Aplikasi Model Pesebaran Pencemar Konservatif Dari Aktivitas Lalu Lintas Perkotaan Di Atmosfer Wilayah Surabaya Pusat Menggunakan Pendekatan Model Gauss Termodifikasi

Surabaya Pusat merupakan salah satu wilayah dengan tingkat aktivitas lalu lintas yang padat dan cenderung terus meningkat. Hal ini berdampak pada peningkatan konsumsi bahan bakar minyak (BBM) untuk transportasi. Peningkatan BBM tersebut berdampak langsung pada penurunan kualitas udara akibat bertambahnya produksi emisi gas buang. Salah satu jenis gas pencemar yang diemisikan oleh kendaraan bermotor adalah SO2. Polutan ini merupakan jenis pencemar udara konservatif yang termasuk dalam pencemar primer dan tidak mengalami reaksi fotokimia di atmosfer. Untuk mengetahui kualitas udara di perkotaan maka diperlukan suatu alat penunjang untuk pengelolaan kualitas udara. Surabaya memiliki stasiun pemantau kualitas udara sebanyak 7 stasiun, namun hanya 3 stasiun kualitas udara yang masih beroperasi. Kondisi ini kurang menggambarkan kualitas udara di perkotaan secara terperinci. Sehingga diperlukan alternatif untuk memprediksikan kualitas pencemar udara dan pesebarannya di suatu wilayah, salah satu cara dengan menggunakan pemodelan dispersi pencemar udara. Dalam penelitian ini model dispersi pencemar udara yang digunakan adalah dengan pendekatan model Gauss termodifikasi. Pembuatan model dispersi dilakukan dengan mengolah data seri kepadatan lalu lintas (traffic volume). Dari data tersebut diperoleh beban emisi dari jumlah kendaraan yang melintas. Data meteorologi yang dihimpun selama 1 tahun terakhir dari BMKG diolah untuk mendapatkan deskripsi rata-rata kecepatan dan arah angin di kota Surabaya dalam bentuk windrose pada periode musim penghujan maupun musim kemarau. Model yang telah diverifikasi dinyatakan sesuai berdasarkan standar EPA memiliki korelasi dengan data pengukuran minimal 0,572. Pegolahan data menggunakan perangkat lunak meliputi Ms. Excel dan MATLAB. Hasil yang diperoleh dari penelitian ini berupa model yang dinyatakan dalam tiap musim. Untuk musim kemarau pada bulan April-Sepetember menghasilkan nilai correlasi sebesar 0,402 dan RMSE sebesar 2,84. Sedangkan, pada musim penghujan dibulan Oktober-Maret diperoleh nilai correlasi R=0,855 dan RMSE sebesar 2,30. Salah satu wilayah yang berpotensi menerima pencemar terbesar adalah area-area yang terletak di sekitar ruas jalan arteri primer dan arteri sekunder dengan radius 400-600 m. ============================================================================================================= Central Surabaya is one of the region with high level of traffic activities and tends to increase annually. It has an impact on increasing the consumption of fuel oil for transportation. The increase of fuel has direct impact towards the decline in air quality due to increased production of exhaust emissions. One of the gas pollutant emitted by motor vehicles is SO2. This pollutant is a type of conservative air pollutant that is included in primary pollutants and it has not encountered photochemical reactions in the atmosphere. To find out quality of air in urban hence needed a supporting tool for air quality management. Surabaya has 7 of air quality monitoring stations, however only 3 air quality stations are still operating. This condition does not adequately describe urban air quality in detail. An alternative is needed to predict the quality of air pollutants and their spreading in a region, one way by using modelling air dispersion. In this research, air dispersion pollution model used is by modified Gauss model approach. The dispersion modeling is done by processing the traffic volume. From the data obtained emission load from the number of vehicles passing. Meteorological data collected during the last year from BMKG is processed to get the description of average speed and wind direction in the city of Surabaya in the form of windrose during the rainy season and dry season. Models that have been verified otherwise conformed to EPA standards have a correlation with the minimum measurement data of 0.572. Process data using software includes Ms. Excel and MATLAB. The results obtained from this research in the form of models expressed in each season. For the dry season in April-Sepetember yielded a correlation value of 0.402 and RMSE of 2.84. Meanwhile, in the rainy season in October-March obtained correlation value R = 0.855 and RMSE of 2.30. One of the region that have the potential to receive the largest pollutants is around located primary arterial road and secondary artery with a radius of 400-600 m