Hasil Pencarian  ::  Simpan CSV :: Kembali

"

Pertumbuhan penduduk yang terjadi di D.I Yogyakarta meningkatkan jumlah limbah yang dibuang sehingga mempengaruhi kualitas air sungai. Selain itu, pertumbuhan populasi juga berkontribusi pada perubahan penutup lahan di daerah aliran sungai yang kemudian akan berdampak pada kualitas air sungai. Tujuan penelitan ini adalah untuk menganalisis variabilitas spasial dan temporal kualitas air pada Sungai Code di Provinsi D.I Yogyakarta, selain itu mengetahui tren perubahan penutup lahan di Daerah Tangkapan Air (DTA) Sungai Code serta hubungannya dengan perubahan kualitas air sungai, dan mengidentifikasi serta menganalisis parameter kualitas air dominan yang  mempengaruhi variabilitas kualitas air Sungai Code secara keseluruhan. Data yang di analisis adalah data sekunder yang berasal dari Pemerintah Provinsi D.I Yogyakarta yang terbatas pada periode pemantauan 2011-2017. Metodologi yang dilakukan adalah analisis deskriptif untuk menganalisis variasi spasial dan temporal kualitas air secara visual, kemudian melakukan klasifikasi penutup lahan untuk Daerah Tangkapan Air (DTA) Sungai Code dengan software ArcGIS 10.3 serta menganalisis hubungan perubahannya dengan perubahan kualitas air Sungai Code, dan menganalisis variabilitas data kualitas air dengan Cluster analysis (CA) & Principal Component Analysis (PCA) menggunakan software IBM SPSS. Hasil penelitian menunjukan terdapat parameter yang konsentrasinya mediannya memiliki tren positif untuk variasi spasial dari hulu ke hilir, diantaranya: suhu, TDS, BOD, COD, Nitrat, Nitrit, Seng, Tembaga, Timbal, Bakteri koli tinja, selain itu terdapat juga parameter yang konsentrasi mediannya memiliki tren positif untuk variasi temporal dari tahun 2011-2017, diantaranya: pH, TDS, Nitrat, Nitrit, Deterjen, Seng, Warna. Terdapat juga parameter-parameter yang perlu diperhatikan karena konsentrasinya sebagian besar sudah melebihi baku mutu kelas 3 dan/atau kelas 4 yang ditetapkan dalam Pergub DIY No. 20 Tahun 2008 tentang Baku Mutu Air, diantaranya: BOD, Nitrit, Tembaga, Bakteri koli tinja. Hasil korelasi penutup lahan dan kualitas air mendapatkan bahwa penutup lahan vegetasi alami dapat memberikan dampak positif terhadap perubahan kualitas air Sungai Code, sedangkan penutup lahan agrikultur dan area bangunan cenderung memberikan dampak negatif terhadap perubahan kualitas air Sungai Code. Untuk CA, paramater kualitas air Sungai Code berhasil dikelompokan menjadi 4 cluster, diantaranya: kelompok pencemar nuterien, kelompok pencemar logam, kelompok pencemar materi organik dan kelompok pencemar grey water. Analisis komponen utama (PCA) menghasilkan empat komponen utama (PC1, PC2, PC3, PC4) yang mempunyai variansi secara berturut-turut 22,815%, 17,631%, 16,016%, 12,806% dan menjelaskan total 69,268% variabilitas data kualitas air Sungai Code. PC1 diinterpretasikan sebagai pencemar materi organik Sungai Code. PC2 diinterpretasikan sebagai pencemar nutrien dan kontaminasi tinja pada Sungai Code yang dapat berasal dari limbah dan air limpasan agrikultur. PC3 diinterpretasikan sebagai pencemar logam Sungai Code yang dapat berasal dari air limpasan urban dan limbah domestik. PC4 dapat diinterpretasikan sebagai dampak pencemaran grey water pada Sungai Code.

---

Population growth that occurred in D.I Yogyakarta increased the amount of waste discharged so that it affected river water quality. In addition, population growth also contributes to changes in land cover in watersheds which will then have an impact on river water quality. The purpose of this research is to analyze the spatial and temporal variability of water quality in the River Code, in addition to knowing trends in land cover changes in the Code watershed and its relationship to changes in river water quality, and analyzing dominant water quality parameters that affect Code River water quality variability as a whole. This research using secondary data from the Provinsi D.I Yogyakarta, which limited to the 2011-2017 monitoring period. The methodology used is descriptive analysis to analyze spatial and temporal variations in water quality, then classify land cover in Code watershed with ArcGIS 10.3 software and analyze the relationship of changes with changes in Code River water quality, analyze variability of water quality data with Cluster analysis (CA) & Principal Component Analysis (PCA) using IBM SPSS software. The results showed there are parameters whose median concentration has a positive trend for spatial variations from upstream to downstream, including: temperature, TDS, BOD, COD, Nitrate, Nitrite, Zinc, Copper, Lead, Fecal Coli Bacteria. There are also concentration parameters the median has a positive trend for temporal variations from 2011-2017, including: pH, TDS, Nitrate, Nitrite, Detergent, Zinc, Color. There are also parameters that need to be considered because most of the concentrations have exceeded the grade 3 and / or grade 4 water quality standards stipulated in Pergub DIY No. 20 Tahun 2008, including: BOD, Nitrite, Copper, fecal coli bacteria. The correlation results between land cover and water quality found that natural vegetation land cover can have a positive impact on changes in Code River water quality, while agricultural and building areas land cover tend to have a negative impact on changes in Code River water quality. For CA, the Code River water quality parameters were grouped into 4 clusters, including: the nutrient polluter group, the metal polluter group, the organic material polluter group and the gray water polluter group. Principal component analysis (PCA) produced four main components (PC1, PC2, PC3, PC4) which had variances respectively 22.815%, 17.631%, 16.016%, 12.806% and explained a total of 69.268% variability of Code River water quality data. PC1 is interpreted as organic matter pollutans in Code River. PC2 is interpreted as nutrients pollutants and fecal contamination in the Code River which may come from agricultural waste and runoff. PC3 is interpreted as a Code River metal pollutant that may come from urban runoff water and domestic waste. PC4 may interpreted as the impact of gray water pollution on the Code River.

"

"Sungai Gajahwong merupakan salah satu sungai utama yang mengaliri kecamatan Umbulharjo dan Kotagede di Kota Yogyajakarta. Penggunaan lahan di kedua kecamatan tersebut paling besar untuk kebutuhan perumahan, perusahaan, dan pertaniaan serta pertumbuhan lahan jasa sehingga mempengaruhi peningkatan produksi air limbah. Penelitian lebih lanjut dilakukan untuk menganalisa status pencemaran Sungai Gajahwong menggunakan nilai indeks pencemaran dan STORET menurut standar baku mutu Peraturan Pemerintah No. 82 tahun 2001. Kualitas air Sungai Gajahwong dianalisis menggunakan data sekunder Dinas Lingkungan Hidup Kota Yogyakarta, dengan 4 titik pengujian di Balirejo, Gembiraloka, Logathok, dan Tegal Gendu, parameter yang digunakan, yaitu TSS, BOD, COD, nitrat, dan fosfat. Hasil penelitian menunjukkan perhitungan status mutu air Sungai Gajahwong tahun 2019 dengan metode STORET hasilnya tercemar berat dan sedang untuk peruntukan air kelas I dan II. Konsentrasi TSS dan fosfat air Sungai Gajahwong bagian tengah dari Balirejo ke Tegal Gendu semakin meningkat. Sedangkan, konsentrasi nitrat dari Balirejo ke Tegal Gendu semakin menurun. Untuk konsentrasi COD dari Balirejo ke Gembiraloka menurun dan dari Gembiraloka hingga ke Tegal Gendu meningkat. Konsentrasi BOD air Sungai Gajahwong bagian tengah dari hulu ke hilir bersifat naik turun. Beberapa rekomendasi pengendalian pencemaran air Sungai Gajahwong yang dapat dilakukan adalah pengawasan perizinan pembuangan limbah industri, penataan IPAL komunal, dan pengolahan limbah air sungai dengan lahan basah buatan.

---

Gajahwong River is one of the main river that flows in Umbulharjo and Kotagede Sub District in Yogyakarta City. The land utilization in both Subdistricts is mainly used for housing, industry, agriculture alongside with commercial land purposes thus increases the production of waste water. Further research is needed to analyze the water quality status of Gajahwong River using the Pollution Index and STORET method based on the standard value stated in Peraturan Pemerintah No. 82/2001. The water quality status of Gajahwong River is analyzed by secondary data from Dinas Lingkungan Hidup Yogyakarta City with 4 sampling points in Balirejo, Gembiraloka, Logathok, and Tegal Gendu. The parameters used is TSS, BOD, COD, nitrate and phosphate. The result showed the measurement of water quality status with STORET method is heavily and moderately polluted for water category I and II. The TSS and phosphate concentration in the middle reach of Gajahwong River from Balirejo to Tegal Gendu increases. The nitrate concentration from Balirejo to Tegal Gendu decreases. The COD concentration from Balirejo to Gembiraloka decreases meanwhile from Gembiraloka to Tegal Gendu increases. The BOD concentration in the middle part of Gajahwong River from hulu to hilir fluctuates. Several recommendations for water contamination control in Gajahwong River is permit control for industrial wastewater disposal, communal wastewater treatment plan, and river wastewater treatment with constructed wetlands."

"Sungai Ciliwung merupakan salah satu sungai di Pulau Jawa yang tercemar oleh limbah dari aktivitas rumah tangga, komersial/industri serta pertanian. Pesatnya pertumbuhan penduduk akan memicu adanya perubahan tata guna lahan. Seiring dengan pertumbuhan penduduk dan perkembangan aktivitas manusia di berbagai sektor, pencemaran air sungai menjadi masalah serius yang dihadapi oleh manusia. Tujuan dari penelitian ini adalah untuk melakukan analisis spasiotemporal terhadap konsentrasi dan beban pencemar air Sungai Ciliwung serta korelasinya dengan tren perubahan tata guna lahan untuk mengetahui faktor-faktor dominan yang memengaruhi beban pencemaran sungai tersebut. Analisis dilakukan terhadap parameter pencemar organik dan nutrien (BOD, COD, DO, TSS, NH3, NO2, NO3 dan Total Fosfat) dengan menggunakan data debit dan kualitas air Sungai Ciliwung dari BBWS Ciliwung – Cisadane. Secara spasial, konsentrasi dan beban pencemar organik dan nutrien dari hulu ke hilir cenderung menunjukkan peningkatan dari hulu hingga ke hilir. Sedangkan secara temporal, konsentrasi pencemar organik (BOD dan COD) memuncak di tahun 2018 kemudian mengalami penurunan hingga tahun 2020. Kemudian, konsentrasi pencemar nutrien (NH3, NO3, T-P) dan TSS paling tinggi adalah pada tahun 2020. Tren beban BOD, NH3, NO2dari tahun 2016 – 2020 meningkat, sedangkan tren beban COD, TSS, NO3, dan Total Fosfat dari tahun 2016 – 2020 menurun. Bila dilihat dari tren perubahan tutupan lahan dan nilai koefisien korelasi, peningkatan persentase lahan permukiman menyebabkan meningkatnya beban pencemar. Hal tersebut ditunjukkan dari hasil uji korelasi yang positif kuat-moderat antara keduanya. Sedangkan hasil uji korelasi persentase lahan pertanian dengan beban pencemar menunjukkan korelasi negatif moderat dengan lahan pertanian. Dari hasil uji tersebut dapat diperkirakan bahwa limbah aktivitas pertanian secara kuantitas tidak lagi signifikan terhadap pencemaran di badan air bila dibandingkan dengan kegiatan domestik. Selain itu, rata-rata rasio BOD/COD didapatkan kurang dari 0,3 (bersifat non-biodgradable) sebagai indikator adanya pencemaran dari kegiatan non-domestik seperti kegiatan komersil/industri dan TPA. Hasil penelitian menunjukkan bahwa aktivitas antropogenik yang paling dominan memengaruhi beban pencemar organik dan nutrien di DAS Ciliwung dalam penelitian ini adalah kegiatan domestik (secara khusus akibat limbah greywater), serta limbah kegiatan komersil/industri yang tidak memenuhi standar yang ditetapkan namun langsung dibuang ke saluran air dan mengalir ke badan air.

---

Ciliwung River is one of many rivers on the Java Island which is polluted by waste from domestic, commercial/industrial and agricultural activities. The rapid population growth caused changes in land use. Along with population growth and the development of human activities in various sectors, river pollution became a serious problem for humans. The purpose of this study is to conduct a spatiotemporal analysis of the concentration and pollutant load of the Ciliwung River and its correlation with the trend of land use changes to determine the factors that dominantly influence the river pollution. The analysis was carried out on the parameters of organic pollutants and nutrients (BOD, COD, DO, TSS, NH3, NO2, NO3 and Total Phosphate) using the flow and water quality data of the Ciliwung River from BBWS Ciliwung – Cisadane. Spatially, the concentration of organic pollutants and nutrients increased from upstream to downstream. Spatial variations in organic and nutrient pollutant loads also tend to show an increase from upstream to downstream. Meanwhile, temporally, the concentration and load of organic pollutants (BOD and COD) peaked in 2018 and then decreased until 2020. Then, the concentration and load of nutrient pollutants (NH3, NO3, T-P) and the highest TSS was in 2020. The trend of BOD, NH3, and NO2 loads from 2016 – 2020 increased, while the trend of COD, TSS, NO3, and Total Phosphate loads from 2016 – 2020 decreased. From the trend of land cover changes and the value of coefficient correlation, an increasing percentage of residential land caused an increasing pollutant load. This is indicated by the results of a strong-moderate positive correlation test between those two. While the results of the correlation test of the percentage of agricultural land with the pollutant load showed a negative correlation. From that results, it can be estimated that the waste of agricultural activity is no longer significant in terms of pollution in water bodies compared to domestic activities. In addition, the average BOD/COD ratio was found to be less than 0,3 (non-biodgradable) as an indicator of pollution from non-domestic activities such as commercial/industrial activities or landfill runoff. The results showed that the most dominant anthropogenic activities affecting organic and nutrient pollutant loads in the Ciliwung watershed in this study were domestic activities (particularly due to greywater waste), as well as the waste of commercial/industrial activities that did not meet the established standards but were directly discharged and flowed into a water body."

"Peningkatan penduduk di Pulau Jawa menyebabkan perubahan tutupan lahan yang signifikan dan mengakibatkan pertambahan tutupan lahan pemukiman, agrikultur, dan sebagainya. Semua hal itu akhirnya berujung kepada meningkatnya air limbah yang dihasilkan. Air limbah yang dihasilkan ini nantinya akan bermuara di perairan atau air sungai dan berkontribusi dalam penurunan kualitas air sungai, khususnya kemampuan sungai dalam mendegradasi materi organik yang dibawa oleh air limbah. Tujuan dari penelitian ini yaitu untuk menganalisis kondisi biodegradasi sungai-sungai di Pulau Jawa berdasarkan rasio konsentrasi BOD/COD, selain itu mengetahui tren temporal kondisi biodegradasi sungai di Pulau Jawa berdasarkan parameter BOD dan COD, serta menganalisis hubungan antara tutupan lahan dan rasio konsentrasi BOD/COD sungai di Pulau Jawa. Data yang digunakan sebagai analisis ialah data sekunder yang bersumber dari Badan Lingkungan Hidup Provinsi terkait serta Kementerian Lingkungan Hidup dan Kehutanan dengan periode waktu 2016, 2018, dan 2019. Metodologi yang digunakan adalah analisis statistik deskriptif untuk mengetahui tren rata-rata rasio konsentrasi BOD/COD tiap tahunnya dengan menvisualisasikan data menjadi grafik batang, lalu analisis secara temporal dengan memvisualisasikan data menjadi box and whisker plot menggunakan aplikasi SPSS. Selain itu juga dilakukan analisis spasial dengan melakukan pemetaan tutupan lahan pada DAS Sungai Ciliwung, Cisadane, Progo, serta Bengawan Solo menggunakan aplikasi geospasial ArcGIS 10.3. Hasil dari penelitian menunjukkan bahwa kondisi biodegradasi sungai di Pulau Jawa relatif lambat berdasarkan nilai rata-rata dan median dari rasio konsentrasi BOD/COD. Tren dari rasio konsentrasi BOD/COD pun bervariasi di setiap provinsi, tren positif terjadi pada Provinsi Banten, DKI Jakarta, Jawa Barat, dan Jawa Tengah, sedangkan tren negatif terjadi pada Provinsi D I Yogyakarta dan Jawa Timur. Hasil analisis spasial hubungan antara rasio konsentrasi BOD/COD dengan klasifikasi tutupan lahan yaitu, rasio konsentrasi BOD/COD memiliki korelasi kuat positif dengan jenis tutupan lahan agrikultur, nilai korelasi rp yang didapatkan yaitu 0,679. Sementara itu, rasio konsentrasi BOD/COD memiliki korelasi kuat negatif dengan tutupan lahan area bangunan, nilai korelasi rp yang dihasilkan yaitu -0,546. Serta rasio konsentrasi BOD/COD memiliki korelasi kuat negatif dengan tutupan lahan vegetasi alami/semi alami, nilai korelasi rp yang didapatkan yaitu -0,636.

---

The increase of population on the island of Java causes significant land cover changes and results in increased land cover for settlements, agriculture, and etc. All of these things eventually lead to an increase in the amount of wastewater produced. The waste water produced will eventually end up in waters or river water and contribute to the decline in river water quality, especially the ability of rivers to degrade organik matter carried by wastewater. The purpose of this study is to analyze the biodegradation conditions of rivers in Java based on the ratio of BOD/COD concentrations, in addition to knowing the temporal trend of river biodegradation conditions in Java Island based on BOD and COD parameters, as well as analyzing the relationship between land cover and the ratio of BOD/COD concentrations. COD river in Java Island. The data used for analysis is secondary data sourced from the relevant Provincial Environment Agency and the Ministry of Environment and Forestry with a period of 2016, 2018, and 2019. The methodology used is descriptive statistikal analysis to determine the trend of the average BOD/COD concentration ratio. annually by visualizing the data into a bar graph, then analyzing it temporally by visualizing the data into a box and whisker plot using the SPSS application. In addition, spatial analysis was also carried out by mapping land cover in the Ciliwung, Cisadane, Progo, and Bengawan Solo watersheds using the ArcGIS 10.3 geospatial application. The results of the study indicate that the condition of river biodegradation in Java is relatively slow based on the average and median values of the BOD/COD concentration ratio. The trend of the BOD/COD concentration ratio also varies in each province, a positive trend occurs in Banten, DKI Jakarta, West Java, and Central Java Provinces, while a negative trend occurs in Yogyakarta and East Java Provinces. The results of the spatial analysis of the relationship between the concentration ratio of BOD/COD with land cover classification, namely, the concentration ratio of BOD/COD has a strong positive correlation with the type of agricultural land cover, the correlation value (rp) obtained is 0.679. Meanwhile, the concentration ratio of BOD/COD has a strong negative correlation with the land cover of the building area, the resulting correlation value (rp) is -0.546. And the concentration ratio of BOD/COD has a strong negative correlation with natural/semi-natural vegetation land cover, the correlation value (rp) obtained is -0.636."

"

Polusi udara merupakan permasalahan krusial di Jakarta yang dapat berdampak pada berbagai sektor. Karena itu, penelitian ini mengembangkan model spasial-temporal kualitas udara di Jakarta menggunakan machine learning sebagai upaya manajemen kualitas udara yang efektif. Penelitian ini menggunakan PM2.5 sebagai variabel dependen dan kondisi meteorologi sebagai prediktor. Data PM2.5 diekstrak dari laman Jakarta Rendah Emisi sedangkan data meteorologi diekstrak dari laman Open Weather Map menggunakan API. Data yang terkumpul akan dirata-ratakan berdasarkan 4 interval waktu (00:00–05:00, 06:00–11:00, 12:00–17:00, dan 18:00–23:00) dan dua musim (kemarau dan hujan). Kemudian, data akan diinterpolasi dengan menggunakan Kriging interpolation. Hasil interpolasi akan digunakan sebagai input untuk model machine learning dengan menggunakan algoritma Random Forest (RF) dan XGBoost. Secara umum, algoritma RF memberikan performa yang lebih baik dilihat dari rendahnya nilai RMSE, MAE, dan MAPE yang dihasilkan. Selanjutnya, output machine learning digunakan untuk memetakan konsentrasi PM2.5 di Jakarta. Pemetaan tersebut menunjukan konsentrasi PM2.5 pada musim kemarau cenderung lebih tinggi daripada musim hujan yang disebabkan oleh proses washing out. Pada musim kemarau, konsentrasi PM2.5 pada malam hingga pagi bernilai lebih tinggi daripada siang hari yang disebabkan oleh rendahnya tinggi lapisan pencampuran udara yang membatasi pergerakan polutan udara. Sedangkan pada musim hujan, konsentrasi PM2.5 yang tinggi dipengaruhi oleh curah hujan yang rendah dan kelembapan yang tinggi. Selain itu, Kota Administrasi Jakarta Utara memiliki konsentrasi yang relatif lebih rendah dibandingkan kota administrasi lainnya akibat angin laut yang memicu dispersi polusi udara.

---

Air pollution is a crucial issue in Jakarta that can have impacts on various sectors. Therefore, this research develops a spatial-temporal model of air quality in Jakarta using machine learning as an effort for effective air quality management. This study uses PM2.5 as the dependent variable and meteorological conditions as predictors. PM2.5 data is extracted from the Jakarta Rendah Emisi website, while meteorological data is extracted from the Open Weather Map using an API. The collected data will be averaged based on four time intervals (00:00–05:00 a.m.; 6:00–11:00 a.m; 12:00–5:00 p.m; 6:00pm–11:00pm) and two seasons (dry and rainy). Then, the data will be interpolated using Kriging interpolation. The interpolation results will be used as input for the machine learning model using the Random Forest (RF) and XGBoost algorithms. The RF algorithm provides better performance with low values of RMSE, MAE, and MAPE. Furthermore, the output of the machine learning model is used to map the PM2.5 concentrations in Jakarta. The mapping shows that PM2.5 concentrations during the dry season tend to be higher than during the rainy season, due to the washing out process. During the dry season, PM2.5 concentrations are higher at night, due to low mixing layer height that restricts pollutants movement. During the rainy season, high PM2.5 concentrations are influenced by low rainfall and high humidity. In addition, the North Jakarta area has a relatively lower concentration compared to other area due to wind induced by the coastline which trigger the spread of air pollution.

"

"Pengukuran kualitas air seperti pH, suhu, oksigen terlarut (DO: Disolved Oxygen), turbiditas, konduktivitas, dan salinitas pada beberapa ruas S. Cikaniki (Cikaniki hulu, Cisarua, Curug Bitung, dan Lukut) telah dilakukan dengan menggunakan water quality checker (WQC). Hasil pengamatan diharapkan dapat digunakan sebagai data pendukung bagi penelitian lainnya S. Cikaniki. Data pendukung lainnya yang diukur adalah debit air imana kecepatan arus diukur dengan current meter dan luas penampang basah diukur dengan roll meter. Hasil pengamatan menunjukan bahwa berdasarkan nilai konduktivitas, S. Cikaniki masih tergolong kedalam perairan yang alami dengan pH air yang cenderung normal. Tampak adanya kecenderungan peningkatan rata-rata untuk parameter pH, suhu, konduktivitas, turbiditas, dan estimasi debit dari arah hulu ke hilir. Untuk nilai rata-rata tahunan, dapat dikatakan, pada semua lokasi pengamatan, dari tahun 2006 ke tahun 2008 rata-rata pH dan turbiditas air cenderung menurun, sedangkan untuk parameter DO dan konduktivitas, penurunan terjadi pada lokasi Curug Bitung dan Lukut. Hasil menunjukkan pula adanya keterkaitan yang linier antara parameter konduktivitas, turbiditas, dan estimasi debit"

"Polusi udara terjadi ketika campuran gas beserta partikel lainnya mencapai konsentrasi berbahaya baik yang terjadi di dalam maupun luar ruangan. Polusi udara juga menjadi penyebab kematian di beberapa negara dengan tingkat polusi yang parah. Salah satu polutan yang berbahaya adalah Partikulat halus (PM_2.5/ Particulate Matter_2.5), dimana dengan diameter kurang dari 2,5 μm, kira-kira 3% dari diameter rambut manusia, partikulat halus ini menjadi perhatian utama dalam pengamatan kualitas udara, dikarenakan PM_2.5 dianggap sebagai agen pembunuh utama yang menyebabkan penyakit kardiovaskular, pernapasan dan kanker. Jakarta dinyatakan sebagai kota dengan tingkat polusi udara yang sangat signifikan, isu pencemaran udara menjadi topik pembicaraan banyak pihak, terutama kondisi kualitas udara di ibu kota. Dalam pengukuran kualitas udara di Provinsi DKI Jakarta jaringan pengamatan observasinya masih sangat terbatas. Sehingga dibutuhkan pemodelan dalam andil untuk melakukan pengukuran kualitas udara dalam hal ini adalah PM_2.5. Pemodelan menggunakan algoritma pemebelajaran mesin atau machine learning random forest digunakan dalam penelitian ini dengan memanfaatkan metode regresi spasial. Adapun variabel yang digunakan berupa unsur meteorologi, partikulat dan gas yang diperoleh dengan memanfaatkan penginderaan jauh. Didapatkan variabel yang paling berpengaruh pada pemodelan spatial temporal PM_2.5 ini adalah NO2 dan CO serta dengan fungsi berkebalikan pada variabel curah hujan dan Ozon. Dalam pemodelan yang telah dilakukan ini didapatkan nilai 0,90 dalam korelasi hasil prediksi dengan nilai observasi, dengan nilai ini maka prediksi yang dilakukan oleh Machine Learning Random Forest terbilang baik, serta nilai RMSE sebesar 7,83 µg/m3 juga memberikan gambaran yang baik bagi model yang dibentuk, serta nilai R² sebesar 0,825 mengisyaratkan akurasi variabel yang digunakan mencapai 82,5 persen. Adapun pasial yang terbentuk dalam pemodelan spasial ini mengikuti pola musim hujan dan musim kemarau, dimana nilai tertinggi dari pola spasial parameter PM_2.5 berada pada bulan JJA (Juni, Juli dan Agustus), serta mulai menurun di bulan SON (September, Oktober, dan November), dan pada akhirnya berada di nilai terendah pada bulan DJF (Desember, Januari dan Februari).

---

Air pollution occurs when a mixture of gases and other particles reach dangerous concentrations both indoors and outdoors. Air pollution is also a cause of death in some countries with severe pollution levels. One of the harmful pollutants is fine particulate matter (PM_2.5), which is less than 2.5 μm in diameter, approximately 3% of the diameter of a human hair. This fine particulate matter is a major concern in air quality observations, as PM_2.5 is considered a major killer agent that causes cardiovascular, respiratory diseases and cancer. Jakarta is declared as a city with a very significant level of air pollution, the issue of air pollution has become a topic of conversation for many parties, especially the condition of air quality in the capital city. In measuring air quality in DKI Jakarta Province, the observation network is still very limited. So that modeling is needed in order to measure air quality, in this case PM_2.5. Modeling using machine learning algorithms or machine learning random forest is used in this study by utilizing the spatial regression method. The variables used are meteorological elements, particulates and gases obtained by utilizing remote sensing. It was found that the most influential variables in the spatial temporal modeling of PM_2.5 were NO₂ and CO and with the opposite function in the rainfall and Ozone variables. In the modeling that has been done, a value of 0.90 is obtained in the correlation of the predicted results with the observed values, with this value, the prediction carried out by Machine Learning Random Forest is fairly good, and the RMSE value of 7.83 µg/m3 also provides a good description of the model formed, and the R² value of 0.825 implies that the accuracy of the variables used reaches 82.5 percent. The spatial pattern formed in this spatial modeling follows the pattern of the rainy season and dry season, where the highest value of the spatial pattern of the PM_2.5 parameter is in the JJA month (June, July and August), and begins to decrease in the SON month (September, October and November), and finally at the lowest value in the DJF month (December, January and February)."

"Latar Belakang: Pada tahun 2019, air sumur menjadi sumber air bersih utama bagi 76,18% rumah tangga di Indonesia, tetapi Provinsi DKI Jakarta menjadi wilayah dengan nilai Indeks Kualitas Air terendah ke-3 di Indonesia. Tujuan: Menganalisis hubungan antara faktor topografi, sosio-demografi, dan kejadian banjir terhadap kualitas air sumur di Provinsi DKI Jakarta tahun 2017-2019. Metode: Desain studi ekologi dengan menggunakan data sekunder dan unit analisis kelurahan yang berjumlah 261. Analisis data menggunakan uji korelasi dan analisis spasial. Hasil: Kualitas air sumur selama kurun waktu 2017-2019 di wilayah Provinsi DKI Jakarta sebagian besar tidak memenuhi syarat sebanyak lebih dari 83%. Wilayah yang kualitas air sumurnya rentan tercemar adalah Kota Jakarta Utara. Faktor yang berhubungan signifikan terhadap kualitas air sumur adalah ketinggian wilayah (p = <0,001), kepadatan penduduk (p = 0,015), dan tingkat pendidikan rendah (p = 0,028). Kesimpulan: Kualitas air sumur di Provinsi DKI Jakarta tahun 2017-2019 sebagian besar tidak memenuhi syarat dengan faktor risiko berupa ketinggian wilayah, kepadatan penduduk, dan tingkat pendidikan. Saran: Pemerintah daerah dan swasta dapat berkolaborasi untuk memperluas jaringan air perpipaan agar kualitas air lebih terjamin serta melakukan publikasi dan edukasi kepada masyarakat terkait kondisi air sumur, pencegahan, serta cara mengatasi pencemaran air sumur.

---

Background: In 2019, well water was the primary clean water source for 76.18% of Indonesian households, but DKI Jakarta had the third-lowest Water Quality Index in Indonesia. Objective: To analyzed the impact of topographic, socio-demographic factors, and flood events on well water quality in DKI Jakarta from 2017 to 2019. Methods: Ecological study design used secondary data and analysis units consisting of 261 sub-districts. Data analysis used correlation tests and spatial analysis. Results: The quality of well water during the 2017-2019 period in the DKI Jakarta Province area mostly did not meet the standards by more than 83%. The area with vulnerable well water quality was North Jakarta City. Factors significantly related to well water quality were altitude (p = <0.001), population density (p = 0.015), and low education level (p = 0.028). Conclusion: Well water quality in DKI Jakarta from 2017 to 2019 was mostly substandard due to elevation, population density, and education levels. Recommendation: Local governments and private sectors should expand the piped water network and educate the public on well water quality, prevention, and solutions."

"Pemahaman terhadap alur sungai dan dinamikanya sangat diperlukan sebagai salah satu agen perubahan bentang alam. Studi tentang migrasi alur sungai salah satunya dapat diterapkan pada jenis sungai yang berkelok-kelok (meander) seperti Sungai Batanghari. Saat ini, keseimbangan ekosistem Sungai Batanghari terganggu akibat aktivitas pertambangan dan perkebunan di sepanjang aliran sungai yang mengakibatkan perubahan pada beberapa alur sungai. Perubahan alur sungai dapat menyebabkan berbagai masalah sosial, ekonomi, dan lingkungan. Oleh karena itu, penelitian ini dilakukan dengan tujuan untuk menganalisis variasi spasial dan temporal dari laju migrasi perubahan alur Sungai Batanghari serta menganalisis kaitannya dengan faktor pendorong di wilayah hilir DAS Batanghari pada periode 1985 – 2020. Citra Landsat digunakan untuk menganalisis migrasi perubahan alur Sungai Batanghari wilayah hilir berdasarkan indikator migrasi garis sentral sungai (MGSS), migrasi garis tepi sungai (MGTS), dan sinuousity index. Hasil penelitian menyebutkan bahwa hampir seluruh indikator laju migrasi perubahan alur Sungai Batanghari cenderung terjadi peningkatan di sepanjang periode 1985-2020. MGSS mengalami penurunan pada periode 1985-2013 dan peningkatan pada periode 2013-2020. MGTS menunjukkan terjadi peningkatan tren dimana laju erosi lateral tahunan (LELT) dan total luas erosi lateral (TLEL) juga meningkat. Hal sebaliknya terjadi dimana adanya penurunan tren pada laju pengendapan lateral tahunan (LPLT) dan total luas pengendapan lateral (TLPL). Diketahui pula bahwa terdapat hubungan yang signifikan antara laju migrasi perubahan alur Sungai Batanghari dengan faktor pendorongnya yaitu debit sungai, vegetasi riparian, litologi, dan gradien sungai.

---

An understanding of river channels and their dynamics is needed as an agent of landscape change. One of the studies on river channel migration can be applied to meandering rivers such as the Batanghari River. Currently, the Batanghari River ecosystem is disrupted due to mining and plantation activities along the river basin, which have resulted in changes to several river channels. Changes in river flow can cause various social, economic, and environmental problems. Therefore, this study was conducted with the aim of analyzing the spatial and temporal variations of the migration rate of changes in the Batanghari River channel and analyzing its relation to driving factors in the downstream region of the Batanghari Watershed in the period 1985 – 2020. Landsat imagery was used to analyze the migration of changes in the downstream of Batanghari River channel based on indicators of centerline migration (MGSS), bankline migration (MGTS), and sinuousity index. The results of the study stated that almost all indicators of the migration rate of changes in the flow of the Batanghari River tended to increase throughout the 1985-2020 period. MGSS experienced a decrease in the 1985-2013 period and an increase in the 2013-2020 period. MGTS shows an increasing trend where the annual lateral erosion rate (LELT) and total lateral erosion area (TLEL) also increase. The opposite occurs where there is a decreasing trend in the annual lateral deposition rate (LPLT) and the total lateral deposition area (TLPL). It is also known that there is a significant relationship between the migration rate of changes in the Batanghari River channel and the driving factors, namely river discharge, riparian vegetation, lithology, and river gradient."