View
233
Download
1
Category
Preview:
Citation preview
7/23/2019 Visualisasi Gaussian Dispersion Model Dalam SIG Untuk AMDAL
1/9
1
APLIKASI GAUSSIAN DISPERSION MODEL DAN SISTEM INFORMASI GEOGRAFIS UNTUK
ANALISIS MENGENAI DAMPAK LINGKUNGAN
PENDAHULUAN
Pencemaran udara adalah kehadiran satu atau lebih substansi fisik, kimia, atau
biologi di atmosfer dalam jumlah yang dapat membahayakan kesehatan manusia,
hewan, dan tumbuhan, mengganggu estetika dan kenyamanan, atau merusak properti.
Pencemar udara yang keluar dari suatu kegiatan sebagai sumbernya, disebut sebagai
emisi. Menurut PP No. 41 tahun 1999 emisi adalah zat, energi dan/atau komponen lain
yang dihasilkan dari suatu kegiatan yang masuk dan/atau dimasukkannya ke dalam
udara ambien yang mempunyai dan/atau tidak mempunyai potensi sebagai unsurpencemar. Emisi dapat mempengaruhi kualitas udara ambien di sekitar lokasi kegiatan
tersebut.
Pencemaran kualitas udara merupakan salah satu komponen fisik-kimia yang
ditinjau didalam Analisis Mengenai Dampak Lingkungan (AMDAL). Prakiraan dampak
adalah kajian lebih spesifik apabila dibandingkan dengan identifikasi dampak, karena
pada prakiraan dampak harus dapat menunjukkan dampak yang muncul dengan lebih
jelas. Hal ini akan menjadi lebih baik apabila dampak yang muncul dapat dikuantifikasi.
Tidak semua dampak yang muncul dapat di kuantifikasi, tetapi untuk komponen fisik-
kimia biasanya tidak terlalu sulit untuk dikuantifikasi (Leopold, 2008).
Model dispersi Gaussian merupakan salah satu model yang sering digunakandalam memprakirakan penyebaran polusi udara. Output model ini dapat mengetahui
nilai besaran konsentrasi polutan baik secara lateral (x,y) maupun vertikal (z). Nilai-nilai
tersebut didalam AMDAL pada umumnya telah tercantum, namun berkaitan dengan
tingkat pentingnya dampak, analisa lanjutan pada sebagian studi AMDAL belum
dilakukan. Dimana tinjauan pentingnya dampak masih bersifat semi-subyektif yang
sebagian masih didasarkan unsur kira-kira dan keputusan dari pengalaman tenaga ahli.
Dengan adanya fasilitas pengolahan data spasial berbasis komputer dalam hal ini
adalah Sistem Informasi Geografis (SIG), maka proses studi AMDAL dapat diperoleh hasil
yang lebih obyektif. Seperti diketahui dalam studi AMDAL tentu tidak lepas dari unsur
geografis baik berupa batas wilayah kegiatan, batas ekologi, batas administratif lokasi
kegiatan, dan komponen lingkungan. Sehingga dalam studi AMDAL tinjauan mengenai
tingkat pentingnya dampak terutama dampak-dampak yang terkuantifikasi, dapat
dilakukan pengolahan dengan SIG.
PEMBAHASAN
Model Dispersi Gaussian
Pemodelan pencemaran udara adalah alat yang digunakan untuk menggambarkan
hubungan sebab akibat antara emisi, meteorologi, konsentrasi atmosfer, deposisi, dan
faktor lainnya. Model dispersi Gaussian merupakan salah satu model pengukuran materi
http://id.wikipedia.org/wiki/Fisikhttp://id.wikipedia.org/wiki/Kimiahttp://id.wikipedia.org/wiki/Biologihttp://id.wikipedia.org/wiki/Atmosferhttp://id.wikipedia.org/wiki/Atmosferhttp://id.wikipedia.org/wiki/Biologihttp://id.wikipedia.org/wiki/Kimiahttp://id.wikipedia.org/wiki/Fisik7/23/2019 Visualisasi Gaussian Dispersion Model Dalam SIG Untuk AMDAL
2/9
2
di atmosfer yang telah di rekomendasikan oleh badan energi atom internasional (IAEA).
Model ini mengasumsikan bahwa penyebaran polutan udara mempunyai probabilitas
distribusi normal. Pada dasarnya formulasi Gaussian merupakan suatu formulasi
matematis yang ditemukan oleh Johann Carl Friedrich Gauss sebagai berikut.
Dimana untuk konstanta a,b,c >0 dan e 2.718281828. Karakteristik analisa dalam
model dispersi Gaussian meliputi: parameter penyebaran, bentuk penyebaran sesuai
koordinat, arah angin dan kecepatan, dampak polutan sesuai pola angin.
Pada tulisan ini akan dibahas mengenai pengembangan distribusi Gauss, yang
diterapkan pada model dispersi udara dengan sumber emisi berupa titik. Berkaitan
dengan aplikasinya di dalam AMDAL, prakiraan komponen lingkungan yang terkena
dampak berada di permukaan tanah (elevasi = 0). Sehingga formulasi model dispersi
Gaussian dengan nilai elevasi (z=0) adalah sebagai berikut.
Dimana :
C(x,y,z) = Tingkat konsentrasi (g/m3) pada koordinat x,y,z
x = Nilai koordinat relatif horizontal searah angin
y = Nilai koordinat relatif tegak lurus arah angin
z = Nilai koordinat vertikal
Q = Laju emisi polutan (g/detik)
q = Laju emisi polutan per satuan jarak (g/s-m)
u = Kecepatan angin rata-rata dalam arah x (m/detik)
H = Tinggi emisi (tinggi cerobong + tinggi asap)
y,z = Koefisien dispersi lateral dan vertikal
Nilai koefisiean () ditentukan berdasarkan tipe kondisi atmosfer, yang diklasifikasikan
oleh Pasquill pada tahun 1961.
Tabel 1. Klasifikasi tipe atmosfer
Kecepatan Angin Intensitas Matahari (Siang) Tutupan Awan (Malam)
m/s mil/jam Kuat Sedang Rendah >50%
7/23/2019 Visualisasi Gaussian Dispersion Model Dalam SIG Untuk AMDAL
3/9
3
7/23/2019 Visualisasi Gaussian Dispersion Model Dalam SIG Untuk AMDAL
4/9
4
Sistem Informasi Geografis
Sistem Informasi Geografis (Geographic Information System (GIS)), merupakan
suatu alat yang dapat digunakan untuk mengelola (input, manajemen, proses, dan
output) data spasial atau data yang bereferensi geografis. Adapun aplikasi SIG antara
lain:
1. Digunakan untuk menentukan lokasi potensial untuk pemukiman, industri, sertasarana dan prasarana.
2. Untuk merencanakan jalur yang sesuai dengan geometrik jalan, arah pergerakan(origin-destination), maupun optimasi sistem transportasi.
3. Mengetahui pola pergerakan, sebaran, serta keanekaragaman hewan dan tumbuhanpada suatu kawasan.
4. Untuk mengetahui area tangkapan air dan akumulasi pengaliran pada perencanaanDaerah Aliran Sungai (DAS) atau drainase.
5. Untuk mengetahuai pola penyebaran pencemar, daya dukung lingkungan danmenganalisa dampak lingkungan yang terjadi.
6. Untuk pendugaan daerah rawan bencana (Geohazard)7. Aplikasi lainya yang berkaitan dengan unsur geografis.Data SIG secara mendasar dibagi menjadi dua macam, yaitu data grafis dan data atribut
atau tabular. Data grafis adalah data yang menggambarkan bentuk atau kenampakan
obyek di permukaan bumi (referensi geografis). Sedangkan data atribut atau tabular
adalah data deskriptif yang menyatakan nilai dari data grafis tersebut. Sedangkan secara
struktur bentuk data SIG berupa data vektor (titik,garis,area) dan data raster (pixel),
dengan bentuk penyimpanan data atribut sesuai strukturnya sesuai gambar berikut.
Gambar 1. Penyimpanan data atribut pada data vektor
Gambar 2. Penyimpanan data atribut pada data raster
7/23/2019 Visualisasi Gaussian Dispersion Model Dalam SIG Untuk AMDAL
5/9
5
Terdapat banyak sekali pengolahan yang dapat dilakukan di dalam SIG. Berkaitan
dengan model dispersi Gaussian dan aplikasinya didalam AMDAL, metode pengolahan
data SIG yang utama adalah interpolasi, klasifikasi dan tumpang susun (overlay).
Interpolasi merupakan proses pengolahan data SIG yang bertujuan untuk mengetahui
visualisasi model distribusi data secara geografis (geostatistical analyst). Secara grafis
proses pengolahan ini sesuai dengan metode isohiyet dalam analisis curah hujan,
sedangkan pada data atribut sesuai dengan metode regresi dalam statistik. Dengan
proses ini dapat diprediksi nilai data pada lokasi yang tidak dilakukan pengukuran.
Gambar 3. Proses interpolasi dalam SIG
Klasifikasi merupakan pemberian nilai (bobot) secara kualitatif pada data
berdasarkan pembagian interval dari pola distribusi atau berdasarkan kriteria yang
ditentukan. Pada beberapa perangkat lunak SIG telah disediakan suatu program analisa
statistik yang salah satu fungsinya adalah untuk mengetahui pola distribusi data serta
memberi rekomendasi bagi peneliti untuk melakukan proses klasifikasi.
Gambar 4. Proses klasifikasi dalam SIG
7/23/2019 Visualisasi Gaussian Dispersion Model Dalam SIG Untuk AMDAL
6/9
6
Tumpang susun (overlay) Merupakan proses analisis dalam SIG yang dilakukan
secara tumpang susun (overlay) pada tiap data yang terolah. Dalam proses tersebut,
dapat menggunakan beberapa operator matematis misalnya: penjumlahan,
pengurangan, perkalian, pembagian dan sebagainya sesuai dengan tujuan analisa yang
dilakukan.
Gambar 5. Proses tumpang susun struktur data vektor
Gambar 6. Proses tumpang susun struktur data raster
Model Gaussian dan SIG didalam AMDAL
Menurut PP No 27 tahun 1999 pasal 5 kriteria dampak besar dan penting dalam
AMDAL, meliputi:
1. Jumlah manusia terkena dampak2. Luas wilayah persebaran dampak3. Intensitas dan lamanya dampak berlangsung4. Banyak komponen lain yang terkena dampak5. Sifat kumulatif dampak6. Berbalik (reversible) atau tidak berbaliknya (irreversible) dampakKarena model dispersi polutan Gaussian merupakan dampak fisik-kimia yang dapat
dikuantifikasi serta mempunyai koordinat, maka tinjauan kriteria dampak penting dari
poin 1 sampai 5 dapat dilakukan menggunakan SIG. Tahapan awal analisis adalah
melakukan perhitungan model baik secara manual atau secara komputasi. Apabila
analisis diperlukan dengan menggunakan model yang dinamis, maka khusus untuk
kriteria dampak penting poin 3 dapat digunakan data fluktuasi arah dan kecepatan angin
(windrose). Untuk itu sangat diperlukan analisis perhitungan secara komputasi. Gambar
berikut ini merupakan contoh pembuatan perhitungan model dispersi Gaussian untuk
menghitung konsentrasi polutan di permukaan tanah menggunakan perangkat lunak
Microsoft Excel.
7/23/2019 Visualisasi Gaussian Dispersion Model Dalam SIG Untuk AMDAL
7/9
7
Gambar 7. Perhitungan model dispersi Gaussian dalam Ms. Excel
Sesuai formulasi model dispersi Gaussian untuk muka tanah, dari perhitungan
tersebut akan didapatkan konsentrasi polutan pada jarak tertentu searah angin
(downwind), dan pada jarak melintang (crosswind) dari tiap-tiap jarak downwind. Nilai-
nilai konsentrasi tersebut di gambarkan pada peta format SIG dalam bentuk titik-titikkontrol sesuai jarak dari sumber emisi, dan kemudian dilakukan interpolasi.
Gambar 8. Hasil interpolasi model dispersi Gaussian
7/23/2019 Visualisasi Gaussian Dispersion Model Dalam SIG Untuk AMDAL
8/9
8
Hasil interpolasi model dalam SIG masih berupa data raster kontinyu, data
kontinyu tersebut dapat di kombinasikan dengan hasil analisis kualitas udara ambien
untuk mengetahui besar akumulasi dampak kualitas udara yang terjadi. Untuk
kelanjutan analisis sesuai dengan kriteria dampak besar dan penting dilakukan klasifikasi
data. Klasifikasi data tersebut dapat menggunakan metode analisa distribusi data
statistik dalam SIG atau diberikan secara langsung. Pengklasifikasian data model dispersi
Gaussian hasil analisa secara langsung dapat didasarkan atas nilai Indeks Standar
Pencemaran Udara (ISPU). Metode perhitungan dan klasifikasi ISPU untuk konsentrasi
pencemar dapat dilihat didalam KepKa Bapedal No. 7 Tahun 1997.
Gambar 9. Klasifikasi model dispersi Gaussian
Konversi data raster yang telah terklasifikasi menjadi data vektor (area)
dibutuhkan untuk menghitung luasan area persebaran dampak yang terjadi. Untuk
menghitung jumlah manusia dan komponen lain yang terkena dampak, dilakukantumpang susun dengan data persil pemukiman dan basis data komponen lain.
Sedangkan untuk intensitas dapat disimulasikan berdasarkan data arah dan kecepatan
angin pada periode waktu tertentu (windrose).
7/23/2019 Visualisasi Gaussian Dispersion Model Dalam SIG Untuk AMDAL
9/9
9
Pustaka
Arystanbekova, N. (2004). Application of Gaussian plume models for air pollution
simulation at instantaneous emissions. Mathematics andComputer s in Simulation,
Vol. 67, 451458.
ESRI. (2008). Help & User Manual. DalamArcGIS Help & User Manual.
Green, A. E., Singhal, R. P., & Venkateswar, R. (1980). Analytic Extensions of the Gaussian
Plume Model.Air Pollution Control Association, Vol. 30, No. 7.
Leopold, A. (2008). Metoda Prediksi Komponen Kualitas Udara. Dipetik 2012, dari
http://adolflsms.multiply.com:
http://adolflsms.multiply.com/journal/item/7/Metoda_Prediksi_Komponen_Kualit
as_Udara
Sharma, N., Bhandari, K., Rao, P., & Shukla, A. n. (2012). GIS applications in air pollution
modeling. Dipetik 2012, dari GISdevelopment.net:
http://www.gisdevelopment.net/application/environment/air/mi03220.htm
Wark, K., & Warner, C. F. (1976).Air pollution its origin and control. New York: Harper &
Row.
Wibowo, I. (2007). Studi AMDAL Terminal Tlogowaru Kec. Kedungkandang Kota Malang.
Laporan Kerja Praktek.
Recommended