Hasil Pencarian  ::  Simpan CSV :: Kembali

"Partikel PM2.5 dianggap sebagai salah satu polutan paling berbahaya sebab polutan ini dapat memicu berbagai permasalahan kesehatan, mulai dari peradangan saluran pernapasan hingga kematian dini. PM2.5 dihasilkan dari proses pembakaran pada kendaraan bermotor, pembangkit listrik tenaga batubara, hingga terbentuk di udara melalui reaksi kimia. Di Jakarta Selatan, sebagian besar polutan PM2.5 dihasilkan dari sektor transportasi akibat tingginya volume kendaraan yang bervariasi secara temporal. Disamping itu, vegetasi dianggap mampu mengurangi konsentrasi PM2.5 melalui penyebaran dan pengendapan partikelnya di daun. Dampak mengkhawatirkan dari PM2.5 menyebabkan pemantauan nilai PM2.5 di udara menjadi penting. Beberapa metode pemantauan yang bisa dilakukan adalah dengan menggunakan inventarisasi sumber pencemar dan sensor pemantau. Oleh karena itu, penelitian ini dilakukan untuk menganalisis pola spasiotemporal nilai PM2.5 sektor transportasi di Jakara Selatan, dan kaitannya dengan kerapatan vegetasi. Metode yang digunakan untuk memetakan nilai PM2.5 adalah interpolasi kriging. Hasil menunjukkan bahwa semakin tinggi kerapatan vegetasi menyebabkan nilai PM2.5 inventarisasi semakin rendah, sedangkan pengukuran PM2.5 sensor cenderung tidak mengikuti pola kerapatan vegetasi tertentu. PM2.5 inventarisasi juga menunjukkan nilai yang lebih tinggi pada hari kerja dibandingkan hari libur, sementara pengukuran PM2.5 sensor justru memberikan hasil yang berlawanan akibat pengaruh faktor meteorologis.

---

PM2.5 particles are considered one of the most dangerous pollutants because they can trigger various health problems, ranging from inflammation of the respiratory tract to premature death. PM2.5 is produced from the combustion process in motorized vehicles, coal-fired power plants, and is formed by chemical reactions in the air. In South Jakarta, most PM2.5 pollutants are generated from the transportation sector due to the high volume of vehicles which varies temporally. Besides that, vegetation is considered capable of reducing PM2.5 concentrations through the dispersion and deposition of its particles on the leaves. The worrying impact of PM2.5 makes PM2.5 monitoring important. Several monitoring methods that can be done are by using pollutant sources inventory and monitoring sensors. Therefore, this study was conducted to analyze the spatiotemporal patterns of the transportation sector’s PM2.5 values in South Jakarta, and their relation to vegetation density. The method used in this research is kriging interpolation. The results show that the higher the vegetation density, the lower the inventory PM2.5 value, while the PM2.5 sensor measurements tend not to follow a particular pattern of vegetation density. Inventory PM2.5 also shows higher values on weekdays compared to weekends, while PM2.5 sensor measurements give opposite results due to meteorological factors’ influence. 

"

"Kabupaten Sukabumi merupakan salah satu wilayah dengan tingkat kekeringan cukup tinggi di Pulau Jawa. Berdasarkan data BMKG, kekeringan parah selalu terjadi di Kabupaten Sukabumi terutama pada tahun-tahun El Nino. Penelitian ini bertujuan untuk mengidentifikasi pola spasiotemporal kekeringan yang terjadi di Kabupaten Sukabumi dengan algoritma Temperature Vegetation Dryness Index (TVDI). Pengamatan dilakukan pada tahun 2015, 2019, dan 2023 saat terjadi fenomena El Nino di Indonesia. Perhitungan TVDI dilakukan menggunakan data suhu permukaan dan indeks vegetasi dari citra satelit Landsat 8 OLI/TIRS dan Landsat 9 OLI-2/TIRS-2. Hasilnya, terdapat gejala kekeringan yang terjadi di Kabupaten Sukabumi pada tahun-tahun tersebut. Secara temporal, tren kekeringan terparah cenderung fluktuatif, yaitu bulan September (2015), Juni (2019), dan Juni (2023). Frekuensi kekeringan terjadi pada tutupan lahan berupa lahan pertanian dan jarang terjadi di tutupan lahan berupa hutan. Dari hasil analisis, didapat bahwa kekeringan didominasi terjadi di wilayah dengan ketinggian 200-500 mdpl dan lereng dengan kemiringan 2-7%. Untuk mengetahui hubungan antara kelas kekeringan dan variabel tutupan lahan, dilakukan uji korelasi Chi-square yang menunjukkan bahwa tutupan lahan berpengaruh pada kelas kekeringan. Hubungan variabel curah hujan dan kelas kekeringan dikaji dengan analisis curah hujan harian dan kekeringan menunjukkan pengaruh curah hujan dan nilai TVDI memiliki jeda 1-2 hari. Uji statistik Spearmann antara curah hujan dan kekeringan menunjukkan adanya hubungan korelasi negatif yang lemah hingga sedang.

---

Sukabumi Regency is one of the areas with a fairly high level of drought in Java. Based on BMKG data, severe drought always occurs in Sukabumi Regency, especially in El Nino years. This study aims to identify the spatiotemporal pattern of drought that occurs in Sukabumi Regency using the Temperature Vegetation Dryness Index (TVDI) algorithm. Observations were made in 2015, 2019, and 2023 when the El Nino phenomenon occurred in Indonesia. TVDI calculations were carried out using surface temperature data and vegetation index from Landsat 8 OLI/TIRS and Landsat 9 OLI-2/TIRS-2 satellite images. As a result, there were symptoms of drought that occurred in Sukabumi Regency in those years. Temporally, the worst drought trend tends to fluctuate, namely September (2015), June (2019), and June (2023). The frequency of drought occurs in land cover in the form of agricultural land and rarely occurs in land cover in the form of forest. From the analysis results, it was found that drought predominantly occurs in areas with an altitude of 200-500 meters above sea level and slopes with a gradient of 2-7%. To determine the relationship between drought class and land cover variables, a Chi-square correlation test was conducted which showed that land cover had an effect on drought class. The relationship between rainfall variables and drought class was studied by analyzing daily rainfall and drought, showing the effect of rainfall and TVDI values having a lag of 1-2 days. The Spearmann statistical test between rainfall and drought showed a weak to moderate negative correlation.

"