PENDAHULUAN
Perubahan kondisi atmosfer akibat pencemaran udara yang saat ini kita kenal sebagai "Global Warming" telah mendapat perhatian sebagai masalah yang membutuhkan usaha mitigasi masyarakat global berupa pencegahan dan penanganan yang efektif dan kontinu. Sebagai negara berkembang, kontinuitas proses pengelolaan lingkungan di Indonesia perlu perhatian lebih mengingat negara-negara di Asia mengalami dampak yang paling besar dari fenomena
lingkungan hidup karena adanya negara-negara yang mengalami gabungan permasalahan populasi yang tinggi, aktivitas industri yang pesat serta terus meningkatnya jumlah kendaraan bermotor [Hopke dkk, 2008], namun tidak didukung dengan rencana pengelolaan lingkungan yang baik. Padahal, proses penanganan tingkat emisi gas rumah kaca seperti Chloro Fluoro Carbon (CFC) memerlukan kontinuitas yang tinggi karena waktu tinggalnya di atmosfer yang panjang. Karena itu, perhatian diarahkan pada golongan SLCFs atau Short Lived Climate Forcers yang secara harfiah berarti "penekan iklim berhidup pendek". Senyawa yang termasuk dalam golongan tersebut adalah BC (Black Carbon) dan TO (Tropospheric Ozone). SLCFs walaupun memiliki waktu tinggal di atmosfer yang pendek namun memiliki dampak yang signifikan terhadap perubahan iklim, sehingga dengan melakukan mitigasi pada SLCFs diharapkan dapat memberikan hasil yang segera terhadap kondisi iklim jangka pendek [WMO/UNEP 2011].
Pendekatan pada SLCFs dianggap cocok, terutama bagi negara-negara berkembang Asia seperti Indonesia. Berdasarkan Zhang et al. (2009) dalam USAID, (2010) Indonesia merupakan penyumbang ketiga terbesar di Asia, dengan 6% dari emisi BC Asia berasal dari Indonesia. Sumber utama BC antara lain adalah mesin diesel untuk industri maupun transportasi [USAID 2010]. Selain itu, tingkat pencemaran TO di Indonesia juga cukup tinggi, yang diperkirakan diakibatkan oleh emisi kendaraan bermotor dan industri, terutama di daerah perkotaan. Penelitian yang dilakukan oleh Suhadi et al. (2005) di Jakarta pada tahun 1996-1999 dan 2001-2002 menunjukkan kadar ozon (O3) tertinggi dalam pengukuran per jamnya mencapai 964 ppb.
Salah satu masalah kontinuitas proses penanganan permasalahan lingkungan, dalam hal ini pencemaran udara, di Indonesia saat ini adalah ketidakseragaman ketersediaan data, terutama di daerah-daerah Indonesia yang belum semaju kota besar di Indonesia seperti Jakarta. Oleh karena itu, sering terjadi ketidakmampuan berjalannya proses pengelolaan lingkungan akibat ketidaktersediaan data untuk metode-metode pengukuran yang umum dilakukan, atau walaupun proses telah berjalan, akurasi hasil dianggap kurang. Padahal, inventarisasi emisi yang akurat merupakan dasar dari manajemen kualitas udara [Kanabkaew dkk, 2010]. Oleh karena itu, perlu dilakukan penelitian yang ekstensif mengenai metode pengawasan kondisi lingkungan, khususnya manajemen kualitas udara, sehingga dapat diperoleh proses pengelolaan lingkungan yang kontinu dan akurat melalui ekstensivitas ketesediaan metode pengukuran untuk berbagai macam kondisi ketersediaan data.
Metode yang digunakan saat ini untuk melakukan inventarisasi emisi dari sektor transportasi adalah dengan menghitung "Vehicle Kilometres Traveled" (VKT), yaitu jarak yang telah ditempuh suatu kendaraan dan mengalikannya dengan faktor emisi yang akan diukur. Kekurangan dari metode ini antara lain adalah masih kurangnya ketelitian akibat banyaknya jumlah asumsi yang digunakan. Namun, metode ini adalah metode yang telah lama digunakan di Indonesia sebagai metode inventarisasi emisi. Penelitian ini bertujuan untuk memberikan alternatif baru sebagai metode inventarisasi emisi dari sektor transportasi.
METODOLOGI PENELITIAN
Penelitian dilakukan dengan contoh kasus tingkat emisi SLCFs di Kota Surabaya dari sumber transportasi darat. Sektor transportasi darat dipilih karena permasalahannya yang dekat dengan kehidupan sehari-hari sehingga hasil yang diperoleh nantinya dapat lebih mudah diterima oleh masyarakat sehingga transparansi penelitian akan lebih mudah tersampaikan. Selain itu, permasalahan kepadatan transportasi darat merupakan salah satu masalah utama yang dihadapi oleh Indonesia. Proses penelitian meliputi studi literatur, pengumpulan data sekunder, penentuan metode penelitian serta pengolahan data berupa proses inventarisasi emisi dari data yang diperoleh. Studi literatur awal bertujuan untuk mengumpulkan metode-metode penelitian yang mungkin dilakukan untuk melakukan inventarisasi emisi, sehingga dapat diperoleh
bayangan mengenai data-data apa saja yang diperlukan. Pengumpulan data dilakukan melalui lembaga-lembaga yang terkait di Kota Surabaya yaitu Dinas Perhubungan, Badan Pusat Statistik dan Badan Pengelolaan Lingkungan Hidup Daerah. Dari data yang diperoleh, ditentukan metode yang akan digunakan, atau dapat ditentukan metode baru yang dianggap cocok dengan data-data yang tersedia.
Dalam penelitian ini, digunakan metode baru yang mengumpakan ruang lingkup penelitian sebagai sebuah reaktor. Dengan menggunakan data ATTN (Asal Tujuan Transportai Nasional) penumpang Propinsi Jawa Timur, data jumlah kendaraan bermotor Kota Surabaya serta peta dan data panjang jalan Kota Surabaya, daerah Kota Surabaya dan sekitarnya dipetakan dengan grid berukuran 1 km x 1 km dan kemudian dipetakan jalan-jalan utama yang terdapat di dalamnya. Gridding atau pembuatan grid dilakukan karena mengingat pencemaran udara bukanlah sesuatu yang seragam secara spasial, pemetaan secara spasial dapat mempermudah proses analisis dan aplikasi dari hasil yang diperoleh [Streets dkk, 2003]. Panjang jalan per grid diukur dan kemudian dipetakan. Data ATTN penumpang kemudian diambil yang keluar dari dan menuju Kota Surabaya, lalu diambil jumlah yang paling besar sebagai asumsi worst case scenario. Kemudian, jumlah yang paling besar ditambahkan dengan selisih positif (TS) dari jumlah penumpang masuk dan keluar sebagai bangkitan kendaraan yang diasumsikan tinggal dan beraktivitas di dalam Kota Surabaya, sehingga diperoleh proporsi jumlah penumpang yang diasumsikan berkontribusi dengan kendaraan mereka terhadap tingkat emisi Kota Surabaya. Untuk lebih jelasnya dapat dilihat pada Persamaan (1) dan (2).
\[TS = TM - TK\] (1)
\[TP = T + TS\] (2)
Keterangan:
TS : Selisih jumlah masuk dan keluar
TM : Jumlah total penumpang masuk ke Kota Surabaya TK : Jumlah total penumpang keluar dari Kota Surabaya
TP : Jumlah proporsi penumpang yang digunakan dalam perhitungan
T : Jumlah total penumpang masuk/keluar Kota Surabaya (diambil mana yang paling
besar, jika sama maka diambil salah satunya), T= 0 jika TM - TK = 0
Jumlah proporsi penumpang yang diperoleh, kemudian dibagi-bagi berdasarkan data jumlah kendaraan di Kota Surabaya, dengan asumsi bahwa kendaraan yang keluar masuk Kota Surabaya merupakan kendaraan yang terdaftar dengan STNK Kota Surabaya juga, mengingat kegiatan sehari-hari sebagian besar warga Kota Surabaya meliputi perjalanan menuju daerahdaerah sekitar Kota Surabaya seperti Kabupaten Sidoarjo dan Gresik. Adapun digunakan asumsi jumlah penumpang rata-rata per jenis kendaraan berdasarkan asumsi kapasitas maksimal umum tiap jenis kendaraan dikurangi 1, kecuali kendaraan-kendaraan seperti truk, bus dan sepeda motor. Adapun asumsi jumlah penumpang tiap jenis kendaraan dapat dilihat pada Tabel 1.
Proporsi penumpang kemudian dibandingkan dengan jumlah total penumpang seluruh jenis kendaraan yang diperoleh dengan menjumlahkan total penumpang tiap jenis kendaraan dari Persamaan (3), dan selisih dari jumlah total penumpang yang diperoleh dihilangkan dengan melakukan pendekatan dengan cara menambahkan atau mengurangi jumlah kendaraan yang paling besar signifikansinya terhada perubahan jumlah penumpang, misalkan dalam hal ini menambah atau mengurangi jumlah bus, kemudian setelah mendekati diakhiri dengan mengurangi jumlah kendaraan yang signifikansinya terhadap perubahan jumlah penumpang paling kecil, dalam hal ini sepeda motor atau truk. Dalam penelitian ini, yang diubah jumlahnya adalah truk, berdasarkan tingginya aktivitas keluar masuk barang dengan truk karena adanya pelabuhan utama di Kota Surabaya.
Tabel 1 Asumsi jumlah penumpang tiap jenis kendaraan
| Jenis Kendaraan | Asumsi Jumlah Penumpang | ||
|---|---|---|---|
| Sedan | 3 | ||
| Jeep | 4 | ||
| Station Wagon | 6 | ||
| Bus | 4 | ||
| Truk | 02 | ||
| Sepeda Motor | 2 | ||
\[Pa = JKa * APa\] (3)
Keterangan:
P : Jumlah penumpang jenis kendaraan a
JKa : Jumlah kendaraan jenis a
AP : Asumsi jumlah penumpang jenis kendaraan a
Kemudian, dicari perkiraan distribusi jumlah tiap jenis kendaraan di tiap grid dengan Persamaan (4) sebagai berikut.
\[KGa1 = \left(\frac{PJG1}{PJT}\right) x JKa \qquad (4)\]
Keterangan:
KGa1 : Jumlah kendaraan a di grid 1 (kendaraan/tahun)
PJG1 : Panjang jalan di grid 1 PJT : Panjang jalan total
Jumlah kendaraan di tiap grid kemudian dikalikan dengan faktor emisi tiap jenis kendaraan untuk masing-masing parameter yang ingin diukur, sehingga diperoleh beban emisi tiap senyawa oleh tiap jenis kendaraan di tiap grid untuk tiap kilometer panjang jalan. Perhitungan dilakukan dengan Persamaan (5). Adapun faktor emisi dapat dilihat pada Tabel 2.
\[BEna1 = KG1 x FEna\] (5)
Keterangan:
BEa1 : Beban emisi senyawa n oleh kendaraan a di grid 1 per km jalan (gr/km/tahun)
FEna : Faktor emisi senyawa n untu kendaraan a (gr/km/kendaraan)
Tabel 2. Faktor emisi BC dan senyawa precursor O<sub>3</sub> (TO) untuk tiap jenis kendaraan
| Jenis Kendaraan | COa | NOxa | NMVOCa | CH4b | BCc |
|---|---|---|---|---|---|
| Sedan (Gasoline PC) | 57 | 6,9 | 4,9 | 1,7 | 0,43 |
| Jeep (Diesel PC) | 7 | 8,4 | 1,8 | 0,13 | 3,6 |
| ST Wagon (Gasoline LDV) | 317 | 13,3 | 18 | 1,24 | 0,43 |
| Bus (Diesel LDV) | 8 | 15,5 | 2,4 | 0,08 | 3,6 |
| Truk (Diesel HDV) | 11 | 26,4 | 4 | 0,25 | 3,6 |
| Sepeda Motor | 117 | 8 | 173 | 6,13 | - |
Keterangan:
Kemudian beban emisi tiap grid dikalikan dengan panjang jalan di tiap grid, sehingga dapat diperoleh beban emisi di tiap grid yang telah terdistribusi sesuai dengan panjang jalan yang ada di tiap grid. Perhitungan dapat dilihat pada Persamaan (6).
\[Ena1 = \frac{BEna1 \times PJG1}{1.000.000} \tag{6}\]
Keterangan:
Enal: Beban emisi parameter n oleh kendaraan a di grid 1 (dalam ton/tahun)
Hasil yang diharapkan dari penelitian ini adalah data beban emisi dari sector transportasi darat yang telah terdistribusi sederhana secra spasial.
HASIL DAN PEMBAHASAN
Dari data ATTN, diperoleh jumlah total penumpang masuk <sup>TM</sup> sebesar 28.040.496 orang, dan total penumpang yang keluar (TS) dari Kota Surabaya sebanyak 22.031.653. Terlihat bahwa jumlah penumpang masuk lebih banyak dari penumpang keluar, sehingga:
\[T = TM = 28.040.496\], dengan \(TS = 28.040.496 - 22.031.653 = 6.008.843\) (7)
Dari Persamaan (7), diperoleh nilai T dan TS, sehingga pada Persamaan (8) dapat diperoleh proporsi penumpang (TP):
\[TP = 28.040.496 + 6.008.843 = 34.049.339\] (8)
Diketahui bahwa jumlah proporsi penumpang yang digunakan sebesar 34.049.339. Setalh itu, jumlah total penumpang yang diperoleh dari data kendaraan yang terdafta di Kota Surabaya dihitung. Sebagai contoh, di Persamaan (9), jumlah perkiraan penumpang dari jumlah kendaraan sedan yang terdaftar dihitung.
P sedan = JK sedan x AP sedan = \[193.953 \times 3 = 581.859\] (9)
Dapat diperoleh asumsi bahwa jumlah penumpang yang ada dalam mobil sedan sebnayak 581.859 orang. Total penumpang yang diperoleh dari keseluruhan jenis kendaraan yang terdaftar adalah sebesar 27.558.711. Jelas terlihat bahwa ada selisih yang signifikan antara kedua total penumpang yang diperoleh, sehingga jumlah kendaraan di data registrasi kendaraan harus
<sup>a</sup> Kannari et al., 2006
<sup>b</sup>EMEP/CORINAIR, 2006
<sup>c</sup> Bond et al., (2004), diambil kadar tertinggi sebagai worst scenario
disesuaikan terlebih dahulu hingga menyamai total yang diperoleh dari data ATTN. Hal ini dilakukan karena diasumsikan data registrasi kendaraan hanya berdasar pendaftaran STNK, sedangkan data ATTN adalah data yang diperoleh melalui survey lapangan, sehingga memiliki keaslian yang lebih baik. Hasil dari penyesuaian jumlah kendaraan tiap jenisnya dapat dilihat pada Tabel 3.
Tabel 3. Jumlah kendaraan tiap jenis pada kondisi awal dan dengan jumlah yang telah disesuaikan
| Jenis Kendaraan | Jumlah Awal | Jumlah Disesuaikan |
|---|---|---|
| Sedan | 193.953 | 193.953 |
| Jeep | 149.885 | 149.885 |
| ST wagon | 586.192 | 586.196 |
| Bus | 49.578 | 211.843 |
| Truk | 342.767 | 342.769 |
| Motor | 10.095.753 | 10.095.753 |
Setelah itu, kita ambil sebuah grid dan ambil nilai panjang jalan yang ada di dalamnya, sehingga kita dapat memperkirakan jumlah kendaraan yang ada di dalamnya dengan Persamaan (10). Grid yang akan dijadikan contoh adalah grid (6,2) yang memiliki 0,276 km jalan di dalamnya.
\[KGsedan(6,2) = \frac{PJG(6,2)}{PJT}x \ JKsedan = \frac{0,276}{155,997}x \ 193.953 \approx 344\] (10)
Jumlah perkiraan sedan di grid (6,2) adalah sebesar 344 sedan, dibulatkan. Setelah itu, kita ambil faktor emisi dari jenis kendaraan yang telah kita petakan untuk parameter yang kita inginkan, untuk kemudian dikalkulasikan, seperti terlihat pada Persamaan (11). Sebagai cotnoh, dilakukan perhitungan senyawa CO, prekursor dari TO, oleh jenis kendaraan sedan.
BE \[COsedan = KG(6,2)x\] FE \(COsedan = 344 x 57 \approx 19,608\) (11)
Jumlah yang diperoleh kemudian dikalikan dengan panjang jalan dalam grid, dalam hal ini grid (6,2), sehingga dapat diperoleh beban emisi di grid tersebut, seperti terlihat pada Persamaan (12).
\[E\ COsedan(6,2) = \frac{BE\ COsedan(6,2)x\ PJG(6,2)}{1.000.000} \approx 0.7\ ton/tahun\] (12)
Hasil yang diperoleh menunjukkan distribusi yang terpusat di sekitar pusat Kota Surabaya, mengingat jalan yang dipetakan hanyalah jalan-jalan utama. Walaupun begitu, ketelitian penelitian ini relatif tinggi karena diasumsikan signifikansi emisi pada jalan-jalan yang tidak dipetakan (jalan kecil, jalan komplek, dsb) relatif kecil. Selain itu, secara distribusi sumber hasil penelitian sudah cukup mewakili sebagian besar dari kegiatan transportasi utama di Kota Surabaya karena menggunakan jalan-jalan arteri utama dan jalan tol nasional.
KESIMPULAN
Dari hasil penelitian, dapat disimpulkan bahwa metode yang dihasilkan cukup teliti dan memberikan hasil yang baik. Dengan ketersediaan data ATTN, dapat diperoleh model reaktor keluar-masuk kendaraan dan dengan itu dapat diperoleh hasil pengukuran emisi dengan menggunakan faktor emisi dari tiap kendaraan dan parameter. Data peta dan panjang jalan
memberikan distribusi beban emisi sehingga dapat diperoleh hasil inventarisasi yang lebih terpresentasikan secara spasial sehingga mempermudah pemaparan. Dengan metode dan hasil yang diperoleh, diharapkan dapat meningkatkan standar ketelitan dan kontinuitas usaha pengelolaan lingkungan di Indonesia.