Hasil Pencarian  ::  Simpan CSV :: Kembali

"Polusi udara merupakan masalah penting yang terjadi di banyak daerah perkotaan. Organisasi Kesehatan Dunia (WHO) menyatakan bahwa 91% orang di dunia menghirup udara yang tidak sehat. Kota-kota besar di Indonesia memang tidak luput dari masalah polusi udara khususnya kota Bandung. Sebagai kota metropolitan terbesar di Jawa Barat, Kota Bandung terus mengalami peningkatan pertumbuhan penduduk yang mengakibatkan bertambahnya luas lahan terbangun dan penurunan luas kawasan hijau. Hal tersebut dapat menimbulkan permasalahan berupa penurunan kualitas udara. Ditunjang dengan kondisi fisik Kota Bandung yang berupa cekungan sehingga sulit ditiup angin untuk menghilangkan konsentrasi pencemar yang ada. Penelitian ini bertujuan untuk menganalisis secara spasial sebaran pencemar di Kota Bandung dan menganalisis hubungan sebaran pencemar dengan pola sebaran suhu permukaan tanah, kerapatan bangunan dan kerapatan vegetasi. Data yang digunakan dalam penelitian ini adalah kadar pencemar dan citra Landsat 8 bulan kemarau tahun 2018. Metode yang digunakan dalam penelitian ini adalah metode spasial berupa Interpolasi Terbalik Jarak Terbalik, Suhu Permukaan Tanah, Indeks Bangun Beda Normalisasi, dan Indeks Vegetasi Beda Normalisasi. Uji statistik menggunakan korelasi dan regresi Pearson Product Moment. Survei lapangan dilakukan untuk memverifikasi data tutupan lahan sebagai pengganti kerapatan vegetasi dan kerapatan bangunan. Hasil penelitian menunjukkan bahwa model spasial sebaran konsentrasi pencemar menunjukkan pola yang hampir sama pada bulan kemarau tahun 2018 yaitu suhu permukaan tanah dan kerapatan bangunan yang relatif tinggi serta kerapatan vegetasi yang relatif rendah, kandungan pencemar yang tinggi. Hasil uji statistik menunjukkan bahwa suhu permukaan tanah, kerapatan bangunan dan kerapatan vegetasi memiliki korelasi yang cukup kuat dengan pencemar dan hasil regresi menunjukkan bahwa suhu permukaan tanah, kerapatan bangunan dan kerapatan vegetasi berpengaruh signifikan terhadap pencemar.

---

Air pollution is an important problem that occurs in many urban areas. The World Health Organization (WHO) states that 91% of people in the world breathe unhealthy air. Big cities in Indonesia are not free from air pollution problems, especially the city of Bandung. As the largest metropolitan city in West Java, the City of Bandung continues to experience an increase in population growth which results in an increase in the area of ​​built land and a decrease in the area of ​​green areas. This can cause problems in the form of decreased air quality. Supported by the physical condition of the city of Bandung in the form of a basin so that it is difficult to blow the wind to remove the existing pollutant concentration.

This study aims to spatially analyze the distribution of pollutants in the city of Bandung and to analyze the relationship between the distribution of pollutants and the distribution patterns of soil surface temperature, building density and vegetation density. The data used in this study are pollutant levels and Landsat 8 images of the dry months of 2018.

The method used in this study is a spatial method in the form of Reverse Interpolation, Land Surface Temperature, Normalization Difference Build Index, and Normalized Difference Vegetation Index. Statistical test using Pearson Product Moment correlation and regression. Field surveys were conducted to verify land cover data as a substitute for vegetation density and building density. The results showed that the spatial model of the distribution of pollutant concentrations showed a similar pattern in the dry month of 2018, namely relatively high ground temperature and building density and relatively low vegetation density, high pollutant content.

The results of statistical tests show that soil surface temperature, building density and vegetation density have a strong enough correlation with pollutants and the regression results show that soil surface temperature, building density and vegetation density have a significant effect on pollutants."

"Kota Bekasi merupakan kota yang padat dan berbatasan dengan Ibukota DKI Jakarta. Pencemaran udara di Kota Bekasi mayoritas disebabkan oleh kegiatan transportasi. Konsentrasi zat pencemar udara yang cenderung mengalami peningkatan akan memberikan dampak negatif bagi kesehatan terutama bagi kesehatan saluran pernapasan.Penelitian ini bertujuan untuk mengetahui hubungan antara kualitas udara ambien (parameter NO2, SO2, dan TSP) dengan kejadian ISPA di Kota Bekasi tahun 2004-2011. Desain studi yang digunakan adalah studi ekologi time trend dengan sampel penelitian 6 Kecamatan. Data kualitas udara diperoleh dari Badan Pengelolaan Lingkungan Hidup (BPLH) Kota Bekasi. Data kasus ISPA diperoleh dari Dinas Kesehatan Kota Bekasi.Variabel yang berhubungan signifikan dengan kejadian ISPA berdasarkan hasil analisis korelasi dan regresi adalah TSP (p value = 0,029; r = - 0,226). Hasil uji regresi linear ganda menunjukkan bahwa variabel SO2, TSP, dan interaksi antara NO2 dengan SO2 mempengaruhi kejadian ISPA (p value = 0,004; r = 0,369). Persamaan garis regresi yang menjelaskan variabel-variabel yang mempengaruhi ISPA adalah jumlah kasus ISPA = 651,09 + 5,054 (konsentrasi SO2) ? 0,512 (konsentrasi TSP) ? 0,042 (NO2 * SO2).Untuk mencegah peningkatan jumlah kasus ISPA dan peningkatan konsentrasi zat pencemar di udara sebaiknya dilakukan kerjasama lintas sektor oleh Pemerintah Kota Bekasi dalam hal uji emisi kendaraan bermotor, uji emisi cerobong asap industri, penambahan jumlah pepohonan di sepanjang jalan raya, penyelesaian masalah di titik-titik kemacetan, promosi bahan bakar gas, dan penyuluhan kesehatan.

---

Bekasi city is densely populated city and bordering the capital city DKI Jakarta. Air pollution in Bekasi city is caused by transportation activity. Increasing of air pollutant every year can cause negative effect to health especially respiratory health.

This study aims to determine the relationship between ambient air quality (parameter NO2, SO2, TSP) with ARI occurrence in Bekasi city in 2004-2011. The study design used is time trend ecological study with 6 subdistrict as sample. Air quality data is obtained from Environmental Management Agency of Bekasi city. ARI cases data is obtained from Departement of Health of Bekasi city.

Based on correlation and regression analysis, TSP has a significant correlation with ARI occurrence (p value = 0,029; r = - 0,226). The result of multiple linear regression test show that SO2, TSP, and interaction between NO2 with SO2 affect ARI occurrence (p value = 0,004; r = 0,369). The equation of multiple linear regression which describe the variables that affect ARI is ARI cases = 651,09 + 5,054 (SO2 concentration) ? 0,512 (TSP concentration) ? 0,042 (NO2 * SO2).

To prevent the increasing of ARI cases and increasing of pollutant concentration, the government of Bekasi city should make cross-sectors corporation to do vehicle emission test, industry emission test, adding the amount of trees along the road, problem solving in traffic jam area, fuel gas promotion, and health promotion."

"Perubahan tutupan lahan tentu memberikan manfaat bagi sektor sosial dan ekonomi. Namun, tidak jarang perubahan lahan memberikan dampak negatif bagi lingkungan. Seringkali dalam proses perubahan lahan banyak lahan-lahan hijau yang berkurang tergantikan dengan bangunan. Salah satu dampak nyata dan besar adalah pengaruh perubahan lahan terhadap kualitas air dan udara pada lingkungan. Kabupaten Sumedang menjadi salah satu wilayah di Indonesia yang mengalami pembangunan Penelitian ini bertujuan untuk mengetahui perubahan tutupan lahan dan suhu udara permukaan, pengaruh NDVI dalam membuat model suhu udara permukaan serta melihat hubungan model tersebut terhadap tutupan lahan. Data yang digunakan dalam penelitian ini dihasilkan melalui pengolahan Citra Landsat 8 dan 9 OLI/TIRS dan survei lapangan, hasil tersebut dianalisis menggunakan alat spasial dan statistik. Hasil dalam penelitian ini menunjukkan bahwa model yang dibuat menggunakan nilai suhu permukaan daratan dan NDVI mampu mengurangi kesalahan yang dapat terjadi untuk membuat model suhu udara permukaan sehingga hasil model yang menggunakan nilai NDVI lebih baik dibandingkan model yang dibuat tanpanya. Hasil model juga menunjukkan bahwa dari tahun ke tahun suhu terus meningkat, terlihat dari kelas yang mendominasi 29,1-34,3℃ mengalami penurunan luas dan terjadi peningkatan luas pada kelas suhu yang lebih tinggi. Perubahan tutupan lahan yang terjadi di Kabupaten Sumedang mempengaruhi suhu permukaan daratan juga suhu udara permukaannya.

---

Changes in land cover undoubtedly bring benefits to the social and economic sectors. However, it is not uncommon for changes in land cover to have negative impacts on the environment. Often in the process of land cover change, many green areas are reduced and replaced with buildings. One of the significant and tangible impacts is the influence of land cover changes on the quality of water and air in the environment. Sumedang Regency is one of the areas in Indonesia undergoing development. This research aims to understand changes in land cover and surface air temperature, the influence of NDVI in creating a model of surface air temperature, and to observe the relationship of this model to land cover. The data used in this research is generated through the processing of Landsat 8 and 9 OLI/TIRS images and field surveys. The results are analyzed using spatial and statistical tools. The findings of this research indicate that the model created using land surface temperature values and NDVI is capable of reducing errors that may occur in creating a model of surface air temperature. Thus, the model using NDVI values is better than the one created without it. The model results also show that the temperature continues to increase year by year, as seen from the class dominating 29.1-34.3℃ experiencing a decrease in area, and an increase in the area of higher temperature classes. The changes in land cover in Sumedang Regency affect both land surface temperature and surface air temperature."

"Kota Bekasi adalah kota dengan penduduk terbanyak di Provinsi Jawa Barat. Di Bekasi, pergerakan utamanya menggunakan kendaraan. Salah satu polutan hasil pembakaran mesin kendaraan adalah PM10 yang dapat diperoleh dari data volume kendaraan, passive sampler, dan Landsat 8. Penelitian ini bertujuan menganalisis pola spasial PM10 di Kota Bekasi serta menganalisis validitas model spasial PM10 dari volume kendaraan/Landsat 8 dengan PM10 dari passive sampler sebagai validator. Penelitian ini menggunakan analisis deskriptif spasial dan analisis statistik RMSE. Berdasarkan PM10 dari volume kendaraan, jalan arteri berkapasitas besar mencakup wilayah PM10 dengan indeks kualitas buruk. Berdasarkan PM10 dari Landsat 8, hal tersebut terjadi berlawanan. Berkaitan dengan kondisi kemacetan, di jalan arteri berkapasitas kecil terdapat beberapa titik pengukuran volume kendaraan yang mengalami macet sekaligus tidak macet. PM10 dengan indeks kualitas udara tidak sehat juga dapat bersumber dari wilayah pemukiman, perdagangan dan jasa, serta industri. RMSE model spasial PM10 dari volume kendaraan memiliki tingkat kesalahan lebih rendah daripada model spasial PM10 dari Landsat 8. Meskipun begitu, jika dilakukan analisis lebih lanjut dengan mempertimbangkan aspek keruangan (seperti penggunaan lahan) maka terdapat beberapa area dan titik model yang berlokasi di wilayah penggunaan lahan yang sama. Hal ini menunjukkan bahwa kombinasi kesalahan model dan hubungannya dengan karakteristik spasial dapat menjadi pendekatan baru untuk menilai kinerja model.

---

Bekasi City is a city with the largest population in West Java Province. In Bekasi City, the movement mainly uses vehicles. This study aims to analyze PM10 spatial pattern in Bekasi City and analyze validity of PM10 spatial model from vehicle volume/Landsat 8 with PM10 from passive sampler as a validator. This research uses descriptive spatial analysis and Root Mean Square Error (RMSE) statistical analysis. Based on PM10 from vehicle volume, large capacity arterial roads cover PM10 with poorer quality index. Based on PM10 from Landsat 8, it happens in opposite phenomena. In relation to congestion traffic, on small capacity arterial roads some points of vehicle volume measurement are congested, and other points are not. PM10 with unhealthy air quality index also can be sourced from residential, trade & service, and industrial areas. Then, RMSE of PM10 spatial model from vehicle volume has lower error than PM10 spatial model from Landsat 8. However, if further analysis considers spatial characteristics (such as land use), there are several areas models that are in the same land use. This shows that combination of model errors and their relationship to spatial characteristics can be a new approach to assessing model performance."

"Perubahan tutupan lahan dipengaruhi oleh dinamika aktivitas manusia dari waktu ke waktu. Pertumbuhan penduduk perkotaan dan pedesaan terus melampaui perluasan lahan, sehingga mengakibatkan perubahan tutupan lahan dan cenderung mengurangi rasio lahan terbuka hijau terhadap lahan terbangun. Tujuan penelitian untuk menganalisis hubungan perubahan tutupan lahan dan indeks vegetasi selama periode 2017-2022. Data yang digunakan adalah citra Landsat 8 pada bulan Juli 2017 dan November 2022. Klasifikasi tutupan lahan digunakan software ENVI dengan titik uji sejumlah 50 sampel. Klasifikasi indeks vegetasi dipilih NDVI. Hasil penelitian menunjukkan bahwa perubahan tutupan didominasi oleh lahan terbangun sebesar 60,87% dengan peningkatan 17,05% Sementara perubahan indeks vegetasi didominasi oleh vegetasi rapat. Pola perubahan tutupan lahan didominasi oleh perubahan vegetasi rapat menjadi lahan terbangun, sedangkan indeks vegetasi didominasi oleh vegetasi rapat menjadi vegetasi rapat dengan penurunan sebesar 7%.

---

Land cover changes are influenced by the dynamics of human activities over time. Urban and rural population growth continues to exceed land expansion, resulting in changes in land cover and tending to reduce the ratio of green open land to built-up land. The purpose of this study was to analyze the relationship between land cover changes and vegetation index during the period 2017-2022. The data used were Landsat 8 images in July 2017 and November 2022. Land cover classification used ENVI software with 50 sample test points. The vegetation index classification was selected NDVI. The results showed that cover changes were dominated by built-up land of 60.87% with an increase of 17.05%. While changes in the vegetation index were dominated by dense vegetation. The pattern of land cover change was dominated by changes from dense vegetation to built-up land, while the vegetation index was dominated by dense vegetation to dense vegetation with a decrease of 7%."