1_2_15309097_berkas

8/18/2019 1_2_15309097_berkas

http://slidepdf.com/reader/full/1215309097berkas 1/13

1

PEMODELAN KONTRIBUSI KENDARAAN PENGANGKUT BARANG

TERHADAP KONSENTRASI AMBIEN CO DARI SUMBER

TRANSPORTASI DI KOTA BANDUNG

CONTRIBUTION MODELLING OF GOODS VEHICLE TO CO

CONCENTRATION FROM TRANSPORTATION SOURCE IN BANDUNG

Daril Andrean Davinsa1

dan Driejana2

Program Studi Teknik Lingkungan

Fakultas Teknik Sipil dan Lingkungan, Institut Teknologi Bandung,

Jl Ganesha 10 Bandung [email protected] dan

[email protected]

Abstrak: Udara adalah aspek penting dalah kehidupan mahluk hidup. Karbon Monoksida (CO) merupakan zat pencemar didalam udara yang berbahaya pagi mahluk hidup karena dapat menyebabkan kelainan pada sistem syaraf

pusat, janin, dan semua organ tubuh yang peka terhadap kekurangan oksigen. Sumber antropogenik merupakan penyumbang terbsear karbon monoksida di udara ambien. Mobil, Sepeda Motor, Bus, dan Truk merupakan sumber

penyumbang karbon monoksida dari sektor transportasi. Di kota Bandung yang merupakan ibu kota provinsi jawa barat, transportasi merupakan hal yang sangat vital bagi perekonomian yang dimana sumbangsihnya adalah

membawa dan mengangkut manusia atau barang ke tempat tertentu. Truk merupakan moda tranpsortasi yang sensitifterhadap perekonomian suatu daerah, maka dari itu operasional truk harus dapat dianalisis sedemikian rupa agar

memperoleh operasional yang seminimal mungkin dalam sisi ekonomi. Jalur yang paling optimal harus dapat dipilihdengan melihat aspek ekonomi. Hal ini tentu saja tidak cukup, penelitian tentang aspek lingkungan sedang dilakukan

agar pergerakan atau jalur dari truk tidak merugikan masyarakat sekitar dilihat dari aspek pencemaranlingkungannya. Penilitan ini bertujuan untuk menghitung kontribusi truk terhadap konsentrasi karbon monoksida di

udara ambien. Digunakan program CALINE4 untuk menghitung konsentrasi karbon monoksida maupun untukmengetahui kontribusi karbon monoksida dari truk. Truk berontribusi sekitar 0,047 – 7,344 % dibandingkan dengan

total keseluruhan kontribusi dari kendaraan lain. Semakin banyak truk yang melewati suatu jalan maka semakintinggi pula kontribusi karbon monoksidanya. Selain itu kecepatan juga merupakan variabel penting, semakin kecil

kecepatan truk, persentase kontribusi truk semakin besar. Diambil periode sibuk pagi hari karena tren periode sibuksiang, dan sore hari tidak jauh beda pada pagi hari. Hasil penelitian ini akan direkomendasikan kedalam penelitian

penentuan jalur optimal truk dilihat dari aspek ekonomi dan lingkungan.

Kata kunci: Kendaraan Barang, Jalur Optimal, Inventarisasi Emisi, Model Gaussian, Pencemaran Udara

Abstract: Air is the important aspect in organisms. Carbon monoxide (CO) as pollutant substance in the air whichharmful to organisms can cause abnormalities to central nervous system, fetus, and all the organs of body that are

sensitive to lack oxygen. Anthropogenic sources is the biggest contributor of carbon monoxide in ambient air. Car,motorcycle, bus, and truck are carbon monoxide’s contributor in transportation sector. In Bandung city as the

capital city of West Java province, transportation is very vital thing for the economy that are transporting people or goods to certain place. Truck transport is a capital that are sensitive to economy in a region, therefore the

operational trucks should be analyzed well so as to acquire the operational minimum in the economic side. The mostoptimum route must be selected by economy view. This is of course not enough, research on environment aspect is

being done so that movement or route of trucks are not detrimental the public about seen from the aspect of

environment’s polution. This research aims to calculate the contribution of trucks to the concentration of carbonmonoxide in ambient air. CALINE4 programs is used to calculate concentrations carbon monoxide as well as todetermine the contribution of carbon monoxide that is produced by truck. Truck contribute about 0.047 – 7.344 %

compared with the total contribution from other vehicles. The more truck passes through the road, the highercontribution of its carbon monoxide too. Moreover, velocity is also the important variable. The less velocity of truck,

the more percentage of its contribution. This result research will be recomended to research of determine optimalroute seen by economic and environment aspect.

Key words : Goods Vehicla, Optimum Route, Emission I nventory, Gaussian Model, A ir Pollu tion

mailto:[email protected]








8/18/2019 1_2_15309097_berkas


2

PENDAHULUAN

Indonesia merupakan suatu negara dengan luas wilayah hampir 2 juta km2 dan alat

transportasi merupakan alat pendukung untuk menghubungkan antar penduduk. Keperluan alat

transportasi merupakan kebutuhan vital karena merupakan faktor penting untuk mendorong

kemajuan ekonomi.Kendaraan bermotor menggunakan bahan bakar karbon untuk melakukan serangkaian reaksi pembakaran dan menghasilkan energi untuk menggerakan roda. Gas buang kendaraan bermotor

dapat menyebabkan ketidaknyamanan, pencemaran udara dan gangguan kesehatan. Beberapa

studi epidemiologi menunjukkan hubungan antara tingkat pencemaran udara dengan jumlah

kejadian (prevalensi) penyakit pernapasan. Parameter seperti CO2, CO, NOx, SO2, PM10 dapat diemisikan ke lingkungan sebagai hasil emisi dari pembakaran karbon dan dapat langsung dihirup

oleh hidung dan mempengaruhi masyrakat di jalan raya dan sekitarnya (Tri Tugasawati, 1996).

Kendaraan barang dipilih karena sistem angkutan barang perkotaan yang efisien merupakan

hal yang krusial dalam rangka perbaikan ekonomi perkotaan (Ruta, 2002). Pada umumnya, studi jalur alternatif menggunakan teknik optimasi biaya operasi angkutan dengan dengan batasan

biaya tetap kendaraan, biaya operasi kendaraan, kapasitas truk, dan penalti keterlambatandan/atau kedatangan lebih awal. Penelitian tersebut diatas menambahkan indikator lingkunganyang disini adalah emisi gas buang sebagai bagian dari bahan pertimbangan untuk pemilihan jalur

alternatif.

Dalam perhitungan kontribusi karbon monoksida yang dihasilkan oleh truk, program

CALINE4 digunakan untuk mampu memprediksi konsentrasi akibat kontribusi truk. CALINE4adalah program untuk memodelkan dispersi emisi udara dari sumber garis yang dikembangkanoleh California Departemen of Transportation (Caltrans). Progam ini menggunakan persamaandistribusi Gaussian dan konsep zona pencampuran untuk membuat perkiraan dispersi polutan

disekitar jalan raya. Program ini memperkirakan sebaran polutan yang berada dekat dengan jalan

raya dengan memasukkan beberapa parameter seperti, volume laluintas perlink, faktor emisi

kendaraan, meteorologi, dan geometri lokasi. CALINE4 dapat memprediksi polutan dititik

reseptor hingga 500 meter dari sumber. Polutan yang diprediksi adalah polutan yang relatif bersifat inert (tidak mudah bereaksi dengan senyawa kimia lain) seperti NOx, CO, dan PM10

(Benson, 1989).

METODOLOGI

Tahapan penulisan penelitian ini dapat dilihat pada Gambar.1, dimulai dari studi literatur,

dan pengumpulan data sekunder seperti peta wilayah studi yang diambil dari ArcGIS, faktoremisi yang diambil dari UK-NAEI, data meteorologis yang diambil dari BMKG kota Bandung,

dan penelitian dari Nurrokhmah (2010), data volume kendaraan di setiap ruas jalan diambil daridinas perhubungan kota bandung dengan metode Traffic Count (Suraharta, 2012, Pers. Comm).

Pada peta wilayah studi, akan ditentukan letak reseptor dengan menggunakan CALINE4 yang

akan membentuk suatu kontur konsentrasi dan link-link mana saja yang berpengaruh terhadap

suatu reseptor. Peta wilayah studi juga mengambarkan jalur studi dan batasan batasan dari

penelitian.Data volume kendaraan dan faktor emisi digunakan untuk menghitung beban emisi dari tiap

jalan dan menghitung kontribusi karbon monoksida dari truk.

8/18/2019 1_2_15309097_berkas


3

Dari data meteorologis, kita dapat mengetahui windrose, sigma theta, dan stabilitas atmosfer

dari suatu wilayah tertentu sehingga diperoleh konsentrasi yang tersebar dalam wilayah tersebut.

Semua data sekunder tersebut merupakan input untuk CALINE4 sehingga dapatmengeluarkan konsentrasi CO di udara ambien di kota Bandung dengan truk dan tanpa truk.

Kontribusi truk dihitung dengan cara menselisihkan konsentrasi udara ambien akibat dari total

seluruh kendaraan dengan kendaraan non-truck hasil dari permodelan.

Gambar 1 Diagram Metodologi Penelitian

8/18/2019 1_2_15309097_berkas


4

Studi Literatur

Tahap ini bertujuan untuk mengumpulkan segala literatur yang berhubungan untuk dapatmenjadi dasar dalam pengerjaan penelitian ini.

Pengumpulan Data Sekunder

Penelitian ini menggunakan data sekunder yang didapat dari berbagai instansi pemerintah

seperti BPLHD, BMKG, dan dari penelitian sebelumnya. Data sekunder dalam penelitian ini

dianggap valid karena diambil dengan metodologi yang benar.

Perhitungan Beban Emisi

Beban emisi tiap sumber jalan harus dihitung untuk melihat kontribusi dari setiap jalan

penelitian yang berada di kota Bandung agar konsentrasi dapat diperoleh. Pada penelitian kali ini,diasumsikan bahwa perhitungan beban emisi maupun konsentari pencemar dihitung dengan

kondisi kendaraan bergerak dan mesin sedang menyala. Beban emisi suatu polutan dihitung dariPersamaan (1).

Beban emisi = n x p x FE

Dimana n adalah volume kendaraan dan p adalah jarak tempuh.

Permodelan Dengan CALINE4

CALINE4 adalah program untuk memodelkan dispersi emisi udara dari sumber garis yang

dikembangkan oleh California Departemen of Transportation atau dapat disingkat denganCaltrans (Benson, 1989). Progam ini menggunakan persamaan distribusi Gaussian dan konsep

zona pencampuran untuk membuat perkiraan dispersi polutan disekitar jalan raya. Dalam penelitian ini polutan yang diprediksi adalah karbon monoksida.

Variabel input yang diperlukan dalam modelling adalah data faktor emisi, windrose (arah dankecepatan angin), temperatur udara, koordinat link geometri jalan, dan reseptor, konsentrasi

background, serta penentuan standar deviasi arah angin dan penentuan kelas stabilitas atmosfer

yang dibagi ke dalam periode siang, pagi, dan sore.

Wilayah di kota Bandung dibagi menjadi 9 bagian karena keterbatasan CALINE4 yang hanya

dapat mengolah 20 link dalam satu kali running input.

Faktor Emisi

Faktor emisi yaang digunakan adalah faktor emisi dari database United Kingdom dan diambildari United Kingdon – Natinal Atmospheric Emission Inventory atau disingkat UK-NAEI. Data

base faktor emisi ini dipakai karena cocok dan detail apabila digunakan dalam penelitian ini.

8/18/2019 1_2_15309097_berkas


5

Database ini digunakan untuk modeling skala mikro atau skala kecil dan dalam hal penelitian ini

skala perkotaan. Database ini menggunakan faktor kecepatan sebagai variabel yang

mempengaruhi faktor emisi dan memang pada dasarnya kecepatan berpengaruh terhadap faktoremisi pada suatu jenis kendaraan. Database ini juga membagi tiap kendaraan berdasarkan

teknologi mesinnya, secara umum teknologi mesinnya dibagi menjadi pra-Euro, Euro I, Euro II,

Euro III, dan Euro IV. Penyesuasian dilakukan pada kondisi eksisting di Indonesia yang memilikiteknologi mesin tercanggih adalah Euro II yang mulai diberlakukan pada tahun 2005 melaluiKeputusan Menteri Negara Lingkungan Hidup Nomor 141 Tahun 2003 sehingga dapat disimpulkan,terdapat mesin berteknologi pra-Euro, Euro I, dan Euro II di Indonesia. Perhitungan volume

kendaraan oleh dinas perhubungan kota bandung tidak mengklasifikasikan kendaraan menurutteknologi mesinnya karena itu terlalu susah. Maka digunakan data produksi kendaraan di Indonesia

yang dapat diperoleh dari Gabungan Industri Kendaraan Bermotor Indonesia atau dapat disingkat

GAIKINDO (Utami, 2012). Klasifikasi kendaraan berdasarkan teknologi mesinnya dapat dilihat

pada Tabel 1.

Tabel 1 Presentase kendaraan berdasarkan teknologi mesinnya

Kategori Mobil Penumpang Bis Truk

% Pra EURO 0,3855 0,3038 0.3872

% EURO I 0,2711 0,6535 0,3467

% EURO II 0,2888 0,0071 0,2284

Bahan bakar juga berpengaruh terhadap nilai faktor emisi, digunakan rasio bahan bakar dari penjualan bahan bakar di kota Bandung (Novianti, 2009) untuk menghitung jumlah mobil bensin

dan solar. Rasio bahan bakar tersebut sebesar 0,74:0,26 untuk bensin:solar.Faktor emisi Inggris tersedia dalam bentuk spreadsheet software Microsoft Excel Vehicle

Emission Factor Database (naei.defra.gov.uk, 2007)

Wilayah Studi

Wilayah studi penelitian ini adalah Kota Bandung yang mencakup jalan arteri, arterisekunder, kolektor, dan kolektor primer. Terdapat 30 ruas jalan yang diamati dalam penelitian ini

dan dapat dilihat pada Tabel 2. Peta wilayah studi dapat dilihat pada Gambar 3.

8/18/2019 1_2_15309097_berkas


6

Tabel 2 Nama ruas jalan studi

No Nama Ruas Kelas Ruas No Nama Ruas Kelas Ruas

1 Jl. Asia Afrika Arteri sekunder 16 Jl. Abd. RadenSaleh Kolektor

Sekunder

2 Jl. BKR Arteri sekunder 17 Jl. Cihampelas Arteri sekunder3 Jl. BuahBatu Kolektor Primer 18 Jl. Ir. Haji Juanda Arteri sekunder

4 Jl. Otista Arteri sekunder 19 Jl. Merdeka Arteri sekunder

5 Jl. Otista Arteri sekunder 20 Jl. Pajajaran Arteri sekunder

6 Jl. PelajarPejuang 45 Arterisekunder 21 Jl. Pasteur Arteri sekunder

7 Jl. SoekarnoHatta Arteri Primer 22 Jl. PasirKaliki Kolektor Primer

8 Jl. A. Yani Arteri Primer 23 Jl. Kopo Kolektor Primer

9 Jl. Diponegoro Kolektor

Sekunder

24 Jl. Peta Arteri sekunder

10 Jl. Jakarta Kolektor

Sekunder

25 Jl. PasirKoja Arteri sekunder

11Jl. PHA Mustofa Arteri sekunder 26 Jl. RajawaliTimur Arteri sekunder

12 Jl. R.E Martadinata Arteri sekunder 27 Jl. SoekarnoHatta Arteri Primer

13 Jl. Surapati Arteri sekunder 28 Jl. Kiara Condong Arteri Primer

14 Jl. Jend. Sudirman Arteri Primer 29 Jl. SoekarnoHatta Arteri Primer

15 Jl. Jend. Sudirman Arteri Primer 30 Jl. Raya Ujung Berung Arteri Primer

Gambar 3 Peta wilayah studi dan titik pengukuran volume kendaraan

8/18/2019 1_2_15309097_berkas


7

HASIL DAN PEMBAHASAN

Setelah melakukan permodelan dengan CALINE4, diperoleh hasil permodelan berupa petadengan sebaran konsentrasi karbon monoksida. Hasil modelling dapat dilihat pada Gambar 4,

Gambar 5, Gambar 6, Gambar 7, Gambar 8, Gambar 9, Gambar 10, Gambar 11, dan

Gambar 12.

Gambar 4 Kontur konsentrasi wilayah utara kota Bandung pada pagi hari

Gambar 5 Kontur konsentrasi wilayah barat laut kota Bandung pada pagi hari

Dari hasil modeling, diperoleh kontur konsentrasi karbon monoksida di 9 wilayah kotaBandung antara kontur udara ambien akibat seluruh kendaraan yang melewati jalan/link dengan

konsentrasi tanpa truk. Kontribusi truk dihitung dengan cara menselisihkan atau mencari delta

antara konsentrasi akibat total kendaraan dengan konsentrasi tanpa kontribusi truk. Namun

perhitungan dari software CALINE4 tidak menghasilkan selisih yang begitu signikandikarenakan output konsentrasi yang dihasilkan CALINE4 memiliki satuan part per million

(ppm) dan hanya mampu menampil satu angka dibelakang koma. Dari hasil kontur pun sulit

untuk menemukan selisih konsentrasi karena memiliki hasil yang hampir menyerupai.

8/18/2019 1_2_15309097_berkas


8

Gambar 6 Kontur konsentrasi wilayah barat kota Bandung pada pagi hari

Gambar 7 Kontur konsentrasi wilayah tengah selatan kota Bandung pada pagi hari

Gambar 8 Kontur konsentrasi wilayah tengah utara kota Bandung pada pagi hari

8/18/2019 1_2_15309097_berkas


9

Gambar 9 Kontur konsentrasi wilayah timur laut kota Bandung pada pagi hari

Gambar 10 Kontur konsentrasi wilayah tenggara kota Bandung pada pagi hari

Hasil dari modeling tidak dapat merepresentasikan dengan baik kontribusi truk terhadap

konsentrasi udara ambien. Untuk itu diperlukan perhitungan beban emisi setiap link tanpa ataudengan truk. Dari hasil perhitungan secara manual, diperoleh selisih beban emisi yang

ditunjukkan pada Tabel 4.

Proporsi beban emisi akibat truk pengangkut barang adalah 0,047 – 7,344 % atau 3 - 3521gram/jam karbon monoksida. Berdasarkan analisa statistik, hal yang paling mempengaruhi

terhadap beban emisi truk adalah jumlah truk atau ratio truk disuatu ruas jalan, kecepatan rata-

rata juga berpengaruh terhadap beban emisi namun hubungan pengaruhnya tidak diketahui atau

8/18/2019 1_2_15309097_berkas


10

non-linear yang mungkin disebabkan oleh berbagai faktor yang tidak mencakup dari penelitian

ini.

Gambar 11 Kontur konsentrasi wilayah selatan kota Bandung pada pagi hari

Gambar 12 Kontur konsentrasi wilayah timur kota Bandung pada pagi hari

Jalan Pasir Koja adalah jalan yang paling banyak dilewati oleh truk pengangkut barang

dikarenakan letak ruas jalan tersebut yang dikelilingi oleh gudang industri dan konsekuensilogisnya jalan tersebut memiliki jumlah truk yang lebih besar dari ruas lainnya. Kemungkinan

besar kendaraan yang memiliki beban emisi paling besar adalah sepeda motor karena volumenya

8/18/2019 1_2_15309097_berkas


11

yang paling besar dibandingkan kendaraan lainnya, tapi ini perlu dibuktikan oleh penelitian lebih

lanjut.

Tabel 4 Beban emisi dan volume kendaraan pada pagi hari

Pagi

Jalan kecepata

n

(km/jam)

Beban

Emisi

(gram/jam)

Beban

Emisi

(gram/jam

) tanpa

truk

delta

Beban

Emisi

(gram/ja

m)

delta

persentas

e beban

emisi

Total

volume

kendaraan

(volume/ja

m)

Total

volume

kendaraan

(volume/ja

m) tanpa

truk

delta

volume

kendaraan

(volume/ja

m)

persentas

e delta

volume

kendaraa

n

Jl. Asia Afrika 46.83 5644.12 5641.48 2.64 0.047% 2796 2791 4.97 0.178%

Jl. BKR 37.57 19420.72 19174.61 246.11 1.267% 2095 2031 64.00 3.055%

Jl. BuahBatu 19.14 38370.11 38040.98 329.13 0.858% 2902 2863 39.00 1.344%

Jl. Otista 19.10 3808.79 3802.78 6.01 0.158% 1044 1040 4.00 0.383%

Jl. Otista 30.65 2976.97 2968.02 8.95 0.301% 1154 1145 9.00 0.780%

Jl.

PelajarPejua

ng 45

32.61 11275.88 11160.60 115.28 1.022% 2530 2469 61.00 2.411%

Jl.

SoekarnoHatta

47.67 122764.31 121648.92 1115.39 0.909% 4549 4402 147.00 3.231%

Jl. Abd.

RadenSaleh

37.89 6222.27 6158.58 63.69 1.024% 1413 1375 38.00 2.689%

Jl.

Cihampelas

20.32 11665.94 11580.17 85.77 0.735% 1666 1635 31.00 1.861%

Jl. Ir. Haji

Juanda

46.62 6359.61 6354.60 5.01 0.079% 1451 1446 4.82 0.332%

Jl. Merdeka 29.76 8166.26 8155.59 10.67 0.131% 2163 2154 9.00 0.416%

Jl. Pajajaran 17.47 9015.41 8955.50 59.91 0.665% 1578 1544 34.00 2.155%

Jl. Pasteur 43.77 15780.36 15512.65 267.70 1.696% 3346 3242 104.00 3.108%

Jl. PasirKaliki 23.10 14762.02 14681.63 80.39 0.545% 1963 1926 37.00 1.885%

Jl. A. Yani 31.16 31006.23 30714.46 291.77 0.941% 1890 1848 42.00 2.222%

Jl.

Diponegoro

35.01 31000.81 30786.65 214.16 0.691% 3010 2959 51.00 1.694%

Jl. Jakarta 18.68 52737.12 52348.99 388.13 0.736% 3829 3760 69.00 1.802%

Jl. PHAMustofa

33.96 16773.61 16658.78 114.83 0.685% 2678 2641 37.00 1.382%

Jl. R.E

Martadinata

25.28 3563.32 3555.45 7.87 0.221% 809 804 5.00 0.618%

Jl. Surapati 35.00 26131.87 25831.15 300.72 1.151% 2546 2491 55.00 2.160%

Jl. Jend.

Sudirman

27.83 5400.52 5382.49 18.03 0.334% 1167 1156 11.00 0.943%

Jl. Jend.

Sudirman

13.72 8588.14 8404.18 183.96 2.142% 1650 1599 51.00 3.091%

Jl. Kopo 19.97 15843.26 15316.66 526.60 3.324% 2270 2164 106.00 4.670%

Jl. Peta 16.52 10790.27 10454.99 335.28 3.107% 1649 1552 97.00 5.882%

Jl. PasirKoja 25.28 41011.78 39634.86 1376.92 3.357% 2476 2313 163.00 6.583%

Jl.

RajawaliTimu

r

15.77 13103.73 12961.44 142.29 1.086% 2327 2277 50.00 2.149%

Jl.

SoekarnoHat

ta

39.40 39801.57 39215.58 585.99 1.472% 2892 2796 96.00 3.320%

Jl.

KiaraCondon

g

21.25 46675.8381

4

46082.059

3

593.78 1.272% 2763 2694 69.00 2.497%

Jl.

SoekarnoHat

ta

33.15 41154.80514

39855.73 1299.07 3.157% 2962 2773 189.00 6.381%

Jl. Raya

Ujung Berung

33.94 31218.9518

8

31009.527

8

209.42 0.671% 1933 1910 23.00 1.190%

8/18/2019 1_2_15309097_berkas


12

Beban emisi juga dipengaruhi oleh kecepatan kendaraan yang melewati ruas tersebut.

Semakin kecil kecapatan, kontribusi beban emisi oleh truk semakin besar. Hal ini dibuktikan olehanalisa statistik menggunakan software IBM SPSS statistic 20 dan dapat dilihat pada Gambar

13.

Dari analisa statistik diperoleh bahwa presentase delta volume yang kecil dan kecepatankendaraan yang tinggi memberikan presentase kontribusi beban emisi truk sangat kecil, dan presentase delta volume yang besar dengan keceapatan kendaraan yang relatif rendah

memberikan presentase kontribusi beban emisi truk yang lebih besar. Hubungan antara

kecepatan dengan presentase kontribusi beban emisi bukan hubungan yang linear.

Gambar 13 Scater plot dan analisa statistik

KESIMPULAN

Proporsi beban emisi akibat truk pengangkut barang adalah 0,047 – 7,344 % atau 3 - 3521gram/jam karbon monoksida. Berdasarkan analisa statistik, hal yang paling mempengaruhi

terhadap beban emisi truk adalah jumlah truk atau ratio truk disuatu ruas jalan, kecepatan rata-

rata juga berpengaruh terhadap beban emisi namun hubungan pengaruhnya tidak diketahui atau

non-linear yang mungkin disebabkan oleh berbagai faktor yang tidak mencakup dari penelitianini.

DAFTAR PUSTAKA

Benson, P. 1989. CALINE 4-A Dispersion Model for Predicting Air Pollutant Concentrations

Near Roadways. California Department of Transportation: Sacramento, CA.

8/18/2019 1_2_15309097_berkas


13

Badan Pengelolaan Lingkungan Hidup Kota Bandung. 2012. Laporan Pemantauan Udara.

Bandung.

Broderick, B.M., U. Budd, B.D. Misstear, D. Ceburnis, and S.G. Jennings. 2005.Validation OfCALINE4 Modelling For Carbon Monoxide Concentrations Under Free-flowing And

Congested Traffic Conditions In Ireland. International Journal of Environment and

Pollution 24.1/2/3/4: 104. Print.Colls, Jeremy. Air pollution. 2002. 2nd ed. London: Spon Press.Eydus, Ya. T., N. D. Zelinsky, K. V. Puzitsky, and N. I. Ershov. 1952. The Catalytic

Hydrocondensation Of Carbon Monoxide With Olefins. Bulletin of the Academy of

Sciences of the USSR Division of Chemical Science 1.1. 157-163. Novianti, Srikandi. 2009. Inventarisasi dan Pemetaan Emisi Oksida Nitrogen dari Sektor

Transportasi. Tugas Akhir Program Studi Teknik Lingkungan , FTSL, ITB.

Nurrokhmah, L. 2010. Pemodelan Konsentrasi Oksida Nitrogen dari Emisi Transportasi pada JalanGatot Subroto dan Jalan Layang Kiaracondong, Bandung dengan menggunakan CALINE4.

Tugas Akhir Program Studi Teknik Lingkungan, FTSL, ITB.

Peters, A & Douglas, W 2001. Increased Particulate Air Pollution and the Triggering ofMyocardial Infarction. Department of Environmental Health, Neuherberg, Germany.

Perkins, Henry C. 1974. Air pollution. New York: McGraw-Hill.

State of California Departement of Transportation Division of New Techology and Research.1989. Caline 4 – A Dispersion Model For Predicting Air Pollutant Concentration Near

Roadways. California.

Utami, Inda Astri. 2012. Pemodelan Dispersi Skala Mikro Konsentrasi PM10 di Udara Ambiendari Sektor Transportasi di Karees, Bandung.

Wark, Kenneth, Cecil Francis Warner, and Wayne T. Davis. 1998. Air pollution: its origin and

control. 3rd ed. Menlo Park, Calif.: Addison-Wesley.

1_2_15309097_berkas

Documents