Teknik Analisis Data 1. Analisis Persepsi Masyarakat Kota Medan Terhadap Sistem

meningkatkan kinerja SF dalam memberikan layanan kepada masyarakat; b Melibatkan masyarakat untuk turut serta memberikan masukan terhadap alternatif teknologi pengelolaan sampah yang dapat digunakan sebagai pemrosesan akhir sampah perkotaan yang berdasarkan aspek-aspek pengelolaan sampah, UUPS, kriteria teknis dan kriteria ekonomis dari alternatif pengelolaan tersebut; c Periotas alternatif teknologi pengelolaan diketahui melalui studi ANP dimana perioritas alternatif teknologi pengelolaan ini selanjutnya dijadikan sebagai submodel teknologi pengelolaan pada Model lingkungan Pengelolaan Sampah Perkotaan MLPSP; d Pengembangan model dilakukan dengan mengacu pada model LCA Life Cycle Anayisis, MCT Multi Criteria Tehnique dan Cost Benefit Analysis CBA. Melalui kinerja dinamis model selanjutnya dianalisis; 5 Kontribusi lingkungan dalam bentuk GRK yang diakibatkan karena tidak adanya penerapan teknologi pengelolaan sampah pada pemrosesan akhir. Dengan penerapan Alternatif teknologi pengelolaan di TPA diharapkan dapat mengurangi kontribusi emisi GRK terhadap lingkungan serta menghasilkan turunan produk yang bersifat income generating yang bersinergi dengan paradigma pengelolaan sampah yang menyatakan sampah sebagai sumber daya ; 6 MLPSP tidak akan menghentikan aktivitas kegiatan SI, serta diharapkan dapat bersinergi dengan aktivitas yang dilaksanakan oleh SI ; 7 aktivitas kegiatan SI yang meningkat bersinergi dengan pengurangan emisi GRK 3.7. Teknik Analisis Data 3.7.1. Analisis Persepsi Masyarakat Kota Medan Terhadap Sistem Pengelolaan Sampah Perkotaan di Kota Medan Persepsi masyarakat kota Medan terhadap sistem pengelolaan sampah di Kota Medan tujuan 1 dielaborasi dengan cara melakukan wawancara berstruktur Nasution, 2003 yang menggunakan kuesioner terhadap sampel penelitian. Universitas Sumatera Utara Paket pertanyaan yang disampaikan kepada responden penelitian merupakan pengembangan paket kuesioner dari penelitian terdahulu yang dilakukan oleh Rahman, 2004 dan Amurwaraharja, 2003. Melalui paket kuesioner tersebut diajukan pertanyaan yang ditujukan untuk menjaring jawaban dari sampel penelitian masyarakat kota Medan terhadap sistem pengelolaan sampah perkotaan di Kota Medan secara umum berdasarkan aspek-aspek pengelolaan sampah perkotaan. Komponen pertanyaan tersebut tercantum pada item pertanyaan: Lampiran 1 1,2,3,4,10,11,12,15,20,22, dan 24. Komponen pertanyaan ini dibobot berdasarkan skala Lickert Lowry 1999 dalam Rahman, 2004 dengan rentang 5=SB sangat baik, 4=B baik, 3=CB cukup baik, 2=TB tidak baik, dan 1= STB sangat tidak baik. Terhadap hasil tabulasi dan pengolahan data dari masing-masing jawaban terhadap pertanyaan yang diajukan kepada responden selanjutnya dilakukan uji : 1. Validitas. Uji ini bertujuan untuk menilai apakah item pertanyaan yang dijadikan sebagai alat ukur dalam penelitian dinyatakan valid untuk menjawab tujuan penelitian. Uji ini dilakukan dengan kriteria nilai Corrected Item – Total Correlation yang merupakan nilai korelasi Product Moment – dari Karl Pearson r hitung nilai r tabel pada taraf signifikan 5. 2. Realibilitas. Uji ini dilakukan untuk mengukur tingkat konsistensi kuesioner yang digunakan pada waktu yang berbeda, melalui uji Cronbachs Alpha Koeffisien Alpha dengan nilai 0.5. Proses uji validitas dan realibilitas ini dilakukan dengan menggunakan perangkat lunak SPSS 13. Lowry, 1999 dalam Rahman 2004; SPSS, 2003. Setelah uji validitas dan realibilitas dilakukan maka tahapan selanjutnya adalah melakukan transformasi skala ordinal Lickert menjadi skala interval dengan menggunakan metode Successive Interval yang diperkenalkan oleh Universitas Sumatera Utara Thurstone Maranell, 2007 sehingga data dapat diperlakukan secara parametrik Santoso, 2006. Adapun langkah-langkah untuk melaksanakan transformasi tersebut adalah Lampiran 7: 1. Masing-masing skor jawaban dalam skala ordinal dihitung frekuensinya. 2. Menghitung proporsi untuk setiap frekuensi skor. 3. Menjumlahkan proporsi secara berurutan untuk setiap respon, sehingga diperoleh nilai proporsi kumulatif. 4. Menentukan nilai Z untuk setiap, dengan asumsi bahwa proporsi kumulatif dianggap mengikuti distribusi normal baku pada setiap item pertanyaan. Hal ini dilakukan dengan bantuan fungsi NORM pada Microsoft Excel. 5. Menghitung nilai densitas dari nilai Z yang diperoleh dengan cara memasukkan nilai Z tersebut ke dalam fungsi densitas normal baku sebagai berikut :      − = 2 z 2 1 exp 2 1 fz π 6. Menghitung Scale Value SV dengan rumus : limit lower under area limit upper under area limit upper at density limit lower at density SV − − = 7. Mengubah Scale Value SV terkecil nilai negatif yang terbesar menjadi sama dengan satu 1. 8. Mentransformasikan nilai skala dengan menggunakan rumus : | SVmin | SV Y + = Langkah selanjutnya adalah melakukan perkalian persentase jumlah responden yang menjawab setiap item pertanyaan dengan skala interval baru yang terdapat pada setiap baris item pertanyaan kuesioner. Hasil yang diperoleh dari hasil perkalian tersebut kemudian dianalisis secara deskriptif. Untuk menegaskan kecenderungan skor rata-rata yang berada pada rentang CUKUP BAIK maka dilakukan uji korelasi bivariate Pearson. Universitas Sumatera Utara 3.7.2. Alternatif Teknologi Pengelolaan Sampah Perkotaan yang Bersinergi dengan Preferensi Masyarakat dan UU No. 18 Tahun 2008 Tentang Pengelolaan Sampah Untuk mengetahui alternatif Teknologi Pengelolaan Sampah Perkotaan yang bersinergi dengan preferensi masyarakat dan UUPS tujuan 2 digunakan metode ANP. Karakteristik struktur tingkatan yang di analisis termasuk karakteristik compelete dikarenakan semua elemen pada suatu tingkatan memiliki hubungan terhadap semua elemen yang ada pada tingkat berikutnya Forman, 2001. Penyusunan tingkatan atau struktur keputusan dilakukan untuk menggambarkan elemen sistem atau alternatif keputusan yang teridentifikasi seperti yang diperlihatkan pada Gambar 3.4 berikut. Gambar 3.4. The Decision Making Hierarchy Dari gambar 3.4 selanjutnya dapat dikembangkan kerangka pendekatan untuk menentukan Teknologi Pengelolaan Sampah Perkotaan yang bersinergi dengan preferensi masyarakat dan UUPS seperti yang dapat dilihat pada Gambar 3.5 berikut. Focus Level A Level B Level C The most general objective of the decision problem Decision Elements More Details Decision Elements Alternatives Universitas Sumatera Utara Gambar 3.5. Kerangka Pendekatan Pemilihan Alternatif Teknologi - ANP Gambar 3.5 memperlihatkan bahwa dengan menggunakan pendekatan ANP maka kerangka pendekatan pemilihan alternatif teknologi dilakukan dengan dengan tetap menggunakan hirarki AHP pada ANP pendekatan ini dilakukan dengan mengembangkan hirarki menjadi klaster: 1 Pemilihan Alternatif Teknologi Pengelolaan; 2 Kriteria Pemilihan Teknologi; 3 Alternatives, namun sebagai tambahan pada kriteria klaster pemilihan teknologi dimasukkan perhitungan matrik berpasangan antar setiap kriteria yang terdapat pada klaster tersebut inner dependence loop seperti yang dapat dilihat pada Gambar 3.6 dan Gambar 3.7 . Gambar 3.6. Kerangka Pendekatan pada sub kriteria Aspek Ekonomi-ANP Universitas Sumatera Utara Gambar 3.7. Kerangka Pendekatan pada sub kriteria Aspek Teknis - ANP Nilai input dari masing-masing klaster Pemilihan Teknologi yaitu nilai dari Aspek Lingkungan, Aspek Sosial, Aspek Ekonomi, Aspek Kelembagaan , Aspek Kebijakan serta Aspek Teknis diperoleh dari hasil jawaban sampel penelitian terhadap item pertanyaan yang berkaitan dengan alternatif teknologi pengelolaan sampah perkotaan yang berlandaskan aspek-aspek pengelolaan sampah perkotaan Lampiran 1 yang terdiri atas komponen pertanyaan : 5,6,7,8,9,13,1416,17,18,19,21,23,25,26,27,28 diberi bobot berdasarkan skala kuantitatif Saaty dengan nilai : 9 = SS; 7 = S; 5 = CS; 3 = TS dan 1 = STS Saaty, 1990 dalam Sudarsono, 2004. Nilai jawaban yang telah dibobot selanjutnya akan melewati uji validitas dan realibitasnya dengan menggunakan SPPS 13 Lowry, 1999 dalam Rahman 2004; SPSS, 2003. Pada kriteria Aspek Ekonomi ditambahkan sub kriteria Level B yang terdiri dari Biaya Konstruksi dan Biaya Operasional, sedangkan pada kriteria Aspek Teknis ditambahkan sub kriteria yang terdiri dari Kapasitas Pengelolaan dan Waktu Perencanaan. Sub kriteria tersebut merupakan abstraksi dari spesifikasi teknis dari setiap alternatif teknologi pengelolaan sampah perkotaan Mclanaghan,2002; Klein, 2002; Münnich et al, 2006; Last, 2008, Economopoulos,2009. Universitas Sumatera Utara Tabel 3.5. Rangkuman Spesifkasi Teknis Alternatif Teknologi Pengelolaan Sampah Perkotaan. Teknologi Kapasitas Pabrik ktonthn Biaya Konstruksi Milyar Rp. Biaya operasional rupiah Perencanaan hingga Selesai bulan Composting Windrow 50 33,865 85.500 33 In-vessel 20 43,750 115.750 50 103,244 164.500 Anaerobic Digestion Separate digestion dry 10 59,516 73.150 16 20 77,799 186.650 Co-digestion, wet 31 71,415 73.108 45 157,251 146.215 Bio-Mechanical Treatment 50 147,360 146.215 60 146,445 146.215 100 247,126 198.000 120 292,890 198.000 24 200 311,196 198.000 220 457,641 198.000 Mass-burn Incineration 50 292,890 275000 54 100 512,558 275000 150 750,532 275000 200 860,366 275000 400 1.592,592 275000 Pyrolysis Gasification 400 1.807,589 277200 21 bulan MRF 150 77,827 249,350 18 Bulan Sumber : Kompilasi Literatur McLanaghan, 2002; Last, 2008; Münnich,2006 ;Klein 2002 Keterangan : = Rata-Rata Hasil tabulasi matriks berpasangan seluruh kriteria pemilihan teknologi tersebut selanjutnya diolah dengan menggunakan perangkat lunak Super Decissions. Urutan 3 besar dari prioritas alternatif teknologi pengelolaan sampah yang diketahui melalui studi ini selanjutnya menjadi Universitas Sumatera Utara bagian dari submodel teknologi pengelolaan pada pengembangan model lingkungan pengelolaan sampah perkotaan. 3.7.3. Model dan Analisis Kontribusi Sampah Perkotaan yang Dikelola oleh Sektor Formal dan Sektor Informal Terhadap Lingkungan. Untuk membangun model dan menganalisis kontribusi sampah perkotaan yang dikelola oleh SF dan SI terhadap lingkungan, tujuan 3 digunakan pendekatan sistem dinamis yang didasarkan atas kondisi faktual yang terjadi di Kota Medan. Data aktual tersebut selanjutnya dikombinasikan dengan studi literatur yang berkaitan dengan teknologi pengelolaan, koversi sampah daur ulang, biaya teknologi, analisis material balance dari setiap alternatif teknologi pengelolaan. Tasrif 2005 menyebutkan bahwa kriteria yang tepat untuk dimodelkan dengan menggunanakan sistem dinamis harus memiliki sifat : 1 mempunyai sifat dinamis berubah terhadap waktu; 2 mengandung minimal satu struktur umpan balik. Lebih lanjut Shusil 1993 dalam Handoko, 2009 menyebutkan bahwa ada 6 tahapan Gambar 3.8 yang dapat dilakukan oleh pendekatan sistem dinamis. Namun pada studi ini hal tersebut dilakukan sampai pada tahapan ke 5 yaitu analisis kebijakan dan pengembangan skenario sedangkan tahapan ke 6 implementasi kebijakan tidak dilakukan. Unsur–unsur sistem dinamis yang dimiliki oleh model terdiri atas: a. Feedback loops: elemen struktural utama dari suatu sistem. Ada dua jenis feedback yakni positif dan negatif. b. Variabel level dan rate: Level adalah akumulasi dari sistem pada waktu tertentu, sedangkan rate adalah aliran masukan dan keluaran yang mengatur kuantitas dalam level. Variabel lain yang tersedia di Powersim adalah auxiliary dan constant Davidson, 2000. Rate sendiri adalah auxiliary yang langsung mengontrol level. Universitas Sumatera Utara c. Close-loop: Sistem yang dijadikan model adalah sebagai sistem lingkaran tertutup. d. Rate mengontrol kebijakan: perilaku sistem hanya dapat dikontrol oleh rate. Gambar 3.8. Tahapan Pengembangan Model Analisis Masalah Diagram Cau Loop Pengembangan Skenario Analisis kebijakanPerbaikan TAHAP 5 PENGEMBANGAN SKENARIO DAN ANALISIS KEBIJAKANPERBAIKAN RUA NG LING KUP STUD I PEM ODEL AN Universitas Sumatera Utara Tahapan awal dalam membangun model adalah identifikasi sistem. Pada studi ini sistem yang terlibat dalam model Model Lingkungan Pengelolaan Sampah Perkotaan bersumber dari jumlah timbulan sampah masyarakat kota Medan. Adapun subsistem yang diidentifikasi memiliki keterkaitan yang erat pada model yang dikembangkan terdiri dari : 1 subsistem timbulan sampah kota Medan; 2 subsistem pengelolaan SP; 3 subsistem sampah daur ulang; 4 subsistem teknologi pengelelolaan; 5 subsistem lingkungan, seperti yang disajikan pada Tabel 3.6 . Tabel 3.6. Subsistem Model Lingkungan Pengelolaan Sampah Perkotaan No Subsistem Parameter Jenis Data Primer Sekunder 1 Timbulan Sampah Data Kependudukan BPSKM,2008 Laju pertumbuhan penduduk BPSKM,2008 Timbulan sampah per orang DKKM 2010 KNLH ,2008, Commuter per hari BPSKM,2008 Komposisi Sampah DKKM,KNLH, Zulfi, 2000. 2 Pengelolaan Sampah Daya Angkut Sampah DKKM 2009 DKKM,2009 Komposisi Sampah Perkotaan KNLH,2008 DKKM,2009 3 Sampah Daur Ulang Jenis sampah daur ulang Pemulung pengumpul sampah Berat sampah daur ulang Pemulung pengumpul sampah Universitas Sumatera Utara No Subsistem Parameter Jenis Data Primer Sekunder Harga jual pemulung Pemulung sampah Harga beli pengumpul Pengumpul sampah Harga jual pengumpul pengumpul sampah 4 Teknologi Pengelolaan dan Lingkungan Nilai konversi sampah ke CO 2 USEPA,2006 Jenis Teknologi MRF Fasilitas Daur Ulang Mclanaghan 2002; Last 2008; EU, 2006, Econompolus, 2009; Klein, 2002 Biaya Kapasitas Teknologi s.d.a Biaya Operasional Teknologi s.d.a Analisis Material Balance s.d.a Nilai tukar mata uang 1 £ = Rp. 15.625 Rata- rata nilai Tukar Tahun 2001-Tahun 2009 BI Konversi UNIT USEPA, 2006 Tahapan selanjutnya adalah mendeklarasikan hubungan antara setiap subsistem yang telah diidentifikasi kedalam bentuk diagram lingkar sebab- akibat causal loop diagram. Diagram tersebut merupakan pengungkapan interaksi antara komponen di dalam sistem yang saling berinteraksi dan mempengaruhi dalam kinerja sistem seperti yang disajikan pada Gambar 3.9 . Universitas Sumatera Utara Gambar 3.9. Diagram sebab-akibat causal-loop diagram SPSP Setelah interaksi antara subsistem diketahui maka langkah selanjutnya adalah menjabarkan diagram alir dari setiap subsistem tersebut menjadi submodel yang menjadi bagian dari Model Lingkungan Pengelolaan Sampah Perkotaan. Adapun submodel dari Model Lingkungan Pengelolaan Sampah Perkotaan terdiri dari :

1. Submodel Jumlah Timbulan Sampah

Untuk mengetahui jumlah timbulan SP per hari yang dihasilkan oleh penduduk kota Medan, terlebih dahulu dibangun model laju pertumbuhan penduduk. Submodel ini merupakan submodel dasar based submodel dari keseluruhan MLPSP. Hal ini disebabkan karena jumlah SP yang dikelola adalah jumlah sampah yang dihasilkan oleh penduduk perkotaan dari berbagai aktifitas kegiatannya. Gambar 3.10 memperlihatkan laju pertumbuhan penduduk tahun n yang dapat disesuaikan dengan waktu simulasi. p e n d u d u k la j u ke la h ira n la j u ke ma t ia n co mmu t e r la j u t imb u la n sa mp a h sa mp a h + + lin g ku n g a n a n o rg a n ik SF o rg a n ik t p a N U - G R K + + + + - + fra ksi sa mp a h t e ra n g ku t SI a n o rg a n ik o rg a n ik fra ksi sa mp a h t e ra n g ku t SF - - + - + - - - - + + + + + - + + + + Universitas Sumatera Utara Gambar 3.10. Diagram Alir Laju pertumbuhan penduduk Persamaan matematis dari Gambar 3.10 disajikan pada Tabel 3.7 berikut ini. Tabel 3.7. Persamaan Matematis Laju Pertumbuhan Penduduk Variabel Satua n Definisi laju pertumbuhan penduduk thn 1,28 kenaikan laju pertumbuhan penduduk thn 0,1 laju kematian penduduk thn 0,63 kematian penduduk thn -0,5 pertambahan commuter thn 0,5 rate laju pertumbuhan penduduk jiwa Akumulasi pertum pddk pd thn n_kenaikan laju pertum pddk per thn365,24 rate laju kematian penduduk jiwa _kenaikan laju kem pddk per thnlaju kem pddk per thn365,24 rate laju pertumbuhan commuter jiwa Akumulasi commuter per hr pada thn n_pertambahan commuter per thn365,24 Akumulasi pertum pddk pd thn n jiwa dt laju pertumbuhan penduduk Akumulasi commuter per hr pada thn n jiwa dt commuter per hari la j u p e rt u m p d d k p e r t a h u n la j u ke m p _ ke n a ika n la j u p e rt u m p d d k p e r t h n _ p e rt a mb a h a n co mmu t e r p e r t h n Aku mu la si p e rt u m p d d k p d t h n n ra t e la j u p e rt u m p d d k p e r t h n ra t e 1 , 2 8 0 , 6 3 0 , 1 0 0 , 5 0 Universitas Sumatera Utara Gambar 3.10 memperlihatkan bahwa dalam melakukan perhitungan jumlah penduduk yang merupakan produsen SP juga diikutsertakan jumlah commuters yang datang ke kota Medan setiap harinya. Adapun asumsi yang digunakan untuk laju pertambahan commuter per tahun yang datang ke kota Medan adalah sebesar 0,5 per tahun, sedangkan laju kenaikan laju pertumbuhan penduduk diasumsikan 0,10 tahun dan persentase kenaikan laju kematian penduduk diasumsikan sebesar -0,5 per tahun. Kinerja Dinamis yang diperoleh dari submodel laju pertumbuhan penduduk tersebut selanjutnya digunakan untuk menghitung jumlah penduduk pada rentang waktu simulasi yang direncanakan. Diagram alir jumlah penduduk pada rentang waktu simulasi dapat dilihat pada Gambar 3.11. Gambar 3.11. Diagram Alir Jumlah Penduduk Persamaan matematis dari Gambar 3.11 disajikan pada Tabel 3.8 berikut ini. Tabel 3.8. Persamaan Matematis Jumlah Penduduk Variabel Satuan Definisi Akumulasi pertum pddk pd thn n jiwa dt laju pertumbuhan penduduk penduduk awal simulasi jiwa 2006142 rate laju penduduk jiwa Akumulasi pddk per hr pada tahun nAkumulasi pertum pddk pd thn n365,24 Akumulasi pddk per hr pada jiwa dt rate laju penduduk + penduduk awal Universitas Sumatera Utara Variabel Satuan Definisi tahun n simulasi Akumulasi commuter per hr pada thn n jiwa dt commuter per hari akumulasi pddk commuter pr hr pd thn n jiwa Akumulasi commuter per hr pada thn n+Akumulasi pddk per hr pada tahun n Untuk dapat mengetahui jumlah sampah yang dihasilkan oleh penduduk kota Medan setiap harinya maka selanjutnya dibangun model laju pertumbuhan sampah berdasarkan komposisinya serta laju timbulan sampah per orang perhari seperti yang disajikan pada Gambar 3.12 . Gambar 3.12. Diagram Alir Laju Timbulan Sampah Persamaan matematis dari Gambar 3.12 disajikan pada Tabel 3.9 berikut ini. Tabel 3.9. Persamaan Matematis Laju Timbulan Sampah Variabel Satuan Definisi jlh timbulan sampah per org per hr kghr 0,6 kenaikan jlh timbulan sampah per org per hr 0,1 rate kenaikan timbulan sampah per org per hr jiwa kenaikan jlh timbulan sampah per org per hrakumulasi timbulan sampah per org per hr pd thn n365,24 Universitas Sumatera Utara Variabel Satuan Definisi akumulasi timbulan sampah per org per hr pd thn n kghr dt rate kenaikan timbulan sampah per org per hr +jlh timbulan sampah per org per hr kenaikan sampah organik pertahun -4,447 rasio sampah organik 68,8 rasio sampah anorganik 31,20 rate kenaikan sampah organik kenaikan sampah organik pertahunakumulasi rasio sampah organik per hr pd thn n365,24 akumulasi rasio sampah organik per hr pd thn n dt rate kenaikan sampah organik + rasio sampah organik rasio sampah anorganik per hr pd thn n 100 -akumulasi rasio sampah organik per hr pd thn n

2. Submodel Pengelolaan Sampah

Submodel pengelolaan SP merupakan submodel yang berkaitan dengan : 1 kemampuan daya angkut SP yang dilaksanakan DKKM SF Diagram alir yang menggambarkan Subsistem pengelolaan sampah yang dilakukan oleh SF dapat dilihat pada Gambar 3.13 . Diagram ini berguna untuk dapat mengetahui seberapa besar perubahan yang dapat terjadi terhadap sistem apabila DKKM dapat meningkatkan kapasitas daya angkut sampah perkotaan Kota Medan ke TPA. Gambar 3.13. Diagram Alir Daya Angkut Sampah SF Persamaan matematis dari Gambar 3.13 disajikan pada Tabel 3.10 berikut ini. Universitas Sumatera Utara Tabel 3.10. Persamaan Matematis Daya Angkut Sampah Variabel Satuan Definisi daya angkut sampah SF 67,8 pertumbuhan daya angkut SF per thn -2,7677 rate pertumbuhan daya angkut sampah SF jiwa Akumulasi daya angkut DKKM per hr pd thn n pertumbuhan daya angkut SF per thn365,24 Akumulasi daya angkut DKKM per hr pd thn n dt rate pertumbuhan daya angkut sampah SF + daya angkut sampah SF

3. Submodel Sampah Daur Ulang

Sampah daur ulang merupakan submodel dimana para pelakunya terdiri dari pemulung dan pengumpul sampah. Pada submodel ini terdapat subsistem : 1 pertumbuhan jumlah pengumpul sampah; 2 rata-rata berat SDU pada pengumpul sampah; 3 komposisi dan berat SDU pada tahun n; 4 harga beli pengumpul sampah; 5 harga jual pengumpul. Dari kelima parameter selanjutnya dibangun submodel untuk sampah daur ulang yang dapat memberikan gambaran seberapa besar peran SI dalam mengelola SP di Kota Medan. Diagram alir submodel sampah daur ulang tesebut dapat dilihat pada Gambar 3.14 sampai dengan Gambar 3.18 . Gambar 3.14. Diagram Alir Pertumbuhan Pengumpul Sampah Persamaan matematis dari Gambar 3.14 disajikan pada Tabel 3.11 berikut ini. Universitas Sumatera Utara Tabel 3.11. Persamaan Matematis Daya Angkut Sampah SF Variabel Satuan Definisi Pengumpul Sampah tahun 2004 usaha 36 pertumbuhan pengumpul sampah per thn 5 rate pertumbuhan pengumpul sampah Akumulasi Pengumpul Sampah per hr pada thn n pertumbuhan pengumpul sampah per thn365,24 Akumulasi Pengumpul Sampah per hr pada thn n usaha dt rate pertumbuhan pengumpul sampah + Pengumpul Sampah tahun 2004 Gambar 3.15. Diagram Alir Berat Rata-rata SDU Pada Pengumpul Sampah Persamaan matematis dari Gambar 3.15 disajikan pada Tabel 3.12 berikut ini. Tabel 3.12. Persamaan Matematis Berat Rata-rata SDU Pada Pengumpul Sampah Variabel Satuan Definisi pertumbuhan SDU 1 rate berat SDU T pertumbuhan SDUAkumulasi Berat SDU perhari pada thn n365,24 Universitas Sumatera Utara Variabel Satuan Definisi Akumulasi Berat SDU perhari pada thn n T dt rate berat SDU + brt alumunium+brt atom+brt kaca+brt karton+brt karung+brt kertas+brt kuningan+brt metal+brt plastik+brt_btol kaca brt kertas T 0,36 brt metal T 1,2 brt atom T 1,2 brt_btol kaca T 0,38 brt kuningan T 0,01 brt karton T 0,62 brt plastik T 0,6 brt kaca T 0,22 brt alumunium T 0,05 brt karung T 0,74 Gambar 3.16. Diagram Alir Komposisi dan berat SDU Persamaan matematis dari Gambar 3.16 disajikan pada Tabel 3.13 berikut ini. Universitas Sumatera Utara Tabel 3.13. Persamaan Matematis Berat Rata-rata SDU Pada Pengumpul Sampah Variabel Satuan Definisi kertas 7,81 karton 11,8 metal 20,04 plastik 11,3 atom 22,61 kaca 4,53 btol kaca 7,04 alumunium 1,11 karung 13,28 kuningan 0,16 brt_kertas Ton kertasAkumulasi Berat SDU perhari pada thn n brt_karton Ton kartonAkumulasi Berat SDU perhari pada thn n brt_metal Ton metalAkumulasi Berat SDU perhari pada thn n brt_ plastik Ton plastikAkumulasi Berat SDU perhari pada thn n brt_atom Ton atomAkumulasi Berat SDU perhari pada thn n brt_kaca Ton kacaAkumulasi Berat SDU perhari pada thn n brt_btol kaca Ton btol kacaAkumulasi Berat SDU perhari pada thn n brt_alumunium Ton alumuniumAkumulasi Berat SDU perhari pada thn n brt_karung Ton karungAkumulasi Berat SDU perhari pada thn n brt_kuningan Ton kuninganAkumulasi Berat SDU perhari pada thn n Akumulasi Berat SDU perhari pada thn n Ton dt rate berat SDU + brt alumunium+brt atom+brt kaca+brt karton+brt karung+brt kertas+brt kuningan+brt metal+brt plastik+brt_btol kaca Universitas Sumatera Utara Gambar 3.17. Diagram Alir Harga Beli SDU Persamaan matematis dari Gambar 3.17 disajikan pada Tabel 3.14 Tabel 3.14. Persamaan Matematis Harga Beli SDU Variabel Satuan Definisi hj metal Rpkg 2910 hj kertas Rpkg 680 hj atom Rpkg 3400 hj alumunium Rpkg 9800 hj kuningan Rpkg 28000 hj karton Rpkg 820 hj plastik Rpkg 2150 hj btol kaca Rpkg 680 hj kaca Rpkg 200 hj karung Rpkg 920 Total Pembelian Pengumpul per hr pd thn n Rp brt1 alumuniumhj alumunium+brt1 atomhj atom+brt1 brt kacahj kaca+brt1 btol kacahj btol kaca+brt1 kartonhj karton+brt1 karunghj karung+brt1 kertashj kertas+brt1 kuninganhj kuningan+brt1 metalhj metal+brt1 plastikhj plastik1000 Universitas Sumatera Utara Gambar 3.18. Diagram Alir Harga Jual SDU Persamaan matematis dari Gambar 3.18 disajikan pada Tabel 3.15 berikut ini. Tabel 3.15. Persamaan Matematis Harga Jual SDU Variabel Satuan Definisi hj1 metal Rpkg 2910 hj1 kertas Rpkg 680 hj1 atom Rpkg 3400 hj1 alumunium Rpkg 9800 hj1 kuningan Rpkg 28000 hj1 karton Rpkg 820 hj1 plastik Rpkg 2150 hj1 btol kaca Rpkg 680 hj1 kaca Rpkg 200 hj1 karung Rpkg 920 Total Penjualan Pengumpul per_hr pd thn n Rp brt1 alumuniumhj1 alumunium+brt1 atomhj1 atom+brt1 brt kacahj1 kaca+brt1 btol kacahj1 btol kaca+brt1 kartonhj1 karton+brt1 karunghj1 karung+brt1 kertashj1 kertas+brt1 kuninganhj1 kuningan+brt1 metalhj1 metal+brt1 plastikhj1 plastik1000 Universitas Sumatera Utara Kompilasi submodel timbulan sampah, submodel pengelolaan sampah perkotaan dan submodel sampah daur ulang selanjutnya menghasilkan submodel jumlah sampah terangkut ke TPA seperti yang disajikan pada Gambar 3.19 . Gambar 3.19. Diagram Alir Submodel Jumlah Sampah terangkut ke TPA Persamaan matematis dari Gambar 3.19 disajikan pada Tabel 3.16 berikut ini. Tabel 3.16. Persamaan Matematis Jumlah Sampah terangkut ke TPA Variabel Satuan Definisi akumulasi timbulan sampah per org per hr pd thn n kghari dt jlh timbulan sampah per org per hr akumulasi pddk commuter pr hr pd thn n jiwa dt Akumulasi commuter per hr pada thn n+Akumulasi pddk per hr pada tahun n Universitas Sumatera Utara Variabel Satuan Definisi total SP per hr kghr akumulasi pddk commuter pr hr pd thn nakumulasi timbulan sampah per org per hr pd thn n akumulasi rasio sampah organik per hr pd thn n dt rasio sampah organik rasio sampah anorganik per hr pd thn n 1-dt akumulasi rasio sampah organik per hr pd thn n berat sa per hr pd thn n kghr rasio sampah anorganik per hr pd thn ntotal SP per hr berat so per hr pd thn n kghr akumulasi rasio sampah organik per hr pd thn ntotal SP per hr Akumulasi Berat SDU perhari pada thn n kghr dtbrt alumunium+brt atom+brt kaca+brt karton+brt karung+brt kertas+brt kuningan+brt metal+brt plastik+brt_btol kaca Akumulasi Pengumpul Sampah per hr pada thn n kghr dt Pengumpul Sampah tahun 2004 Aktifitas SI kghr Akumulasi Berat SDU perhari pada thn nAkumulasi Pengumpul Sampah per hr pada thn n sisa sa DKKM per hr pd thn n kghr berat sa per hr pd thn n-Aktifitas SI berat so terangkut per hr pada thn n kghr berat so per hr pd thn nAkumulasi daya angkut DKKM per hr pd thn n berat sa terangkut per hr pada thn n kghr Akumulasi daya angkut DKKM per hr pd thn nsisa sa DKKM per hr pd thn n Akumulasi daya angkut DKKM per hr pd thn n kghr dt daya angkut sampah SF berat so terangkut per hr pada thn n kghr berat so per hr pd thn nAkumulasi daya angkut DKKM per hr pd thn n berat so tertinggal per hr pada thn n kghr berat so per hr pd thn n-berat so terangkut per hr pada thn n berat sa tertinggal per hr pada thn n kghr berat sa per hr pd thn n-berat sa terangkut per hr pada thn n-Aktifitas SI total berat sampah tertinggal per hari DKKM kghr berat sa tertinggal per hr pada thn n+berat so tertinggal per hr pada thn n total berat sampah per hari terangkut DKKM kghr berat sa terangkut per hr pada thn n+berat so terangkut per hr pada thn n total berat sampah per hari Kota Medan penghasil GRK kghr total berat sampah per hari terangkut DKKM+total berat sampah tertinggal per hari DKKM satuan waktu simulasi 365,24 total berat SP Kota Medan per tahun Tonth total berat sampah per hari Kota Medan penghasil GRKsatuan waktu simulasi Universitas Sumatera Utara

4. Submodel Teknologi Pengelolaan dan Lingkungan

a. Submodel Teknologi Pengelolaan. Sub model ini merupakan submodel yang dikembangkan dengan menggunakan prioritas alternatif teknologi pengelolaan yang bersinergi dengan preferensi masyarakat dan UUPS tujuan 2 yang diperoleh melalui studi ANP. Gambar 3.20 berikut menyajikan diagram alir Submodel Teknologi Pengelolaan yang diperoleh dari hasil studi ANP. Gambar 3.20. Diagram Alir Submodel Alternatif Teknologi Pengelolaan Adapun parameter-parameter yang menjadi bagian dari submodel ini terdiri dari : 1 Biaya Konstruksi dan Operasional, 2 Analisis Material Balance. Melalui submodel ini selanjutnya diketahui nilai kontribusi lingkungan dalam bentuk GRK serta nilai ekonomis dari setiap alternatif teknologi pengelolaan. Nilai ekonomis dari alternatif teknologi pengelolaan yang terdiri atas : 1 komponen pengeluaran dan 2 komponen pendapatan. Dari kedua komponen tersebut selanjutnya diketahui nilai : 1 Benefit Cost Ratio BCR yang merupakan perbandingan antara total komponen pendapatan dengan Universitas Sumatera Utara total biaya pengelolaan 2 Return of Investment ROI yang merupakan perbandingan antara net benefit dengan total biaya pengelolaan dan 3 Break Even Point BEP yang merupakan titik impas dari setiap alternatif teknologi pengelolaan. b. Submodel lingkungan merupakan submodel yang dikembangkan untuk mengakomodir kontribusi lingkungan dalam bentuk GRK yang dihasilkan dari SP. Hal ini disebabkan karena timbulan SP telah terbukti memberikan kontribusi terhadap GRK sebagai akibat proses pembusukan yang dialaminya. Selain itu juga dapat diketahui kontribusi GRK dari aktifitas SI yang melakukan pengelolaan SDU di kota Medan. Adapun pengembangan submodel lingkungan terdiri atas submodel lingkungan dengan penerapan skenario tanpa adanya teknologi pengelolaan dan dengan penerapan skenario adanya teknologi pengelolaan terhadap sistem pengelolaan sampah perkotaan di Kota Medan. Gambar 3.21 menyajikan diagram alir submodel lingkungan tanpa adanya teknologi pengelolaan yang diterapkan pada pemrosesan akhir sampah perkotaan di Kota Medan. Gambar 3.21. Diagram Alir Kontribusi Lingkungan Tanpa Adanya Teknologi Pengelolaan Konv e r si Sa m pa h O r ga nik k e GRK Universitas Sumatera Utara Persamaan matematis dari Gambar 3.21 disajikan pada Tabel 3.17 berikut ini.. Tabel 3.17. Persamaan Matematis Kontribusi Lingkungan Tanpa Adanya Teknologi Pengelolaan Variabel Satuan Definisi konversi mixorganic dilandfill per ton 0,12 total SP penghasil GRK_S1_thn Tonth total SA penghasil GRK_S1+total SO penghasil GRK_S1 GRK_SP_S1M0 Tonth konversi mixorganic dilandfill per tontotal SP penghasil GRK_S1_thn konversi mix sdu di daur ulang per ton net GRK_S1M0 SI konversi mix sdu di daur ulang per ton -0,79 Aktifitas_SI_penghasil GRK_S1 Tonth Aktifitas SI365,24 konversi MTCE ke Liter 1201,23 eq_jlh komsumsi minyak net GRK_S1M0 Liter GRK SDU_S1M0konversi MTCE ke Liter eq_jlh komsumsi minyak net GRK_S1M0SI Liter GRK SDU_S1M0konversi MTCE ke Liter GRK SDU_S1M0 MTCE konversi mix sdu di daur ulang per tonAktifitas_SI_penghasil GRK_S1 net GRK_S1M0 MTCE GRK_SP_S1M0 net GRK_S1M0 SI MTCE net GRK_S1M0+GRK SDU_S1M0 akumulasi rasio sampah organik per hr pd thn n kenaikan sampah organik pertahunakumulasi rasio sampah organik per hr pd thn n365,24 sampah terdekomposisi Tonhr Pada submodel ini nilai konversi GRK yang dihasilkan oleh SP terdiri atas: 1 Nilai Konversi sampah organik dan 2 nilai konversi sampah anorganik Lampiran 12. Kalkulasi jumlah sampah terdekomposisi secara alami mengacu pada dekomposisi sampah di TPA seperti yang tertera pada model First Order of Decay IPCC, 2006 : Universitas Sumatera Utara 1 DDOCm 1 k T T e DDOCma decomp − − − = dimana : DDOCm decomp T DDOCma = akumulasi sampah di TPA pada tahun T T-1 k = konstanta reaksi 0,065 - default value bulkwaste = jumlah sampah yang terdekomposisi pada tahun T Melalui submodel tersebut diketahui jumlah kontribusi GRK yang dihasilkan dari SP perkotaan serta ekivalen nilai GRK tersebut terhadap pengurangan ataupun penambahan konsumsi bahan bakar minyak. Submodel lingkungan merupakan submodel terakhir yang menjadi bagian dari pengembangan model lingkungan pengelolaan sampah perkotaan.

5. Skenario Model

Terhadap model yang dikembangkan selanjutnya diterapkan skenario terhadap yang terdiri atas:

a. Tanpa Adanya Alternatif Teknologi Pengelolaan