8 1.90 1.59 0.30
3000 500 134.8 1.47 1.23 0.23
3500 500 134.8 1.18 0.99 0.18
4000 500 134.8 0.98 0.82 0.15
4500 500 134.8 0.83 0.69 0.13
5000 500 134.8 0.71 0.60 0.11
Skenario kedua (Tabel 7) memiliki konsentrasi SO2 pada jarak 500 – 5000
m (nilai x) secara berurutan mengalami penurunan konsentrasi dari 23.02 µg/m3 –
0.88 µg/m3 (Cerobong 1), 14.67 µg/m3 – 0.56 µg/m3 (Cerobong 2), dan 18.61
µg/m3 – 0.71 µg/m3 (Cerobong 3). Konsentrasi NO2 pada jarak 500 – 5000 m
(nilai x) secara berturut-turut juga mengalami penurunan konsentrasi dari 12.25
µg/m3 – 0.47 µg/m3 (Cerobong 1), 11.10 – 0.43 µg/m3 (Cerobong 2), dan 15.60
µg/m3 – 0.60 µg/m3 (Cerobong 3). Kondisi serupa dijumpai pada konsentrasi TSP.
Konsentrasi emisi gas buang tersebut mengalami penurunan konsentrasi pada
20
jarak 500 – 5000 m (nilai x) secara berturut-turut juga mengalami penurunan

konsentrasi dari 3.30 µg/m3 – 0.13 µg/m3 (Cerobong 1), 3.52 µg/m3 – 0.14 µg/m3
(Cerobong 2), dan 2.89 µg/m3 – 0.11 µg/m3 (Cerobong 3).
Tabel 7 Skenario kedua model konsentrasi emisi tahun 2018

Cerobong 1 0 0 0 0 0 0
500 500 0 23.02 12.25 3.30
1000 1000 0 8.60 4.58 1.23
1500 1500 0 4.84 2.58 0.69
2000 2000 0 3.22 1.72 0.46
2500 2500 0 2.35 1.25 0.34
3000 3000 0 1.82 0.97 0.26
3500 3500 0 1.46 0.78 0.21
4000 4000 0 1.21 0.64 0.17
4500 4500 0 1.02 0.55 0.15
5000 5000 0 0.88 0.47 0.13
Cerobong 2 0 0 0 0 0 0
500 500 0 14.67 11.10 3.52
1000 1000 0 5.48 4.15 1.32
1500 1500 0 3.09 2.34 0.74
2000 2000 0 2.05 1.55 0.49
2500 2500 0 1.50 1.13 0.36
3000 3000 0 1.16 0.88 0.28
3500 3500 0 0.93 0.70 0.22
4000 4000 0 0.77 0.58 0.19
4500 4500 0 0.65 0.49 0.16
5000 5000 0 0.56 0.43 0.14
Cerobong 3 0 0 0 0 0 0
500 500 0 18.61 15.60 2.89
1000 1000 0 6.95 5.83 1.08
1500 1500 0 3.92 3.28 0.61
2000 2000 0 2.61 2.18 0.40
2500 2500 0 1.90 1.59 0.30
3000 3000 0 1.47 1.23 0.23
3500 3500 0 1.18 0.99 0.18
4000 4000 0 0.98 0.82 0.15
4500 4500 0 0.83 0.69 0.13
5000 5000 0 0.71 0.60 0.11
Tabel 8 menyajikan skenario ketiga model konsentrasi emisi gas buang

cerobong di udara ambien tahun 2018 untuk nilai x, y, dan z bervariatif. Nilai x
dan y bervariatif dengan jarak 500 m, sedangkan nilai z bervariatif dengan kondisi
emisi gas buang di udara ambien mengalami perubahan ketinggian akibat
hembusan angin. Skenario ketiga disimulasikan melalui dua kondisi, yaitu kondisi
saat pertama kali emisi gas buang keluar dari cerobong dan emisi gas buang di
udara ambien mencapai permukaan tanah.
Kondisi saat pertama kali emisi gas buang keluar dari cerobong ditunjukkan
dengan nilai x dan y adalah 0, sedangkan nilai z adalah 127 m (tinggi aktual
cerobong). Emisi gas buang di udara ambien terhembus angin dan mencapai
ketinggian efektif cerobong yaitu 134.8 m pada jarak 500 m. Gaya gravitasi akan
menarik emisi gas buang di udara ambien menuju permukaan tanah sehingga
21
mengalami penurunan ketinggian, menyentuh permukaan tanah pada ketinggian

0.03 m, dan masuk ke dalam tanah pada jarak 3500 m. Kondisi emisi gas buang di
udara ambien disimulasikan masuk ke dalam tanah, namun pada Tabel 8 emisi gas
buang di udara ambien seperti kembali terhembus dengan angin sehingga
ketinggian (nilai z) meningkat dari 0.03 m (jarak 3500 m) menjadi 0.06 m (jarak
4000 m). Skenario ketiga menunjukkan bahwa penurunan konsentrasi emisi gas
buang di udara ambien dipengaruhi oleh kecepatan angin pada waktu tertentu.
Tabel 8 Skenario ketiga model konsentrasi emisi tahun 2018

Cerobong 1 0 0 127 0 0 0
500 500 134.8 22.94 12.21 3.28
1000 1000 67.5 8.61 4.58 1.23
1500 1500 22.5 4.84 2.58 0.69
2000 2000 5.7 3.22 1.72 0.46
2500 2500 1.2 2.35 1.25 0.34
3000 3000 0.2 1.82 0.97 0.26
3500 3500 0.03 1.46 0.78 0.21
4000 4000 0.06 1.21 0.64 0.17
4500 4500 0.08 1.02 0.55 0.15
5000 5000 0.09 0.88 0.47 0.13
Cerobong 2 0 0 127 0 0 0
500 500 134.8 14.62 11.06 3.51
1000 1000 67.5 5.49 4.15 1.32
1500 1500 22.5 3.09 2.34 0.74
2000 2000 5.7 2.05 1.55 0.49
2500 2500 1.2 1.50 1.13 0.36
3000 3000 0.2 1.16 0.88 0.28
3500 3500 0.03 0.93 0.70 0.22
4000 4000 0.06 0.77 0.58 0.19
4500 4500 0.08 0.65 0.49 0.16
5000 5000 0.09 0.56 0.43 0.14
Cerobong 3 0 0 127 0 0 0
500 500 134.8 18.55 15.55 2.88
1000 1000 67.5 6.96 5.83 1.08
1500 1500 22.5 3.92 3.28 0.61
2000 2000 5.7 2.61 2.18 0.40
2500 2500 1.2 1.90 1.59 0.30
3000 3000 0.2 1.47 1.23 0.23
3500 3500 0.03 1.18 0.99 0.18
4000 4000 0.06 0.98 0.82 0.15
4500 4500 0.08 0.83 0.69 0.13
5000 5000 0.09 0.71 0.60 0.11
Selengkapnya skenario pertama (Tabel 6), skenario kedua (Tabel 7), dan
skenario ketiga (Tabel 8) tentang model konsentrasi emisi gas buang di udara
ambien, terdapat dalam Lampiran 3, 4, dan 5. Lampiran tersebut menjelaskan
perhitungan konsentrasi emisi gas buang di udara ambien dengan metode
Gaussian memiliki beberapa variabel yaitu koefisien dispersi horinzontal (σy),
koefisien dispersi vertikal (σx), laju emisi pencemar (Q), konstantan phi (π) yaitu
3.14, kecepatan angin pada ketinggian cerobong (Uz), jarak titik koordinat pada
sumbu y (y), sumbu x (x), sumbu z (z), dan tinggi cerobong efektif (He).
22
Tabel 9 Skenario ketiga model konsentrasi emisi berdasarkan musim

Konsentrasi emisi (µg/m3)
Sumber Koodinat sebaran (m)
Musim penghujan Musim kemarau
pencemar
x y z SO2 NO2 TSP SO2 NO2 TSP
Cerobong 0 0 127 0 0 0 0 0 0
1 500 500 134.8 22.44 11.94 3.21 23.57 12.54 3.37
1000 1000 67.5 8.44 4.49 1.21 8.87 4.72 1.27
1500 1500 22.5 4.75 2.53 0.68 4.99 2.65 0.71
2000 2000 5.7 3.16 1.68 0.45 3.32 1.76 0.47
2500 2500 1.2 2.30 1.22 0.33 2.42 1.29 0.35
3000 3000 0.2 1.78 0.95 0.25 1.87 0.99 0.27
3500 3500 0.03 1.43 0.76 0.2 1.50 0.80 0.22
4000 4000 0.06 1.18 0.63 0.17 1.24 0.66 0.18
4500 4500 0.08 1.00 0.53 0.14 1.05 0.56 0.15
5000 5000 0.09 0.86 0.46 0.12 0.91 0.48 0.13
Cerobong 0 0 127 0 0 0 0 0 0
2 500 500 134.8 14.30 10.82 3.43 15.02 11.36 3.61
1000 1000 67.5 5.38 4.07 1.29 5.65 4.28 1.36
1500 1500 22.5 3.02 2.29 0.73 3.18 2.40 0.76
2000 2000 5.7 2.01 1.52 0.48 2.11 1.60 0.51
2500 2500 1.2 1.47 1.11 0.35 1.54 1.17 0.37
3000 3000 0.2 1.13 0.86 0.27 1.19 0.90 0.29
3500 3500 0.03 0.91 0.69 0.22 0.96 0.72 0.23
4000 4000 0.06 0.75 0.57 0.18 0.79 0.60 0.19
4500 4500 0.08 0.64 0.48 0.15 0.67 0.51 0.16
5000 5000 0.09 0.55 0.42 0.13 0.58 0.44 0.14
Cerobong 0 0 127 0 0 0 0 0 0
3 500 500 134.8 18.14 15.20 2.82 19.05 15.97 2.96
1000 1000 67.5 6.82 5.72 1.06 7.17 6.01 1.11
1500 1500 22.5 3.84 3.22 0.6 4.03 3.38 0.63
2000 2000 5.7 2.55 2.14 0.4 2.68 2.25 0.42
2500 2500 1.2 1.86 1.56 0.29 1.95 1.64 0.30
3000 3000 0.2 1.44 1.20 0.22 1.51 1.27 0.23
3500 3500 0.03 1.16 0.97 0.18 1.21 1.02 0.19
4000 4000 0.06 0.96 0.80 0.15 1.01 0.84 0.16
4500 4500 0.08 0.81 0.68 0.13 0.85 0.71 0.13
5000 5000 0.09 0.70 0.59 0.11 0.73 0.61 0.11
Tabel 9 menunjukkan skenario ketiga model konsentrasi emisi gas buang di

udara ambien berdasarkan musim. Skenario ketiga memiliki nilai x, y dan z
bervariatif sehingga menggambarkan model emisi gas buang di udara ambien
yang terhembus oleh angin. Musim penghujan memiliki kecepatan angin rata-rata
sebesar 8.66 m/detik dan musim kemarau memiliki kecepatan angin rata-rata
sebesar 8.24 m/detik. Kecepatan angin pada musim kemarau pada umumnya lebih
rendah dibandingkan dengan kecepatan angin pada musim penghujan sehingga
emisi gas buang terakumulasi di udara ambien (Tiwari et al, 2015). Berdasarkan
Tabel 9, nilai konsentrasi emisi gas buang SO2 dari Cerobong 1 pada musim
penghujan dengan jarak 500 m di udara ambien yaitu 22.44 µg/m3 lebih rendah
dibandingkan konsentrasi pada musim kemarau yaitu 23.57 µg/m3. Hal tersebut
juga terjadi pada konsentrasi NO2 dan TSP dari Cerobong 1 pada musim
penghujan dengan jarak 500 m di udara ambien yaitu 11.94 µg/m3 dan 3.21 µg/m3
lebih rendah dibandingkan pada musim kemarau yaitu 12.54 µg/m3 dan 3.37
µg/m3.
23
Pola Sebaran Pencemaran Udara PLTU Banten 3 Lontar
Pola sebaran pencemaran udara PLTU Banten 3 Lontar dibuat dengan

model dispersi Gaussian. Pola sebaran dibuat berdasarkan hasil perhitungan
parameter model dispersi Gaussian dengan menggunakan spesifikasi cerobong
yang terdapat dalam Tabel 4. Hasil perhitungan parameter model dispersi
Gaussian setiap cerobong PLTU Banten 3 Lontar terdapat pada Lampiran 2.
Berdasarkan Lampiran 2, kecepatan angin pada ketinggian cerobong (Uz) PLTU
Banten 3 Lontar diketahui pada rentang kecepatan 12.06 – 12.67 m/detik, tinggi
semburan mencapai 7.57 – 7.92 m, dan tinggi cerobong efektif cerobong bernilai
134.57 – 134.92 m. Hasil perhitungan tidak jauh berbeda karena Cerobong 1, 2,
dan 3 PLTU Banten 3 Lontar mempunyai spesifikasi yang sama. Oleh sebab itu,
model peta pola sebaran emisi gas buang cerobong pada penelitian ini dibuat
berdasarkan mawar angin dan konsentrasi masing – masing emisi gas buang di
udara ambien. Konsentrasi emisi gas buang di udara ambien pada peta pola
sebaran emisi gas buang cerobong merupakan jumlah emisi dari setiap cerobong
PLTU Banten 3 Lontar. Konsentrasi tertinggi pada setiap cerobong terdapat pada
jarak 500 m. Konsentrasi jarak 0 – 500 m dari cerobong (sumber pencemar)
memiliki nilai konsentrasi emisi gas buang di udara ambien yang lebih rendah dari
jarak 500 m. Peta pola sebaran dibuat mengikuti perhitungan skenario model
konsentrasi emisi gas buang di udara ambien. Konsentrasi emisi gas buang
bernilai 0 µg/m3 hanya pada titik cerobong (sumber pencemar), saat terjadi
semburan emisi keluar dari cerobong menuju udara ambien, maka emisi
dihembuskan oleh angin sehingga tidak ada emisi gas buang tertinggal.
Lampiran 12, 13, dan 14 secara berurutan menyajikan pola sebaran emisi
gas buang SO2 PLTU Banten 3 Lontar pada tahun 2018, pada musim penghujan,
dan musim kemarau. Konsentrasi pencemar emisi gas buang cerobong SO2 dibagi
berdasarkan empat warna untuk membedakan tingkat konsentrasi yaitu cokelat
muda, cokelat, cokelat tua, dan cokelat pekat. Konsentrasi pada warna cokelat
muda berada pada nilai 0 – 7 µg/m3, warna cokelat memiliki nilai konsentrasi 7 –
14 µg/m3, cokelat tua memiliki konsentrasi 14 – 21 µg/m3, dan cokelat pekat
memiliki rentang konsentrasi yang bergantung pada nilai maksimal konsentrasi
SO2. Konsentrasi pada warna cokelat pekat secara berurutan, yaitu 21 – 56.11
µg/m3 (tahun 2018), 21 – 54.86 µg/m3 (musim penghujan), dan 21 – 57.65 µg/m3
(musim kemarau).
Lampiran 15, 16, dan 17 secara berurutan menyajikan pola sebaran emisi
gas buang NO2 PLTU Banten 3 Lontar pada tahun 2018, pada musim penghujan,
dan musim kemarau. Serupa dengan SO2 konsentrasi pencemar emisi gas buang
cerobong NO2 dibagi berdasarkan empat warna menandakan tingkat konsentrasi,
yaitu cokelat muda, cokelat, cokelat tua, dan cokelat pekat. Konsentrasi pada
warna cokelat muda berada pada nilai 0 – 7 µg/m3, warna cokelat memiliki nilai
konsentrasi 7 – 14 µg/m3, cokelat tau memiliki konsentrasi 14 – 21 µg/m3, dan
cokelat pekat memiliki rentang konsentrasi yang bergantung pada nilai maksimal
konsentrasi NO2. Konsentrasi pada warna cokelat pekat secara berurutan yaitu 21
– 38.82 µg/m3 (tahun 2018), 21 – 37.96 µg/m3 (musim penghujan), dan 21 – 39.88
µg/m3 (musim kemarau).
Konsentrasi emisi TSP adalah konsentrasi terkecil daripada emisi gas SO 2
dan NO2 yang dihasilkan oleh cerobong PLTU Banten 3 Lontar. Lampiran 18, 19,
24
dan 20 secara berurutan menyajikan pola sebaran emisi gas buang TSP PLTU
Banten 3 Lontar pada tahun 2018, pada musim penghujan, dan musim kemarau.
Konsentrasi pencemar emisi gas buang cerobong TSP dibagi berdasarkan empat
warna menandakan tingkat konsentrasi, yaitu cokelat muda, cokelat, cokelat tua,
dan cokelat pekat. Konsentrasi warna cokelat muda berada pada nilai 0 – 2 µg/m3,
warna cokelat memiliki nilai konsentrasi 2 – 4 µg/m3, cokelat tua memiliki
konsentrasi 4 – 6 µg/m3, dan cokelat pekat memiliki rentang konsentrasi yang
bergantung pada nilai maksimal konsentrasi TSP. Konsentrasi pada warna cokelat
pekat secara berurutan yaitu 6 – 9.67 µg/m3 (tahun 2018), 6 – 9.46 µg/m3 (musim
penghujan), dan 6 – 9.94 µg/m3 (musim kemarau).
Tingkat Risiko Paparan
Berdasarkan hasil analisis pola sebaran emisi gas buang cerobong PLTU
Banten 3 Lontar, arah angin dominan mengarah pada arah Barat Daya dan Selatan
sehingga memberikan dampak untuk Desa Lontar, Desa Karang Anyar, dan desa
Klebet. Desa terdampak merupakan desa lokasi pengukuran kualitas udara ambien
di sekitar PLTU Banten 3 Lontar. Pada analisis tingkat risiko paparan digunakan
hasil pengukuran kualitas udara ambien sebagai konsentrasi dari pengukuran
secara langsung. Menurut Rasyidi et al (2015), udara ambien cenderung tidak
stabil. Perubahan dapat disebabkan oleh emisi gas buang atau kondisi meteorologi
sehingga terjadi reaksi kimia di udara ambien. Reaksi kimia menyebabkan
trasnformasi emisi gas buang di udara ambien. Model dispersi Gaussian tidak
mempertimbangkan terjadinya transformasi kimia terhadap emisi gas buang di
udara ambien.
Pada Tabel 10, konsentrasi emisi gas buang di udara ambien telah
memenuhi standar baku mutu kualitas udara ambien dalam Peraturan Pemerintah
(PP) No. 41 Tahun 1999 tentang Pengendalian Pencemaran Udara. Nilai
Bakumutu SO2, NO2 dan TSP yang di izinkan sesuai waktu pengukuran secara
berurutan yaitu 900 µg/Nm3, 400 µg/Nm3, dan 230 µg/Nm3.
Tabel 10 Konsentrasi emisi gas buang di udara ambien (± standar deviasi)

Konsentrasi emisi (µg/Nm3)
No Lokasi pengukuran
SO2 NO2 TSP
1 Desa Lontar 50.25 ± 11 35.98 ± 15 126.74 ± 16
2 Desa Karang Anyar 44.15 ± 20 24.89 ± 12 73.12 ± 13
3 Desa Klebet 39.58 ± 13 16.39 ± 6 26.84 ± 18
Analisis tingkat risiko paparan menggunakan metode wawancara terstruktur

dengan menyusun beberapa pertanyaan terkait variabel perhitungan nilai dosis zat
kimia saat terpajan ke manusia melalui jalur inhalasi (RfC), intake/asupan jumlah
risk agent individu per satuan berat badan setiap hari (I), dan risk quotient/tingkat
risiko paparan (RQ). Pertanyaan saat wawancara dengan masyarakat disajikan
dalam Lampiran 21. Lampiran tersebut berisi kuesioner terkait berat badan, lama
tinggal per hari, lama tinggal per tahun, jenis pekerjaan, jam kerja dan keluhan
terkait penyakit pernapasan yang dirasakan tiga tahun terakhir. Jumlah responden
dalam menganalisis tingkat paparan risiko sebanyak 25 orang setiap desa
25
(Lampiran 22, 23, dan 24), maka jumlah keseluruhan responden sebanyak 75
orang secara acak.
Hasil perhitungan tingkat risiko paparan emisi gas buang cerobong akan
memberikan dampak risiko jika nilai RQ > 1 sehingga membutuhkan
pengendalian terhadap risiko kesehatan. Jika nilai RQ < 1, konsentrasi emisi tidak
memberikan dampak risiko dan kondisi emisi gas buang cerobong harus
dipertahankan (Sukadi, 2014). Menurut Solichin (2016), terdapat beberapa faktor
yang mempengaruhi tingkat risiko paparan, yaitu konsentrasi zat pencemar di
lingkungan, karakteristik antropometri (laju inhalasi dan berat badan), pola
aktivitas (waktu paparan, frekuensi paparan, durasi paparan, periode waktu rata-
rata harian), dan konsentrasi rujukan (RfC).
Tingkat Risiko Paparan Berdasarkan Konsentrasi Emisi

Perbedaan konsentrasi emisi gas buang terukur di udara ambien (Tabel 10)
pada setiap desa dapat mempengaruhi tingkat risiko paparan gas buang Cerobong
PLTU Banten 3 Lontar terhadap masyarakat sekitar. Berdasarkan Tabel 11,
tingkat risiko paparan berdasarkan konsentrasi emisi gas buang terukur di udara
ambien terhadap masyarakat sekitar PLTU Banten 3 Lontar dalam tingkat yang
aman. Nilai RQ tertinggi dari hasil analisis risiko pada Tabel 11 yaitu kurang dari
1 (RQ < 1). Tingkat risiko paparan tertinggi terjadi di Desa Lontar dengan nilai
tingkat risiko paparan SO2, NO2 dan TSP tertinggi secara berurutan yaitu 0.266,
0.247 dan 0.245. Hasil analisis menunjukkan bahwa semakin tinggi konsentrasi
emisi gas buang di udara ambien pada suatu wilayah, maka tingkat risiko paparan
terhadap masyarakat semakin meningkat.
Tabel 11 Tingkat risiko paparan berdasarkan konsentrasi emisi

Konsentrasi emisi (µg/Nm3) Tingkat risiko paparan/RQ tertinggi
Lokasi pengukuran
SO2 NO2 TSP SO2 NO2 TSP
Desa Lontar 50.25 35.98 126.74 0.266 0.247 0.245
Desa Karang Anyar 44.15 24.89 73.12 0.224 0.164 0.136
Desa Klebet 39.58 16.39 26.84 0.219 0.118 0.054
Tingkat Risiko Paparan Berdasarkan Waktu Paparan

Lamanya waktu paparan dapat mempengaruhi tingkat risiko paparan yang
diterima oleh masyarakat sekitar PLTU Banten 3 Lontar. Hal ini berkaitan dengan
konsentrasi emisi gas buang di udara ambien terhirup ke dalam tubuh. Semakin
lama waktu paparan, maka semakin banyak jumlah konsentrasi emisi gas buang
terhirup masuk kedalam tubuh.
Tabel 12 Tingkat risiko paparan berdasarkan waktu paparan

Waktu paparan Jumlah responden Tingkat risiko paparan/RQ tertinggi
Nama Desa
(jam/hari) (orang) SO2 NO2 TSP
Desa Lontar 24 13 0.266 0.247 0.245
< 24 12 0.229 0.212 0.211
Desa Karang Anyar 24 16 0.224 0.164 0.136
< 24 9 0.223 0.163 0.135
Desa Klebet 24 14 0.219 0.118 0.054
< 24 11 0.218 0.117 0.053
26
Berdasarkan Tabel 12, tingkat risiko paparan berdasarkan waktu paparan

terhadap masyarakat sekitar PLTU Banten 3 Lontar diketahui dalam tingkat yang
aman. Nilai RQ tertinggi dari hasil analisis risiko (Tabel 12) yaitu kurang dari 1
(RQ < 1). Tingkat risiko paparan tertinggi terjadi dengan waktu paparan 24 jam.
Tingkat risiko paparan SO2 tertinggi dengan waktu paparan selama 24 jam pada
setiap desa terdampak secara berurutan yaitu 0.266, 0.224, dan 0.219. Hasil
analisis menunjukkan bahwa semakin lama waktu paparan yang diterima oleh
masyarakat, maka tingkat risiko paparan akan semakin tinggi.
Tingkat Risiko Paparan Berdasarkan Berat Badan

Berat badan dapat mempengaruhi tingkat paparan emisi gas buang cerobong
terhadap masyarakat sekitar PLTU Banten 3 Lontar. Berdasarkan penelitian
Nukman et al (2005), berat badan sebagai acuan nasional sebesar 55 kg. Berat
badan tersebut dapat dianggap sebagai berat badan standar orang Indonesia
dewasa normal.
Tabel 13 Tingkat risiko paparan berdasarkan berat badan

Berat badan Jumlah responden Tingkat risiko paparan/RQ tertinggi
Nama Desa
(Kg) (orang) SO2 NO2 TSP
Desa Lontar ≥ 55 14 0.210 0.195 0.193
< 55 11 0.266 0.247 0.245
Desa Karang Anyar ≥ 55 14 0.174 0.127 0.105
< 55 11 0.224 0.164 0.136
Desa Klebet ≥ 55 16 0.069 0.037 0.017
< 55 9 0.219 0.118 0.054
Berdasarkan Tabel 13, tingkat risiko paparan berdasarkan berat badan

masyarakat sekitar PLTU Banten 3 Lontar diketahui dalam tingkat yang aman.
Nilai RQ tertinggi dari hasil analisis risiko pada Tabel 13 yaitu kurang dari 1 (RQ
< 1). Tingkat risiko paparan tertinggi diterima oleh masyarakat dengan berat
badan < 55 Kg. Tingkat risiko paparan tertinggi SO2 oleh masyarakat dengan
berat badan < 55 Kg pada setiap desa secara berurutan yaitu 0.266, 0.224, dan
0.219. Hasil analisis menunjukkan bahwa masyarakat dengan berat badan < 55 kg
memiliki tingkat risiko paparan lebih tinggi dibandingkan dengan masyarakat
yang memiliki berat badan ≥ 55 Kg.
SIMPULAN DAN SARAN
Simpulan
Berdasarkan penelitan:
1. Pola sebaran emisi gas buang cerobong PLTU Banten 3 Lontar tersebar
sesuai dengan arah angin dominan ke arah Barat Daya dan Selatan menuju
Desa Lontar, Desa Karang Anyar, dan Desa Klebet. Nilai konsentrasi
tertinggi persebaran emisi gas buang cerobong terjadi pada saat musim
kemarau. Nilai konsentrasi persebaran tertinggi pada jarak 500 m dari
27
cerobong. Nilai konsentrasi tertinggi untuk emisi gas buang SO2, NO2, dan
TSP secara berurutan yaitu 57.65 µg/m3, 39.88 µg/m3, dan 9.94 µg/m3.
2. Tingkat risiko paparan emisi gas buang cerobong terhadap masyarakat sekitar
tergolong dalam tingkat yang aman dengan nilai RQ < 1.
Saran
Saran penelitian ini adalah:

1. Pola sebaran emisi gas buang cerobong diperlukan analisis pada skala yang
lebih luas sehingga dapat diketahui lokasi desa terdampak lainnya.
2. Analisis tingkat risiko paparan diperlukan terhadap pekerja di dalam PLTU
Banten 3 Lontar, khususnya pekerja bongkar muat batubara.
DAFTAR PUSTAKA
Achmad R. 2004. Kimia Lingkungan. Yogyakarta (ID): Andi Offset.

Ali M, Athar M. 2010. Dispersion modeling of noxious pollutans from thermal power
plants. Turkish J.Eng.Env.Sci.34:105-120.
Antono V, Darmawan I. 2016. Analisis efisiensi air preheater sebelum overhaul dan
sesudah overhaul di UJP PLTU Banten 3 Lontar unit 3. Jurnal Power Plant.
4(3): 174-182.
Ariningtyas N. 2014. Studi numerik pengaruh konfigurasi pengumpanan dua jenis
batubara dengan metode in-furnace blending terhadap proses pembakaran
pada boiler tangensial [tesis]. Surabaya (ID): Institut Teknologi Sepuluh
November.
Aryono NA. 2006. Dampak pembakaran batubara Indonesia terkait kandungan produk
gas buang. Jurnal Energi dan Lingkungan. 2(1): 1-5.
Bakar AAM. 2006. Persebaran kualitas udara pada daerah industri migas studi kasus di
PT Pertamina UP VI balongan [skripsi]. Depok (ID): Universitas Indonesia.
[BLT] PLTU Banten 3 Lontar. 2018. Laporan monitoring pelaksanaan RKL RPL
Banten 3 Lontar tahun 2018. Tangerang (ID): PLTU Banten 3 Lontar.
Cendekia DE. 2016. Analisa perubahan garis Pantai Manggar Baru. Ejournal Teknik
Sipil. 1(1): 1-15.
Darmawan R. 2018. Analisis risiko kesehatan lingkungan kadar NO 2 serta keluhan
kesehatan petugas pemungut karcis tol. Jurnal Kesehatan Lingkungan.
10(1): 116-126.
Daud A, Sedionoto B. 2010. Analisis risiko konsentrasi SO2 dan PM2.5 terhadap
penurunan kapasitas fungsi paru penduduk di sekitar kawasan industri
Makassar. Jurnal Lingkungan Tropis. 4(2):129-137.
Faridha. 2004. Kajian pengendalian pencemaran udara khusunya partikulat dan SO 2
dari pembangkit listrik tenaga uap (studi kasus unit pembangkitan Muara
Karang, Kec. Penjaringan, Kota Jakarta Utara, DKI Jakarta) [tesis]. Jakarta
(ID): Universitas Indonesia.
Feng JL, Zhu LP, Ju JT, Zhou LP, Zhen XL, Zhang W, Gao SP. 2008. Heavy Dustfall
in Beijing, on April 16-17, 2006: Geochemical properties and indications of
the dust provenance. Geochemical Journal. Vol. 42: 221 - 236.
28
Herawati P, Riyanti A, Pratiwi A. 2018. Hubungan konsentrasi NO2 udara ambien

terhadap konsentrasi NO2 udara dalam ruang di lampu merah Simpang
Jelutung Kota Jambi. Jurnal Daur Lingkungan. 1(1): 1-4.
Jannah M. 2010. Karakterisasi produk biosolubilisasi batubara lignit oleh kapang
indigenous dari tanah pertambangan Sumatera Selatan [skripsi]. Jakarta
(ID): Universitas Islam Negeri Syarif Hidayatullah.
[KLH] Kementerian Lingkungan Hidup. 2007. Baku Mutu Emisi Sumber Tidak
Bergerak Bagi Ketel Uap, Peraturan Menteri Lingkungan Hidup nomor 07
Tahun 2007. Jakarta (ID): Kementerian Lingkungan Hidup.
[KLH] Kementerian Lingkungan Hidup. 2008. Baku Mutu Emisi Sumber Tidak
Bergerak Bagi Usaha Dan/Atau Kegiatan Pembangkit Tenaga Listrik
Termal. Peraturan Menteri Lingkungan Hidup nomor 21 Tahun 2008.
Jakarta (ID): Kementerian Lingkungan Hidup.
[KLH] Kementerian Lingkungan Hidup. 2009. Modul Diklat Pengendalian
Pencemaran Udara Evaluasi Data Hasil Pemantauan Kualitas Udara.
Jakarta (ID): Pusat Pendidikan dan Pelatihan Kementerian Lingkungan
Hidup.
Kusman, Utomo TS. 2017. Simulasi persebaran gas buang dan partikulat dari
cerobong asap pada pembangkit listrik tenaga uap (PLTU) di Jepara
menggunakan metode computational fluid dynamics (CFD) dengan variasi
kecepatan udara. Jurnal Teknik Mesin. 5(2):106-114.
Liandy MKG, Suswantoro E, Yulinawati H. 2015. Analisis sebaran total suspended
particulate (TSP), sulfur dioksida (SO2), dan nitrogen dioksida (NO2) di
udara ambien dari emisi pembangkit listrik tenaga uap (PLTU) Banten 3
Lontar dengan model Gaussian. Jurnal Teknik Lingkungan. 7(2): 47-56.
Mannaf AS, Setyaningsih FA, Ruslianto I. 2016. Purwarupa sistem deteksi dan
pengurangan kadar CO, CO2 dan NO2 berbasis mikrokontroler. Jurnal
Coding. 4(3): 1-8.
Mirhosseini M, Sharifi F, Sedaghat A. 2011. Assessing the wind energy potential
location in province of Semnan in Iran. Renewable and Sustainable Energi
Reviews. 15(1): 449-459.
Muhaimin, Sugiharto E, Suratman A. 2015. Air pollution simulation from Cirebon
power plant activity. Jurnal Eksakta UII. 15(2): 14-22.
Mukono HJ. 2006. Pencemaran udara dan pengaruhnya terhadap gangguan saluran
pernapasan. Surabaya(ID): Airlangga University Press.
Nukman A, Abdur R, Sonny W, Ichsan S, Carolina RA. 2005. Analisis dan
manajemen risiko kesehatan pencemaran udara: studi kasus di Sembilan
kota besar padat transportasi. Jurnal Ekologi Kesehatan. 4(2): 270-289.
Perkins HC. 1974. Air Pollution. Tokyo (JP): McGraw-Hill Kogakusha, Ltd.
[PRI] Pemerintah Republik Indonesia. 1999. Pengendalian Pencemaran Udara,
Peraturan Pemerintah nomor 41 Tahun 1999. Jakarta (ID): Sekertariat
Negara.
Puspitasari AD. 2011. Pola spasial pencemaran udara dari sumber pencemar PLTU
dan PLTGU Muara Karang [skripsi]. Depok (ID): Universitas Indonesia.
Rahmadhani A. 2017. Pemodelan dispersi pencemaran udara sumber majemuk industri
semen di Kabupaten Tuban Jawa Timur [skripsi]. Surabaya (ID): Indonesia.
29
Rochimawati NR. 2014. Pendugaan bangkitan konsentrasi total suspended particulate

(TSP) di udara ambien dari permukaan tanah [tesis]. Bogor (ID): Institut
Pertanian Bogor.
Rasyidi AA, Harsa H, Boedisantoso R. 2015. Penentuan korelasi perubahan
kelembaban relative terhadap ketinggian inversi dan kualitas udara ambien
di Kota Surabaya. Jurnal Teknik ITS. 4(1): 106-110.
Ruhiyat Y. 2009. Model prediksi distribusi laju penyebaran sulfur dioksida (SO2) dan
debu dari kawasan industri (studi kasus di Kota Cilegon) [skripsi]. Bogor
(ID): Institut Pertanian Bogor.
Sadly M, Sulaiman A. 2014. Pemodelan dispersi Gaussian menggunakan metode
trasnformasi laplace dan integrasi dengan citra satelit Google Earth. Jurnal
Teknologi Lingkungan. 15(2): 59-64.
Setyawan F. 2015. Hubungan variasi harian nilai turbulence kinetic energy dan fluks
panas di wilayah Kota Bandung. Jurnal Pijar MIPA. 10(2): 8-11.
Soedomo M. 2001. Pencemaran Udara. Bandung(ID): ITB press.
Solichin R. 2016. Analisis risiko kesehatan pajanan sulfur dioksida (SO 2) pada
masyarakat di permukiman penduduk sekitar industri PT. Pupuk Sriwidjaja
Palembang [skripsi]. Jakarta (ID): Universitas Islam Negeri Syarif
Hidayatullah.
Sopiah N. 2005. Transformasi kimia senyawa belerang, dampak dan penanganannya.
Jurnal Teknik Lingkungan. 6(1): 339-343.
Sukadi. 2014. Analisis risiko. Kesehatan pajanan PM10 dan SO2 di Kelapa Gading
Jakarta Utara Tahun 2014 [skripsi]. Depok (ID): Universitas Indonesia.
Sulistijorini. 2009. Keefektifan dan toleransi jenis tanaman jalur hijau dalam
mereduksi pencemar NO2 akibat aktivitas transportasi [skripsi]. Bogor (ID):
Institut Pertanian Bogor.
Supriyadi E. 2009. Penerapan model finite length line source untuk menduga
konsentrasi polutan dari sumber garis (studi kasus: Jl. M.H. Thamrin, DKI
Jakarta) [skripsi]. Bogor (ID): Institut Pertanian Bogor.
Susanto JP. 2004. Pemanfaatan passive sampler untuk monitoring kualitas NO2 dalam
udara ambien di beberapa lokasi di Indonesia. Jurnal Teknologi
Lingkungan. 5(2): 75-81.
Tiwari S, Pandhiturai G, Attri SD, Srivastava AK, Soni VK, Bisht DS, Kumar VA,
Srivastava MK. 2015. Aerosol optical properties and their relationship with
meteorogical parameters during wintertime in Delhi, India. Atmospheric
Research. 153(1): 465-479.
Tjasjono B. 1999. Klimatologi Umum. Bandung (ID): ITB press.
[US EPA] United States Environmental Protection Agency. 1990. Exposure Factors
Handbook. New York (US): U.S Protection Agency.
Varma SAK, Srimurali M, Varma SVK. 2013. Evaluation of wind rose diagrams for
RTPP, KADAPA, A.P., India. International Journal Of Innovative Research
& Development. 2(13): 150-154.
Wibowo SS. 2018. Analisa Sistem Tenaga. Malang (ID): Polinema Press.
Zukhrufiana FS, Hajar FA, Wandayantolis. 2017. Kajian potensi energi angin di
wilayah Kalimantan Barat. Jurnal Meteorologi Klimatologi dan Geofisika.
4(1): 1-7.
30
Lampiran 1 Contoh perhitungan emisi gas buang cerobong
A. Perhitungan emisi gas buang cerobong unit 3 PLTU Banten 3 Lontar
Data yang digunakan untuk perhitungan konsentrasi emisi gas buang cerobong
PLTU Banten 3 Lontar unit 3 secara teoritis, antara lain:
1. Tinggi cerobong (Hz) : 127 m

2. Diameter cerobong (D) :5m
3. Luas penampang (A) : 19.625 m
4. Jam Operasional (Op Hours) : 6357.07 m
5. Kecepatan lepasan emisi (Vs) : 21.97 m/detik
6. Konsentrasi emisi terukut tertinggi
 Emisi SO2 cerobong unit 1 : 450.93 mg/Nm3
 Emisi NO2 cerobong unit 1 : 378 mg/Nm3
 Emisi TSP cerobong unit 1 : 70.07 mg/Nm3
7. Suhu gas buang cerobong unit 1 : 168 °C = 441 °K
Perhitungan untuk cerobong unit 1
a. Laju alir volumetrik (q) = Vs x A
b. Laju emisi gas buang (E) = C x q x 0.0036 x (Op Hours)
Keterangan :
q = Laju alir emisi volumetrik (µg/detik)
Vs = Laju alir dalam cerobong (m3/detik)
A = Luas penampang cerobong (m2)
E = Laju emisi gas buang (kg/jam)
C = Konsentrasi terukur rata-rata (mg/Nm3)
q = Laju alir volumetrik (µg/detik)
0.0036 = Faktor konversi dari mg/detik ke kg/jam
Op Hours = Jam operasional pembangkit selama 1 (satu) tahun
 Laju alir volumetrik (q) = 21.97 m/detik x 19.625 m2

= 431.16125 m3/detik
= 431.16 m3/detik (dibulatkan)
 Perhitungan laju emisi gas buang (E)
Laju emisi gas buang (E SO2)= 450.93 mg/Nm3 x 431.16125 m3/detik

= 194423.5425 mg/detik x 0.0036 x 6357.07 jam
= 4449470.65 kg/jam x 0.277778
= 1235965.058 gram/detik
= 1235965.06 gram/detik (dibulatkan)
31
Lampiran 1 Lanjutan
Laju emisi gas buang (E NO2)= 378 mg/Nm3 x 431.16125 m3/detik

= 162978.9525 mg/detik x 0.0036 x 6357.07 jam
= 3729846.994 kg/jam x 0.277778
= 1036069.438 gram/detik
Laju emisi gas buang (E TSP)= 70.07 mg/Nm3 x 431.16125 m3/detik

= 28950.20879 mg/detik x 0.0036 x 6357.07 jam
= 662538.6136 kg/jam x 0.277778
= 184038.651 gram/detik
B. Perhitungan dispersi emisi gas buang cerobong unit 3 PLTU Lontar
Data yang digunakan untuk perhitungan sebaran emisi gas buang cerobong unit 3
PLTU Banten 3 Lontar, antara lain:
1. Suhu lingkungan (Ts) : 27 °C = 300 °K

2. Kecepatan angin dominan 10 tahun : 16.47 knot = 8.47 m/det
3. Arah angin dominan : Barat Daya
4. Sudut angin dominan : 220°
5. Kestabilan atmosfer : D (Netral)
Perhitungan untuk cerobong unit 3
H p
a. Kecepatan angin pada ketinggian cerobong (Uz) = Ud x (H z )
d
1⁄
Vs 4 T s − Ta
b. Tinggi semburan/kepulan (dH) = D x (U ) x [1 + ]
z Ts
c. Tinggi cerobong efektif (He ) = H + dH
Keterangan :
Uz = Kecepatan angin pada ketinggian cerobong (m/detik)
Ud = Kecepatan angin rata-rata (m/dtk)
Hz = Tinggi cerobong (m)
Hd = Tinggi pengukuran angin diatas permukaan tanah (m)
p = Nilai eksponen dari profil angin pada topologi permukaan datar dan
tidak rata.
dH = Tinggi semburan atau plume rise/kepulan (m)
Vs = Kecepatan gas keluar cerobong (m/detik)
D = Diameter cerobong (m)
Uz = Kecepatan angin pada ketinggian cerobong (m/s)
Ts = Suhu gas buang cerobong (°K)
Ta = Suhu udara (°K)
He = Tinggi cerobong efektif (m)
H = Tinggi cerobong fisik/ aktual (m)
32
Lampiran 1 Lanjutan
 Kecepatan angin pada ketinggian cerobong (Uz) dengan tinggi cerobong

127 m.
127 0.15
Uz = 8.47 m/detik x ( 10 )
Uz = 8.47 m/detik x 1.464099385
Uz = 12.3944504698803 m/detik = 12.39 m/detik (dibulatkan)
 Tinggi semburan/kepulan cerobong unit 3

21.97 𝑚/𝑑𝑒𝑡𝑖𝑘 1/4 441−300
dH = 5 m x (12.39 𝑚/𝑑𝑒𝑡𝑖𝑘) x[1+ ]
441
dH = 5 m x 1.15388638547398 x [1.319727891]
dH = 5.769431927370 m x 1.319727891
dH = 7.61408023067864 m
dH = 7.61 m (dibulatkan)
 Tinggi cerobong efektif unit 3

He = H + dH
He = 127 m + 7.61 m
He = 134.61 m.
33
Lampiran 2 Nilai parameter model dispersi Gaussian

Hasil perhitungan
Parameter model dispersi Gaussian Satuan
Cerobong 1 Cerobong 2 Cerobong 3
Suhu gas buang terukur 446 445 441 K
Laju alir volumetrik (q) 445.59 483.51 431.21 m3/detik
Laju emisi gas buang SO2 (E SO2) 5505104.70 3508643.21 4449976.96 kg/jam
Konversi menjadi gram/detik 1529196.97 974623.89 1236105.7 gram/detik
Kecepatan emisi untuk NO2 (E NO2) 2929424.49 2654223.37 3730271.42 kg/jam
Kecepatan emisi untuk TSP (E TSP) 788210.48 658620.85 691481.79 kg/jam
Suhu lingkungan ( 27°C = 300 K, Ts) 300 300 300 K
Kecepatan angin dominan
8.47 8.47 8.47 m/detik
10 tahun (Ud10)
Kecepatan angin dominan musim
8.66 8.66 8.66 m/detik
penghujan (Ud hujan)
Kecepatan angin dominan musim
8.24 8.24 8,24 m/detik
kemarau (Ud kemarau)
Barat Daya Barat Daya Barat Daya
Arah angin dominan -
dan Selatan dan Selatan dan Selatan
Sudut angin dominan 220 220 220 °
Kestabilan atmosfer D D D -
Kecepatan angin pada ketinggian
12.39 12.39 12.39 m/detik
cerobong tahun 2018 (Uz 2018)
12.67 12.67 12.67 m/detik
cerobong musim penghujan (Uz hujan)
cerobong musim kemarau 12.06 12.06 12.06 m/detik
(Uz kemarau)
Tinggi semburan/kepulan tahun 2018
7.72 7.87 7.61 m
(dH 2018)
Tinggi semburan/kepulan musim
7.68 7.83 7.57 m
penghujan (dH hujan)
Tinggi semburan/kepulan musim
7.77 7.92 7.67 m
kemarau (dH kemarau)
Tinggi cerobong efektif tahun 2018
134.72 134.87 134.61 m
(He 2018)
Tinggi cerobong efektif musim
134.68 134.83 134.57 m
penghujan (He hujan)
Tinggi cerobong efektif musim
134.77 134.92 134.67 m
kemarau (He kemarau)
Lampiran 3 Skenario model konsentrasi emisi Cerobong 1 tahun 2018
Skenario Koordinat (m) Nilai Q / 2 π Uz σz σy Konsentrasi emisi (µg/m3)
Nilai σz Nilai σy Nilai (-y2 / 2 σy2 ) Nilai (-(z-H)2 / 2σz2) Nilai (-(z+H)2 / 2σz2)
model x y z SO2 NO2 TSP SO2 NO2 TSP
Skenario -13 0 0 0 134.8 0 0 0 0.000000000 0.176326627 47.85153271 0.00 0.00 0.00
pertama 1086 17595 500 500 134.8 1028.45 547.27 147.25 0.000403770 0.000025263 0.006836842 22.94 12.21 3.28
1559 32697 1000 500 134.8 385.63 205.20 55.21 0.000467684 0.000012266 0.014097373 8.63 4.59 1.24
1924 46982 1500 500 134.8 217.37 115.67 31.12 0.000509663 0.000008046 0.009247950 4.86 2.58 0.69
2234 60762 2000 500 134.8 144.75 77.03 20.73 0.000541715 0.000005968 0.006859613 3.23 1.72 0.46
2509 74177 2500 500 134.8 105.61 56.20 15.12 0.000567957 0.000004735 0.005441756 2.35 1.25 0.34
2757 87308 3000 500 134.8 81.63 43.44 11.69 0.000590340 0.000003919 0.004504224 1.82 0.97 0.26
2987 100209 3500 500 134.8 65.66 34.94 9.40 0.000609951 0.000003340 0.003838998 1.46 0.78 0.21
3201 112915 4000 500 134.8 54.38 28.94 7.79 0.000627464 0.000002909 0.003342862 1.21 0.64 0.17
3402 125453 4500 500 134.8 46.05 24.50 6.59 0.000643329 0.000002574 0.002958837 1.03 0.55 0.15
3593 137844 5000 500 134.8 39.68 21.12 5.68 0.000657861 0.000002308 0.002652918 0.88 0.47 0.13
Skenario -13 0 0 0 0 0.00 0.00 0.00 0.000000000 47.71893491 90.31569887 0.00 0.00 0.00
kedua 1086 17595 500 500 0 1028.45 547.27 147.25 0.000403770 0.006836839 0.006837575 23.02 12.25 3.30
1559 32697 1000 1000 0 385.63 205.20 55.21 0.000467684 0.003319493 0.003319493 8.60 4.58 1.23
1924 46982 1500 1500 0 217.37 115.67 31.12 0.000509663 0.002177605 0.002177605 4.84 2.58 0.69
2234 60762 2000 2000 0 144.75 77.03 20.73 0.000541715 0.001615226 0.001615226 3.22 1.72 0.46
2509 74177 2500 2500 0 105.61 56.20 15.12 0.000567957 0.001281364 0.001281364 2.35 1.25 0.34
2757 87308 3000 3000 0 81.63 43.44 11.69 0.000590340 0.001060605 0.001060605 1.82 0.97 0.26
2987 100209 3500 3500 0 65.66 34.94 9.40 0.000609951 0.000903965 0.000903965 1.46 0.78 0.21
3201 112915 4000 4000 0 54.38 28.94 7.79 0.000627464 0.000787140 0.000787140 1.21 0.64 0.17
3402 125453 4500 4500 0 46.05 24.50 6.59 0.000643329 0.000696714 0.000696714 1.02 0.55 0.15
3593 137844 5000 5000 0 39.68 21.12 5.68 0.000657861 0.000624680 0.000624680 0.88 0.47 0.13
Skenario -13 0 0 0 127 0.00 0.00 0.00 0.000000000 47.71893491 90.31569887 0.00 0.00 0.00
ketiga 1086 17595 500 500 134.8 1028.45 547.27 147.25 0.000403770 0.000025789 0.006836842 22.94 12.21 3.28
1559 32697 1000 1000 67.5 385.63 205.20 55.21 0.000467684 0.000728615 0.007785806 8.61 4.58 1.23
1924 46982 1500 1500 22.5 217.37 115.67 31.12 0.000509663 0.001474362 0.003017547 4.84 2.58 0.69
2234 60762 2000 2000 5.7 144.75 77.03 20.73 0.000541715 0.001473491 0.001763468 3.22 1.72 0.46
2509 74177 2500 2500 1.2 105.61 56.20 15.12 0.000567957 0.001257264 0.001305694 2.35 1.25 0.34
2757 87308 3000 3000 0.2 81.63 43.44 11.69 0.000590340 0.001057267 0.001063948 1.82 0.97 0.26
2987 100209 3500 3500 0.03 65.66 34.94 9.40 0.000609951 0.000903538 0.000904392 1.46 0.78 0.21
3201 112915 4000 4000 0.06 54.38 28.94 7.79 0.000627464 0.000786397 0.000787884 1.21 0.64 0.17
3402 125453 4500 4500 0.08 46.05 24.50 6.59 0.000643329 0.000695837 0.000697592 1.02 0.55 0.15
3593 137844 5000 5000 0.09 39.68 21.12 5.68 0.000657861 0.000623795 0.000625565 0.88 0.47 0.13
34
Nilai σz Nilai σy Nilai (-y2 / 2 σy2 ) Nilai (-(z-H)2 / 2σz2) Nilai (-(z+H)2 / 2σz2)
Skenario -13 0 0 0 134.8 0.00 0.00 0.00 0.000000000 0.180000000 47.85429704 0.00 0.00 0.00
pertama 1086 17595 500 500 134.8 655.48 495.86 157.38 0.000403770 0.000025789 0.006836842 14.62 11.06 3.51
1559 32697 1000 500 134.8 245.78 185.93 59.01 0.000116921 0.000012521 0.014105993 5.50 4.16 1.32
1924 46982 1500 500 134.8 138.54 104.80 33.26 0.000056629 0.000008214 0.009253604 3.09 2.34 0.74
2234 60762 2000 500 134.8 92.26 69.79 22.15 0.000033857 0.000006093 0.006863807 2.06 1.56 0.49
2509 74177 2500 500 134.8 67.31 50.92 16.16 0.000022718 0.000004833 0.005445083 1.50 1.13 0.36
2757 87308 3000 500 134.8 52.03 39.36 12.49 0.000016398 0.000004001 0.004506978 1.16 0.88 0.28
2987 100209 3500 500 134.8 41.85 31.66 10.05 0.000012448 0.000003410 0.003841345 0.93 0.70 0.22
3201 112915 4000 500 134.8 34.66 26.22 8.32 0.000009804 0.000002969 0.003344906 0.77 0.58 0.19
3402 125453 4500 500 134.8 29.35 22.20 7.05 0.000007942 0.000002628 0.002960646 0.65 0.49 0.16
3593 137844 5000 500 134.8 25.29 19.13 6.07 0.000006579 0.000002356 0.002654540 0.56 0.43 0.14
Skenario -13 0 0 0 0 0.00 0.00 0.00 0.000000000 47.71893491 90.31569887 0.00 0.00 0.00
kedua 1086 17595 500 500 0 655.48 495.86 157.38 0.286132063 0.006836839 0.006837575 14.67 11.10 3.52
1559 32697 1000 1000 0 245.78 185.93 59.01 0.286132063 0.003319493 0.003319493 5.48 4.15 1.32
1924 46982 1500 1500 0 138.54 104.80 33.26 0.286132063 0.002177605 0.002177605 3.09 2.34 0.74
2234 60762 2000 2000 0 92.26 69.79 22.15 0.286132063 0.001615226 0.001615226 2.05 1.55 0.49
2509 74177 2500 2500 0 67.31 50.92 16.16 0.286132063 0.001281364 0.001281364 1.50 1.13 0.36
2757 87308 3000 3000 0 52.03 39.36 12.49 0.286132063 0.001060605 0.001060605 1.16 0.88 0.28
2987 100209 3500 3500 0 41.85 31.66 10.05 0.286132063 0.000903965 0.000903965 0.93 0.70 0.22
3201 112915 4000 4000 0 34.66 26.22 8.32 0.286132063 0.000787140 0.000787140 0.77 0.58 0.19
3402 125453 4500 4500 0 29.35 22.20 7.05 0.286132063 0.000696714 0.000696714 0.65 0.49 0.16
3593 137844 5000 5000 0 25.29 19.13 6.07 0.286132063 0.000624680 0.000624680 0.56 0.43 0.14
Skenario -13 0 0 0 127 0.00 0.00 0.00 0.000000000 47.71893491 90.31569887 0.00 0.00 0.00
ketiga 1086 17595 500 500 134.8 655.48 495.86 157.38 0.000403770 0.000025789 0.006836842 14.62 11.06 3.51
1559 32697 1000 1000 67.5 245.78 185.93 59.01 0.000467684 0.000728615 0.007785806 5.49 4.15 1.32
1924 46982 1500 1500 22.5 138.54 104.80 33.26 0.000509663 0.001474362 0.003017547 3.09 2.34 0.74
2234 60762 2000 2000 5.7 92.26 69.79 22.15 0.000541715 0.001473491 0.001763468 2.05 1.55 0.49
2509 74177 2500 2500 1.2 67.31 50.92 16.16 0.000567957 0.001257264 0.001305694 1.50 1.13 0.36
2757 87308 3000 3000 0.2 52.03 39.36 12.49 0.000590340 0.001057267 0.001063948 1.16 0.88 0.28
2987 100209 3500 3500 0.03 41.85 31.66 10.05 0.000609951 0.000903538 0.000904392 0.93 0.70 0.22
3201 112915 4000 4000 0.06 34.66 26.22 8.32 0.000627464 0.000786397 0.000787884 0.77 0.58 0.19
3402 125453 4500 4500 0.08 29.35 22.20 7.05 0.000643329 0.000695837 0.000697592 0.65 0.49 0.16
3593 137844 5000 5000 0.09 25.29 19.13 6.07 0.000657861 0.000623795 0.000625565 0.56 0.43 0.14
35
Nilai σz Nilai σy Nilai (-y2 / 2 σ y2 ) Nilai (-(z-H)2 / 2σz2) Nilai (-(z+H)2 / 2σz2)
Skenario -13 0 0 0 134.8 0.00 0.00 0.00 0.000000000 0.180000000 47.85429704 0.00 0.00 0.00
pertama 1086 17595 500 500 134.8 655.48 495.86 157.38 0.000403770 0.000025789 0.006836842 14.62 11.06 3.51
1559 32697 1000 500 134.8 245.78 185.93 59.01 0.000116921 0.000012521 0.014105993 5.50 4.16 1.32
1924 46982 1500 500 134.8 138.54 104.80 33.26 0.000056629 0.000008214 0.009253604 3.09 2.34 0.74
2234 60762 2000 500 134.8 92.26 69.79 22.15 0.000033857 0.000006093 0.006863807 2.06 1.56 0.49
2509 74177 2500 500 134.8 67.31 50.92 16.16 0.000022718 0.000004833 0.005445083 1.50 1.13 0.36
2757 87308 3000 500 134.8 52.03 39.36 12.49 0.000016398 0.000004001 0.004506978 1.16 0.88 0.28
2987 100209 3500 500 134.8 41.85 31.66 10.05 0.000012448 0.000003410 0.003841345 0.93 0.70 0.22
3201 112915 4000 500 134.8 34.66 26.22 8.32 0.000009804 0.000002969 0.003344906 0.77 0.58 0.19
3402 125453 4500 500 134.8 29.35 22.20 7.05 0.000007942 0.000002628 0.002960646 0.65 0.49 0.16
3593 137844 5000 500 134.8 25.29 19.13 6.07 0.000006579 0.000002356 0.002654540 0.56 0.43 0.14
Skenario -13 0 0 0 0 0.00 0.00 0.00 0.000000000 47.71893491 90.31569887 0.00 0.00 0.00
kedua 1086 17595 500 500 0 655.48 495.86 157.38 0.286132063 0.006836839 0.006837575 14.67 11.10 3.52
1559 32697 1000 1000 0 245.78 185.93 59.01 0.286132063 0.003319493 0.003319493 5.48 4.15 1.32
1924 46982 1500 1500 0 138.54 104.80 33.26 0.286132063 0.002177605 0.002177605 3.09 2.34 0.74
2234 60762 2000 2000 0 92.26 69.79 22.15 0.286132063 0.001615226 0.001615226 2.05 1.55 0.49
2509 74177 2500 2500 0 67.31 50.92 16.16 0.286132063 0.001281364 0.001281364 1.50 1.13 0.36
2757 87308 3000 3000 0 52.03 39.36 12.49 0.286132063 0.001060605 0.001060605 1.16 0.88 0.28
2987 100209 3500 3500 0 41.85 31.66 10.05 0.286132063 0.000903965 0.000903965 0.93 0.70 0.22
3201 112915 4000 4000 0 34.66 26.22 8.32 0.286132063 0.000787140 0.000787140 0.77 0.58 0.19
3402 125453 4500 4500 0 29.35 22.20 7.05 0.286132063 0.000696714 0.000696714 0.65 0.49 0.16
3593 137844 5000 5000 0 25.29 19.13 6.07 0.286132063 0.000624680 0.000624680 0.56 0.43 0.14
Skenario -13 0 0 0 127 0.00 0.00 0.00 0.000000000 47.71893491 90.31569887 0.00 0.00 0.00
ketiga 1086 17595 500 500 134.8 655.48 495.86 157.38 0.000403770 0.000025789 0.006836842 14.62 11.06 3.51
1559 32697 1000 1000 67.5 245.78 185.93 59.01 0.000467684 0.000728615 0.007785806 5.49 4.15 1.32
1924 46982 1500 1500 22.5 138.54 104.80 33.26 0.000509663 0.001474362 0.003017547 3.09 2.34 0.74
2234 60762 2000 2000 5.7 92.26 69.79 22.15 0.000541715 0.001473491 0.001763468 2.05 1.55 0.49
2509 74177 2500 2500 1.2 67.31 50.92 16.16 0.000567957 0.001257264 0.001305694 1.50 1.13 0.36
2757 87308 3000 3000 0.2 52.03 39.36 12.49 0.000590340 0.001057267 0.001063948 1.16 0.88 0.28
2987 100209 3500 3500 0.03 41.85 31.66 10.05 0.000609951 0.000903538 0.000904392 0.93 0.70 0.22
3201 112915 4000 4000 0.06 34.66 26.22 8.32 0.000627464 0.000786397 0.000787884 0.77 0.58 0.19
3402 125453 4500 4500 0.08 29.35 22.20 7.05 0.000643329 0.000695837 0.000697592 0.65 0.49 0.16
3593 137844 5000 5000 0.09 25.29 19.13 6.07 0.000657861 0.000623795 0.000625565 0.56 0.43 0.14
36
Lampiran 6 Skenario model konsentrasi emisi Cerobong 1 musim penghujan
Model x y z SO2 NO2 TSP SO2 NO2 TSP
Skenario -13 0 0 0 134.8 0.00 0.00 0.00 0.000000000 0.176326627 47.85153271 0.00 0.00 0.00
pertama 1086 17595 500 500 134.8 1005.72 535.17 144.00 0.000403770 0.000025263 0.006836842 22.44 11.94 3.21
1559 32697 1000 500 134.8 377.11 200.67 53.99 0.000116921 0.000012266 0.014097373 8.44 4.49 1.21
1924 46982 1500 500 134.8 212.57 113.11 30.43 0.000056629 0.000008046 0.009247950 4.75 2.53 0.68
2234 60762 2000 500 134.8 141.56 75.33 20.27 0.000033857 0.000005968 0.006859613 3.16 1.68 0.45
2509 74177 2500 500 134.8 103.28 54.96 14.79 0.000022718 0.000004735 0.005441756 2.30 1.22 0.33
2757 87308 3000 500 134.8 79.83 42.48 11.43 0.000016398 0.000003919 0.004504224 1.78 0.95 0.25
2987 100209 3500 500 134.8 64.21 34.17 9.19 0.000012448 0.000003340 0.003838998 1.43 0.76 0.20
3201 112915 4000 500 134.8 53.18 28.30 7.61 0.000009804 0.000002909 0.003342862 1.18 0.63 0.17
3402 125453 4500 500 134.8 45.03 23.96 6.45 0.000007942 0.000002574 0.002958837 1.00 0.53 0.14
3593 137844 5000 500 134.8 38.80 20.65 5.56 0.000006579 0.000002308 0.002652918 0.86 0.46 0.12
Skenario -13 0 0 0 0 0.00 0.00 0.00 0.000000000 47.71893491 90.31569887 0.00 0.00 0.00
kedua 1086 17595 500 500 0 1005.72 535.17 144.00 0.000403770 0.006836839 0.006837575 22.51 11.98 3.22
1559 32697 1000 1000 0 377.11 200.67 53.99 0.000467684 0.003319493 0.003319493 8.41 4.48 1.20
1924 46982 1500 1500 0 212.57 113.11 30.43 0.000509663 0.002177605 0.002177605 4.74 2.52 0.68
2234 60762 2000 2000 0 141.56 75.33 20.27 0.000541715 0.001615226 0.001615226 3.15 1.68 0.45
2509 74177 2500 2500 0 103.28 54.96 14.79 0.000567957 0.001281364 0.001281364 2.30 1.22 0.33
2757 87308 3000 3000 0 79.83 42.48 11.43 0.000590340 0.001060605 0.001060605 1.78 0.95 0.25
2987 100209 3500 3500 0 64.21 34.17 9.19 0.000609951 0.000903965 0.000903965 1.43 0.76 0.20
3201 112915 4000 4000 0 53.18 28.30 7.61 0.000627464 0.000787140 0.000787140 1.18 0.63 0.17
3402 125453 4500 4500 0 45.03 23.96 6.45 0.000643329 0.000696714 0.000696714 1.00 0.53 0.14
3593 137844 5000 5000 0 38.80 20.65 5.56 0.000657861 0.000624680 0.000624680 0.86 0.46 0.12
Skenario -13 0 0 0 0 0.00 0.00 0.00 0.000000000 47.71893491 90.31569887 0.00 0.00 0.00
ketiga 1086 17595 500 500 134.8 1005.72 535.17 144.00 0.000403770 0.000025789 0.006836842 22.44 11.94 3.21
1559 32697 1000 1000 67.5 377.11 200.67 53.99 0.000467684 0.000728615 0.007785806 8.42 4.48 1.21
1924 46982 1500 1500 22.5 212.57 113.11 30.43 0.000509663 0.001474362 0.003017547 4.74 2.52 0.68
2234 60762 2000 2000 5.7 141.56 75.33 20.27 0.000541715 0.001473491 0.001763468 3.15 1.68 0.45
2509 74177 2500 2500 1.2 103.28 54.96 14.79 0.000567957 0.001257264 0.001305694 2.30 1.22 0.33
2757 87308 3000 3000 0.2 79.83 42.48 11.43 0.000590340 0.001057267 0.001063948 1.78 0.95 0.25
2987 100209 3500 3500 0.03 64.21 34.17 9.19 0.000609951 0.000903538 0.000904392 1.43 0.76 0.20
3201 112915 4000 4000 0.06 53.18 28.30 7.61 0.000627464 0.000786397 0.000787884 1.18 0.63 0.17
3402 125453 4500 4500 0.08 45.03 23.96 6.45 0.000643329 0.000695837 0.000697592 1.00 0.53 0.14
3593 137844 5000 5000 0.09 38.80 20.65 5.56 0.000657861 0.000623795 0.000625565 0.86 0.46 0.12
37
Skenario -13 0 0 0 134.8 0.00 0.00 0.00 0.000000000 0.180000000 47.85429704 0.00 0.00 0.00
pertama 1086 17595 500 500 134.8 640.99 535.17 144.00 0.000403770 0.000025789 0.006836842 14.30 10.82 3.43
1559 32697 1000 500 134.8 240.35 200.67 53.99 0.000116921 0.000012521 0.014105993 5.38 4.07 1.29
1924 46982 1500 500 134.8 135.48 113.11 30.43 0.000056629 0.000008214 0.009253604 3.02 2.29 0.73
2234 60762 2000 500 134.8 90.22 75.33 20.27 0.000033857 0.000006093 0.006863807 2.01 1.52 0.48
2509 74177 2500 500 134.8 65.82 54.96 14.79 0.000022718 0.000004833 0.005445083 1.47 1.11 0.35
2757 87308 3000 500 134.8 50.88 42.48 11.43 0.000016398 0.000004001 0.004506978 1.13 0.86 0.27
2987 100209 3500 500 134.8 40.92 34.17 9.19 0.000012448 0.000003410 0.003841345 0.91 0.69 0.22
3201 112915 4000 500 134.8 33.89 28.30 7.61 0.000009804 0.000002969 0.003344906 0.75 0.57 0.18
3402 125453 4500 500 134.8 28.70 23.96 6.45 0.000007942 0.000002628 0.002960646 0.64 0.48 0.15
3593 137844 5000 500 134.8 24.73 20.65 5.56 0.000006579 0.000002356 0.002654540 0.55 0.42 0.13
Skenario -13 0 0 0 0 0.00 0.00 0.00 0.000000000 47.71893491 90.31569887 0.00 0.00 0.00
kedua 1086 17595 500 500 0 640.99 535.17 144.00 0.000403770 0.006836839 0.006837575 14.35 10.85 3.44
1559 32697 1000 1000 0 240.35 200.67 53.99 0.000467684 0.003319493 0.003319493 5.36 4.06 1.29
1924 46982 1500 1500 0 135.48 113.11 30.43 0.000509663 0.002177605 0.002177605 3.02 2.28 0.72
2234 60762 2000 2000 0 90.22 75.33 20.27 0.000541715 0.001615226 0.001615226 2.01 1.52 0.48
2509 74177 2500 2500 0 65.82 54.96 14.79 0.000567957 0.001281364 0.001281364 1.47 1.11 0.35
2757 87308 3000 3000 0 50.88 42.48 11.43 0.000590340 0.001060605 0.001060605 1.13 0.86 0.27
2987 100209 3500 3500 0 40.92 34.17 9.19 0.000609951 0.000903965 0.000903965 0.91 0.69 0.22
3201 112915 4000 4000 0 33.89 28.30 7.61 0.000627464 0.000787140 0.000787140 0.75 0.57 0.18
3402 125453 4500 4500 0 28.70 23.96 6.45 0.000643329 0.000696714 0.000696714 0.64 0.48 0.15
3593 137844 5000 5000 0 24.73 20.65 5.56 0.000657861 0.000624680 0.000624680 0.55 0.42 0.13
Skenario -13 0 0 0 127 0.00 0.00 0.00 0.000000000 47.71893491 90.31569887 0.00 0.00 0.00
ketiga 1086 17595 500 500 134.8 640.99 535.17 144.00 0.000403770 0.000025789 0.006836842 14.30 10.82 3.43
1559 32697 1000 1000 67.5 240.35 200.67 53.99 0.000467684 0.000728615 0.007785806 5.37 4.06 1.29
1924 46982 1500 1500 22.5 135.48 113.11 30.43 0.000509663 0.001474362 0.003017547 3.02 2.28 0.72
2234 60762 2000 2000 5.7 90.22 75.33 20.27 0.000541715 0.001473491 0.001763468 2.01 1.52 0.48
2509 74177 2500 2500 1.2 65.82 54.96 14.79 0.000567957 0.001257264 0.001305694 1.47 1.11 0.35
2757 87308 3000 3000 0.2 50.88 42.48 11.43 0.000590340 0.001057267 0.001063948 1.13 0.86 0.27
2987 100209 3500 3500 0.03 40.92 34.17 9.19 0.000609951 0.000903538 0.000904392 0.91 0.69 0.22
3201 112915 4000 4000 0.06 33.89 28.30 7.61 0.000627464 0.000786397 0.000787884 0.75 0.57 0.18
3402 125453 4500 4500 0.08 28.70 23.96 6.45 0.000643329 0.000695837 0.000697592 0.64 0.48 0.15
3593 137844 5000 5000 0.09 24.73 20.65 5.56 0.000657861 0.000623795 0.000625565 0.55 0.42 0.13
38
Skenario -13 0 0 0 134.8 0.00 0.00 0.00 0.000000000 0.180000000 47.85429704 0.00 0.00 0.00
pertama 1086 17595 500 500 134.8 812.96 681.48 126.33 0.000403770 0.000025789 0.006836842 18.14 15.20 2.82
1559 32697 1000 500 134.8 304.83 255.53 47.37 0.000116921 0.000012521 0.014105993 6.82 5.72 1.06
1924 46982 1500 500 134.8 171.82 144.04 26.70 0.000056629 0.000008214 0.009253604 3.84 3.22 0.60
2234 60762 2000 500 134.8 114.42 95.92 17.78 0.000033857 0.000006093 0.006863807 2.55 2.14 0.40
2509 74177 2500 500 134.8 83.48 69.98 12.97 0.000022718 0.000004833 0.005445083 1.86 1.56 0.29
2757 87308 3000 500 134.8 64.53 54.09 10.03 0.000016398 0.000004001 0.004506978 1.44 1.20 0.22
2987 100209 3500 500 134.8 51.90 43.51 8.07 0.000012448 0.000003410 0.003841345 1.16 0.97 0.18
3201 112915 4000 500 134.8 42.98 36.03 6.68 0.000009804 0.000002969 0.003344906 0.96 0.80 0.15
3402 125453 4500 500 134.8 36.40 30.51 5.66 0.000007942 0.000002628 0.002960646 0.81 0.68 0.13
3593 137844 5000 500 134.8 31.37 26.29 4.87 0.000006579 0.000002356 0.002654540 0.70 0.59 0.11
Skenario -13 0 0 0 0 0.00 0.00 0.00 0.000000000 47.71893491 90.31569887 0.00 0.00 0.00
kedua 1086 17595 500 500 0 812.96 681.48 126.33 0.000403770 0.006836839 0.006837575 18.20 15.25 2.83
1559 32697 1000 1000 0 304.83 255.53 47.37 0.000467684 0.003319493 0.003319493 6.80 5.70 1.06
1924 46982 1500 1500 0 171.82 144.04 26.70 0.000509663 0.002177605 0.002177605 3.83 3.21 0.59
2234 60762 2000 2000 0 114.42 95.92 17.78 0.000541715 0.001615226 0.001615226 2.55 2.14 0.40
2509 74177 2500 2500 0 83.48 69.98 12.97 0.000567957 0.001281364 0.001281364 1.86 1.56 0.29
2757 87308 3000 3000 0 64.53 54.09 10.03 0.000590340 0.001060605 0.001060605 1.44 1.20 0.22
2987 100209 3500 3500 0 51.90 43.51 8.07 0.000609951 0.000903965 0.000903965 1.16 0.97 0.18
3201 112915 4000 4000 0 42.98 36.03 6.68 0.000627464 0.000787140 0.000787140 0.96 0.80 0.15
3402 125453 4500 4500 0 36.40 30.51 5.66 0.000643329 0.000696714 0.000696714 0.81 0.68 0.13
3593 137844 5000 5000 0 31.37 26.29 4.87 0.000657861 0.000624680 0.000624680 0.70 0.59 0.11
Skenario -13 0 0 0 127 0.00 0.00 0.00 0.000000000 47.71893491 90.31569887 0.00 0.00 0.00
ketiga 1086 17595 500 500 134.8 812.96 681.48 126.33 0.000403770 0.000025789 0.006836842 18.14 15.20 2.82
1559 32697 1000 1000 67.5 304.83 255.53 47.37 0.000467684 0.000728615 0.007785806 6.81 5.71 1.06
1924 46982 1500 1500 22.5 171.82 144.04 26.70 0.000509663 0.001474362 0.003017547 3.83 3.21 0.59
2234 60762 2000 2000 5.7 114.42 95.92 17.78 0.000541715 0.001473491 0.001763468 2.55 2.14 0.40
2509 74177 2500 2500 1.2 83.48 69.98 12.97 0.000567957 0.001257264 0.001305694 1.86 1.56 0.29
2757 87308 3000 3000 0.2 64.53 54.09 10.03 0.000590340 0.001057267 0.001063948 1.44 1.20 0.22
2987 100209 3500 3500 0.03 51.90 43.51 8.07 0.000609951 0.000903538 0.000904392 1.16 0.97 0.18
3201 112915 4000 4000 0.06 42.98 36.03 6.68 0.000627464 0.000786397 0.000787884 0.96 0.80 0.15
3402 125453 4500 4500 0.08 36.40 30.51 5.66 0.000643329 0.000695837 0.000697592 0.81 0.68 0.13
3593 137844 5000 5000 0.09 31.37 26.29 4.87 0.000657861 0.000623795 0.000625565 0.70 0.59 0.11
39
Lampiran 9 Skenario model konsentrasi emisi Cerobong 1 musim kemarau
Skenario -13 0 0 0 134.8 0.00 0.00 0.00 0.000000000 0.176326627 47.85153271 0.00 0.00 0.00
pertama 1086 17595 500 500 134.8 1056.59 562.24 151.28 0.000403770 0.000025263 0.006836842 23.57 12.54 3.37
1559 32697 1000 500 134.8 396.18 210.82 56.72 0.000116921 0.000012266 0.014097373 8.87 4.72 1.27
1924 46982 1500 500 134.8 223.32 118.83 31.97 0.000056629 0.000008046 0.009247950 4.99 2.65 0.71
2234 60762 2000 500 134.8 148.71 79.14 21.29 0.000033857 0.000005968 0.006859613 3.32 1.76 0.47
2509 74177 2500 500 134.8 108.50 57.74 15.54 0.000022718 0.000004735 0.005441756 2.42 1.29 0.35
2757 87308 3000 500 134.8 83.87 44.63 12.01 0.000016398 0.000003919 0.004504224 1.87 0.99 0.27
2987 100209 3500 500 134.8 67.46 35.90 9.66 0.000012448 0.000003340 0.003838998 1.50 0.80 0.22
3201 112915 4000 500 134.8 55.87 29.73 8.00 0.000009804 0.000002909 0.003342862 1.24 0.66 0.18
3402 125453 4500 500 134.8 47.31 25.17 6.77 0.000007942 0.000002574 0.002958837 1.05 0.56 0.15
3593 137844 5000 500 134.8 40.77 21.69 5.84 0.000006579 0.000002308 0.002652918 0.91 0.48 0.13
Skenario -13 0 0 0 0 0.00 0.00 0.00 0.000000000 47.71893491 90.31569887 0.00 0.00 0.00
kedua 1086 17595 500 500 0 1056.59 562.24 151.28 0.000403770 0.006836839 0.006837575 23.65 12.59 3.39
1559 32697 1000 1000 0 396.18 210.82 56.72 0.000467684 0.003319493 0.003319493 8.84 4.70 1.27
1924 46982 1500 1500 0 223.32 118.83 31.97 0.000509663 0.002177605 0.002177605 4.98 2.65 0.71
2234 60762 2000 2000 0 148.71 79.14 21.29 0.000541715 0.001615226 0.001615226 3.31 1.76 0.47
2509 74177 2500 2500 0 108.50 57.74 15.54 0.000567957 0.001281364 0.001281364 2.42 1.29 0.35
2757 87308 3000 3000 0 83.87 44.63 12.01 0.000590340 0.001060605 0.001060605 1.87 0.99 0.27
2987 100209 3500 3500 0 67.46 35.90 9.66 0.000609951 0.000903965 0.000903965 1.50 0.80 0.21
3201 112915 4000 4000 0 55.87 29.73 8.00 0.000627464 0.000787140 0.000787140 1.24 0.66 0.18
3402 125453 4500 4500 0 47.31 25.17 6.77 0.000643329 0.000696714 0.000696714 1.05 0.56 0.15
3593 137844 5000 5000 0 40.77 21.69 5.84 0.000657861 0.000624680 0.000624680 0.91 0.48 0.13
Skenario -13 0 0 0 127 0.00 0.00 0.00 0.000000000 47.71893491 90.31569887 0.00 0.00 0.00
ketiga 1086 17595 500 500 134.8 1056.59 562.24 151.28 0.000403770 0.000025789 0.006836842 23.57 12.54 3.37
1559 32697 1000 1000 67.5 396.18 210.82 56.72 0.000467684 0.000728615 0.007785806 8.85 4.71 1.27
1924 46982 1500 1500 22.5 223.32 118.83 31.97 0.000509663 0.001474362 0.003017547 4.98 2.65 0.71
2234 60762 2000 2000 5.7 148.71 79.14 21.29 0.000541715 0.001473491 0.001763468 3.31 1.76 0.47
2509 74177 2500 2500 1.2 108.50 57.74 15.54 0.000567957 0.001257264 0.001305694 2.42 1.29 0.35
2757 87308 3000 3000 0.2 83.87 44.63 12.01 0.000590340 0.001057267 0.001063948 1.87 0.99 0.27
2987 100209 3500 3500 0.03 67.46 35.90 9.66 0.000609951 0.000903538 0.000904392 1.50 0.80 0.21
3201 112915 4000 4000 0.06 55.87 29.73 8.00 0.000627464 0.000786397 0.000787884 1.24 0.66 0.18
3402 125453 4500 4500 0.08 47.31 25.17 6.77 0.000643329 0.000695837 0.000697592 1.05 0.56 0.15
3593 137844 5000 5000 0.09 40.77 21.69 5.84 0.000657861 0.000623795 0.000625565 0.91 0.48 0.13
40
Skenario -13 0 0 0 134.8 0.00 0.00 0.00 0.000000000 0.180000000 47.85429704 0.00 0.00 0.00
pertama 1086 17595 500 500 134.8 673.41 509.42 161.68 0.000403770 0.000025789 0.006836842 15.02 11.36 3.61
1559 32697 1000 500 134.8 252.50 191.01 60.63 0.000116921 0.000012521 0.014105993 5.65 4.28 1.36
1924 46982 1500 500 134.8 142.33 107.67 34.17 0.000056629 0.000008214 0.009253604 3.18 2.40 0.76
2234 60762 2000 500 134.8 94.78 71.70 22.76 0.000033857 0.000006093 0.006863807 2.11 1.60 0.51
2509 74177 2500 500 134.8 69.15 52.31 16.60 0.000022718 0.000004833 0.005445083 1.54 1.17 0.37
2757 87308 3000 500 134.8 53.45 40.44 12.83 0.000016398 0.000004001 0.004506978 1.19 0.90 0.29
2987 100209 3500 500 134.8 42.99 32.52 10.32 0.000012448 0.000003410 0.003841345 0.96 0.72 0.23
3201 112915 4000 500 134.8 35.61 26.93 8.55 0.000009804 0.000002969 0.003344906 0.79 0.60 0.19
3402 125453 4500 500 134.8 30.15 22.81 7.24 0.000007942 0.000002628 0.002960646 0.67 0.51 0.16
3593 137844 5000 500 134.8 25.98 19.66 6.24 0.000006579 0.000002356 0.002654540 0.58 0.44 0.14
Skenario -13 0 0 0 0 0.00 0.00 0.00 0.000000000 47.71893491 90.31569887 0.00 0.00 0.00
kedua 1086 17595 500 500 0 673.41 509.42 161.68 0.000403770 0.006836839 0.006837575 15.07 11.40 3.62
1559 32697 1000 1000 0 252.50 191.01 60.63 0.000467684 0.003319493 0.003319493 5.63 4.26 1.35
1924 46982 1500 1500 0 142.33 107.67 34.17 0.000509663 0.002177605 0.002177605 3.17 2.40 0.76
2234 60762 2000 2000 0 94.78 71.70 22.76 0.000541715 0.001615226 0.001615226 2.11 1.60 0.51
2509 74177 2500 2500 0 69.15 52.31 16.60 0.000567957 0.001281364 0.001281364 1.54 1.16 0.37
2757 87308 3000 3000 0 53.45 40.44 12.83 0.000590340 0.001060605 0.001060605 1.19 0.90 0.29
2987 100209 3500 3500 0 42.99 32.52 10.32 0.000609951 0.000903965 0.000903965 0.96 0.72 0.23
3201 112915 4000 4000 0 35.61 26.93 8.55 0.000627464 0.000787140 0.000787140 0.79 0.60 0.19
3402 125453 4500 4500 0 30.15 22.81 7.24 0.000643329 0.000696714 0.000696714 0.67 0.51 0.16
3593 137844 5000 5000 0 25.98 19.66 6.24 0.000657861 0.000624680 0.000624680 0.58 0.44 0.14
Skenario -13 0 0 0 127 0.00 0.00 0.00 0.000000000 47.71893491 90.31569887 0.00 0.00 0.00
ketiga 1086 17595 500 500 134.8 673.41 509.42 161.68 0.000403770 0.000025789 0.006836842 15.02 11.36 3.61
1559 32697 1000 1000 67.5 252.50 191.01 60.63 0.000467684 0.000728615 0.007785806 5.64 4.26 1.35
1924 46982 1500 1500 22.5 142.33 107.67 34.17 0.000509663 0.001474362 0.003017547 3.17 2.40 0.76
2234 60762 2000 2000 5.7 94.78 71.70 22.76 0.000541715 0.001473491 0.001763468 2.11 1.60 0.51
2509 74177 2500 2500 1.2 69.15 52.31 16.60 0.000567957 0.001257264 0.001305694 1.54 1.16 0.37
2757 87308 3000 3000 0.2 53.45 40.44 12.83 0.000590340 0.001057267 0.001063948 1.19 0.90 0.29
2987 100209 3500 3500 0.03 42.99 32.52 10.32 0.000609951 0.000903538 0.000904392 0.96 0.72 0.23
3201 112915 4000 4000 0.06 35.61 26.93 8.55 0.000627464 0.000786397 0.000787884 0.79 0.60 0.19
3402 125453 4500 4500 0.08 30.15 22.81 7.24 0.000643329 0.000695837 0.000697592 0.67 0.51 0.16
3593 137844 5000 5000 0.09 25.98 19.66 6.24 0.000657861 0.000623795 0.000625565 0.58 0.44 0.14
41
Skenario -13 0 0 0 134.8 0.00 0.00 0.00 0.000000000 0.180000000 47.85429704 0.00 0.00 0.00
pertama 1086 17595 500 500 134.8 854.08 715.95 132.72 0.000403770 0.000025789 0.006836842 19.05 15.97 2.96
1559 32697 1000 500 134.8 320.25 268.45 49.76 0.000116921 0.000012521 0.014105993 7.17 6.01 1.11
1924 46982 1500 500 134.8 180.52 151.32 28.05 0.000056629 0.000008214 0.009253604 4.03 3.38 0.63
2234 60762 2000 500 134.8 120.21 100.77 18.68 0.000033857 0.000006093 0.006863807 2.68 2.25 0.42
2509 74177 2500 500 134.8 87.71 73.52 13.63 0.000022718 0.000004833 0.005445083 1.95 1.64 0.30
2757 87308 3000 500 134.8 67.79 56.83 10.53 0.000016398 0.000004001 0.004506978 1.51 1.27 0.23
2987 100209 3500 500 134.8 54.53 45.71 8.47 0.000012448 0.000003410 0.003841345 1.21 1.02 0.19
3201 112915 4000 500 134.8 45.16 37.85 7.02 0.000009804 0.000002969 0.003344906 1.01 0.84 0.16
3402 125453 4500 500 134.8 38.24 32.05 5.94 0.000007942 0.000002628 0.002960646 0.85 0.71 0.13
3593 137844 5000 500 134.8 32.95 27.62 5.12 0.000006579 0.000002356 0.002654540 0.73 0.61 0.11
Skenario -13 0 0 0 0 0.00 0.00 0.00 0.000000000 47.71893491 90.31569887 0.00 0.00 0.00
kedua 1086 17595 500 500 0 854.08 715.95 132.72 0.000403770 0.006836839 0.006837575 19.12 16.03 2.97
1559 32697 1000 1000 0 320.25 268.45 49.76 0.000467684 0.003319493 0.003319493 7.14 5.99 1.11
1924 46982 1500 1500 0 180.52 151.32 28.05 0.000509663 0.002177605 0.002177605 4.02 3.37 0.63
2234 60762 2000 2000 0 120.21 100.77 18.68 0.000541715 0.001615226 0.001615226 2.68 2.24 0.42
2509 74177 2500 2500 0 87.71 73.52 13.63 0.000567957 0.001281364 0.001281364 1.95 1.64 0.30
2757 87308 3000 3000 0 67.79 56.83 10.53 0.000590340 0.001060605 0.001060605 1.51 1.26 0.23
2987 100209 3500 3500 0 54.53 45.71 8.47 0.000609951 0.000903965 0.000903965 1.21 1.02 0.19
3201 112915 4000 4000 0 45.16 37.85 7.02 0.000627464 0.000787140 0.000787140 1.00 0.84 0.16
3402 125453 4500 4500 0 38.24 32.05 5.94 0.000643329 0.000696714 0.000696714 0.85 0.71 0.13
3593 137844 5000 5000 0 32.95 27.62 5.12 0.000657861 0.000624680 0.000624680 0.73 0.61 0.11
Skenario -13 0 0 0 127 0.00 0.00 0.00 0.000000000 47.71893491 90.31569887 0.00 0.00 0.00
ketiga 1086 17595 500 500 134.8 854.08 715.95 132.72 0.000403770 0.000025789 0.006836842 19.05 15.97 2.96
1559 32697 1000 1000 67.5 320.25 268.45 49.76 0.000467684 0.000728615 0.007785806 7.15 5.99 1.11
1924 46982 1500 1500 22.5 180.52 151.32 28.05 0.000509663 0.001474362 0.003017547 4.02 3.37 0.63
2234 60762 2000 2000 5.7 120.21 100.77 18.68 0.000541715 0.001473491 0.001763468 2.68 2.24 0.42
2509 74177 2500 2500 1.2 87.71 73.52 13.63 0.000567957 0.001257264 0.001305694 1.95 1.64 0.30
2757 87308 3000 3000 0.2 67.79 56.83 10.53 0.000590340 0.001057267 0.001063948 1.51 1.26 0.23
2987 100209 3500 3500 0.03 54.53 45.71 8.47 0.000609951 0.000903538 0.000904392 1.21 1.02 0.19
3201 112915 4000 4000 0.06 45.16 37.85 7.02 0.000627464 0.000786397 0.000787884 1.00 0.84 0.16
3402 125453 4500 4500 0.08 38.24 32.05 5.94 0.000643329 0.000695837 0.000697592 0.85 0.71 0.13
3593 137844 5000 5000 0.09 32.95 27.62 5.12 0.000657861 0.000623795 0.000625565 0.73 0.61 0.11
42
59
63
65
67
69
52
Lampiran 21 Kuesioner penelitian
ANALISIS POLA SEBARAN DAN TINGKAT PAPARAN EMISI GAS

BUANG CEROBONG TERHADAP KESEHATAN MASYARAKAT
SEKITAR PLTU BANTEN 3 LONTAR
TAHUN 2019
Tanggal Penelitian :
No Responden :
I. Data responden
a. Nama Responden :
b. Umur Responden : tahun
d. Pendidikan Responden :
e. Pekerjaan :
f. Berat Badan : kg
II. Data lamanya paparan terhadap individu
1. Berapa lama anda tinggal di tempat ini? (Dt)
Jawab : tahun
2. Berapa lama dalam satu hari anda berada di tempat ini? (t)
Jawab : jam
3. Berapa hari dalam satu minggu anda berada di tempat ini? (f)
Jawab : hari
53
Lampiran 21 Lanjutan
4. Apakah anda memiliki aktifitas bekerja diluar rumah?
Jawab:
Berapa lama ; jam/hari
5. Apakah anda memiliki aktifitas berpergian keluar rumah?
Jawab:
Berapa lama: jam/hari
III. Data kesehatan :
1. Penyakit yang sering diderita sejak 3 tahun terakhir?
2. Pada tahun ke berapa penyakit ini mulai muncul setelah menetap di

daerah ini? Tahun
3. Bagaimana sifat penyakit tersebut?
a. Terus menerus
Pada saat kapan ?
b. Hilang –kambuh
Pada saat kapan ?
4. Usaha apa yang dilakukan untuk mengatasinya?
a. Pengobatan sendiri
Dengan obat apa ?
b. Berobat ke puskesmas
c. Berobat ke klinik
54
Lampiran 22 Analisis nilai tingkat risiko paparan Desa Lontar

Berat Waktu Risk quotient (RQ)
Jenis Umur Hasil
No Nama badan paparan
kelamin (tahun) analisa
(Kg) (jam/hari) SO2 NO2 TSP
1. Ahmad Bucron Laki - Laki 29 77.7 12 0.074 0.069 0.068 Aman

2. Amyani Laki - Laki 36 82.2 24 0.141 0.131 0.130 Aman
3. Jaja Laki - Laki 51 45.7 24 0.253 0.235 0.233 Aman
4. Baehaki Laki - Laki 35 55.4 24 0.209 0.194 0.193 Aman
5. Romli Laki - Laki 27 51.8 16 0.128 0.118 0.117 Aman
6. Sarbana Laki - Laki 49 66.0 12 0.084 0.078 0.078 Aman
7. Jali Laki - Laki 29 65.7 20 0.147 0.136 0.135 Aman
8. Ahmad Latip Laki - Laki 32 67.7 18 0.128 0.119 0.118 Aman
9. Sohali Laki - Laki 67 55.2 24 0.210 0.195 0.193 Aman
10. Eki Laki - Laki 32 55.6 14 0.122 0.113 0.112 Aman
11. Hendi Laki - Laki 46 67.0 12 0.087 0.080 0.080 Aman
12. Ahmad Sanuni Laki - Laki 41 70.1 24 0.165 0.153 0.152 Aman
13. Asiah Perempuan 50 50.5 24 0.228 0.212 0.210 Aman
14. Dian Novita Perempuan 19 49.2 17 0.167 0.155 0.154 Aman
15. Siti Maesyaroh Perempuan 26 43.6 24 0.266 0.247 0.245 Aman
16. Sopiah Perempuan 36 84.0 24 0.138 0.128 0.127 Aman
17. Juwiyah Perempuan 47 46.6 24 0.248 0.230 0.228 Aman
18. Mutiaroh Perempuan 25 48.4 23 0.229 0.212 0.211 Aman
19. Munawaroh Perempuan 46 50.3 24 0.226 0.210 0.208 Aman
20. Subiah Perempuan 36 81.1 22 0.131 0.122 0.121 Aman
21. Sumyati Perempuan 27 48.0 24 0.242 0.224 0.222 Aman
22. Nurlaelah Perempuan 19 49.6 24 0.234 0.217 0.215 Aman
23. Sumilah Perempuan 33 67.1 24 0.171 0.159 0.158 Aman
24. Sutiyati Perempuan 50 46.4 20 0.208 0.193 0.192 Aman
25. Sulaelah Perempuan 33 71.9 21 0.141 0.131 0.130 Aman

55
Lampiran 23 Analisis nilai tingkat risiko paparan Desa Karang Anyar

Jenis Umur Hasil
NO Nama Badan paparan
1. Aliyudin Laki-Laki 56 57.9 24 0.176 0.128 0.106 Aman

2. Madarif Laki-Laki 45 75.0 18 0.102 0.074 0.062 Aman
3. Atang Tekno Laki-Laki 25 58.6 23 0.163 0.119 0.099 Aman
4. Haerul Ta'lim Laki-Laki 25 58.7 14 0.101 0.074 0.061 Aman
5. Ahmad Yani S Laki-Laki 50 50.0 24 0.204 0.149 0.123 Aman
6. Mulyadi Laki-Laki 29 48.8 22 0.191 0.140 0.116 Aman
7. Midun Laki-Laki 24 60.2 22 0.142 0.104 0.086 Aman
8. Iskadar Laki-Laki 25 60.0 24 0.167 0.122 0.101 Aman
9. Luthfi Laki-Laki 39 49.8 24 0.205 0.149 0.124 Aman
10. Ikhya Ulumudin Laki-Laki 18 48.6 12 0.105 0.077 0.063 Aman
11. Nuriksan Laki-Laki 21 50.0 24 0.167 0.122 0.101 Aman
12. Yuni Setiawan Laki-Laki 24 56.5 24 0.128 0.094 0.078 Aman
13. Elisah Perempuan 26 54.8 16 0.124 0.091 0.075 Aman
14. Ayuningtyas Perempuan 36 43.6 23 0.223 0.163 0.135 Aman
15. Fitri Perempuan 28 67.2 24 0.152 0.111 0.092 Aman
16. Manti Perempuan 50 45.4 24 0.224 0.164 0.136 Aman
17. Emi Perempuan 45 50.0 24 0.204 0.149 0.123 Aman
18. Mukiah Perempuan 40 68.5 23 0.143 0.104 0.086 Aman
19. Sarsinah Perempuan 55 66.7 24 0.153 0.112 0.092 Aman
20. Mulyati Perempuan 30 51.9 24 0.196 0.143 0.119 Aman
21. Unani Perempuan 35 58.8 23 0.166 0.121 0.100 Aman
22. Nining Kurniasih Perempuan 34 70.1 24 0.145 0.106 0.088 Aman
23. Sari S Perempuan 23 49.4 24 0.206 0.151 0.125 Aman
24. Siti Suebah Perempuan 26 61.0 24 0.167 0.122 0.101 Aman
25. Nofita J Perempuan 29 58.4 24 0.174 0.127 0.105 Aman
56
Lampiran 24 Analisis nilai tingkat risiko paparan Desa Klebet

Jenis Umur Hasil
NO Nama badan paparan
1. Samlawi Laki-Laki 53 53.4 12 0.085 0.046 0.021 Aman

2. Khusni Fadil Laki-Laki 49 60.2 16 0.101 0.054 0.025 Aman
3. Kardi Laki-Laki 60 41.9 24 0.218 0.117 0.054 Aman
4. Marjuki Laki-Laki 55 55.3 20 0.138 0.074 0.034 Aman
5. Karsono Laki-Laki 67 45.8 18 0.149 0.080 0.037 Aman
6. Ahmad Suyana Laki-Laki 20 65.6 12 0.069 0.037 0.017 Aman
7. Nurdin Laki-Laki 55 56.7 24 0.159 0.085 0.039 Aman
8. Iman Nirwanto Laki-Laki 16 48.1 20 0.156 0.084 0.039 Aman
9. Amsor Laki-Laki 51 54.1 21 0.148 0.079 0.037 Aman
10. Maman Laki-Laki 25 63.1 24 0.145 0.078 0.036 Aman
11. Aji Santoso Laki-Laki 40 51.0 22 0.114 0.061 0.028 Aman
12. Rapiudin Laki-Laki 51 68.9 24 0.132 0.071 0.033 Aman
13. Sartika Perempuan 30 81.4 24 0.105 0.056 0.026 Aman
14. Ita Prihanti Perempuan 24 65.4 14 0.081 0.044 0.020 Aman
15. Aisyah Perempuan 45 55.2 24 0.165 0.089 0.041 Aman
16. Husnawati Perempuan 42 51.4 23 0.170 0.091 0.042 Aman
17. Nurlaelah Perempuan 30 47.1 24 0.194 0.104 0.048 Aman
18. Sunarsih Perempuan 41 55.0 24 0.165 0.089 0.041 Aman
19. Sulistiyowati Perempuan 40 61.8 23 0.138 0.074 0.034 Aman
20. Juhro Perempuan 45 63.7 24 0.143 0.077 0.035 Aman
21. Siti Aminah Perempuan 42 69.3 24 0.129 0.069 0.032 Aman
22. Hamdiyah Perempuan 40 75.3 24 0.121 0.065 0.030 Aman
23. Anis Perempuan 24 60.7 24 0.149 0.080 0.037 Aman
24. Nopi Perempuan 28 55.2 24 0.163 0.088 0.040 Aman
25. Rasti Perempuan 32 41.7 24 0.219 0.118 0.054 Aman
57
RIWAYAT HIDUP
Penulis dilahirkan di Jakarta pada tanggal

12 Maret 1997 dari pasangan Bapak Ahmad
Saepuddin, M.Pd. dan Ibu Dewi Lestari, S.Pd.
Penulis merupakan anak pertama dari tiga
bersaudara. Pendidikan sekolah dasar
diselesaikan oleh penulis pada tahun 2009 di
SDN Pelandakan 1 Kota Cirebon dan pendidikan
menengah pertama diselesaikan pada tahun 2012
di SMPN 4 Cirebon. Tahun 2015 pendidikan
menengah atas diselesaikan oleh penulis dari
SMAN 4 Cirebon. Pendidikan tingkat sarjana
ditempuh mulai tahun 2015 di Institut Pertanian
Bogor (IPB) melalui jalur SNMPTN dengan
mengambil program studi Teknik Sipil dan
Lingkungan, Fakultas Teknologi Pertanian.
Selama masa perkuliahan di IPB, penulis aktif
pada kegiatan dan kepanitiaan organisasi Himpunan Mahasiswa Teknik Sipil dan
Lingkungan (Himatesil) sebagai pengurus Departemen Profession and Education
Development (PED) serta Profession and Education (PE) periode 2016-2018.
Penulis juga menjadi anggota divisi humas dan publikasi pada Indonesian Civil
and Environmental Festival (ICEF) tahun 2017. Penulis diberikan penghargaan
sebagai finalis mahasiswa berprestasi Depertemen Teknik Sipil dan Lingkungan
tahun 2017. Penulis pernah meraih penghargaan sebagai verbal commendation
dalam event Asia Youth International Model United Nation di Malaysia tahun
2017. Penulis memiliki pengalaman sebagai pembicara dalam acara IPB Goes to
School di Cirebon tahun 2018. Penulis juga menjadi asisten praktikum mata
kuliah Ilmu Ukur Wilayah (SIL242) pada semester genap tahun akademik
2016/2017, mata kuliah Ilmu Ukur Tanah (SIL241) pada semester ganjil tahun
akademik 2017/2018 dan mata kuliah Teknik Radar Interferometri (SIL243) pada
semester genap tahun akademik 2017/2018. Penulis melaksanakan Kuliah Kerja
Nyata Tematik (KKN-T) pada periode Juli – Agustus 2018 di Kecamatan
Pekalongan Utara, Kota Pekalongan. Penulis melaksanakan kegiatan Praktik
Lapangan pada bulan Desember 2018 hingga Januari 2019 di pembangunan Depot
Pengisian Pesawat Udara (DPPU) Bandar Udara Internasional Jawa Barat (BIJB)
di Kertajati, Kabupaten Majalengka oleh PT. Wijaya Karya dan menulis laporan
berjudul Mempelajari Penerapan Integrated Design Pada Pembangunan Kantor
Depot Pengisian Pesawat Udara, Bandara Kertajati, Majalengka. Penulis
melaksanakan magang dan sertifikasi kompetensi tenaga teknik ketenagalistrikan
pada pekerjaan pemeliharaan pembangkit tenaga listrik sebagai supervisor
pemeliharaan lingkungan hidup / analis muda pemeliharaan PLTU selama 6 bulan
di UJP PLTU Banten 3 Lontar periode Februari s/d Agustus tahun 2019. Penulis
melaksanakan dan menyusun tugas akhir yang berjudul Analisis Pola Sebaran dan
Tingkat Paparan Emisi Gas Buang Cerobong Terhadap Kesehatan Masyarakat di
bawah bimbingan Dr. Yudi Chadirin, S.TP., M.Agr.

F19 Hbu

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

F19 Hbu

Diunggah oleh

Hak Cipta:

Format Tersedia

ANALISIS POLA SEBARAN DAN TINGKAT PAPARAN

EMISI GAS BUANG

DEPARTEMEN TEKNIK SIPIL DAN LINGKUNGAN

Bogor, Desember 2019

HAIKAL BURHANI. Analysis of distribution pattern and exposure level of flue

Keywords: dispersion of emissions, exposure level, gaussian model, risk quotient

DEPARTEMEN TEKNIK SIPIL DAN LINGKUNGAN

Bogor, Desember 2019

DAFTAR TABEL xiii

1 Klasifikasi stabilitas atmosfer 11

1 Sistem koordinat model Gaussian 7

1 Contoh Perhitungan emisi gas buang cerobong 30

Pada tahun 2014, pemerintah Indonesia memiliki target listrik nasional

Tujuan dari penelitian ini adalah:

Ruang Lingkup Penelitian

Ruang lingkup penelitian ini adalah:

Pembangkit Listrik Tenaga Uap

Pembangkit listrik tenaga uap (PLTU) adalah pembangkit yang

Berdasarkan PP No. 41 Tahun 1999, pencemaran udara adalah masuknya

Sumber Pencemar Udara

Sulfur Dioksida (SO2)

Nitrogen Dioksida (NO2)

Total Suspended Particulate (TSP)

Reaksi Pembakaran Batubara

sumber energi alternatif untuk menghasilkan listrik. Pada pembakaran batubara,

Reaksi pembakaran sulfur dalam batubara dengan oksigen menghasilkan

Model Dispersi Gaussian

Model dispersi Gaussian merupakan salah satu model perhitungan untuk

Sumber: Sadly dan Sulaiman (2014)

Gambar 1 Sistem koordinat model Gaussian

Waktu dan Lokasi

Gambar 2 Peta lokasi penelitian

Alat dan Bahan

Penelitian ini menggunakan laptop HP Pavilion gaming 15 yang dilengkapi

Beberapa data sekunder penelitian ini berupa:

Pemodelan sebaran emisi pada penelitian ini menggunakan rumus

Data Primer yang digunakan: Data Sekunder yang digunakan:

Penentuan bulan basah dan bulan kering

Penentuan wind rose (mawar angin)

Penentuan konsentrasi pencemar SO2, NO2, dan TSP dengan

Penyusunan peta pola sebaran emisi gas cerobong dengan

Analisis tingkat risiko paparan

Tingkat risiko paparan

Gambar 3 Tahapan pelaksanaan

Tahapan penelitian selanjutnya yaitu penentuan laju emisi gas buang

Persamaan (1) dilakukan untuk menghitung laju alir volumetrik dari

Tabel 1 Klasifikasi stabilitas atmosfer

Kelas stabilitas atmosfer diperlukan untuk menentukan koefisien dispersi

Tabel 2 Konstanta koefisien dispersi Gauss

Perhitungan konsentrasi emisi gas buang di udara ambien dihitung setiap

HASIL DAN PEMBAHASAN

Kondisi Umum Lokasi Penelitian

Secara geografis dan administratif, wilayah PLTU Banten 3 Lontar terletak

Tabel 3 Koordinat lokasi penelitian

Spesifikasi Cerobong PLTU Banten 3 Lontar

operasional selama 8116.45 jam/ tahun. Cerobong 2 memiliki kecepatan lepasan

Tabel 4 Spesifikasi Cerobong PLTU Banten 3 Lontar

Penentuan Bulan Basah dan Bulan Kering

Penentuan bulan basah, bulan kering dan bulan lembap menggunakan

Tabel 5 Data curah hujan tahun 2009 – 2018

Penentuan bulan basah dan bulan kering untuk menentukan musim

Penentuan Mawar Angin

Gambar 4 Mawar angin tahun 2009 – 2018