LAPORAN TAHUNAN HIBAH PENELITIAN KERJASAMA ANTAR...

i

LAPORAN TAHUNANHIBAH PENELITIAN KERJASAMA ANTAR

PERGURUAN TINGGI(HIBAH PEKERTI)

PEMETAAN KUALITAS AIR TANAH AKIBAT PENCEMARANTEMPAT PEMBUANGAN AKHIR SAMPAH

Tahun ke -2 dari rencana 2 tahun

Rokhana Dwi Bekti,S.Si., M.Si (NIDN: 0306038601)Dra. Heruna Tanty, M.Si (NIDN: 0315046201)Dr. Tati Herlina (NIDN: 0020036201)Dr. Solihudin (NIDN :0005036307)

UNIVERSITAS BINA NUSANTARA

NOVEMBER 2015

iii

RINGKASAN

Beberapa kejadian polusi air yang serius dapat berasal dari tempat

pembuangan akhir, karena air tanah di sekitarnya akan tercemar dan tidak mendukung

untuk konsumsi sehari-hari. Penelitian ini menganalisis sifat kimia di sekitar

pembuangan akhir, terutama Tempat Pengolahan Sampah Terpadu (TPST) Bantar

Gebang dan Lokasi Pembuangan Akhir (TPA) Galuga. Survei telah dilakukan dengan

jumlah sampel 40. Metode analisis yang digunakan adalah t-test, regresi multivariat,

dan Local Indicator of Spatial Autocorrelation (LISA). Mn dan Pb sekitar TPST

Bantar Gebang dan Mn di TPA Galuga berada di atas baku mutu. Secara keseluruhan,

rata-rata sifat kimia di lokasi kurang dari 500 m lebih tinggi daripada di lokasi dengan

lebih dari 500 m tetapi tidak signifikan. Hanya CN di TPST Bantar Gebang yang

signifikan pada α = 5%. Regresi multivariat menunjukkan bahwa sampel lokasi secara

signifikan berpengaruh terhadap sifat kimia, tapi tidak di TPA Galuga. Perbandingan

rata-rata menunjukkan bahwa air tanah di sekitar TPST kimia Bantar Gebang lebih

tinggi daripada di TPA Galuga. Air tanah yang dekat dengan TPST akan memiliki

tingkat tinggi sifat kimia. Sehingga kualitas air tanah di TPST itu tidak lebih baik

daripada di TPS Galuga. Lokasi yang dekat dengan TPA yang tidak layak untuk

sumber air tanah yang dihuni atau dibangun.

Kata kunci : Pemetaan, sifat kimia air tanah, pembuagan akhir sampah.

iv

PRAKATA

Penelitian ini merupakan penelitian kerjasama antara Universitas Bina

Nusantara Jakarta dan Universitas Padjadjaran Bandung. Tujuannya adalah untuk

meningkatkan kemampuan meneliti bagi dosen-dosen di Universitas Bina Nusantara

dibantu oleh dosen-dosen senior yang berpengalaman dalam bidang research dari

Universitas Padjadjaran Bandung. Laporan penelitian ini berisi tentang hasil analisis

data kualitas sifat kimia air tanah di TPST Bantar Gebang dan TPA Galuga. Semo

Tim peneliti menyadari masih banyak kekurangan yang ada dalam

penulisan laporan ini sehubungan dengan keterbatasan yang ada pada kami, untuk

itu kami mohon kritik dan saran guna perbaikan lebih lanjut. Atas bantuan seluruh

pihak yang telah memberikan dukungan untuk penyelesaian kegiatan pekerjaan ini

kami ucapkan terimakasih.

Jakarta, November 2015

Tim Peneliti

v

DAFTAR ISI

HALAMAN PENGESAHAN ..................................... Error! Bookmark not defined.RINGKASAN...............................................................................................................iiiPRAKATA....................................................................................................................ivDAFTAR ISI..................................................................................................................vDAFTAR TABEL.........................................................................................................viDAFTAR GAMBAR...................................................................................................viiDAFTAR LAMPIRAN...............................................................................................viiiBAB 1 PENDAHULUAN .............................................................................................9

1.1 Latar Belakang Masalah.....................................................................................91.2 Perumusan Masalah..........................................................................................111.2 Objek Penelitian ...............................................................................................11

BAB II TINJAUAN PUSTAKA .................................................................................122.1 Studi Pendahuluan............................................................................................122.2 Uji Perbandingan Rata-Rata 2 Populasi ...........................................................122.3 Regresi Multivariate.........................................................................................132.4 Metode Autokorelasi Spasial ...........................................................................132.4 Kadar Zat Kimia...............................................................................................15

BAB 3 TUJUAN DAN MANFAAT PENELITIAN...................................................183.1 Tujuan Penelitian..............................................................................................183.2 Manfaat Penelitian............................................................................................183.3 Luaran Penelitian..............................................................................................18

BAB 4 METODE PELAKSANAAN ..........................................................................204.1 Prosedur Penelitian............................................................................................204.2 Lokasi Penelitian dan Sumber Data ..................................................................214.3 Variabel Penelitian ............................................................................................214.4 Metode analisis..................................................................................................21

BAB 5 HASIL DAN PEMBAHASAN .......................................................................235.1. Karakteristik Sifat Kimia .................................................................................23

5.1.1 TPST Bantar Gebang..........................................................................235.1.2 TPA Galuga........................................................................................30

5.2. Uji Pengaruh Lokasi terhadap Sifat Kimia ......................................................385.3. Analisis Spasial Sifat Kimia.............................................................................40

BAB 6 KESIMPULAN DAN SARAN ......................................................................446.1 Kesimpulan.......................................................................................................446.2 Saran.................................................................................................................45

DAFTAR PUSTAKA ..................................................................................................46LAMPIRAN.................................................................................................................48

vi

DAFTAR TABEL

Tabel 2.1. Pengujian Rata-rata dua populasi independen .......................................... 13

Tabel 4.1. Standard Baku menurut Peraturan Menteri Kesehatan RI no.

492/MENKES/IV/2010 ..............................................................................22

Tabel 5.1 Analisis Deskriptif Kadar Zat pada Cr di TPST Bantar Gebang ..............23

Tabel 5.2 Analisis Deskriptif Kadar Zat pada Mn di TPST Bantar Gebang ............25

Tabel 5.3 Analisis Deskriptif Kadar Zat pada CN di TPST Bantar Gebang ............26

Tabel 5.4 Analisis Deskriptif Kadar Zat pada Pb di TPST Bantar Gebang ..............28

Tabel 5.5 Analisis Deskriptif Kadar Zat pada Cd di TPST Bantar Gebang .............29

Tabel 5.6 Analisis Deskriptif Kadar Zat pada Cr di TPA Galuga ............................31

Tabel 5.7 Analisis Deskriptif Kadar Zat pada Mn di TPA Galuga............................ 32

Tabel 5.8 Analisis Deskriptif Kadar Zat pada CN di TPA Galuga............................ 34

Tabel 5.9 Analisis Deskriptif Kadar Zat pada Pb di TPA Galuga ............................35

Tabel 5.10 Analisis Deskriptif Kadar Zat pada Cd di TPA Galuga ..........................37

vii

DAFTAR GAMBAR

Gambar 4.1 Diagram alur proses penelitian. ............................................................. 20

Gambar 4.2. Lokasi Pengambilan sampel .................................................................21

Gambar 5.1. Perbandingan Cr di Air baku di TPST Bantar Gebang ........................24

Gambar 5.2. Perbandingan Cr di Air Filtrasi RO di TPST Bantar Gebang ..............24

Gambar 5.3. Perbandingan Mn di Air baku di TPST Bantar Gebang ......................25

Gambar 5.4. Perbandingan Mn di Air Filtrasi RO di TPST Bantar Gebang ............26

Gambar 5.5. Perbandingan CN di Air baku di TPST Bantar Gebang ......................27

Gambar 5.6. Perbandingan CN di Air Filtrasi RO di TPST Bantar Gebang ............27

Gambar 5.7. Perbandingan Pb di Air baku di TPST Bantar Gebang ........................28

Gambar 5.8. Perbandingan Pb di Air Filtrasi RO di TPST Bantar Gebang ..............29

Gambar 5.9. Perbandingan Cd di Air baku di TPST Bantar Gebang .......................30

Gambar 5.10. Perbandingan Cd di Air Filtrasi RO di TPST Bantar Gebang ...........30

Gambar 5.11. Perbandingan Cr di Air baku di TPA Galuga ....................................31

Gambar 5.12. Perbandingan Cr di Air Filtrasi RO di TPA Galuga ..........................32

Gambar 5.13. Perbandingan Mn di Air baku di TPA Galuga ...................................33

Gambar 5.14. Perbandingan Mn di Air Filtrasi RO di TPA Galuga ........................33

Gambar 5.15. Perbandingan CN di Air baku di TPA Galuga ...................................34

Gambar 5.16. Perbandingan CN di Air Filtrasi RO di TPA Galuga ........................35

Gambar 5.17. Perbandingan Pb di Air baku di TPA Galuga ....................................36

Gambar 5.18. Perbandingan Pb di Air Filtrasi RO di TPA Galuga ..........................36

Gambar 5.19. Perbandingan Cd di Air baku di TPA Galuga ....................................37

Gambar 5.20. Perbandingan Cd di Air Filtrasi RO di TPA Galuga .........................38

Gambar 5.21. Hasil uji LISA TPST Bantar Gebang Bekasi .....................................42

Gambar 5.22. Hasil uji LISA TPA Galuga Bogor ....................................................43

viii

DAFTAR LAMPIRAN

Lampiran 1. Susunan Organisasi Tim Peneliti/Pelaksana dan Pembagian Tugas ..... 48

Lampiran 2. Hasil Observasi Air Tanah dan Fungsi Air di sekitar TPA Galuga

Bogor .........................................................................................................49

Lampiran 3 : Pengambilan Sampel di TPST Bantar Gebang ...................................51

Lampiran 4 : Pengambilan Sampel di TPA Galuga...................................................53

Lampiran 5: Penyerahan Sampel di UNPAD ...........................................................54

Lampiran 6: Data Koordinat dan Jarak Sampel ke TPST Bantar Gebang ................56

Lampiran 7: Data Koordinat dan Jarak Sampel ke TPA Galuga ..............................57

Lampiran 8: Output R Analisis Data di TPST Bantar Gebang .................................58

Lampiran 9: Output R Analisis Data di TPA Galuga ...............................................65

Lampiran 10 Bukti Sumbit di Scietech 2016 ............................................................68

9

BAB 1

PENDAHULUAN

1.1 Latar Belakang Masalah

Kualitas air di daerah Jabodetabek sangat beresiko oleh pencemaran. Salah

satunya adalah dari tempat pembuangan dan pembuanagan sampah. Di wilayah

Bekasi, terdapat Tempat Pengolahan Sampah Terpadu (TPST) Bantar Gebang yang

memiliki luas 110,8 hektar. Selama bertahun-tahun, volume sampah yang masuk di

tempat ini terus mengalami peningkatan, khususnya yang datang dari DKI Jakarta.

Pada tahun 2013 volume tersebut adalah 5.300 ton per hari. Selanjutnya April 2014

adalah 5.974 ton per hari. Dengan volume sampah yang banyak dan terus meningkat

maka kualitas kebersihan dilingkungan sekitar juga terganggu. Statistik Potensi Desa

BPS (2011) memberikan data bahwa pencemaran air lebih banyak terjadi di

bandingkan pencemaran udara dan tanah.

Beberapa hal positif telah di lakukan dengan memanfaatkan TPST tersebut.

Ardiagarini, Riman, dan Kristina (2013) telah menganalisis bahwa timbunan sampah

di TPST tersebut mampu menghasilkan langfill gas (biogas) sebagai energi alternatif

untuk bahan bakar transportasi. Namun menurut Dardak (2007), TPST Bantar Gebang

telah menunjukkan tingkat keterpurukan masalah penanganan sampah. Selanjutnya

Syafalni dan Satrio dalam Almunawwar (2012) menunjukkan bahwa TPST Bantar

Gebang telah menimbulkan kontaminasi zat pencemar air tanah di sekitarnya dengan

jangkauan 1 km. Fajarini (2014) menemukan adanya kandungan nitrat dan klorida

yang cukup tinggi pada air tanah warga di sekitarnya yang memberi dampak buruk

bagi kesehatan masyarakat di sekitar tempat pembuangan sampah. Dampak tersebut

dapat dirasakan dalam rentang jangka pendek maupun panjang karena air yang

mengandung senyawa tersebut sangat berbahaya apabila dikonsumsi dan akan

terakumulasi dalam tubuh manusia. Apalagi saat ini masih banyak masyarakat di

sekitar yang masih menggunakan air tanah untuk memenuhi kebutuhan hidup sehari-

hari, termasuk juga untuk air minum.

Sifat kimia adalah salah satu indikator untuk mengidentifikasi apakah air

tercemar atau tidak (Islam et al, 2011). Penelitian oleh Bekti, Tanty, Herlina, dan

Solehudin (2014) di TPA Galuga, Bogor, mendapatkan hasil bahwa kadar Timbal

(Pb) pada 5 dari 10 total sampel berada di atas standard baku mutu. Eksplorasi

10

kualitas air pada berbagai jarak menjadi penting untuk dilakukan. Penelitian ini

melakukan pemetaan kualitas air untuk mendapatkan eksplorasi tersebut. Pemetaan

ini akan menunjukkan persebaran kualitas air pada berbagai jarak dari TPA dan

TPST. Hasil uji labolatorium oleh Bekti, dkk (2014) mendapatkan hasil bahwa air

sumur warga di lokasi dengan jarak 800 m dari TPA Galuga memiliki kadar Pb masih

melebihi standard baku. Tanty et al (2014) juga memiliki analisis senyawa anorganik

di Tanah di Bekasi, Tangerang, dan Jakarta, Indonesia. Hasil penelitian menunjukkan

bahwa Mn dan Cd memiliki tingkat tinggi di atas baku standard.

Pada 2011, penelitian yang dilakukan Universitas Indonesia menyebutkan ada

dugaan pencemaran air tanah akibat air lindi dari TPA mencapai radius ratusan meter.

Hal-hal tersebut menunjukkan bahwa semakin jauh jarak lokasi pemukiman warga

dari TPA maka pencemaran air dapat dihindari. Jarak dan lokasi TPA mempengaruhi

kualitas air warga sekitar. Sularmo, Buchari, Jaya, dan Tugiyono (2012) telah meneliti

air di dekat TPA sampah bakung Kota Bandar Lampung dan diketahui bahwa

semakin jauh jarak sumur dengan stasiun pengamatan nilai indeks pencemaran makin

menurun. SNI No. 03-3241-1997 tentang Tata Cara Pemilihan Lokasi TPA

menyatakan bahwa jarak minimal tempat pembuangan akhir sampah dengan

pemukiman warga adalah 500 meter. Pada kenyataannya di sekitar TPST Bantar

Gebang telah berdiri pemukiman permanen hingga gubuk-gubuk pada jarak 100 meter

dari tempat pembuangan sampah. Begitu juga di TPA Galuga, masih ada sumur tanah

penduduk yang relatif dekat dengan TPA.

TPST Bantar Gebang dan TPA Galuga memiliki karakteristik volume sampah,

luas wilayah pembuangan sampah dan jarak permukiman dengan TPST / TPA yang

berbeda. TPST Bantar Gebang lebih luas dan lebih banyak volume sampahnya

dibanding TPA Galuga. Jarak antara permukiman penduduk dengan TPST Bantar

Gebang rata-rata lebih dekat dibanding TPA Galuga. Namun posisi TPST Bantar

Gebang memiliki ketinggian permukaan tanah hamper sama dengan permukiman

penduduk, sedangkan permukaan tanah TPA Galuga lebih tinggi dibanding

permukiman permukiman penduduk. Kondisi ini menurut peneliti akan memberikan

dampak resapan air sampah dalam tanah di sekitar permukiman TPA Galuga akan

lebih tinggi, sehingga perlu dilakukan perbandingan analisis kualitas air penduduk di

sekitarnya.

Berdasarkan pembahasan tersebut maka pengaruh pencemaran TPST Bantar

Gebang dan TPA Galuga dapat terjadi pada berbagai lokasi dengan jarak tertentu.

11

Penelitian ini melakukan analisis tersebut, yaitu melakukan analisis perbandingan

karakteristik sifat kimia maupun fisik pada air tanah di sekitar TPST Bantar Gebang

dan TPA Galuga. Selain itu juga membandingkan hasilnya antara kedua lokasi

tersebut. Selanjuntnya menguji apakah jarak TPST Bantar Gebang maupun TPA

Galuga dengan pemukiman warga sekitar mempengaruhi sifat kimia dan fisik air

tanah yang mereka manfaatkan untuk kebutuhan sehari-hari.

1.2 Perumusan Masalah

Dalam penelitian ini dirumuskan masalah penelitian sebagai berikut :

1. Bagaimana karakteristik kualitas air tanah (sifat kimia) pemukiman warga di

sekitar TPST Bantar Gebang dan TPA Galuga?

2. Apakah jarak TPST Bantar Gebang dan TPA Galuga dengan pemukiman warga

mempengaruhi kualitas air tanah (sifat kimia) tersebut?

3. Bagaimana pola hubungan kualitas air tanah antar lokasi di TPST Bantar Gebang

dan TPA Galuga?

1.2 Objek Penelitian

Penelitan ini akan dilakukan dengan observasi dan pengambilan sampel air

tanah dan sumur di beberapa lokasi TPST Bantar Gebang, Kota Bekasi dan di TPA

Galuga Kota Bogor, Provinsi Jawa Barat. Sifat kimia yang diteliti melipui Kadmium

(Cd), Kromium (Cr), Mangan (Mn), Sianida (CN), dan Timbal (Pb) (Pb). Penentuan

kadar senyawa tersebut dilakukan dengan uji laboratorium di Universitas Padjadjaran

Bandung.

12

BAB II

TINJAUAN PUSTAKA

2.1 Studi Pendahuluan

Peneliti telah melakukan beberapa penelitian mengenai kandungan air.

Heruna, dkk (2012) dengan judul “Analisis Kandungan Senyawa Anorganik Dalam

Beberapa Proses Air Minum Menggunakan One Way Manova”. Penelitian tersebut

menggunakan sampel dari air baku (kontrol) dan depot isi ulang (AMDIU) dan kadar

zat yang digunakan adalah lima senyawa anorganik Cd, Cr, Pb, Mn dan CN. Hasil

penelitian menunjukkan bahwa kualitas air baku dan peralatan filtrasi AMDIU pada

air minum yang ada di lima wilayah DKI Jakarta telah memenuhi syarat kesehatan.

Analisis kualitas air juga dilakukan oleh Massoud, Al-Dakheel, Hussein, dan

El-Mahmoudi (2011). Penelitian ini menggunakan metode spasial dan Geographic

Information System (GIS) dan drinking water spatial decision support system

(DWSDSS) untuk memonitoring dan evaluasi kualitas air di daerah Al Hassa.

Selanjutnya Brody, Highfield, dan Peck (2004) yang menggunakan Moran’s I untuk

menggambarkan dan memetakan mosaik persepsi masyarakat terhadap kualitas air.

Drewry, Fortune, dan Majid (2010) telah melakukan pemetaan distribusi kualitas air

berdasarkan salinitas, konduktivitas, oksigen terlarut dan pH. Seperti yang telah

disebutkan sebelumnya, Bekti dan Sutikno (2012) yang telah menguji hubungan

spasial sumber air minum pada beberapa lokasi (kecamatan). Hasilnya menunjukkan

terdapat hubungan (autokorelasi spasial) antar kecamatan dalam hal sumber air

minum.

Bekti, Tanty, Herlina, dan Solehudin (2014) telah mengambil 10 sampel air

tanah dari perumahan warga sekitar TPA Galuga, Kota Bogor. Hasilnya menunjukkan

bahwa sejumlah 5 dari total 10 sampel memiliki kadar Pb yang melebihi standard

baku. Hal ini mengindikasikan kualitas air di sekitar TPA masih tercemar.

2.2 Uji Perbandingan Rata-Rata 2 Populasi

Pengujian hipotesis rata-rata dua populasi bertujuan untuk membandingkan

rata-rata dua macam populasi dan mengetahui perbedaan atau selisih rata-rata dua

populasi. Salah satu jenis pengujian ini adalah pengujian Dua Populasi Independen

dengan Ragam Tidak Diketahui. Bentuk pengujian di sajikan pada tabel berikut:

13

Tabel 2.1. Pengujian Rata-rata dua populasi independen

2.3 Regresi Multivariate

Model regresi multivariat adalah model regresi dengan lebih dari satu variabel

dependen dan satu atau lebih variabel independen (Christensen, 1991; Johnson and

Wichern, 2002 ; Rencher, 2002). Model regresi tersebut dituliskan dengan

nxqxq1p1pnxnxq EBXY (1)

Dengan Y adalah matrix variabel dependen berukuran (n x q), X adalah matriks

variabel independen berukuran (n x (p+1)), Tpiiii ,,, 10 β adalah vektor

parameter berukuran 1)1( xp , dan vektor error Tniiii ,,, 21 ε berukuran

1xn . 0iE ε , .Iε iiiCov Ukuran n adalah jumlah sampel, p adalah jumlah

variabel independen, dan q adalah jumlah persamaan atau variabel dependen.

2.4 Metode Autokorelasi Spasial

Hukum pertama tentang geografi dikemukakan oleh Tobler, menyatakan

bahwa segala sesuatu saling berhubungan satu dengan yang lainnya, tetapi sesuatu

yang dekat lebih mempunyai pengaruh daripada sesuatu yang jauh (Anselin, 1988).

Hukum tersebut merupakan dasar pengkajian permasalahan berdasarkan efek lokasi

atau metode spasial.

Autokorelasi spasial merupakan salah satu analisis spasial untuk mengetahui

pola hubungan atau korelasi antar lokasi (amatan). Beberapa pengujian dalam spasial

autokorelasi spasial adalah Moran’s I, Rasio Geary’s, dan Local Indicator of Spatial

14

Autocorrelation (LISA). Metode ini sangat penting untuk mendapatkan informasi

mengenai pola penyebaran karakteristik suatu wilayah dan keterkaitan antar lokasi

didalamnya. Selain itu, metode ini juga digunakan untuk identifikasi pemodelan

spasial. Beberapa penelitian yang telah menggunakan metode autokorelasi spasial

adalah Kissling dan Carl (2008) di bidang pemodelan ekologi, serta Bekti dan Sutikno

(2011) dalam analisis autokorelasi data kemiskinan. Penelitian lain oleh Bekti,

Nurhadiyanti, dan Irwansyah (2014) serta Bekti, Tanty, Herlina, dan Solihudin

(2014). Pada bidang lingkungan, metode ini juga penting dilakukan seperti oleh

D’Odorico et al (2012) dan Murphy et al (2015).

Local Indicator of Spatial Autocorrelation (LISA) merupakan

pengidentifikasian koefisien autocorrelation secara lokal (local autocorrelation) atau

korelasi spasial pada setiap daerah. Semakin tinggi nilai lokal Moran’s, memberikan

informasi bahwa wilayah yang berdekatan memiliki nilai yang hampir sama atau

membentuk suatu penyebaran yang mengelompok. Identifikasi Moran’s I tersebut

adalah Local Indicator of Spatial Autocorrelation (LISA), yang indeksnya dinyatakan

dalam (Lee dan Wong, 2001) seperti pada persamaan (3).

n

1ijij zwz iiI

iz dan jz adalah

x

ii

xxz

x

jj

xxz

(2.1)

x adalah nilai standar deviasi dari variabel x.

Pengujian terhadap parameter dapat dilakukan sebagai berikut :

Ho : Ii = 0 (tidak ada autokorelasi antar lokasi)

H1 : Ii 0 (ada autokorelasi antar lokasi)

Statistik uji :

)var( iI

- iihitung

IEIZ (2.2)

Keterangan :

w = matrix pembobot

15

var (I) = varians Moran’s I

E(I) = expected value Moran’s I

2

2,

224

)(

22

4

)2(.

121

/22

1)var(

n

w

nn

nmmw

n

m

mn

wI ikhiii

jiwwn

jiji

,1

2)2(

.

2

1

2.

n

jiji ww

n

ik

n

ihihikkhi www )(

1.

n

wIE i

i

Pengujian ini akan menolak Ho jika 2/ZZ hitung atau P value< α=5%.

Positif autokorelasi spasial megindikasikan bahwa antar lokasi pengamatan

memiliki keeratan hubungan.

2.4 Kadar Zat Kimia

Definisi kadar zat kimia menurut Brown (2001) adalah jumlah massa zat

kimia yang terlarut dalam jumlah volume air. Kadar zat kimia dalam air

menggunakan satuan mg/liter atau ppm. Air terdiri dari tiga unsur yaitu unsur padat

(misalnya : garam, gula, pasir), unsur cair (asam) dan unsur gas (misalnya : hidrogen,

oksigen). Dan definisi air minum adalah menunjuk pada suatu cairan yang dapat

diminum.

Dalam air zat kimia terdiri dari 75.3% zat kimia anorganik, 24,7% zat kimia

organik (Brown, 2001). Zat kimia organik berbentuk mineral yang mengandung

magnesium, kalsium, nitrat dll. Sedangkan zat kimia anorganik seperti alumunium,

mangan, tembaga, timbal, kromium, kadmium, dan lain-lain. Zat kimia organik

sangat dibutuhkan oleh tubuh, karena itu dalam pengolahan air diusahakan zat-zat

kimia ini tidak dihilangkan, sedangkan zat kimia anorganik seperti kadmium,

kromium, mangan, sianida, dan timbal tidak dibutuhkan oleh tubuh sama sekali dan

bahkan berbahaya bagi tubuh.

a. Kadmium

Kadmium (Cd) merupakan logam yang hingga saat ini belum diketahui

dengan jelas peranannya bagi tumbuhan dan makhluk hidup lain. Kadmium bersifat

16

tidak larut dalam air, memiliki ukuran yang sangat kecil ± 0.65 micron dan bersifat

toksik. Kadmium banyak digunakan dalam industri metalurgi, pelapisan logam,

pigmen, baterai, peralatan elektronik, pelumas, gelas, keramik, tekstil, dan plastik

(Eckenfelder, 1989).

Garam-garam kadmium adalah hasil reaksi dari klorida (Cl-), nitrat (NO3-),

dan sulfat (SO42-). Pada pH dan kesadahan yang tinggi kadmium mengalami

pengendapan. Menurut WHO, kadar kadmium maksimum pada air yang

diperuntukkan bagi air minum adalah 0.005 mg/liter (Moore, 2010).

b. Kromium

Kromium (Cr) merupakan logam yang larut dalam air dan bereaksi dengan

oksigen (O2). Garam-garam Kromium biasanya digunakan dalam industri besi baja,

cat, bahan celupan (dyes), bahan peledak, keramik, sebagai penghambat korosi atau

karat yang digunakan pada pelapis pipa PVC, dan sebagai campuran Lumpur

pengeboran (drilling mud). Kadar kromium yang diperkenankan pada air minum

adalah 0.05 mg/liter (Brown , 2001).

c. Mangan

Mangan (Mn) merupakan logam yang memiliki karakteristik kimia serupa

dengan besi. Mangan sebagian besar banyak terdapat dalam tanah. Mangan berada

dalam bentuk manganous (Mn2+) dan manganik (Mn4+). Apabila Mn4+ bereaksi

dengan oksigen (O2) yang berkadar tinggi maka akan menjadi Mn2+ yang mudah larut

dalam air. Air yang mengandung mangan biasanya berwarna coklat gelap sehingga air

menjadi keruh. Mangan dalam air berguna untuk menghambat pertumbuhan

microalgae Nitzschia closterium dan membuat air berwarna hijau dan dapat

meningkatkan kesadahan dalam air. Sekitar 90% mangan di dunia digunakan untuk

metalurgi, yaitu untuk proses produksi besi-baja, sedangkan kegunaan lain untuk

tujuan non-metalurgi antara lain untuk produksi baterai, keramik dan gelas. Kadar

mangan yang diperkenankan pada air minum adalah 0.1 mg/liter (Brown , 2001).

d. Sianida

Sianida (CN) merupakan senyawa non-logam. Biasanya, senyawa ini dihasilkan

dalam pemrosesan logam. Sianida tersebar luas di perairan dan berada dalam betuk

senyawa yang lebih kecil atau disebut juga ion sianida (CN-), hidrogen sianida

(HCN), dan metalosianida. Keberadaan sianida sangat dipengaruhi oleh pH, suhu,

oksigen terlarut, dan keberadaan ion lain. Pada pH yang lebih kecil dari 8, sianida

dianggap lebih toksik bagi makhluk hidup. Sianida bersifat biodegradable atau mudah

17

berikatan dengan ion logam, misalnya tembaga (Cu2+) dan besi (Fe2+). Sianida dalam

bentuk ion mudah diserap oleh bahan-bahan yang mudah melarutkan sesuatu (seperti

air). Menurut WHO, kadar maksimum sianida yang diperkenankan pada air minum

adalah 0,1 mg/liter (Brown, 2001).

e. Timbal (Pb)

Timbal (Pb) lebih dikenal dengan sebutan timah hitam (Pb) atau lead. Timbal

tidak mudah larut dalam air. Kadar dan toksisitas timbal dipengaruhi oleh kesadahan,

pH, dan kadar oksigen. Timbal diserap dengan baik oleh tanah dan tidak berpengaruh

terhadap tanaman, tetapi bersifat toksik bagi hewan dan manusia. Timbal yang

terdapat di dalam air berguna untuk menghambat pertumbuhan mikroalgae Chlorella

saccharophila. timbal banyak digunakan juga dalam industri baterai. Menurut WHO,

kadar maksimum timbal yang diperkenankan pada air minum adalah 0,05 mg/liter

(Brown, 2001).

18

BAB 3

TUJUAN DAN MANFAAT PENELITIAN

3.1 Tujuan Penelitian

Tujuan dalam penelitian ini adalah sebagai berikut :

1. Mengetahui karakteristik kualitas air tanah (sifat kimia) pemukiman warga di

sekitar TPST Bantar Gebang dan TPA Galuga

2. Mengetahui jarak TPST Bantar Gebang dan TPA Galuga dengan pemukiman

warga mempengaruhi kualitas air tanah (sifat kimia)

3. Mengetahui pola hubungan kualitas air tanah antar lokasi di TPST Bantar Gebang

dan TPA Galuga.

3.2 Manfaat Penelitian

Penelitian memberikan manfaat-manfaat sebagai berikut :

1. Memberikan informasi yang lokasi sekitar TPST dan TPA yang masih tercemar

dan tidak sesuai untuk pemukiman warga.

2. Hasil penelitian akan dipublikasikan melalui seminar, Jurnal Ilmiah dan media

massa sebagai bahan referensi bagi para peneliti dan bahan pertimbangan

masyarakat dalam menentukan pilihan akan pemanfaatan air tanah untuk

memenuhi kebutuhan sehari-hari.

3.3 Luaran Penelitian

Luaran penelitian ini adalah :

1. Publikasi ilmiah, yang berupa

- Jurnal ilmiah internasional

Telah tertulis dalam bentuk draft yang akan dipublikasikan di IOSR Journal of

Mathematics (IOSR-JM)

- Seminar Internasional

Telah mendaftarkan paper di The 4th International Conference on Science &

Engineering in Mathematics, Chemistry and Physics 2016

(ScieTech 2016) dan dalam proses under review. Judul paper adalah

19

“Analysis of Chemical Groundwater as Effect of Pollutan from TPST Bantar

Gebang and TPA Galuga, Indonesia”

Selain itu juga mendaftarkan di 2016 Applied Mathematics in Science and

Engineering International Conference (Appemse 2016). Judul paper tersebut

adalah “Analysis of Chemical Groundwater as Effect of Pollutan from TPST

Bantar Gebang and TPA Galuga, Indonesia”

2. Terbangunnya kerjasama penelitian antar Universitas Bina Nusantara dan

Universitas Padjadjaran

20

BAB 4

METODE PELAKSANAAN

4.1 Prosedur Penelitian

Langkah-langkah penelitian secara umum disajikan pada Gambar 2,

yaitu 1) persiapan dan observasi awal, 2) Pengumpulan data, 3) Pemetaan, dan 4)

Analisis pengaruh jarak TPA dan pemukiman terhadap kualitas air.

Gambar 4.1 Diagram alur proses penelitian.

Data Primer : Survei kandungankualitas pada air tanah

Persiapan

Kualitas sifat kimiaair tanah

Data Sekunder :KLH, BPS, Dinkes, danlain-lain

Identifikasi lokasisampel

Uji perbandingan rata-rata

Regresi multivariate

Analisis kandungan air tanah dilabolatorium

Pemetaan

Pengumpulan data

Proses output

Keterangan :

Analisis pengaruh lokasiterhadap sifat kimia

Kesimpulan

Uji LISA

21

4.2 Lokasi Penelitian dan Sumber Data

Data bersumber dari hasil survei pengambilan sampel di sekitar lokasi TPST

Bantar Gebang, Kota Bekasi, Provinsi Jawa Barat dan TPA Galuga, Kota Bogor,

Provinsi Jawa Barat. Jumlah sampel adalah 40 lokasi, yaitu 22 sampel di TPST Bantar

Gebang dan 18 sampel di TPA Galuga. Sampel adalah berupa air tanah dari

pemukiman penduduk yang digunakan untuk memasak, mandi, dan mencuci. Uji

labolatorium dilakukan di Universitas Padjadjaran. Lokasi titik-titik sampel tersebut

dapat dilihat di Gambar 1.

Gambar 4.2. Lokasi Pengambilan sampel

4.3 Variabel Penelitian

Kandungan zat anorganik yang digunakan untuk mengukur kualitas air tanah

adalah :

a. Kadmium (Cd)

b. Kromium (Cr)

c. Mangan (Mn)

d. Sianida (CN)

e. Timbal (Pb)

4.4 Metode analisis

Metode analisis yang digunakan adalah : 1) Analisis perbandingan sifat kimia

dan fisik terhadap standard baku mutu air, 2) Uji perbandingan rata-rata sifat kimia

dan fisik antara lokasi dengan jarak < 500 m dan > 500 m dari TPST Bantar Gebang

TPST BantarGebang

TPAGaluga

22

maupun TPA Galuga, serta 3) analisis spasial sifat kimia. Sifat kimia yang di uji

adalah Kromium (Cr), Mangan (Mn), Sianida (CN), Timbal (Pb), dan Kadmium (Cd).

Standard baku mutu air yang digunakan adalah berdasarkan Peraturan Menteri

Kesehatan RI no. 492/MENKES/IV/2010 tetang persyaratan kualitas air minum

(Tabel 1).

Tabel 4.1. Standard Baku menurut Peraturan Menteri Kesehatan RI no.

492/MENKES/IV/2010

Kadar Standard Baku

Cr 0,05 ppm

Mn 0,4 ppm

CN 0,07 ppm

Pb 0,01 ppm

Cd 0,003 ppm

Uji perbandingan rata-rata menggunakan uji t dan regresi multivariate.

Hipotesis uji t terebut adalah : Ho : µ1=µ2 (rata-rata kadar sifat kimia di lokasi dengan

jarak < 500 m sama dengan di lokasi dengan jarak > 500 m) dan H1 : µ1>µ2 (rata-rata

kadar sifat kimia di lokasi dengan jarak < 500 m lebih tinggi dibandingkan di lokasi

dengan jarak > 500 m). Pengambilan keputusan adalah Ho ditolak jika |tvalue| > tα/2,

n1+n2-2.

Analisis regresi multivariate pada penelitian ini bertujuan untuk mendapatkan

pola hubungan lokasi (jarak titik sampel dengan TPA atau TPST) terhadap kadar sifat

kimia. Variabel dependen adalah kadar Mn, CN, Cr, dan Pb, sedangkan variabel

independen adalah variabel dummy jarak.

Penelitian ini menggunakan uji LISA untuk mengetahui hubungan dependensi

sifat kimia antar titik sampel, dengan hipotesis Ho : kadar sifat kimia antar titik

sampel tidak saling berhubungan dan H1 : kadar sifat kimia antar titik sampel saling

berhubungan. Pengambilan keputusan pengujian menggunakan P value, dimana Ho

ditolak jika Pvalue < α.

23

BAB 5

HASIL DAN PEMBAHASAN

5.1. Karakteristik Sifat Kimia

5.1.1 TPST Bantar Gebang

a. Kadar Cr

Hasil analisis deskriptif kadar Cr disajikan pada Tabel 5.1. Kadar Cr pada air

baku memiliki nilai minimum 0.0010 mg/l dan nilai maksimum 0,0090 mg/l.

Sementara itu rata-ratanya adalah 0,0038 mg/l. Sementara itu pada hasil filtrasi RO,

didapatkan rata-rata 0,0019 mgl/, minimum 0.0010 mg/l, dan maksimum 0,0070 mg/l.

Dari perbandingan nilai rata-rata tersebut dapat diketahui bahwa rata-rata kadar zat Cr

hasil filtrasi RO lebih rendah dibandingkan di air baku. Kadar Cr pada air baku, hasil

filtrasi RO masih memenuhi syarat baku mutu air minum yang distandarkan Peraturan

Menteri Kesehatan RI no. 492/MENKES/IV/2010 yaitu 0,05 mg/l. Perbandingan

sampel Cr dengan rata-rata, minimum, dan maksimum dapat dilihat pada Gambar 5.1

dan Gambar 5.2.

Tabel 5.1 Analisis Deskriptif Kadar Zat pada Cr di TPST Bantar Gebang

Kadar zat N Meanmg/l

StandardDeviasi

Minimummg/l

Maximummg/l

Air baku (kontrol) 22 0.0038 0.0026 0.0010 0.0090Air hasil filtrasi RO 22 0.0019 0.0015 0.0010 0.0070

24

Gambar 5.1. Perbandingan Cr di Air baku di TPST Bantar Gebang

Gambar 5.2. Perbandingan Cr di Air Filtrasi RO di TPST Bantar Gebang

b. Kadar Mn

Hasil analisis deskriptif kadar Mn disajikan pada Tabel 5.2. Kadar Mn pada air

baku memiliki nilai minimum 0.0500 mg/l dan nilai maksimum 1.8000 mg/l.

Sementara itu rata-ratanya adalah 0.9218 mg/l. Sementara itu pada hasil filtrasi RO,

didapatkan rata-rata 0.0514 mg/l, minimum 0.0500 mg/l, dan maksimum 0,0600 mg/l.

25

Dari perbandingan nilai rata-rata tersebut dapat diketahui bahwa rata-rata kadar zat

Mn hasil filtrasi RO lebih rendah dibandingkan di air baku. Syarat baku mutu air

minum yang distandarkan Peraturan Menteri Kesehatan RI no.

492/MENKES/IV/2010 yaitu 0,4 mg/l. Berdasarkan hal tersebut, maka dapat

disimpulkan bahwa kadar Mn di air baku tidak memenuhi baku mutu air, karena

beberapa sampel memiliki kadar Mn yang bernilai lebih dari 0,4 mg/lt. Sementara itu,

setelah mengalami filtrasi RO, kadar Mn telah memenuhi baku mutu air karena semua

sampel memiliki kadar Mn kurang dari 0,4 mg/lt. Perbandingan sampel Mn dengan

rata-rata, minimum, dan maksimum dapat dilihat pada Gambar 5.3 dan Gambar 5.4.

Tabel 5.2 Analisis Deskriptif Kadar Zat pada Mn di TPST Bantar Gebang

Kadar zat NMeanmg/l

StandardDeviasi

Minimummg/l

Maximummg/l


Gambar 5.3. Perbandingan Mn di Air baku di TPST Bantar Gebang

26

Gambar 5.4. Perbandingan Mn di Air Filtrasi RO di TPST Bantar Gebang

c. Kadar CN

Hasil analisis deskriptif kadar CN disajikan pada Tabel 5.3. Kadar CN pada air

baku memiliki nilai minimum 0.0020 mg/l, nilai maksimum 0.0040 mg/l, dan rata-

ratanya adalah 0.0028 mg/l. Sementara itu pada hasil filtrasi RO, didapatkan rata-rata

0.0020 mg/l, minimum 0.0020 mg/l, dan maksimum 0.0020 mg/l. Dari perbandingan

nilai rata-rata tersebut dapat diketahui bahwa rata-rata kadar zat CN hasil filtrasi RO

lebih rendah dibandingkan di air baku. Syarat baku mutu air minum yang

distandarkan yaitu 0,07 mg/l. Berdasarkan hal tersebut, maka dapat disimpulkan

bahwa kadar CN telah memenuhi baku mutu air, karena semua sampel bernilai kurang

dari 0,07 mg/lt. Begitu juga untuk filtrasi RO. Perbandingan sampel CN pada air baku

dan hasil filtrasi dapat dilihat pada Gambar 5.5 dan Gambar 5.6.

Tabel 5.3 Analisis Deskriptif Kadar Zat pada CN di TPST Bantar Gebang

Kadar zat NMeanmg/l

StandardDeviasi

Minimum

mg/l

Maximum

mg/lAir baku (kontrol) 22 0.0028 0.0007 0.0020 0.0040Air hasil filtrasi RO 22 0.0020 1.3317x10-18 0.0020 0.0020

27

Gambar 5.5. Perbandingan CN di Air baku di TPST Bantar Gebang

Gambar 5.6. Perbandingan CN di Air Filtrasi RO di TPST Bantar Gebang

28

d. Kadar Pb

Hasil analisis deskriptif kadar Pb disajikan pada Tabel 5.4. Kadar Pb pada air



0.0054 mgl/, minimum 0.0050 mg/l, dan maksimum 0.0100 mg/l. Dari perbandingan

nilai rata-rata tersebut dapat diketahui bahwa rata-rata kadar zat Pb hasil filtrasi RO

lebih rendah dibandingkan di air baku. Syarat baku mutu air minum yang

distandarkan yaitu 0,01 mg/l. Berdasarkan hal tersebut, maka dapat disimpulkan

bahwa kadar Pb tidak memenuhi baku mutu air, karena ada beberapa sampel yang

memiliki kadar Pb yang bernilai lebih dari 0,01 mg/lt. Sementara itu, setelah

mengalami filtrasi RO, kadar Pb telah memenuhi baku mutu air karena semua sampel

memiliki kadar Pb kurang dari atau sama dengan 0.01 mg/lt. Perbandingan sampel Pb

pada air baku dan hasil filtrasi dapat dilihat pada Gambar 5.7 dan Gambar 5.8.

Tabel 5.4 Analisis Deskriptif Kadar Zat pada Pb di TPST Bantar Gebang


StandardDeviasi

Minimummg/l

Maximummg/l


Gambar 5.7. Perbandingan Pb di Air baku di TPST Bantar Gebang

29

Gambar 5.8. Perbandingan Pb di Air Filtrasi RO di TPST Bantar Gebang

e. Kadar Cd

Hasil analisis deskriptif kadar Cd disajikan pada Tabel 5.5. Kadar Cd pada air



0.0010 mgl/, minimum 0.0010 mg/l, dan maksimum 0.0010 mg/l. Dari perbandingan

nilai rata-rata tersebut dapat diketahui bahwa rata-rata kadar zat Cd hasil filtrasi RO

sama dengan rata-rata kadar zat Cd di air baku. Syarat baku mutu air minum yang

distandarkan yaitu 0,003 mg/l. Berdasarkan hal tersebut dapat disimpulkan bahwa

kadar Cd memenuhi baku mutu air karena kadar Cd semua sampel bernilai kurang

dari 0.003 mg/lt. Begitu juga setelah mengalami filtrasi RO. Perbandingan sampel Cd

pada air baku dan hasil filtrasi dapat dilihat pada Gambar 5.9 dan Gambar 5.10.

Tabel 5.5 Analisis Deskriptif Kadar Zat pada Cd di TPST Bantar Gebang


StandardDeviasi

Minimummg/l

Maximummg/l

Air baku (kontrol) 22 0.0010 1.4196x10-19 0.0010 0.0010Air hasil filtrasi RO 22 0.0010 1.4196x10-19 0.0010 0.0010

30

Gambar 5.9. Perbandingan Cd di Air baku di TPST Bantar Gebang

Gambar 5.10. Perbandingan Cd di Air Filtrasi RO di TPST Bantar Gebang

5.1.2 TPA Galuga

a. Kadar Cr

Hasil analisis deskriptif kadar Cr di TPA Galuga disajikan pada Tabel 5.6.

Kadar Cr pada air baku memiliki nilai minimum 0.0010 mg/l dan nilai maksimum

31

0,0080 mg/l. Sementara itu rata-ratanya adalah 0,0020 mg/l. Sementara itu pada hasil

filtrasi RO, didapatkan rata-rata 0,0010 mgl/, minimum 0.0010 mg/l, dan maksimum

0,0010 mg/l. Dari perbandingan nilai rata-rata tersebut dapat diketahui bahwa rata-

rata kadar zat Cr hasil filtrasi RO lebih rendah dibandingkan di air baku. Kadar Cr

pada air baku, hasil filtrasi RO masih memenuhi syarat baku mutu air minum yang

distandarkan Peraturan Menteri Kesehatan RI no. 492/MENKES/IV/2010 yaitu 0,05

mg/l. Perbandingan sampel Cr dengan rata-rata, minimum, dan maksimum dapat

dilihat pada Gambar 5.11 dan 5.12.

Tabel 5.6 Analisis Deskriptif Kadar Zat pada Cr di TPA Galuga

Kadar zat NMeanmg/l

StandardDeviasi

Minimum

mg/l

Maximum


Gambar 5.11. Perbandingan Cr di Air baku di TPA Galuga

32

Gambar 5.12. Perbandingan Cr di Air Filtrasi RO di TPA Galuga

b. Kadar Mn

Hasil analisis deskriptif kadar Mn di TPA Galuga disajikan pada Tabel 5.7.

Kadar Mn pada air baku memiliki nilai minimum 0.0500 mg/l dan nilai maksimum

3.8800 mg/l. Sementara itu rata-ratanya adalah 0.9739 mg/l. Sementara itu pada hasil

filtrasi RO, didapatkan rata-rata 0.0606 mg/l, minimum 0.0500 mg/l, dan maksimum

0,1000 mg/l. Dari perbandingan nilai rata-rata tersebut dapat diketahui bahwa rata-

rata kadar zat Mn hasil filtrasi RO lebih rendah dibandingkan di air baku. Syarat baku

mutu air minum yang distandarkan Peraturan Menteri Kesehatan RI no.

492/MENKES/IV/2010 yaitu 0,4 mg/l. Berdasarkan hal tersebut, maka dapat

disimpulkan bahwa kadar Mn di air baku tidak memenuhi baku mutu air, karena

beberapa sampel memiliki kadar Mn yang bernilai lebih dari 0,4 mg/lt. Sementara itu,

setelah mengalami filtrasi RO, kadar Mn telah memenuhi baku mutu air karena semua

sampel memiliki kadar Mn kurang dari 0,4 mg/lt. Perbandingan sampel Mn dengan

rata-rata, minimum, dan maksimum dapat dilihat pada Gambar 5.13 dan Gambar 5.14.

Tabel 5.7 Analisis Deskriptif Kadar Zat pada Mn di TPA Galuga


StandardDeviasi

Minimummg/l

Maximummg/l


33

Gambar 5.13. Perbandingan Mn di Air baku di TPA Galuga

Gambar 5.14. Perbandingan Mn di Air Filtrasi RO di TPA Galuga

c. Kadar CN

Hasil analisis deskriptif kadar CN di TPA Galuga disajikan pada Tabel 5.8.

Kadar CN pada air baku memiliki nilai minimum 0.0020 mg/l, nilai maksimum

0.0040 mg/l, dan rata-ratanya adalah 0.0023 mg/l. Sementara itu pada hasil filtrasi

34

RO, didapatkan rata-rata 0.0020 mg/l, minimum 0.0020 mg/l, dan maksimum 0.0020

mg/l. Dari perbandingan nilai rata-rata tersebut dapat diketahui bahwa rata-rata kadar

zat CN hasil filtrasi RO lebih rendah dibandingkan di air baku. Syarat baku mutu air

minum yang distandarkan yaitu 0,07 mg/l. Berdasarkan hal tersebut, maka dapat

disimpulkan bahwa kadar CN telah memenuhi baku mutu air, karena semua sampel

bernilai kurang dari 0,07 mg/lt. Begitu juga untuk filtrasi RO. Perbandingan sampel

CN pada air baku dan hasil filtrasi dapat dilihat pada Gambar 5.15 dan Gambar 5.16.

Tabel 5.8 Analisis Deskriptif Kadar Zat pada CN di TPA Galuga

Kadar zat NMeanmg/l

StandardDeviasi

Minimum

mg/l

Maximum


Gambar 5.15. Perbandingan CN di Air baku di TPA Galuga

35

Gambar 5.16. Perbandingan CN di Air Filtrasi RO di TPA Galuga

d. Kadar Pb

Hasil analisis deskriptif kadar Pb di TPA Galuga disajikan pada Tabel 5.9.

Kadar Pb pada air baku memiliki nilai minimum 0.0050 mg/l, nilai maksimum 0.0120

mg/l, dan rata-ratanya adalah 0.0068 mg/l. Sementara itu pada hasil filtrasi RO,

didapatkan rata-rata 0.0050 mgl/, minimum 0.0050 mg/l, dan maksimum 0.00500

mg/l. Dari perbandingan nilai rata-rata tersebut dapat diketahui bahwa rata-rata kadar

zat Pb hasil filtrasi RO lebih rendah dibandingkan di air baku. Syarat baku mutu air

minum yang distandarkan yaitu memiliki kadar Pb di bawah 0,01 mg/l. Berdasarkan

hal tersebut, maka dapat disimpulkan bahwa kadar Pb di air baku tidak memenuhi

baku mutu air, karena ada beberapa sampel yang memiliki kadar Pb yang bernilai

lebih dari 0,01 mg/lt. Sementara itu, setelah mengalami filtrasi RO, kadar Pb telah

memenuhi baku mutu air karena semua sampel memiliki kadar Pb kurang dari 0.01

mg/lt. Perbandingan sampel Pb pada air baku dan hasil filtrasi dapat dilihat pada

Gambar 5.7 dan Gambar 5.8.

Tabel 5.9 Analisis Deskriptif Kadar Zat pada Pb di TPA Galuga

Kadar zat NMeanmg/l

StandardDeviasi

Minimummg/l

Maximummg/l

Air baku (kontrol) 18 0.0068 0.0023 0.0050 0.012Air hasil filtrasi RO 18 0.0050 8.9251x10-19 0.0050 0.0050

36

Gambar 5.17. Perbandingan Pb di Air baku di TPA Galuga

Gambar 5.18. Perbandingan Pb di Air Filtrasi RO di TPA Galuga

37

e. Kadar Cd

Hasil analisis deskriptif kadar Cd di TPA Galuga disajikan pada Tabel 5.10.

Kadar Cd pada air baku memiliki nilai minimum 0.0010 mg/l, nilai maksimum 0.0010

mg/l, dan rata-ratanya adalah 0.0010 mg/l. Sementara itu pada hasil filtrasi RO,

didapatkan rata-rata 0.0010 mgl/, minimum 0.0010 mg/l, dan maksimum 0.0010 mg/l.

Dari perbandingan nilai rata-rata tersebut dapat diketahui bahwa rata-rata kadar zat

Cd hasil filtrasi RO sama dengan rata-rata kadar zat Cd di air baku. Syarat baku mutu

air minum yang distandarkan yaitu 0,003 mg/l. Berdasarkan hal tersebut dapat

disimpulkan bahwa kadar Cd memenuhi baku mutu air karena kadar Cd semua

sampel bernilai kurang dari 0.003 mg/lt. Begitu juga setelah mengalami filtrasi RO.

Perbandingan sampel Cd pada air baku dan hasil filtrasi dapat dilihat pada Gambar

5.19 dan Gambar 5.20.

Tabel 5.10 Analisis Deskriptif Kadar Zat pada Cd di TPA Galuga


StandardDeviasi

Minimummg/l

Maximummg/l

Air baku (kontrol) 18 0.0010 4.4625x10-19 0.0010 0.0010Air hasil filtrasi RO 18 0.0010 4.4625x10-19 0.0010 0.0010

Gambar 5.19. Perbandingan Cd di Air baku di TPA Galuga

38

Gambar 5.20. Perbandingan Cd di Air Filtrasi RO di TPA Galuga

5.2. Uji Pengaruh Lokasi terhadap Sifat Kimia

Berdasarkan hasil analisis karakteristik sifat kimia, dapat diketahui bahwa

beberapa sifat kimia air tanah masih berada di atas standard baku dan masih ada

pemukiman warga yang memiliki sumber air tanah dengan jarak yang dekat dengan

TPST Bantar Gebang dan TPA Galuga. Padahal, SNI No. 03-3241-1997 tentang Tata

Cara Pemilihan Lokasi TPA menyatakan bahwa jarak minimal tempat pembuangan

akhir sampah dengan pemukiman warga adalah 500 meter. Oleh karena itu, penelitian

ini melakukan pengujian untuk mengetahui apakah ada perbedaan sifat kimia dan

fisik di titik-titik sampel yang berada pada jarak < 500 m dan > 500 m dari TPST

Bantar Gebang dan TPA Galuga.

Pengujian yang dilakukan adalah uji perbedaan rata-rata. Tabel 5.11

menunjukkan hasil pengujian sifat kimia di masing-masing lokasi. Di lokasi TPST

Bantar Gebang, dapat diketahui bahwa semua rata-rata sifat kimia, baik Mn, CN, Cr,

dan Pb adalah lebih tinggi di lokasi dengan jarak < 500 m. Khusus pada kadar CN,

hasil pengujian dengan α=5% menunjukkan bahwa kadar CN pada jarak < 500 m

adalah signifikan lebih tinggi dibandingkan kadar CN dengan jarak> 500 m dari TPST

Bantar Gebang. Rata-rata pada jarak < 500 m adalah 0,0037 ppm dan pada jarak >

500 m adalah 0,0026 ppm. Dengan demikian semakin dekat jarak sampel dari TPST

39

Bantar Gebang, kadar CN semakin besar atau tingkat pencemaran semakin besar.

Sebaliknya, dengan demikian semakin jauh jarak sampel dari TPST Bantar Gebang,

kadar CN semakin kecil atau tingkat pencemaran semakin kecil.

Di lokasi TPA Galuga, kadar sifat kimia CN, Cr, dan Pb adalah lebih tinggi di

lokasi dengan jarak < 500 m dari TPA Galuga. Namun, dengan pengujian terbukti

bahwa rata-rata kadar CN, Cr, dan Pb dilokasi < 500 m tidak signifikan lebih tinggi.

Sedangkan Mn lebih tinggi di lokasi dengan jarak > 500 m.

Perbandingan rata-rata memberikan hasil bahwa semua kadar sifat kimia

(kecuali Mn) di TPA Galuga lebih rendah dibandingkan di TPST Bantar Gebang. Hal

ini menunjukkan kualitas air tanah di TPA Galuga lebih baik. Misalnya rata-rata CN

di TPA Galuga adalah 0,0023 ppm sedangkan di TPST Bantar Gebang adalah 0,0022

ppm. Demikian juga pada lokasi > 500 m, semua kadar sifat kimia di TPA Galuga

juga lebih rendah. Dengan demikian kualitas air tanah di sekitar TPA Galuga adalah

lebih baik.

Tabel 5.11. Uji Pengaruh Lokasi terhadap Sifat Kimia (ppm)

Kadar SifatKimia

TPST Bantar Gebang TPA GalugaRata-rata tvalue Pvalue

Rata-rata tvalue Pvalue

MnLokasi < 500 mLokasi > 500 m

1.2670.867

1.269 0.138 0,9400.987

-0,1002 0.539

All 0,9218 0,9739CN

Lokasi < 500 mLokasi > 500 m

0.00370.0026

2.8095 0.034* 0,00240.0022

0,3907 0.3554

All 0,0028 0,0023Cr


0.00500.0036

0.6840.278 0,0026

0.00180,7724 0.2326

All 0,0038 0,0020Pb


0.01600.0099

0.989 0.210 0,00720,0067

0,4441 0.3338

All 0,0108 0,0068Keterangan : *) Signifikan pada α=5%

Tabel 5.12 berikut menunjukkan hasil pemodelan hubungan jarak lokasi sampel

terhadap sifat kimia air. Metode yang digunakan adalah analisis regresi multivariate.

Hasil yang didapatkan melalui uji signifikansi secara simultan adalah lokasi (jarak

dengan pembuangan sampah) berpegaruh terhadap kadar Mn, CN, Cr, dan Pb di

TPST Bantar Gebang. Hal ini ditunjukkan oleh nilai P value uji MANOVA Wilk’s

adalah 0,023yang kurang dari α=5%. Pada uji signifikansi individu, didapatkan hasil

40

bahwa jarak hanya berpengaruh pada kadar CN. Jarak titik sampel dengan TPST

Bantar Gebang yang < 500 m signifikan berpengaruh pada tingginya kadar CN. Dari

pemodelan, diketahui bahwa semakin dekat lokasi sampel dengan TPST Bantar

Gebang, maka kadar CN akan semakin tinggi. Pada pemodelan kadar Mn, Cr, dan Pb,

semakin dekat lokasi sampel dengan TPST Bantar Gebang, maka kadar kadar tersebut

juga akan semakin tinggi, namun tidak signifikan. Hasil pemodelan di TPA Galuga

memberikan hasil bahwa semakin dekat lokasi sampel dengan TPA Galuga, maka

kadar Mn, Cr, dan Pb juga akan semakin tinggi, namun tidak signifikan.

Tabel 5.12. Hasil Pemodelan Regresi Multivariate Sifat Kimia di TPST Galuga Bogor

Kadar TPST Bantar Gebang TPA Galuga

Pemodelan PvalueANOVA Pemodelan Pvalue

ANOVAMn Mn = 0,8674 + 0,3993D 0,373 Mn = 0,9869 – 0,0469D 0,007

CN CN = 0,0026 + 0,0010D 0,023* CN = 0,0022 + 0,0002 D 0,220

Cr Cr = 0,0035 + 0,0014D 0,385 Cr = 0,0017 + 0,0008D 0,628

Pb Pb = 0,0099 + 0,0061D 0,119 Pb = 0,0067 + 0,0005D 0,166

Uji MANOVA Wilks'Nilai statistik = 0,53163P value =0,023

Uji MANOVA Wilks'Nilai statistik = 0,943P value = 0,936

Keterangan : *) Signifikan pada α=5%; D=Varabel Dummy Jarak sampel dengan TPST/TPA (0 = jarak >500 m dan 1 = jarak < 500m).

5.3. Analisis Spasial Sifat Kimia

Sebaran kualitas air maupun pencemarannya sangat penting untuk memberikan

informasi di area mana saja terjadi pencemaran serius dan hubungan antar lokasi.

Pada analisis sebelumnya diketahui bahwa kadar sifat kimia (Mn, CN, Cr, dan Pb)

lebih tinggi di sekitar TPST Bantar Gebang. Begitu juga kadar CN, Cr, dan Pb di

sekitar TPA Galuga. Selanjutnya dilakukan analisis spasial untuk mengetahui

hubungan sifat kimia antar titik sampel digunakan analisis spasial.

Gambar 5.21 dan 5.22 menunjukkan plot nilai P value LISA di masing-masing

lokasi. Nilai P value yang kecil menunjukkan bahwa titik sampel terkait memiliki

hubungan yang lebih tinggi dengan sampel terdekat. Nilai P value <α(5%)

menunjukkan bahwa titik sampel terkait memiliki hubungan yang lebih tinggi dengan

sampel terdekat. Pada kadar sifat kimia di sekitar TPST Bantar Gebang, sebagian

besar sampel yang dekat dengan TPST tersebut memiliki P value lebih kecil

dibandingkan sampel yang berada jauh dari TPST. Dengan demikian, sifat kimia Mn,

41

CN, Cr, dan Pb yang dekat dengan TPST saling berhubungan antar lokasi. Sifat kimia

di lokasi satu berhubungan dengan lokasi lain. Hubungan ini memiliki arti bahwa

lokasi dengan kadar sifat kimia tinggi akan menyebabkan sifat kimia lokasi lain, yang

terdekat, akan tinggi pula.Berbeda dengan di TPST Bantar Gebang, pada lokasi TPA

Galuga, hubungan pengaruh sifat kimia antar titik sampel cenderung terjadi di area

timur TPA tersebut.

Pada analisis regresi multivariate, dihasilkan bahwa semakin dekat dengan

lokasi TPST Bantar Gebang maka kadar sifat kimia akan semakin tinggi atau tingkat

pencemaran semakin tinggi. Pada analisis spasial juga didapatkan bahwa kadar

tersebut saling berhubungan antar titik sampel di lokasi yang lebih dekat dengan

TPST. Dengan demikian air tanah warga yang tinggal dekat dengan TPST tidak layak

untuk dimanfaatkan untuk kebutuhan makan atau minum. Hal ini dikarenakan

pencemaran yang tinggi. Pencemaran tersebut akan semakin parah jika volume

sampah semakin besar dan jumlah pemukiman yang dekat dengan TPST juga semakin

besar.

42

Gambar 5.21. Hasil uji LISA TPST Bantar Gebang Bekasi

Mn

(c) (d)Cr Pb

Keterangan : TPSTBantar Gebang

43

Gambar 5.22. Hasil uji LISA TPA Galuga Bogor

(a) (b)

(c) (d)

Keterangan : TPAGaluga

44

BAB 6

KESIMPULAN DAN SARAN

6.1 Kesimpulan

1. TPST Bantar Gebang sebagai salah satu tempat pengolahan sampah terpadu dan

TPA Galuga masih memiliki kekurangan karena masih berdampak bagi

pencemaran air di lingkungan sekitar.

2. Berdasarkan hasil analisa sifat kimia di TPST Bantar Gebang, kadar Mn dan Pb

masih bernilai lebih dari standard baku mutu. Beberapa titik sampel dengan kadar

Mn dan Pb tersebut berada di jarak < 500 m dari TPST Bantar Gebang. Secara

keseluruhan, rata-rata kadar sifat kimia (Mn, CN, Cr, dan Pb) di lokasi dengan

jarak < 500 m lebih tinggi dibandingkan di lokasi dengan jarak > 500 m, namun

melalui uji perbandingan rata-rata hanya CN yang signifikan pada α=5%. Melalui

analisis regresi multivariate, didapatkan hasil bahwa lokasi (jarak dengan TPST)

signifikan mempengaruhi sifat kimia air. Dengan demikian, terbukti bahwa

kualitas sifat kimia air tanah dengan jarak yang terlalu dekat dengan TPST Bantar

Gebang adalah buruk sehingga lokasi tersebut tidak layak untuk dihuni dan

dibangun sumber air tanah. Analisis spasial menunjukkan bahwa kadar sifat kimia

titik-titik sampel di lokasi yang lebih dekat dengan TPST Bantar Gebang memiliki

hubungan dependensi dengan titik sampel terdekatnya.

3. Titik sampel yang berada di sekitar TPA Galuga, hanya rata-rata Mn yang lebih

tinggi dari standard baku. Rata-rata kadar sifat kimia CN, Cr, dan Pb di lokasi

dengan jarak < 500 m lebih tinggi dibandingkan di lokasi dengan jarak > 500 m

dari TPA Galuga, namun tidak signifikan pada α=5%. Lokasi (jarak dengan TPA)

tidak signifikan mempengaruhi sifat kimia air. Melalui analisis spasial, hubungan

pengaruh sifat kimia antar titik sampel cenderung terjadi di area timur TPA

tersebut.

4. Perbandingan rata-rata menunjukkan bahwa kadar sifat kimia air tanah warga di

sekitar TPST Bantar Gebang lebih tinggi dibandingkan di TPA Galuga. Semakin

dekat suatu air tanah dengan TPST maka kadarnya semakin tinggi. Dengan

demikian kualitas air tanah di TPST Bantar Gebang kurang baik dibandingkan di

TPA Galuga.

45

6.2 Saran

Beberapa saran yang diperlukan untuk penelitian ini adalah :

1. Penelitian selanjutnya dapat membuat produk alat untuk filtrasi air di sekitar

tempat pembuangan sampah

2. Adanya program penyuluhan bagi masyarakat yang tinggal disekitar tempat

pembuangan sampah akhir tentang air bersih yang baik untuk dikonsumsi

46

DAFTAR PUSTAKA

Almunawwar, H.A. 2012. Simulation of Rainfall Influence on Leachate

Concentration Change (Case Study: Bantar Gebang Landfill at Bekasi, West

Java). Bandung: ITB

Anselin, L. 1988. Spatial Econometrics: Methods and Models. Ist Edn. Netherlands

:Kluwer Academic Publishers

Ardiagarini, S.P., Riman, A., Kristina, H J. 2013. Jurnal Teknik Industri. 8: 107

Bekti, R.D dan Sutikno, 2011. Spatial Modeling on the Relationship between Asset

Society and Poverty in East Java, Jurnal Matematika dan Sains, vol. 16

nomor 3, pp. 140-146

Bekti, R.D. and Sutikno, 2012. Spatial Durbin Model to Identify Influential Factors of

Diarrhea. Journal of Mathematics and Statistics, 8 (3): 396-402.

DOI:10.3844/jmssp. 2012.396.402

Bekti, R. D, Tanty. H., Herlina, T., and Solihudin. 2014. Journal of Environmental

Science, Toxicology and Food Technology (IOSR-JESTFT), 6: 01

Bekti, R. D, Tanty, H., Herina, T., and Solihudin. 2014. Research Report : Mapping

of The Inorganic Compound in Groundwater in Jabodetabek used Spatial

Methods (Jakarta)

Bekti, R. D, Nurhadiyanti, G., and Irwansyah, E. 2014. AIP Publishing. 1621-454

Brody, S.D., Highfield, W, dan Peck, B.M. 2004. Exploring the mosaic of perceptions

for water quality across watersheds in San Antonio, Texas. Landscape and

Urban Planning. doi:10.1016/j.landurbplan.2004.11.010

Brown, A.L. 2001. Freshwater Ecology. London : Heinenmann Educational Books.

Christensen, R. 1991. Linear Model For Multivariate, Time Series, and Spatial Data.

New York: Springer-Verlag

Dardak, A. H. 2007. Space Planning Policy Space for Waste Management. Jakarta:

Director General of Spatial Planning Department of Public Works.

D’Odorico, P., Carr, J., Laio, F., and Ridolfi, L. 2012. Environmental Research

Letters. 7:034007

Eckenfelder, W.W. 2002. Industrial Water Pollution Control. New York : McGraw-

Hill, Inc.

Fajarini, S. 2014. Analysis of Groundwater Quality in People Around Final Disposal

(TPA) Waste at Sumur Batu Bantar Gebang, Bekasi. Jakarta : UIN Syarif

47

Hidayatullah.

Heruna, T., Margaretha, O., Tati, H., dan Nurlelasari. 2012. Analisis Kandungan

Senyawa Anorganik Dalam Beberapa Proses Air Minum Menggunakan One

Way Manova. Hibah Pekerti DIkti.

Islam, S., Rasul, M. T., Alam, M. J. B., and Haque, M. A. 2011. Joournal of Scientific

Research, 3:151

Johnson, R. A., and Wichern, D. W. 2007. Applied Multivariate Statistical Analysis.

New Jersey: Prentice Hall, Inc.

Kissling, W. D. dan Carl, G. 2008. Spatial autocorrelation and the selection of

simultaneous autoregressive models. Global Ecology and Biogeography (17)

: 59–71.

Lee, J. and Wong, D. W. S. 2001. Statistical Analysis with Arcview GIS. New York:

John Wiley &Sons.

Massoud, M.A., Al-Dakheel, Y.Y., Hussein, A.H.A., dan El-Mahmoudi, A.S. 2011.

Spatial Decision Support System for Drinking Water Quality Monitoring and

Evaluation in Al-Hassa. International Journal of Water Resources and Arid

Environments, 1(6): 457-468.

Murphy, S. F., Writer, J. H., McCleskey, R. B., and Martin, D. A. 2015.

Environmental Research Letters. 10:084007

Rencher, A. C. 2002. Methods of Multivariate Analysis. New York : John Wiley &

Sons, Inc.

Sularmo. 2012. The Impact of The Final Processing Places (TPA) Bakung to the

Quality of Well Water, Social, Economic, and Public Health Firmness

Village, Bandar Lampung City Thesis. Bandar Lampung: Bandar Lampung

University.

Tanty, H., Bekti, R.D., Herlina, T., Nurlelasari. 2014. Journal of Environmental

Science, Toxicology and Food Technology (IOSR-JESTFT), 8:41.

48

LAMPIRAN

Lampiran 1. Susunan Organisasi Tim Peneliti/Pelaksana dan Pembagian Tugas

No Nama/NIDN Instansi Asal Bidang IlmuAlokasi Waktu

(jam/minggu)Uraian Tugas

1 Rokhana Dwi

Bekti, S.Si, M.si/

0306038601

Universitas

Bina

Nusantara

Statistika

Spasial dan

Komputasi

10 jam/minggu Ketua TPP

2 Dra. Heruna

Tanty, M.Si/

0315046201

Universitas

Bina

Nusantara

Kimia 10 jam/minggu Anggota TPP

3 Dr. Tati Herlina/

0020036201

Universitas

Padjadjaran

Kimia

Organik

Bahan Alam

10 jam/minggu Ketua TPM

4 Dr. Solihudin/

0005036307

Universitas

Padjadjaran

Kimia 10 jam/minggu Anggota TPM

49

Lampiran 2. Hasil Observasi Air Tanah dan Fungsi Air di sekitar TPA Galuga

Bogor

NoSam-pel

A l a m a t Fungsi Air danketerangan

Dokumentasi

1 Desa Galuga,sinarjaya

Fungsi : Minum,Masak, Cuci, Mandi.Air bersih dan beningJarak dari TPAGaluga : 200m

2 Desa Moyan,Galuga

Fungsi : Minum,Masak, Cuci, Mandi.Air bersih dan beningJarak dari TPAGaluga : 180 m





5 Desa GalugaSinarjaya, bawahdekat sawah

Fungsi : Minum,Masak, Cuci, Mandi.Air bersih danbening, namunkadang kotor karenaterpengaruh air dariTPA yang mengalirke arah utaraJarak dari TPAGaluga : 200 m

50

6 Moyan Galuga Fungsi : Minum,Masak, Cuci, Mandi.Air bersih dan beningJarak dari TPAGaluga : 50 m

7 Moyan harapan,RT 7





51

Lampiran 3 : Pengambilan Sampel di TPST Bantar Gebang

53

Lampiran 4 : Pengambilan Sampel di TPA Galuga

54

Lampiran 5: Penyerahan Sampel di UNPAD

56

Lampiran 6: Data Koordinat dan Jarak Sampel ke TPST Bantar Gebang

No sampel longitude latitude Jarak Jarak (meter) Lokasi

TPST Bantar Gebang -6,346278 106,999500 0

1 -6,343228 106,99575 0,004830493 0,537725626 > 5002 -6,348996 106,9933 0,006770608 0,753697315 > 5003 -6,349388 106,99016 0,009848036 1,096273549 > 5004 -6,348985 106,99319 0,006864395 0,764137566 > 5005 -6,345423 106,99313 0,006425112 0,715237085 > 5006 -6,346552 106,99348 0,00602824 0,671057689 > 5007 -6,346787 106,99319 0,006326527 0,704262654 > 5008 -6,343759 106,99548 0,004745601 0,528275518 > 5009 -6,35135 106,99404 0,007451719 0,829517931 > 500

10 -6,355287 106,99417 0,010468826 1,165379195 > 50011 -6,356983 106,99402 0,012024945 1,338604897 > 50012 -6,353283 106,99928 0,007008552 0,780184946 > 50013 -6,349762 107,00448 0,006078665 0,676670885 > 50014 -6,343566 106,99505 0,005213727 0,58038686 > 50015 -6,346311 107,00476 0,005260105 0,585549619 > 50016 -6,341743 106,98995 0,010569268 1,176560305 > 50017 -6,340789 106,98771 0,013004123 1,447605915 > 50018 -6,34891 106,99216 0,007800528 0,868347017 > 50019 -6,351696 106,99915 0,005429644 0,604422562 > 50020 -6,349749 106,99987 0,003491312 0,388649364 < 50021 -6,350218 106,9999 0,003960072 0,440831212 < 50022 -6,34949 107,00014 0,003275946 0,364675006 < 500

57

Lampiran 7: Data Koordinat dan Jarak Sampel ke TPA Galuga

No sampel longitude latitude Jarak Jarak (meter) Kode 1

TPA Galuga -6,5668 106,6420 023 -6,558889 106,6430556 0,008006882 0,891318147 > 50024 -6,559834 106,641573 0,007005026 0,779792519 > 50025 -6,560143 106,642656 0,006715119 0,747520347 > 50026 -6,560069 106,6436 0,00694385 0,772982408 > 50027 -6,560687 106,642603 0,006168544 0,686676104 > 50028 -6,56236 106,642238 0,004472337 0,497856104 < 50029 -6,56818 106,638107 0,004121743 0,458828304 < 50030 -6,568339 106,638579 0,003740643 0,416404637 < 50031 -6,569011 106,639255 0,003508454 0,390557599 < 50032 -6,569352 106,6387 0,0041558 0,462619532 < 50033 -6,562709 106,649075 0,008185677 0,911221419 > 50034 -6,562794 106,650421 0,009336502 1,039330039 > 50035 -6,563849 106,650673 0,009169703 1,020762198 > 50036 -6,564616 106,650078 0,008374854 0,932280402 > 50037 -6,564995 106,648377 0,006634658 0,738563521 > 50038 -6,565603 106,649584 0,007681978 0,855150102 > 50039 -6,566381 106,648431 0,006446378 0,717604324 > 50040 -6,567244 106,650099 0,00810978 0,902772554 > 500

58

Lampiran 8: Output R Analisis Data di TPST Bantar Gebang

Uji t Independen Sampel

> t.test(Dataset$Mn~Dataset$kode1, alternative="greater")

Welch Two Sample t-test

data: Dataset$Mn by Dataset$kode1t = 1.269, df = 3.8119, p-value = 0.1382alternative hypothesis: true difference in means is greater than 095 percent confidence interval:-0.2811272 Inf

sample estimates:mean in group 1 mean in group 2

1.2666667 0.8673684

> t.test(Dataset$CN~Dataset$kode1, alternative="greater")


data: Dataset$CN by Dataset$kode1t = 2.8095, df = 2.9684, p-value = 0.03407alternative hypothesis: true difference in means is greater than 095 percent confidence interval:0.0001642891 Inf


0.003666667 0.002631579

> t.test(Dataset$Cr~Dataset$kode1, alternative="greater")


data: Dataset$Cr by Dataset$kode1t = 0.68389, df = 2.3286, p-value = 0.2779alternative hypothesis: true difference in means is greater than 095 percent confidence interval:-0.004100926 Inf


0.005000000 0.003578947

> t.test(Dataset$Pb~Dataset$kode1, alternative="greater")


data: Dataset$Pb by Dataset$kode1t = 0.98886, df = 2.1657, p-value = 0.21alternative hypothesis: true difference in means is greater than 095 percent confidence interval:-0.0109218 Inf


0.016000000 0.009947368

59

General Linear Model: Mn; CN; Cr; Pb versus Kode1

MANOVA for Kode1s = 1 m = 1,0 n = 7,5

Test DFCriterion Statistic F Num Denom PWilks' 0,53163 3,744 4 17 0,023Lawley-Hotelling 0,88101 3,744 4 17 0,023Pillai's 0,46837 3,744 4 17 0,023Roy's 0,88101

> c<-manova(a~Dataset$kode1)> summary(c)

Df Pillai approx F num Df den Df Pr(>F)Dataset$kode1 1 0.46837 3.7443 4 17 0.02317 *Residuals 20---Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1> c$coefficients

[,1] [,2] [,3] [,4](Intercept) 0.8673684 0.002631579 0.003578947 0.009947368Dataset$kode1 0.3992982 0.001035088 0.001421053 0.006052632>

> summary(lm(Mn~kode1, data=Dataset))

Call:lm(formula = Mn ~ kode1, data = Dataset)

Residuals:Min 1Q Median 3Q Max

-0.81737 -0.73237 -0.08737 0.73263 0.93263

Coefficients:Estimate Std. Error t value Pr(>|t|)

(Intercept) 0.8674 0.1620 5.355 3.05e-05 ***kode1 0.3993 0.4386 0.910 0.373---Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 0.706 on 20 degrees of freedomMultiple R-squared: 0.03979, Adjusted R-squared: -0.008217F-statistic: 0.8289 on 1 and 20 DF, p-value: 0.3734

> anova(lm(CN~kode1, data=Dataset))Analysis of Variance Table

Response: CNDf Sum Sq Mean Sq F value Pr(>F)

kode1 1 2.7759e-06 2.7759e-06 6.1092 0.02255 *Residuals 20 9.0877e-06 4.5439e-07---Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1> summary(lm(CN~kode1, data=Dataset))

Call:lm(formula = CN ~ kode1, data = Dataset)


60

-0.0006667 -0.0006316 0.0003333 0.0003684 0.0013684


(Intercept) 0.0026316 0.0001546 17.017 2.3e-13 ***kode1 0.0010351 0.0004188 2.472 0.0226 *---Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 0.0006741 on 20 degrees of freedomMultiple R-squared: 0.234, Adjusted R-squared: 0.1957F-statistic: 6.109 on 1 and 20 DF, p-value: 0.02255

> summary(lm(Cr~kode1, data=Dataset))

Call:lm(formula = Cr ~ kode1, data = Dataset)


-0.0025789 -0.0024342 -0.0005789 0.0011711 0.0044211



Residual standard error: 0.002575 on 20 degrees of freedomMultiple R-squared: 0.03795, Adjusted R-squared: -0.01015F-statistic: 0.789 on 1 and 20 DF, p-value: 0.385

> summary(lm(Pb~kode1, data=Dataset))

Call:lm(formula = Pb ~ kode1, data = Dataset)


-0.006000 -0.004947 -0.001947 0.006303 0.012000



Residual standard error: 0.005987 on 20 degrees of freedomMultiple R-squared: 0.1169, Adjusted R-squared: 0.07276F-statistic: 2.648 on 1 and 20 DF, p-value: 0.1193

61

> coord<-cbind(Dataset$latitude,Dataset$longitude)> a=dnearneigh(coord,d1=0,d2=0.005)> summary(a)Neighbour list object:Number of regions: 23Number of nonzero links: 124Percentage nonzero weights: 23.44045Average number of links: 5.391304Link number distribution:

1 2 4 5 6 7 103 2 3 2 5 5 3

3 least connected regions:12 16 18 with 1 link3 most connected regions:6 7 8 with 10 links> b=nb2mat(a)> c=mat2listw(b)> d=moran.test(Dataset$Mn, listw=c,alternative="two.sided")> d

Moran's I test under randomisation

data: Dataset$Mnweights: c

Moran I statistic standard deviate = 1.8106, p-value = 0.07021alternative hypothesis: two.sidedsample estimates:Moran I statistic Expectation Variance

0.21659557 -0.04545455 0.02094777> lisa=localmoran(Dataset$Mn, listw=c,alternative="two.sided")> lisa

Ii E.Ii Var.Ii Z.Ii Pr(z != 0)1 0.09736071 -0.04545455 0.15979319 0.35726912 0.7208903472 0.76153072 -0.04545455 0.12546871 2.27823170 0.0227127763 0.12157427 -0.04545455 0.10095122 0.52569712 0.5990986624 0.08258816 -0.04545455 0.10095122 0.40299443 0.6869523245 0.65178178 -0.04545455 0.10095122 2.19444255 0.0282036106 0.29429774 -0.04545455 0.05681975 1.42532117 0.1540643847 0.58061158 -0.04545455 0.05681975 2.62645859 0.0086278498 0.58061158 -0.04545455 0.05681975 2.62645859 0.0086278499 0.83162948 -0.04545455 0.12546871 2.47613027 0.01328151110 0.66143004 -0.04545455 0.10095122 2.22480894 0.02609406711 -0.07652770 -0.04545455 0.46871351 -0.04538701 0.96379883312 -1.45609460 -0.04545455 0.98358071 -1.42236550 0.15492017213 0.82931866 -0.04545455 0.21127991 1.90312088 0.05702477414 0.46969771 -0.04545455 0.21127991 1.12074422 0.26239675415 -1.12714617 -0.04545455 0.15979319 -2.70597848 0.00681034616 0.17453248 -0.04545455 0.98358071 0.22181559 0.82445744017 -0.08373709 -0.04545455 0.46871351 -0.05591741 0.95540759818 0.91244555 -0.04545455 0.98358071 0.96586231 0.33411308619 -0.89438731 -0.04545455 0.10095122 -2.67188341 0.00754268520 0.82931866 -0.04545455 0.21127991 1.90312088 0.05702477421 0.10163453 -0.04545455 0.12546871 0.41525294 0.67795674922 0.53759286 -0.04545455 0.12546871 1.64602397 0.09975882423 0.10163453 -0.04545455 0.12546871 0.41525294 0.677956749attr(,"call")localmoran(x = Dataset$Mn, listw = c, alternative = "two.sided")attr(,"class")[1] "localmoran" "matrix"

62

> d=moran.test(Dataset$CN, listw=c,alternative="two.sided")> d


data: Dataset$CNweights: c


0.20383538 -0.04545455 0.01812190

> lisa=localmoran(Dataset$CN, listw=c,alternative="two.sided")> lisa

Ii E.Ii Var.Ii Z.Ii Pr(z != 0)1 -1.1040724 -0.04545455 0.14461333 -2.7837809 0.0053729312 0.6391403 -0.04545455 0.11476496 2.0208261 0.0432977673 0.2860375 -0.04545455 0.09344470 1.0844156 0.2781805594 -0.2120233 -0.04545455 0.09344470 -0.5448991 0.5858228835 0.2860375 -0.04545455 0.09344470 1.0844156 0.2781805596 0.1968326 -0.04545455 0.05506823 1.0324756 0.3018493767 0.2748869 -0.04545455 0.05506823 1.3650940 0.1722235078 0.2748869 -0.04545455 0.05506823 1.3650940 0.1722235079 0.6391403 -0.04545455 0.11476496 2.0208261 0.04329776710 0.2860375 -0.04545455 0.09344470 1.0844156 0.27818055911 0.1187783 -0.04545455 0.41324864 0.2554784 0.79835359612 -0.2714932 -0.04545455 0.86097416 -0.2436058 0.80753611213 1.3676471 -0.04545455 0.18938588 3.2471294 0.00116575414 0.3529412 -0.04545455 0.18938588 0.9154631 0.35994854015 -0.2714932 -0.04545455 0.14461333 -0.5943997 0.55224481516 0.1447964 -0.04545455 0.86097416 0.2050368 0.83754340917 0.1447964 -0.04545455 0.41324864 0.2959519 0.76726685218 0.5610860 -0.04545455 0.86097416 0.6536793 0.51331841619 -0.2120233 -0.04545455 0.09344470 -0.5448991 0.58582288320 0.4570136 -0.04545455 0.18938588 1.1546084 0.24825082521 0.1447964 -0.04545455 0.11476496 0.5615936 0.57439296822 0.2922323 -0.04545455 0.11476496 0.9968033 0.31886000823 0.2922323 -0.04545455 0.11476496 0.9968033 0.318860008attr(,"call")localmoran(x = Dataset$CN, listw = c, alternative = "two.sided")attr(,"class")[1] "localmoran" "matrix"

> d=moran.test(Dataset$Cr, listw=c,alternative="two.sided")> d


data: Dataset$Crweights: c


0.16127194 -0.04545455 0.01989857

> lisa=localmoran(Dataset$Cr, listw=c,alternative="two.sided")> lisa

63

Ii E.Ii Var.Ii Z.Ii Pr(z != 0)1 0.11435132 -0.04545455 0.15415711 0.4070155 0.6839966132 0.90126292 -0.04545455 0.12149455 2.7160764 0.0066060673 0.12227325 -0.04545455 0.09816415 0.5353386 0.5924157224 0.28825652 -0.04545455 0.09816415 1.0651092 0.2868265025 0.41085780 -0.04545455 0.09816415 1.4564171 0.1452773606 0.43915040 -0.04545455 0.05616943 2.0447388 0.0408806207 0.47876005 -0.04545455 0.05616943 2.2118674 0.0269758278 0.47876005 -0.04545455 0.05616943 2.2118674 0.0269758279 0.90126292 -0.04545455 0.12149455 2.7160764 0.00660606710 0.09586682 -0.04545455 0.09816415 0.4510569 0.65194851311 -0.17479908 -0.04545455 0.44812015 -0.1932195 0.84678710312 -0.40585534 -0.04545455 0.93805855 -0.3721095 0.70981131813 0.11237084 -0.04545455 0.20315095 0.3501607 0.72621808514 0.24110218 -0.04545455 0.20315095 0.6357717 0.52492524915 -0.15499426 -0.04545455 0.15415711 -0.2789908 0.78025191516 0.08266361 -0.04545455 0.93805855 0.1322805 0.89476246417 0.05295637 -0.04545455 0.44812015 0.1470097 0.88312435018 0.26090700 -0.04545455 0.93805855 0.3163146 0.75176370519 -0.97547974 -0.04545455 0.09816415 -2.9683715 0.00299382220 0.58768657 -0.04545455 0.20315095 1.4047243 0.16010328621 0.04745503 -0.04545455 0.12149455 0.2665521 0.78981405022 -0.09778033 -0.04545455 0.12149455 -0.1501196 0.88067027223 -0.09778033 -0.04545455 0.12149455 -0.1501196 0.880670272attr(,"call")localmoran(x = Dataset$Cr, listw = c, alternative = "two.sided")attr(,"class")[1] "localmoran" "matrix"

> d=moran.test(Dataset$Pb, listw=c,alternative="two.sided")> d


data: Dataset$Pbweights: c


0.19348441 -0.04545455 0.01865274

> lisa=localmoran(Dataset$Pb, listw=c,alternative="two.sided")> lisa

Ii E.Ii Var.Ii Z.Ii Pr(z != 0)1 -0.332733440 -0.04545455 0.14746485 -0.74809967 0.454400042 0.701215490 -0.04545455 0.11677565 2.18500572 0.028888433 0.107415434 -0.04545455 0.09485479 0.49635519 0.619643834 0.248590004 -0.04545455 0.09485479 0.95473644 0.339711005 0.361281986 -0.04545455 0.09485479 1.32063725 0.186622356 0.225308584 -0.04545455 0.05539725 1.15039088 0.249982917 0.397163856 -0.04545455 0.05539725 1.88055211 0.060032878 0.397163856 -0.04545455 0.05539725 1.88055211 0.060032879 0.701215490 -0.04545455 0.11677565 2.18500572 0.0288884310 0.323511596 -0.04545455 0.09485479 1.19800017 0.2309169511 -0.098464148 -0.04545455 0.42366766 -0.08144077 0.9350914212 -0.633751060 -0.04545455 0.88400567 -0.62570374 0.5315092813 0.570644493 -0.04545455 0.19349865 1.40059174 0.1613361914 -0.136389334 -0.04545455 0.19349865 -0.20672409 0.8362253415 0.040233676 -0.04545455 0.14746485 0.22313971 0.82342677

64

16 0.009893527 -0.04545455 0.88400567 0.05886742 0.9530577117 0.133421276 -0.04545455 0.42366766 0.27481408 0.7834590818 1.284179780 -0.04545455 0.88400567 1.41418001 0.1573090619 -0.742108735 -0.04545455 0.09485479 -2.26197404 0.0236990120 0.996490154 -0.04545455 0.19349865 2.36867621 0.0178518721 -0.060719558 -0.04545455 0.11677565 -0.04467052 0.9643699322 -0.021710795 -0.04545455 0.11677565 0.06948214 0.9446058523 -0.021710795 -0.04545455 0.11677565 0.06948214 0.94460585attr(,"call")localmoran(x = Dataset$Pb, listw = c, alternative = "two.sided")attr(,"class")[1] "localmoran" "matrix">

65

Lampiran 9: Output R Analisis Data di TPA Galuga

Uji t Independen Sampel

> t.test(Dataset$Mn~Dataset$kode1, alternative="less")


data: Dataset$Mn by Dataset$kode1t = 0.10022, df = 10.738, p-value = 0.539alternative hypothesis: true difference in means is less than 095 percent confidence interval:

-Inf 0.889673sample estimates:mean in group 0 mean in group 1

0.9869231 0.9400000

> t.test(Dataset$CN~Dataset$kode1, alternative="less")


data: Dataset$CN by Dataset$kode1t = -0.3907, df = 5.4457, p-value = 0.3554alternative hypothesis: true difference in means is less than 095 percent confidence interval:


0.002230769 0.002400000

> t.test(Dataset$Cr~Dataset$kode1, alternative="less")


data: Dataset$Cr by Dataset$kode1t = -0.7724, df = 6.9614, p-value = 0.2326alternative hypothesis: true difference in means is less than 095 percent confidence interval:


0.001769231 0.002600000

> t.test(Dataset$Pb~Dataset$kode1, alternative="less")


data: Dataset$Pb by Dataset$kode1t = -0.44417, df = 8.7742, p-value = 0.3338alternative hypothesis: true difference in means is less than 095 percent confidence interval:


0.006692308 0.007200000

66

> d=moran.test(Dataset$CN, listw=c,alternative="two.sided")> d


data: Dataset$CNweights: c

Moran I statistic standard deviate = -0.1646, p-value = 0.8693alternative hypothesis: two.sidedsample estimates:Moran I statistic Expectation Variance

-0.07737226 -0.05882353 0.01269830

> lisa=localmoran(Dataset$CN, listw=c,alternative="two.sided")> lisa

Ii E.Ii Var.Ii Z.Ii Pr(z != 0)1 -0.2116788 -0.05882353 0.12254293 -0.4366529 0.662363072 -0.2116788 -0.05882353 0.12254293 -0.4366529 0.662363073 -0.2116788 -0.05882353 0.12254293 -0.4366529 0.662363074 -0.3167883 -0.05882353 0.12254293 -0.7369131 0.461175175 0.2087591 -0.05882353 0.12254293 0.7643879 0.444636106 -0.2116788 -0.05882353 0.12254293 -0.4366529 0.662363077 -0.2554745 -0.05882353 0.22331235 -0.4161402 0.677307458 -1.1313869 -0.05882353 0.22331235 -2.2696902 0.023226399 -0.2554745 -0.05882353 0.22331235 -0.4161402 0.6773074510 -0.2554745 -0.05882353 0.22331235 -0.4161402 0.6773074511 0.1824818 -0.05882353 0.07935604 0.8565976 0.3916673312 0.1824818 -0.05882353 0.07935604 0.8565976 0.3916673313 0.1824818 -0.05882353 0.07935604 0.8565976 0.3916673314 0.1824818 -0.05882353 0.07935604 0.8565976 0.3916673315 0.1824818 -0.05882353 0.07935604 0.8565976 0.3916673316 0.1824818 -0.05882353 0.07935604 0.8565976 0.3916673317 0.1824818 -0.05882353 0.07935604 0.8565976 0.3916673318 0.1824818 -0.05882353 0.07935604 0.8565976 0.39166733attr(,"call")localmoran(x = Dataset$CN, listw = c, alternative = "two.sided")attr(,"class")

> d=moran.test(Dataset$Cr, listw=c,alternative="two.sided")> d


data: Dataset$Crweights: c


-0.05858586 -0.05882353 0.01161790

> lisa=localmoran(Dataset$Cr, listw=c,alternative="two.sided")> lisa

Ii E.Ii Var.Ii Z.Ii Pr(z != 0)1 0.000000e+00 -0.05882353 0.11729818 0.1717534 0.86363137082 -1.309091e+00 -0.05882353 0.11729818 -3.6505413 0.00026168823 -1.636364e-01 -0.05882353 0.11729818 -0.3060334 0.75957921354 -1.636364e-01 -0.05882353 0.11729818 -0.3060334 0.75957921355 -1.636364e-01 -0.05882353 0.11729818 -0.3060334 0.7595792135

67

6 -1.636364e-01 -0.05882353 0.11729818 -0.3060334 0.75957921357 -4.545455e-01 -0.05882353 0.21020046 -0.8631242 0.38806919978 2.727273e-01 -0.05882353 0.21020046 0.7231581 0.46958276439 0.000000e+00 -0.05882353 0.21020046 0.1283022 0.897909791210 -4.620180e-19 -0.05882353 0.21020046 0.1283022 0.897909791211 1.948052e-01 -0.05882353 0.07748291 0.9111617 0.362210170012 1.948052e-01 -0.05882353 0.07748291 0.9111617 0.362210170013 1.948052e-01 -0.05882353 0.07748291 0.9111617 0.362210170014 1.948052e-01 -0.05882353 0.07748291 0.9111617 0.362210170015 1.948052e-01 -0.05882353 0.07748291 0.9111617 0.362210170016 -2.727273e-01 -0.05882353 0.07748291 -0.7684496 0.442220096517 1.948052e-01 -0.05882353 0.07748291 0.9111617 0.362210170018 1.948052e-01 -0.05882353 0.07748291 0.9111617 0.3622101700attr(,"call")localmoran(x = Dataset$Cr, listw = c, alternative = "two.sided")attr(,"class")[1] "localmoran" "matrix"

> d=moran.test(Dataset$Pb, listw=c,alternative="two.sided")> d


data: Dataset$Pbweights: c

Moran I statistic standard deviate = -0.5732, p-value = 0.5665alternative hypothesis: two.sidedsample estimates:Moran I statistic Expectation Variance

-0.13201789 -0.05882353 0.01630575

> lisa=localmoran(Dataset$Pb, listw=c,alternative="two.sided")> lisa

Ii E.Ii Var.Ii Z.Ii Pr(z != 0)1 -0.06077348 -0.05882353 0.1400551 -0.005210438 0.99584269062 -0.06077348 -0.05882353 0.1400551 -0.005210438 0.99584269063 -0.06077348 -0.05882353 0.1400551 -0.005210438 0.99584269064 -0.27292818 -0.05882353 0.1400551 -0.572106113 0.56725008815 -0.85635359 -0.05882353 0.1400551 -2.131069218 0.03308344026 -0.06077348 -0.05882353 0.1400551 -0.005210438 0.99584269067 0.19337017 -0.05882353 0.2670928 0.487981217 0.62556314538 0.21546961 -0.05882353 0.2670928 0.530742458 0.59559725989 -0.66850829 -0.05882353 0.2670928 -1.179707169 0.238116701510 0.21546961 -0.05882353 0.2670928 0.530742458 0.595597259811 0.04340963 -0.05882353 0.0856104 0.349404527 0.726785635212 -0.01341752 -0.05882353 0.0856104 0.155185117 0.876675381113 -0.01341752 -0.05882353 0.0856104 0.155185117 0.876675381114 0.04340963 -0.05882353 0.0856104 0.349404527 0.726785635215 0.04340963 -0.05882353 0.0856104 0.349404527 0.726785635216 -1.14996054 -0.05882353 0.0856104 -3.729203086 0.000192086317 0.04340963 -0.05882353 0.0856104 0.349404527 0.726785635218 0.04340963 -0.05882353 0.0856104 0.349404527 0.7267856352attr(,"call")localmoran(x = Dataset$Pb, listw = c, alternative = "two.sided")attr(,"class")[1] "localmoran" "matrix"

68

Lampiran 10 Bukti Sumbit di Scietech 2016

EasyChair <[email protected]>KeRokhana BektiOkt 30 pada 3:46 PMDear Rokhana Bekti,

Heruna Tanty <[email protected]> submitted the followingpaper to ScieTech2016:

-------------------------------Analysis of Chemical Groundwater as Effect of Pollutan from TPST Bantar Gebangand TPA Galuga, Indonesia-------------------------------

You are listed as one of the authors ofthis paper. To enter the ScieTech2016 Webpages you should visit

https://easychair.org/conferences/?conf=scietech2016

and enter your EasyChair user name andpassword.

If you forgot your user name or password,please visit

https://easychair.org/account/forgot.cgi

and specify [email protected] as your email address.

Best regards,EasyChair Messenger.

__________________________________________________Please do not reply to this email. This emailaddress is used only for sending email so youwill not receive a response.

LAPORAN TAHUNAN HIBAH PENELITIAN KERJASAMA ANTAR...

Documents

Transcript of LAPORAN TAHUNAN HIBAH PENELITIAN KERJASAMA ANTAR...