PEMODELAN KONTRIBUSI KENDARAAN PENGANGKU docx

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 40132
1
darilandrean@yahoo.com dan 2driejana@yahoo.com
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 sensitif
terhadap 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 dipilih
dengan 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 pencemaran
lingkungannya. Penilitan ini bertujuan untuk menghitung kontribusi truk terhadap konsentrasi karbon monoksida di
udara ambien. Digunakan program CALINE4 untuk menghitung konsentrasi karbon monoksida maupun untuk
mengetahui 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 semakin
tinggi 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 sibuk
siang, 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 which
harmful 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 most
optimum 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 carbon
monoxide in ambient air. CALINE4 programs is used to calculate concentrations carbon monoxide as well as to
determine 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 higher
contribution of its carbon monoxide too. Moreover, velocity is also the important var iable. The less velocity of truck,
the more percentage of its contribution. This result research will be recomended to research of determine optimal
route seen by economic and environment aspect.
Key words : Goods Vehicla, Optimum Route, Emission Inventory, Gaussian Model, Air Pollution

1

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 CO 2, CO, NOx, SO2, PM10 dapat di
emisikan 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 keterlambatan
dan/atau kedatangan lebih awal. Penelitian tersebut diatas menambahkan indikator lingkungan
yang 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. CALINE4
adalah program untuk memodelkan dispersi emisi udara dari sumber garis yang dikembangkan
oleh California Departemen of Transportation (Caltrans). Progam ini menggunakan persamaan
distribusi 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 NO x, 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, faktor
emisi 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 dari
dinas 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.

2

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 dapat

mengeluarkan 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

3

Studi Literatur
Tahap ini bertujuan untuk mengumpulkan segala literatur yang berhubungan untuk dapat
menjadi 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 dari

Persamaan (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 dengan
Caltrans (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 dan
kecepatan 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 diambil

dari 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.
4

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 faktor
emisi 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 memiliki
teknologi mesin tercanggih adalah Euro II yang mulai diberlakukan pada tahun 2005 melalui
Keputusan 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 menurut
teknologi 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, arteri
sekunder, 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.

5

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 sekunder

3

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

24

Jl. Peta

Arteri sekunder

25

Jl. PasirKoja

Arteri sekunder

Sekunder
10

Jl. Jakarta

Kolektor
Sekunder

11

Jl. 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

6

HASIL DAN PEMBAHASAN
Setelah melakukan permodelan dengan CALINE4, diperoleh hasil permodelan berupa peta
dengan 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 kota
Bandung 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 signikan
dikarenakan 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.

7

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

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 atau
dengan 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 - 3521
gram/jam karbon monoksida. Berdasarkan analisa statistik, hal yang paling mempengaruhi
terhadap beban emisi truk adalah jumlah truk atau ratio truk disuatu ruas jalan, kecepatan ratarata juga berpengaruh terhadap beban emisi namun hubungan pengaruhnya tidak diketahui atau

9

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 konsekuensi
logisnya 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

10

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)

delta
volume
kendaraan
(volume/ja
m)

persentas
e delta
volume
kendaraa
n

2796
2095
2902
1044
1154
2530

Total
volume
kendaraan
(volume/ja
m) tanpa
truk
2791
2031
2863
1040
1145
2469

Jl. Asia Afrika
Jl. BKR
Jl. BuahBatu
Jl. Otista
Jl. Otista
Jl.
PelajarPejua
ng 45
Jl.
SoekarnoHat
ta
Jl. Abd.
RadenSaleh
Jl.
Cihampelas
Jl. Ir. Haji
Juanda
Jl. Merdeka
Jl. Pajajaran
Jl. Pasteur
Jl. PasirKaliki
Jl. A. Yani
Jl.
Diponegoro
Jl. Jakarta
Jl. PHA
Mustofa
Jl. R.E
Martadinata
Jl. Surapati
Jl. Jend.
Sudirman
Jl. Jend.
Sudirman
Jl. Kopo
Jl. Peta
Jl. PasirKoja
Jl.
RajawaliTimu
r
Jl.
SoekarnoHat
ta
Jl.
KiaraCondon
g
Jl.
SoekarnoHat
ta
Jl. Raya
Ujung Berung

46.83
37.57
19.14
19.10
30.65
32.61

5644.12
19420.72
38370.11
3808.79
2976.97
11275.88

5641.48
19174.61
38040.98
3802.78
2968.02
11160.60

2.64
246.11
329.13
6.01
8.95
115.28

0.047%
1.267%
0.858%
0.158%
0.301%
1.022%

4.97
64.00
39.00
4.00
9.00
61.00

0.178%
3.055%
1.344%
0.383%
0.780%
2.411%

47.67

122764.31

121648.92

1115.39

0.909%

4549

4402

147.00

3.231%

37.89

6222.27

6158.58

63.69

1.024%

1413

1375

38.00

2.689%

20.32

11665.94

11580.17

85.77

0.735%

1666

1635

31.00

1.861%

46.62

6359.61

6354.60

5.01

0.079%

1451

1446

4.82

0.332%

29.76
17.47
43.77
23.10
31.16
35.01

8166.26
9015.41
15780.36
14762.02
31006.23
31000.81

8155.59
8955.50
15512.65
14681.63
30714.46
30786.65

10.67
59.91
267.70
80.39
291.77
214.16

0.131%
0.665%
1.696%
0.545%
0.941%
0.691%

2163
1578
3346
1963
1890
3010

2154
1544
3242
1926
1848
2959

9.00
34.00
104.00
37.00
42.00
51.00

0.416%
2.155%
3.108%
1.885%
2.222%
1.694%

18.68
33.96

52737.12
16773.61

52348.99
16658.78

388.13
114.83

0.736%
0.685%

3829
2678

3760
2641

69.00
37.00

1.802%
1.382%

25.28

3563.32

3555.45

7.87

0.221%

809

804

5.00

0.618%

35.00
27.83

26131.87
5400.52

25831.15
5382.49

300.72
18.03

1.151%
0.334%

2546
1167

2491
1156

55.00
11.00

2.160%
0.943%

13.72

8588.14

8404.18

183.96

2.142%

1650

1599

51.00

3.091%

19.97
16.52
25.28
15.77

15843.26
10790.27
41011.78
13103.73

15316.66
10454.99
39634.86
12961.44

526.60
335.28
1376.92
142.29

3.324%
3.107%
3.357%
1.086%

2270
1649
2476
2327

2164
1552
2313
2277

106.00
97.00
163.00
50.00

4.670%
5.882%
6.583%
2.149%

39.40

39801.57

39215.58

585.99

1.472%

2892

2796

96.00

3.320%

21.25

46675.8381
4

46082.059
3

593.78

1.272%

2763

2694

69.00

2.497%

33.15

41154.8051
4

39855.73

1299.07

3.157%

2962

2773

189.00

6.381%

33.94

31218.9518
8

31009.527
8

209.42

0.671%

1933

1910

23.00

1.190%

11

Beban emisi juga dipengaruhi oleh kecepatan kendaraan yang melewati ruas tersebut.
Semakin kecil kecapatan, kontribusi beban emisi oleh truk semakin besar. Hal ini dibuktikan oleh
analisa statistik menggunakan software IBM SPSS statistic 20 dan dapat dilihat pada Gambar
13.
Dari analisa statistik diperoleh bahwa presentase delta volume yang kecil dan kecepatan
kendaraan 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 - 3521
gram/jam karbon monoksida. Berdasarkan analisa statistik, hal yang paling mempengaruhi
terhadap beban emisi truk adalah jumlah truk atau ratio truk disuatu ruas jalan, kecepatan ratarata juga berpengaruh terhadap beban emisi namun hubungan pengaruhnya tidak diketahui atau
non-linear yang mungkin disebabkan oleh berbagai faktor yang tidak mencakup dari penelitian
ini.

DAFTAR PUSTAKA
Benson, P. 1989. CALINE 4-A Dispersion Model for Predicting Air Pollutant Concentrations
Near Roadways. California Department of Transportation: Sacramento, CA.
12

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 Of
CALINE4 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 Jalan
Gatot 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 of
Myocardial 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 Ambien
dari 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.

13