PENDAHULUAN
Partikulat dan gas (SO2, NOx, CO dan TSP) merupakan emisi dari PLTU yang berkontribusi tinggi terhadap global warming (Mokhtar, Hassim, Taib., 2014) dan berdampak nyata terhadap lahan pertanian (Avnery, Mauzerall, Liu, Horowitz., 2011). Partikulat terhasilkan dapat berbentuk abu dan debu dan asap hasil pembakaran bahan bakar merupakan sumber utama nya (Currie, Neidell, Schmieder., 2009). Mokhtar, Hassim dan Taib pada tahun 2014 telah melakukan penelitian pada PLTU di Klang, Malaysia dan hasil dari penelitiannya menggambarkan bahwa keberadaan PLTU menyebabkan tingginya konsentrasi SOx, NOx, dan Debu pada daerah sekitar wilayah operasional PLTU.
Pencemaran udara akan mengakibatkan kerusakan terhadap lingkungan dan terhadap ekosistem didalamnya salah satunya adalah kesehatan manusia kasus di Nigeria (Nwachuku, Chukwuoocha, Igbudu., 2012) dan terhadap tanaman pada kota Leicester (Jeanjean, Monks, Leigh., 2016).
Pengendalian pencemaran udara dilakukan dengan memperkirakan tingkat konsentrasi dari polutan yang berbahaya di atmosfer, salah satu metode yang dapat digunakan adalah pemodelan kualitas udara. Penggunaan simulasi model komputer dapat dilakukan dengan biaya yang rendah dan juga dapat melakukan perhitungan dalam berbagai kondisi kombinasi (Ashrafi, Orkomi, Motlagh., 2016). Pemodelan kualitas udara pada dasarnya menghubungkan antara beberapa sumber emisi polutan pada suatu daerah dengan konsentrasi polutan di atmosfer (Dewi F., 2013). Salah satu jenis pemodelan kualitas udara adalah model dispersi. Kecepatan dispersi dipengaruhi langsung oleh faktor meteorologi seperti kecepatan angin, turbulensi udara dan stabilitas atmosfer (Putut, Basuki., 2011).
Model dispersi pada kasus ini menggunakan model AERMOD. Departement Of Environment (DOE) sudah menerima AERMOD sebagai alat bantu standart dalam melakukan prediksi proses transport polutan untuk kepentingan evaluasi Environmental Impact Assessment (EIA) (Mokhtar, Hassim, Taib., 2014). AERMOD telah digunakan untuk melakukan prediksi dispersi polutan SO2 dan NO2 dari PLTU di Ningbo China oleh Ding tahun 2012 dan NOx, SO2, PM2.5 pada sumber garis di Canada oleh Gibson, Kundu dan Satish pada tahun 2013.
Penurunan kualitas udara yang disebabkan oleh kegiatan operasional industri merupakan suatu kerugian yang bersifat kualitatif (kerusakan yang tidak dapat dinilai). Salah satu akibat yang terjadi dari penurunan kualitas udara adalah produktivitas pertanian yang menurun (Robertson, Bruulsema, Gehl, Kanter, Mauzerall, Rotz, Williams., 2012). Dalam memperbaiki dan menilai kerusakan yang terjadi perlu dilakukan suatu proses yang merubah nilai kualitatif menjadi suatu nilai kuantitatif, salah satu metode yang dapat diterapkan adalah valuasi ekonomi.
Valuasi ekonomi merupakan metode yang memberikan sejumlah nilai (uang) terhadap suatu kejadian yang berhubungan dengan lingkungan. Dalam valuasi ekonomi tidak hanya manfaat tangible (kasat mata) dari sumber daya alam yang terkuantifikasi dengan nilai rupiah, tetapi nilai guna intangible juga diupayakan di rupiahkan (Mubarok, Udisubakti., 2012). Valuasi ekonomi dalam penelitian ini bertujuan menghitung jumlah nilai kerugian yang harus dibayarkan oleh perusahaan terhadap hilangnya jasa lingkungan dengan fokus pada udara bersih yang terjadi pada lingkungan sekitar PLTU. Penetapan nilai valuasi setiap parameter menggunakan metode change of productivity dan prevention cost sebagai direct use value yang mengacu pada Permen LH Nomor 15 Tahun 2012 dan nilai ekonomi pengganti beban emisi terkeluarkan perusahaan sebagai direct use value.
METODOLOGI
Secara umum rencana tahapan penelitian ini terdiri dari pengumpulan data, inventarisasi emisi, simulasi model, validasi model, perhitungan valuasi, analisis data dan kesimpulan.
1. Pengumpulan Data
Pada tahap ini dilakukan pengumpulan data sekunder yang berfungsi untuk keperluan bagian simulasi model maupun bagian valuasi.
2. Inventarisasi Emisi
Inventarisasi emisi dilakukan untuk mengetahui emisi yang dikeluarkan dari setiap sumber untuk setiap parameter pencemar yang berbeda. Secara umum perhitungan emisi dapat dihitung dengan menggunakan rumus pada Persamaan 1.
\[E_i = A_i x E F_i x \left(1 - \frac{ER_i}{100}\right) \tag{1}\]
Dimana :
Ei = Emisi
Ai = Data Aktivitas EFi = Faktor Emisi
ERi = Efisiensi Pengurangan Emisi Keseluruhan %
a. Sumber Titik
Perhitungan yang dilakukan pada sumber titik adalah proses konversi satuan dari mg/Nm3 ke g/s. Rumus yang digunakan adalah.
Laju Emisi \[(g/s) = \frac{Laju \ Emisi \left(\frac{m\bar{g}}{NM^3}\right)}{1000} x \ Debit \ Alir \left(\frac{M^3}{S}\right)\] (2)
b. Sumber Area
Emisi pada sumber area dibedakan menjadi dua (coal pile dan disposal area).dapat dihitung dengan menggunakan Persamaan 3 (EPA 42 – Table 11.9-1) dan Persamaan 4 (EPA 42-Table 8.24-4).
\[EF Coal Pile = 0.72 * u\] (3)
Dimana :
EF = Emission Factor ( ()(ℎ) )
u = Kecepatan Angin
\[EF \ Disposal \ Area = 0.85 \ (\frac{mg}{ha.year}) \tag{4}\]
c. Sumber Garis
Emisi yang dihasilkan dari hasil pembakaran bahan bakar kendaraan bermotor di dapatkan dengan menggunakan rumus pada Persamaan 5.
Emisi \[= \sum (VKT \ b, c * FE \ a, b * 10^{-6})\] (5)
Dimana :
VKT b,c = Total panjang perjalanan tahunan kendaraan bermotor kategori
b yang menggunakan bahan bakar jenis c (km/tahun).
FE a,b = Faktor emisi untuk jenis polutan a dari kendaraan bermotor
kategori b (g/km).
3. Simulasi Model
Pemodelan simulasi udara berbasis persamaan gausiaan dapat diterapkan untuk mengestimasi banyak jenis polutan (Seangkiatiyuth, Surapipith, Tantrakarnapa, Lothongkum., 2011). Rumus yang digunakan untuk mengetahui konsentrasi untuk setiap titik dapat dilihat pada Persamaan 6.
\[C_{(x,y,z)} = \frac{QV}{2\pi U_S \sigma_V \sigma_z} \exp\left[-0.5 \left(\frac{y}{\sigma_V} + \frac{(Z-H)^2}{\sigma_z^2}\right)^2\right]\] (6)
Dimana.
C = Konsentrasi pada arah x, y, z (m³ / ppb / ppm atau unit lainnya)
Q = Kecepatan emisi polutan (m<sup>3</sup> N/S)<sup>2</sup> V = Distribusi gaussian plume arah vertikal
\(U_s \qquad = Kecepatan \ angin \ rata\text{-rata} \ pada \ ketinggian \ polutan \ yang \ dilepaskan\)
(m/s)
\(\sigma_v \sigma_z\) = Parameter dispersi pada arah lateral dan vertikal (m)
Dalam melakukan perhitungan parameter disperse arah lateral dan vertikal AERMOD menggunakan teory persamaan Monin-Obukhov (Tartakovsky, Stern, Broday., 2016).
4. Validasi Model
Validasi model dilakukan untuk menilai seberapa besar tingkat kesalahan antara hasil model dan kondisi sebenarnya. Validasi dilakukan dengan membandingkan hasil simulasi dan data hasil pengukuran di lapangan. Perhitungan nilai presentase error dalam perbandingan hasil pengukuran dan hasil model menggunakan rumus pada Persamaan 7.
\[\%E = \frac{|a-b|}{a} \times 100 \% \tag{7}\]
Dimana:
a : Data Hasil Pengukuranb : Data Hasil Simulasi Model
5. Penilaian Nilai Ekonomi
Nilai ekonomi akan ditampilkan dalam satuan mata uang, dimana itu merupakan jumlah satuan nilai yang harus dibayarkan oleh pengada jasa yang membuat kondisi lingkungan berubah. Metode yang digunakan dalam valuasi ekonomi dapat dilihat pada Tabel 1.
Tabel 1. Metode Penilaian Valuasi Ekonomi Setiap Parameter
| _ | TWO TITLE TO THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE TENT OF THE T | |||||||
|---|---|---|---|---|---|---|---|---|
| No | Parameter | Jenis Fungsi | Metode Valuasi | |||||
| 1 | Beban Emisi | Indirect Use Value | Market Place | |||||
| 2 | Tanaman | Direct Use Value | Change Of Productivity Prevention Cost | |||||
6. Analisis Data
Analisis data dilakukan untuk hasil modeling. Pengolahan data dilakukan dengan uji/metode statistika yaitu Uji Analisis Deskriptif, yang diperuntukkan untuk memberikan gambaran mengenai data yang telah dikumpulkan dalam bentuk tabel, grafik, dan gambar yang memberikan informasi meliputi beberapa hal, antara lain.
- a. Kapan konsentrasi yang melebihi baku mutu (keadaan maksimal) terjadi.
- b. Membandingkan konsentrasi maksimal dengan baku mutu yang ditetapkan.
- c. Frekuensi terjadinya konsentrasi yang melebihi baku mutu (keadaan maksimal). Sedangkan dari penilaian valuasi, total economic value yang dihasilkan dapat dihitung dengan menggunakan rumus pada Persamaan 8.
\[TEV = \sum (Direct\ Use\ Value) + \sum (Indirect\ Use\ Value))\] (8)
HASIL DAN PEMBAHASAN
Penelitian ini menghasilkan peta sebaran polutan pada periode tahunan dan musiman dengan polutan yang diamati adalah CO, SO2, NOx dan TSP. Domain model penelitian dilengkapi dengan konturnya dapat dilihat pada Gambar 1.
Gambar 1. Peta (a) Domain Model dan (b) Posisi Setiap Sumber Pencemar
Dalam studi pemodelan disperse hal yang paling berpengaruh dalam sebaran disperse adalah arah dan kecepatan mata angin atau yang biasa di gambarkan dalam bentuk wind rose. wind rose dalam penelitian ini dibedakan menjadi 3 jenis, tahunan, musim hujan dan musim kemarau. Wind rose dapat dilihat pada Gambar 2.
Gambar 2. Wind Rose (a) Tahunan, (b) Musim Hujan dan (c) Musim Kemarau
Pada Gambar 2. Terlihat bahwa pada rata – rata tahunan kejadian angin terjadi seragam antara dari arah barat maupun dari arah timur, sedangkan pada musim hujan kejadian angin didominasi dari arah barat ke arah timur, sebaliknya pada musim kemarau kejadian angin didominasi oleh kejadian dari arah timur ke arah barat. Model disperse yang digunakan pada studi ini meliputi kombinasi musim, waktu dan parameter seperti yang ditetapkan oleh PP No. 41 tahun 1999. Hasil running model akan menampilkan peta berbentuk isopleth, yaitu peta dengan tampilan garis yang menyambungkan daerah dengan konsentrasi yang sama. Hasil running model dapat dilihat pada Gambar 3.
Gambar 3. Hasil Running Polutan TSP Periode (a) Tahunan, (b) Musim Hujan, (c) Musim Kemarau
Hasil simulasi dari masing – masing periode menunjukkan pola yang hampir sama dengan sebaran polutan melebar ke daerah bagian barat (Desa Bhinor). Hal itu sesuai dengan kondisi pola kejadian angin yang di dominasi oleh angin yang bertiup dari timur ke barat. Adapun angin yang bertiup dari utara keselatan menjadikan polutan ter-dispersi ke selatan, namun menjadi
terbagi ke arah tenggara dan barat laut, hal ini dikarenakan pada bagian selatan kontur lokasi sangat tinggi hingga mencapai 1900 meter, sedangkan pelepasan emisi maksimal hanya di ketinggian 220 meter (sumber titik).
Keadaan profile angin memberikan efek pada bentuk sebaran polutan (dari cerobong asap) terutama pada keadaan kecepatan angin yang rendah (Ashrafi, Orkomi, Motlagh., 2016). Dispersi dari sebuah polutan dipengaruhi oleh beberapa aspek selain dari meteorologi, yaitu kondisi tata guna lahan sekitar seperti keberadaan gedung, gunung, pohon dan perairan (Seangkiatiyuth, Surapipith, Tantrakarnapa, Lothongkum., 2011). Pada penelitian ini boundary model dibagi menjadi 3 jenis tata guna lahan yaitu, hutan, laut dan pemukiman (masukan dilakukan pada AERMET). Untuk perbandingan konsentrasi maksimum setiap polutan pada periode annual dapat dilihat di Tabel 3.
Tabel 3. Perbandingan Lokasi Kejadian Konsentrasi Maksimum Setiap Periode
| No | Jenis Polutan | Periode | Konsentrasi (ug/m³) | Lokasi Konsentrasi Maksimum (m) | |
|---|---|---|---|---|---|
| (ug/III ) | X | Y | |||
| 1 | Tahunan | 2580.604 | 783917.3 | 9146552 | |
| 2 | CO | Musim Hujan | 2341.765 | 783917.3 | 9146552 |
| 3 | Musim Kemarau | 2646.306 | 783917.3 | 9146552 | |
| 4 | Tahunan | 183.1157 | 783917.3 | 9145052 | |
| 5 | \(NO_x\) | Musim Hujan | 216.1338 | 783917.3 | 9145052 |
| 6 | Musim Kemarau | 148.8816 | 783917.3 | 9145052 | |
| 7 | Tahunan | 51.887 | 783917.3 | 9143552 | |
| 8 | \(SO_2\) | Musim Hujan | 43.94354 | 783917.3 | 9145052 |
| 9 | Musim Kemarau | 60.12302 | 783917.3 | 9145052 | |
| 10 | Tahunan | 43.4765 | 783917.3 | 9145052 | |
| 11 | TSP | Musim Hujan | 48.12328 | 783917.3 | 9145052 |
| 12 | Musim Kemarau | 38.65859 | 783917.3 | 9145052 | |
Validasi hasil model dilakukan dengan membandingkan konsentrasi model dengan hasil pengukuran langsung di lapangan yang dilakukan oleh PT. X sebagai kegiatan monitoring. Validasi dilakukan pada 7 titik, yaitu desa bhinor, desa banyuglugur dan lokasi PLTU untuk ke 4 jenis polutan dengan waktu pengukuran 24 jam. Hasil perbandingan konsentrasi dari model dan pengukuran dapat dilihat pada Gambar 4.
Nilai konsentrasi hasil pengukuran dan simulasi memiliki selisih yang sangat besar dan semua hasil simulasi berada pada kondisi over estimated atau jauh melebihi keadaan di lapangan, dapat dikatakan tingkat akuransi dari model sangat rendah. Faktor yang paling mempengaruhi perbedaan hasil simulasi dan pemantauan adalah bahwa pada AERMOD emisi yang dilepaskan oleh sumber untuk simulasi diasumsikan konstan sepanjang waktu dengan konsentrasi maksimum setiap sumber nya. Artinya, konsentrasi, debit gas keluar, temperature dianggap tidak berubah sepanjang waktu.
Gambar 4. Perbandingan Konsentrasi Hasil Pemantauan dan Simulasi
Hasil model menunjukkan banyak data konsentrasi maksimum yang terjadi jauh melebihi baku mutu, seperti untuk polutan CO untuk waktu running 1 jam konsentrasi maksimummnya mencapai 91.489,31 ug/m³, sedangkan baku mutu untuk CO dalam 1 jam adalah sebesar 30.000 ug/m³. Tabel 4. Menampilkan jumlah dan presentase jumlah data melewati baku mutu.
Tabel 4. Jumlah dan Presentase Jumlah Data Melewati Baku Mutu
| NI. | D 4 | Periode | Waktu | Jumlah Data | Persentase Data |
|---|---|---|---|---|---|
| No | Parameter | Running | Melewati BM | Melewati BM | |
| 1 | Tahunan | 1 Jam | 49 | 0.00000341 % | |
| 2 | 24 Jam | - | - | ||
| 3 | CO | Musim | 1 Jam | 14 | 0.00000192 % |
| 4 | Hujan | 24 Jam | 1 | - | |
| 5 | Musim | 1 Jam | 30 | 0.00000412 % | |
| 6 | Kemarau | 24 Jam | 1 | - | |
| 7 | Tahunan | 1 Jam | 6144 | 0.00042226 % | |
| 8 | 1 anunan | 24 Jam | 545 | 0.00007491 % | |
| 9 | NO | Musim | 1 Jam | 2524 | 0.00017347 % |
| 10 | \(NO_x\) | Hujan | 24 Jam | 242 | 0.00080942 % |
| 11 | Musim | 1 Jam | 3620 | 0.00025225 % | |
| 12 | Kemarau | 24 Jam | 303 | 0.00101345 % | |
| 13 | Tahunan | 1 Jam | 1517 | 0.00010571 % | |
| 14 | 1 anunan | 24 Jam | 85 | 0.00014215 % | |
| 15 | \(SO_2\) | Musim | 1 Jam | 678 | 0.00009449 % |
| 16 | \(SO_2\) | Hujan | 24 Jam | 32 | 0.00010703 % |
| 17 | Musim | 1 Jam | 839 | 0.00005846 % | |
| 18 | Kemarau | 24 Jam | 53 | 0.00017727 % | |
| 19 | TSP | Tahunan | 24 Jam | 39 | 0.00006522 % |
| 20 | Musim Hujan | 24 Jam | 20 | 0.00006689 % | |
| 21 | Musim Kemarau | 1 Jam | 19 | 0.00006355 % |
Dari Tabel 4. Dapat terlihat bahwa keseluruhan kejadian melewati tidak ada yang mencapai angka kejadian sebanyak 0,1% dari keseluruhan data, sehingga dapat dikatakan bahwa kejadian ekstrim dimana konsentrasi sebuah polutan sangat tinggi sangat jarang terjadi.
Operasional PLTU setiap tahun menghasilkan beban emisi untuk setiap polutan, dalam penentuan nilai ekonomi beban emisi polutan setiap tahun akan dikonversikan menjadi satuan nilai uang sesuai dengan ketentuan yang telah ditetapkan oleh EPA, 2016 sesuai CSPAR (Cross-State Air Pollution Rule). Dalam kasus ini penilaian beban emisi adalah polutan SO<sub>2</sub> dan NO<sub>x</sub> karena kedua polutan ini memiliki nilai jual per ton per tahun. Jumlah beban emisi dan nilai ekonomi untuk keberadaan operasional PLTU dapat dilihat pada Tabel 5.
Tabel 5. Perhitungan Nilai Ekonomi Beban Emisi
| Polutan | Harga/Ton | Harga Total | ||
|---|---|---|---|---|
| \(SO_2\) | 1.074,925097 ton | $ 175 | $ 188.111,892 | |
| \(NO_x\) | 1.404,49 ton | $ 225 | $ 243.835,0358 | |
| Total ($) | $ 431.946,9 | |||
| , | Total (Rp) Rate = 1 | Rp. 5.766.491.487,23 | ||
Selain perhitungan nilai ekonomi dari sisi beban emisi, dilakukan juga perhitungan nilai ekonomi dari sisi produktivitas tanaman yang terbagi menjadi dua metode, change of productivity dan prevention cost, kedua metode ini akan menjadi nilai ekonomi dari sisi direct use value, sedangkan nilai ekonomi beban emisi merupakan indirect use value. Penurunan jumlah produktivitas yang dirasakan oleh petani dan kerugian yang dirasakan akibat kehilangan penurunan produktivitas panen tersebut dapat dilihat pada Tabel 6.
Tabel 6. Nilai Ekonomi Chang of Productivity Per Tahun
| Desa | Produktivitas Hilang / Ha | Nilai COP Padi | Nilai COP Jagung | |||
|---|---|---|---|---|---|---|
| Padi | Jagung | Per Panen | Per Tahun | Per Panen | Per Tahun | |
| Banyuglug ur | 1 Ton | 0.9 Ton | 442.040.000 | 1.768.160.00 | 154.980.000 | 619.920.000 |
| Bhinor | 1.5 Ton | 0.9 Ton | 1.005.750.0 00 | 4.023.000.00 | 315.000.000 | 1.260.000.00 |
| Selobanten g | 1.5 Ton | 0.9 Ton | 163.624.500 | 654.498.000 | 1.938.614.40 | 7.754.457.60 0 |
| Total | - | - | - | 6.445.658.00 | - | 9.634.377.60 0 |
| Total Akhir (Rupiah) | 16.080.035.6 | |||||
| 00 | ||||||
Sedangkan untuk prevention cost dibagi menjadi 4 bagian pencegahan yang mungkin dilaksanakan pada daerah pertanian tersebut. Kegiatan yang mungkin dilaksanakan dan nilai ekonomi yang dihasilkan dapat dilihat pada Tabel 7.
Tabel 7. Nilai Ekonomi Prevention Cost Per Tahun
| Nilai E | ||||||
|---|---|---|---|---|---|---|
| Desa | Shading Net | Sewa Pompa | Solar | Fungisida | Total | |
| Banyuglugur | 38.000.000 | 3.420.000 | 7.045.200 | 32.832.000 | 81.297.200 | |
| Bhinor | 63.000.000 | 5.760.000 | 11.680.200 | 54.432.000 | 134.872.200 | |
| Selobanteng | 176.000.000 | 15.840.000 | 32.630.400 | 152.064.000 | 376.534.400 | |
| Total | 277.000.000 | 25.020.000 | 51.355.800 | 239.328.000 | 592.703.800 | |
Dari hasil direct use value dan indirect use value didapat nilai total ekonomi value adalah sebesar Rp. 18.419.221.987,23 / Tahun. Nilai TEV yang dikeluarkan untuk perbaikan jasa
lingkungan dari sisi pertanian sebesar Rp. 12.652.730.500 yang ditunjukkan untuk mengembalikan kembali nilai produktivitas pertanian masyarakat sekitar dan menutup kerugian yang terjadi akibat penurunan produktivitas pada tahun tersebut. Untuk nilai tev sisanya sebesar Rp. 5.766.491.487 dapat digunakan untuk kepentingan sektor lain yang juga terkena dampak dari perubahan kualitas udara, seperti kesehatan masyarakat, pendidikan warga sekitar, perbaikan fasilitas umum atau pun dijadikan biaya untuk pengadaan pelatihan bagi para petani.
KESIMPULAN
Konsentrasi yang dihasilkan dari waktu simulasi annual untuk CO adalah sebesar 2.580,604 ug/m³, NO\(_x\) sebesar 183,115 ug/m³, SO\(_2\) sebesar 51,887 ug/m³ dan TSP sebesar 43,476 ug/m³. Jika dibandingkan dengan baku, konsentrasi NO\(_x\) melebihi baku mutu yang ditetapkan sebesar 100 ug/m³ untuk waktu rata – rata simulasi 1 tahun. Dalam simulasi waktu 1 jam semua polutan yang dimodelkan dengan waktu running 1 jam dengan periode tahunan menghasilkan konsentrasi maksimum melewati batas baku mutu yang telah di tetapkan oleh PP 41 Tahun 1999. Konsentrasi maksimum untuk polutan CO adalah sebesar 91.489,31 ug/m³ yang bernilai 3,0496 kali lipat dari baku mutu. Konsentrasi maksimum untuk polutan NO\(_x\) adalah sebesar 67.277 ug/m³ yang bernilai 168,1925 kali lipat dari baku mutu. Konsentrasi maksimum untuk polutan SO\(_2\) adalah sebesar 32.840,63 ug/m³ yang bernilai 36,4895 kali lipat dari baku mutu. Konsentrasi maksimum untuk polutan TSP adalah sebesar 937,74 ug/m³ yang bernilai 4,0771 kali lipat dari baku mutu untuk waktu pengamatan 1 jam. Akan tetapi jumlah kejadian konsentrasai melebihi baku mutu sangat sedikit, untuk masing – masing polutan kejadian tidak mencapai 0.1 % dari total data.
Konsentrasi maksimum CO terjadi pada daerah jalur kendaraan, sedangkan untuk polutan NO<sub>x</sub>, SO<sub>2</sub> dan TSP konsentrasi maksimum terjadi pada jarak sekitar 2km ke arah selatan dari sumber.
Proses validasi hasil simulasi menunjukkan perbedaan yang over estimated dibandingkan dengan data hasil pemantauan. Selisih data tersebut dapat disebabkan oleh banyak hal, hal yang paling utama adalah proses modeling menggunakan data aktivitas sumber secara konstan untuk 1 tahun simulasi.
Total economic value dalam satuan uang untuk kasus ini sebesar Rp. 18.419.221.987,23 / Tahun, dimana Rp. Rp. 12.652.732.500 merupakan penggantian akan kerugian dari sisi pertanian sebagai direct use value dan Rp. 5.766.491.487 sebagai pengganti dari sisi keberadaan beban emisi di udara (indirect use value).