Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRACTSince the Jakarta Bay is economically important for various stake holders, then understanding the eutrophication processes, condition and its status, in the past, present time, and in the future through scientific research is inevitable.The objectives of this research are (1) To analyze the water quality parameters that can be used as an indicator of eutrophication phenomenon, (2) To develop monitoring tools for observing eutrophication process, and (3) To assess the tendency of eutrophication in the future using ASSETS (Assessment of Estuarine Trophic Status) model.The method used in this research is marine remote sensing techniques through the application of multi-temporal and multi-sensor of Landsat satellites data. Results from field sampling of water quality data indicated that the mean of water transparency were stable during 1970?s to 1990?s around 7.5 m, but sharply decreased to 3.8 m in 2000?s On the other hand, the mean chlorophyll-a concentration showed a reversal pattern from water transparency, that the concentration was rapidly increased from 1.71 to 7.8 g/m3 during 1970?s to 2000?s. Based on these data, eutrophication is occuring in the Jakarta Bay.Empirical model for predicting water transparency developed using multitemporal Landsat-7 ETM+ data and field data collected in 2004 indicated that the model was good and capable to predict water transparency. The model was applied to both old Landsat aquired in 1970?a (Landsat-1, 2 and 3 MSS), 1980?s (Landsat-4 and 5 MSS and TM), and 1990?s (Landsat-5 and 7, TM and ETM+), as well as the latest data of 2000?s (Landsat-7 ETM+). Maps of water transparency and Trophic State Indeks (TSI) derived from emprical predicting model indicated a decreasing tendency of water transparency from 7.5 to 4.0 m during the 1970?s to 2000?s with the higest decreasing rate from 1980?s to 2000?s, while the TSI showed an oligotrophic condition during 1970?s to 1980?s, but move to mesotrhopic condition in 1990, and decreasing to eutrophic and hypertrophic condition in 2000?s. Thus, all these facts proved that the eutrophication is still going from the past to the present time. Utilization of ASSETS model for knowing the eutrophication of Jakarta Bay in the future based on several input parameters showed that strong eutrophicatiom will be continued in the future in which caused worsen condition of the water quality."

"ABSTRAKPerairan Teluk Jakarta sangat subur karena banyak sungai besar maupun kecil yang mengalir ke perairan ini dengan membawa nutrien atau zat-zat hara dari daratan kota Jakarta sehingga menjadi tempat yang sangat baik untuk para nelayan menangkap ikan. Dengan bertambahnya penduduk maka hasil buangan juga akan meningkat, sehingga akibatnya perairan akan cenderung mengalami kondisi eutrofik. Eutrofikasi merupakan suatu proses pengayaan perairan oleh zat-zat hara yang berlebihan dan berlangsung terus menerus dan ditandai oleh blooming satu jenis fitoplankton dan kekurangan zat oksigen di dekat dasar perairan. Akibat dari kondisi eutrofik ini maka sering kita jumpai kematian ikan atau biota dasar perairan secara masal.Untuk mengantisipasi masalah ini kepada masyarakat perlu digalakkan kesadaran lingkungan seperti tidak membuang sampah langsung ke badan-badan air. Perlu pula dimasyarakatkan budidaya ikan dan biota seperti kerang-kerangan.Lokasi penelitian: yaitu perairan-perairan estuarin Teluk Jakarta. Pengamatan dilakukan pada 6 titik wilayah dari barat ke timur yaitu Cengkareng, Muara Angke, Marina, Sampur, Blencong, dan Muara Gembong. Dilakukan pengambilan sampel fitoplankton dan pemeriksaan beberapa parameter hidrologi seperti suhu, salinitas, oksigen, pH, fosfat, dan nitrat. Analisis semua data dilakukan di Laboratorium Puslitbang Oseanologi-LIPI, Jakarta.Hipotesis yang diajukan adalah:1. Keragaman kelimpahan fitoplankton secara spasial dan temporal adalah sangat besar.2. Keragaman kelimpahan fitoplankton dipengaruhi oleh faktor -faktor suhu, salinitas, pH, oksigen, nitrat, dan fosfat, atau oleh kombinasi dari faktor-faktor lingkungan tersebut, dan nutrien merupakan faktor paling dominan dalam mempengaruhinya.3. Keragaman fitoplankton sangat ditentukan oleh dominasi dari marga-marga yang dominan.Ringkasan hasil penelitian adalah sbb.:Reragaman kelimpahan fitoplankton sangat bervariasi.Pada keragaman secara temporal, kelimpahan pada bulan Juli, September, dan Februari tinggi, sedangkan pada bulan Mei dan Mopember relatif rendah.Pada keragaman secara spasial, kelimpahan tinggi terjadi pada wilayah Muara Angke, Marina, dan Sampur, sedangkan kelimpahan rendah terjadi pada wilayah Cengkareng, Blencong, dan Muara Gembong.Pada setiap pengamatan terjadi blooming fitoplankton yang didominasi oleh beberapa marga yang bergantian.Pada bulan Mei 1993 kelimpahan mencapai 6,34 juta sel/m3 yang didominasi oleh Skeletonema (39 %) dan Thalassiosira (36%). Pada bulan Juli kelimpahan mencapai 22,4 juta sel/m3dimana saat itu sedang terjadi blooming Skeletonema (51%) dan blooming Thalassiosira (49%). Pada bulan September kelimpahan mencapai angka tertinggi selama penelitian yaitu 62,6 juta sel/m3. Pada saat itu terjadi blooming oleh Chaetaceros (99 %). Pada bulan Nopember kelimpahan paling rendah selama penelitian yaitu 1,5 juta sel/m3. Pada saat itu sebenarnya sedang terjadi ledakan populasi Noctiluca. Walaupun jumlahnya kecil tetapi karena ukuran setiap sel nya adalah besar yaitu dapat mencapai 2 mm maka kondisi demikian sesungguhnya sedang terjadi blooming oleh Noctiluca (58%) dan Chaetviceros sebesar 42%. Pada bulan Februari 1994 kelimpahan mencapai 14 juta sel/m3. Pada saat itu sedang terjadi blooming oleh Skeletonema {99,8 %) dan Noctiluca sebesar 0,2 %.Pola kelimpahan tampak berlawanan dengan pole curah hujan maupun pola kelimpahan di perairan P. Pari dan Teluk Jakarta secara umum. Pola kelimpahan mempunyai 2 puncak yaitu puncak ke 1 terjadi pada periode Mei-September dimana titik puncak terlihat pada bulan September (tertinggi), dan puncak ke 2 terjadi pada bulan Februari.Hubungan kelimpahan fitoplankton terhadap parameter-parameter hidrologi menunjukkan hubungan yang sangat erat (p<0,01) pada pengamatan-pengamatan bulan-bulan Mei, Nopember, dan Februari; dan hubungan erat (p<0,05) pada bulan-bulan Juli dan September. Interaksi fosfat dengan nitrat berpengaruh kuat terhadap kelimpahan fitoplankton pada bulan Mei, Nopember, dan Februari. Interaksi suhu dengan oksigen mempunyai korelasi terhadap kelimpahan fitoplankton pada bulan Juli. Interaksi suhu dengan salinitas berkorelasi kuat terhadap kelimpahan pada bulan September.Dengan tingginya limbah domestik yang masuk ke perairan Teluk Jakarta dan terbukti perairan ini selalu mengalami blooming dan bahkan kematian ikan sering terjadi menuniukkan bahwaperairan ini telah cenderung mengaiami kondisi eutrofik. Hal ini berarti di perairan sedang terjadi penurunan kualitas air karena sedang menghadapi tekanan-tekanan yang datang dari daratan.

---

ABSTRACT

Spatial and Temporal Variations of The Structures of Phytoplankton Communities at The Estuary of The Jakarta BayJakarta Bay is very rich of nutrient due to many rivers which bring the nutrients to the waters from the land of Jakarta. Therefore this area become a good place for fisheries. The increasing of the domestic wastes because of the population growth, will result the tendency of the eutrophication condition. Due to this condition, sometime we face the mass mortality of fish due to the oxygen depletion condition at the bottom of the water.

In anticipation of this problem, the public should be made aware of the environmental condition: not throwing away the wastes directly to the water, and fish and benhic fauna cultures i. e. mussels, etc. should be also introduced to them.

The location of the research: are at 6 locations along the coast from the west to the east of the Jakarta Bay, namely Cengkareng, Muara Angke, Marina, Sampur, Blencong, and Muara Gembong. The samples were studies for phytoplankton and temperature, salinity, oxygen, pH, phosphate, and nitrate. All samples were analyzed at the Laboratory of Puslitbang Oceanology - LIPI, Jakarta.

The Hypothesis are

Spatial and temporal variations of phytoplankton densities were high.

The variations were influenced by temperature, salinity, pH, oxygen, nitrate, and phosphate, and the inter-action of the factors. The nutrient is the main factor for phytoplankton growth.

The variations were also strongly influenced by the dominant genera.

The summary :

The variations of phytoplankton densities were high.

For the temporal variatons, the phytoplankton densities in July, September, and February were high, while in May and November were relatively low.

For the spatial variations, the densities at Muara Angke, Marina, and Sampur were high, while at the other areas: Cengkareng, Slencong, and Muara Gembong were low.

There were always blooming which were dominated by some genera. In May, the average phytoplankton density was 6,34 million cells/.m3 where the community was dominated by Skeletonema {39%) and Thalassiasira (36%). In July, the density reached 22,4 million cells/m3 where the phytoplankton communities were dominated by Skeletonema (51%) and Thalassiosira (49%). In September, the density reached the highest value i. e. 62,6 million cell/m3. At that time Chaetoceras outbreak was occurred (99%). In November, the phytoplankton density reached the lowest value, i. e. 1,5 million cells/m3. At that time Noctiluca outbreak was occurred. Although the density was low, the size of Nactiluca is quite big (2mm in diameter).

Therefore Noctiluca outbreak (58%) occurred and was reached 14 million cells/m0. At that time the blooming of Skeletonema occurred (99,8 %) and Noctiuca was only reached 0,2 %.

The pattern of the densities of phytoplankton were in opposite to the pattern of the densities in this bay in general and the pattern of the rain fall.

The relationship of densities and environmental condition were very significant (p<0,01) in May, November, and February; and were significant (p<0,05) in July and September. Nitrate was much influenced the phytoplankton densities, while phosphate was not so. The inter-action of nitrate-phosphate was significantly influenced and positive to the growth of phytoplankton in May and February, while in November was significant and negative. The interaction temperature-oxygen was significant and negative to the phytoplankton growth in July. In September, the inter-action temperature-salinity was significant and positive to the phytoplankton growth.

As the result of high influx of domestic wastes to the water of the Jakarta Bay, the fact that the water was always in bloom condition and fish and benthic animals mortalities frequently occurred. This condition reflects the tendency of the eutrophic process. This means that the

As the result of high influx of domestic wastes to the water of the Jakarta Bay, and the fact that the water was always in bloom condition, and fish and benthic animals mortalities frequently occurred, reflects the tendency of the eutrophic process. This means that the quality of the water is worsening due to the pressure coming from the land.

References : 64 books and papers (1925-1994)."

"Variasi kegiatan antropogenik di DKI Jakarta sebagai kota urban yang berkembang pesat menimbulkan limbah yang dilepas ke sungai yang pada akhirnya bermuara di Teluk Jakarta. Di sisi lain, Teluk Jakarta dikenal masih dimanfaatkan sebagai tempat pariwisata, fasilitas transportasi laut, maupun sumber tangkapan. Tujuan penelitian ini adalah guna melihat persebaran konsentrasi serta beban pencemar organik dan nutrien yang dilihat berdasarkan angka konsentrasi dan debit pada titik pantau sungai serta menilai aktivitas antropogenik mana yang paling berpengaruh terhadap besaran beban pencemar. Konsentrasi pencemar organik dan nutrien dilihat dari Data Alam KLHK, sedangkan besaran debit akan diproyeksikan berdasarkan besaran curah hujan, luas sub-DAS, dan morfologi saluran sungai pada periode 2016 – 2019 dengan Hec-HMS. Penelitian memperlihatkan bahwa curah hujan sangat berpengaruh pada besaran beban pencemar yang dinyatakan dalam ton/tahun walau konsentrasi terukur tidak terlalu signifikan. Guna melihat pengaruh aktivitas antropogenik terhadap beban pencemar, dilakukan analisis korelasi antara beban pencemar dengan persentase tutupan lahan yang diperkuat dengan grafik scatter. Penelitian memperlihatkan bahwa korelasi antara jenis lahan aktivitas antropogenik dengan pencemar (kecuali DO atau oksigen terlarut) tidak selalu berkorelasi positif, sebagaimana halnya yang terlihat pada korelasi lahan komersial dan TSS yang justru berkorelasi negatif.

---

Variations of anthropogenic issues in DKI Jakarta as urban city produce waste that flows into water bodies that ends up in Jakarta Bay. In fact, Jakarta Bay is known to be still used by local residents as a place of tourism, marine transportation facilities, and a source of marine catch as consumption and ornamental animals. The purpose of this study is to see the distribution of concentrations and the rate or loading of organic and nutrient pollutants seen based on concentration and discharge figures at river monitoring points and assess which anthropogenic activity has the most influence on the amount of beban of pollutant. The concentration of organic and nutrient pollutants is seen from Data Alam by Ministry of Environment and Forestry, while the amount of discharge will be projected based on the amount of rainfall rate, sub-basin area, and morphology of river channels in the period 2016 – 2019. Research shown that rainfall rate greatly affects the amount of pollutant loading expressed in tons/year even though the measured concentration is not too significant. In order to see the influence of anthropogenic activity, a correlation analysis was carried out between the loading of pollutants and the percentage of land cover which was strengthened by a scatter chart. Research also shows that the correlation between anthropogenic activity land types and polluters (except Dissolved Oxygen) is not always positively correlated, as it is seen in the correlation of commercial land and TSS which is actually negatively correlated."

"Perairan Teluk Ambon terletak di Pulau Ambon pada posisi 128°OO'00"BT--128°14'25"BT dan 03°37'55"LS-03°37'45' LS, terdiri atas dua bagian yaitu Teluk Ambon Bagian Dalam (TAD) dan Teluk Ambon Bagian Luar (TAL), keduanya dipisahkan oleh suatu celah yang sempit dan dangkal. Teluk Ambon Bagian Dalam relatif sempit, dangkal dan banyak dipengaruhi oleh aliran-aliran sungai. Teluk Ambon Bagian Luar lebih luas, dalam dan berhubungan langsung dengan Laut Banda. Luas kedua Teluk ini sekitar 143,5 km2 dan panjangnya sekitar 30 km. Ekosistem yang ada di kedua Teluk ini adalah ekosistem mangrove, terumbu karang, padang lamun, rumput laut dan sebagainya.Kondisi seperti di atas membuat perairan Teluk Ambon ini relatif subur dan kaya dengan keanekaragaman flora dan fauna.Keadaan ini telah menimbulkan berbagai masalah, khususnya mengenai pencemaran laut. Berbagai tanggapan bermunculan di media masa mengenai kualitas perairan Teluk Ambon. Hal ini disebabkan karena semakin berkurang dan rusaknya beberapa potensi sumberdaya yang ada, seperti berkurangnya populasi ikan umpan, rusaknya terumbu karang, hutan mangrove dan sebagainya.Untuk mengetahui dan mengevaluasi kondisi perairan Teluk Ambon, pada bulan Mei dan Juli 1995, telah dilakukan pemantauan pada kualitas perairan ini, yang meliputi beberapa parameter fisika (suhu, kecerahan dan zat padat tersuspensi), dan kimia (oksigen terlarut, salinitas, fosfat, nitrat dan pH).Tujuan penelitian ini adalah untuk memantau kualitas perairan Teluk Ambon, serta faktor-faktor yang mempengaruhinya. Hasilnya diharapkan dapat memberikan informasi bagi pemerintah untuk penyusunan kebijaksanaan pengelolaan lingkungan dan pemanfaatannya bagi berbagai kepentingan dan analisis mengenai dampak lingkungan.Untuk melihat kecenderungan perubahan kualitas perairan, posisi stasiun pemantauan ditetapkan secara purposive random sampling dengan mengacu kepada posisi stasiun pemantauan yang telah dilakukan sejak tahun 1973.Contoh air laut diambil dengan menggunakan tabung Nansen pada lapisan permukaan. Suhu, kecerahan, salinitas, zat padat tersuspensi, dan pH berturut-turut ditentukan dengan termometer balik terlindung (protected reversing thermometer), piringan Secchi (Secchi disk), salinometer Beckman RS-7, timbangan analitik Sartorius secara gravimetri, dan Horiba Water Checker U-8. tat hara fosfat dan nitrat ditentukan secara kolorimetri menurut cara yang ditetapkan oleh Strickland dan Parsons (1958) dengan menggunakan spektronik-21 Shimadzu, sedang oksigen terlarut ditentukan dengan metode Winkler secara titrasi.Untuk melihat perbedaan masing-masing parameter antar bulan pemantauan (Mai dan Juli), digunakan statistik uji t (pair observation) (Subiyakto, 1994), sedang untuk melihat perbedaan antar stasiun dan tahun pemantauan digunakan rancangan acak kelompok (Steel and Torrie, 1980).Hipotesis dari penelitian ini adalah 1) Waktu (bulan dan tahun) dan posisi stasiun berpengaruh pada kualitas perairan Teluk Ambon (suhu, kecerahan, zat padat tersuspensi, salinitas, oksigen terlarut, fosfat, nitrat, dan pH), 2) Kualitas perairan Teluk Ambon (suhu, kecerahan, zat padat tersuspensi, salinitas, oksigen terlarut, fosfat, nitrat, dan pH) masih memenuhi persyaratan yang ditetapkan oleh Baku Mutu Air Laut (KLH, 1988) untuk berbagai peruntukkan.Berdasarkan hasil pengamatan, maka dapat disimpulkan bahwa 1) Waktu (bulan dan tahun) berpengaruh pada kualitas perairan Teluk Ambon (suhu, kecerahan dan zat padat tersuspensi, salinitas, oksigen terlarut, fosfat, nitrat, dan pH), sedang stasiun hanya berpengaruh pada suhu, salinitas dan nitrat (Aei), suhu, salinitas dan fosfat (Juli)(P < 5%), 2) Kualitas perairan Teluk Ambon (suhu, kecerahan, zat padat tersuspensi, salinitas, oksigen terlarut, fosfat, nitrat, dan pH) masih memenuhi persyaratan yang ditetapkan oleh Baku Mutu Air Laut (KLH, 1988) untuk berbagai peruntukkan, kecuali kecerahan untuk pariwisata dan rekreasi.Jika perairan ini hendak digunakan sebagai lokasi budidaya perikanan, disamping parameter-parameter di atas, perlu dilakukan pemantauan yang mendalam dan terpadu pada parameter-parameter fisika dan kimia yang lain yang pada penelitian belum diamati. Selain itu faktor musim juga perlu dipertimbangkan.Daftar Kepustakaan: 86 (1961-1995)

---

The Waters Quality of Ambon BayAmbon Bay waters is located in Ambon Island between 126°O0'00"E-128°14'25"E and 03°37'55"S-03°37'45"S. It consists of two bays namely the Inner and Outer Ambon Bay. These bays are separated by a narrow and shallow sill. The Inner Ambon Bay is rather narrow, shallow, semi-enclosed, and affected by the ,river flows. On the other hand the Outer Say is wide, deep and connected to Banda Sea directly. The area of this bay is about 143,5 km2, and length about 30 km. The ecosystems found in this water are mangrove, coral reefs, sea grass and seaweed.The condition such above makes the water fertile and rich, especially with floral and faunal biodiversity.In line with the increase of development activities in Ambon City, various types of waste also produced. This situation had caused much problem, such as marine pollution. This case is reflected by the reaction of the mass media on the quality of Ambon Bay waters. This is also due to the decline and damages of the marine resources, such as life bait fish, coral reefs, mangrove and so on.To know and evaluate the condition of Ambon Bay waters, a study was carried out in May and July 1995 in this waters to monitor the physical and chemical parameters such as temperature, transparency, total suspended solid, salinity, dissolved oxygen, phosphate, nitrate, and pH of the sea water.The purpose of this research is to know the waters quality of Ambon Bay according to physical, chemical and biology parameters and other factors which influence. The results is expected to give the information to the government in environmental management of Ambon Bay and environment impact analysis.Surface Sea water samples for physical and chemical parameters analysis were taken by using Nansen Tube. Temperature, transparency, total suspended solid, salinity, pH determined by using protected reversing thermometer, Secehi disk, Sartorius analytical balance, salinometer Beckman-RS7, and Horiba Water Checker U-8 respectively. Nutrient (phosphate and nitrate) determined by calorimetric and measured their concentration with spectronic-21 Shimadsu, while dissolved oxygen determined by Winkler method with titration.Monitoring station position stated based on monitoring stations position which had done since 1973 by purposive random sampling.The hypothesis of this research are 1) Time (month and year) and station position have influence on the quality of Ambon Bay waters (temperature, transparency, total suspended solid, salinity, dissolved oxygen, phosphate, nitrate and pH), 2) The quality of Ambon Bay waters (temperature, transparency, total suspended solid, salinity, dissolved oxygen, phosphate, nitrate, and pH) still fulfill the criterion of Baku Hutu Air Laut for all purposes.To know the difference among monitored months, statistical approach is used namely t test (pair observation) (Subiyakto, 1994), while among monitored station and years by using randomized block design (Steel and Torrie, 1980).The results showed that 1) Time (month and year) have influence on the quality of Ambon Bay waters (temperature, transparency, total suspended solid, salinity, dissolved oxygen, phosphate, nitrate, and pH), while station position have influence on temperature, salinity, and nitrate (May), temperature, salinity, and phosphate (July) (P < 5%), 2) The quality of Ambon Bay waters (temperature, transfaran oxygen, phosphate, nitrate, and pH) still fulfill the criterion of Baku Mutu Air Laut (KLH, 1988) for all purposes, exception transparency for tourism and recreation.If this water will be used for mariculture purposes, the other physical, chemical and biological parameters need to be observed. Beside that the moonson factors is also need to be consider.Number of reference : 86 (1961-1995)"

"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"

"Kawasan pesisir Indonesia juga merupakan kawasan pesisir yang memiliki keanekaragaman hayati laut terbesar di dunia. Hal tersebut menggambarkan bahwa potensi sumber daya laut di Indonesia sangat besar dan berlimpah. Salah satu potensi sumberdaya laut yang besar terletak di Teluk Benoa. Namun, dilakukannya kegiatan reklamasi Teluk Benoa menyebabkan degradasi kualitas perairan di teluk ini. Penelitian ini bertujuan untuk menganalisis distribusi spatio temporal nilai paramereter dan kualitas perairan di Teluk Benoa. Perhitungan status mutu perairan menggunakan metode Pollution Index dengan parameter suhu, TSS, salinitas, dan DO. Nilai setiap parameter didapatkan menggunakan Algoritma Ali El Battay (2014) untuk DO, Supriatna (2016) untuk salinitas, Cahyono (2017) untuk suhu, dan Budhiman (2004) untuk TSS. Citra dari satelit tersebut akan dilakukan uji akurasi dan validasi menggunakan metode RMSE dan NOF serta Pearson Product Moment berdasarkan komparasi dari hasil pengukuran di lapangan. Hasilnya pola distribusi nilai suhu dengan DO berbanding terbalik. Hal serupa juga terjadi pada Salinitas dengan TSS. Perhitungan kualitas perairan pada tahun 2014 menghasilkan pola distribusi yang cenderung homogen. Hal tersebut berubah signifikan pada tahun 2020 berbanding lurus dengan kerusakan lingkungan di Teluk Benoa.

---

Indonesia's coastal area is also a coastal area that has the largest marine biodiversity in the world. This illustrates that the potential for marine resources in Indonesia is very large and abundant. One of the great marine resource potentials is located in Benoa Bay. However, the reclamation of Benoa Bay has caused degradation of the quality of the waters in this bay. This study aims to analyze the spatio-temporal distribution of parameter values and water quality in Benoa Bay. Calculation of water quality status using the Pollution Index method with parameters of temperature, TSS, salinity, and DO. The value of each parameter was obtained using the Ali El Battay Algorithm (2014) for DO, Supriatna (2016) for salinity, Cahyono (2017) for temperature, and Budhiman (2004) for TSS. The image from the satellite will be tested for accuracy and validation using the RMSE and NOF methods as well as the Pearson Product Moment based on the comparison of the measurement results in the field. The result is the distribution pattern of temperature values with DO is inversely proportional. The same thing happened to salinity with TSS. Water quality calculations in 2014 resulted in a distribution pattern that tended to be homogeneous. This will change significantly in 2020 in line with environmental damage in Benoa Bay."

"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)."

"Pengamatan kualitas air perairan Kepulauan Seribu Utara diperlukan agar menjaga stabilitas biota laut dan wisata bahari dari bahaya pencemaran air. Pesatnya pembangunan sarana wisata berdampak pada turunnya kualitas air. Kondisi perairan perlu dikontrol menggunakan baku mutu air laut kategori biota laut dan wisata bahari. Untuk itu, penelitian ini bertujuan untuk melakukan kajian spasial ekstraksi kualitas air perairan Kepulauan Seribu Utara. Hasil penelitian ini, dari algoritma Klorofil-a menggunakan MCI menghasilkan 61%, TSS dengan (Budhiman, 2004) dengan korelasi 51%, Salinitas dengan Cilamaya dengan korelasi 54%, CDOM dengan (Al-Kharusi,2020) dengan 55%, Suhu Permukaan Laut dengan algoritma (Syariz, 2015) menghasilkan korelasi 71% dan Turbiditas dengan NDTI menghasilkan korelasi 61%. Pada sebarannya hanya parameter TSS yang melebihi baku mutu sesuai aturan yang diterbitkan Kementerian Lingkungan Hidup dan Kehutanan Republik Indonesia.

---

Observation of the water quality in North Seribu Islands is needed to maintan the stability of marine life and tourism from danger of water pollution. The rapid development of tourist facilities has an impact on the decline in water quality. Water conditions need to be controlled using water quality standards for marine biota and tourism categories. Therefore, this study aims to do spatial study of water quality extraction from the waters of North Seribu Island. The result of chlorophyll-a algorithm using MCI resulted in 61%, TSS using (Budhiman,2004) resulted 51%, salinity perform using Cilamaya resulted 54%, CDOM with (Al-Kharusi,2020) resulted 55%, turbidity using NDTI resulted 71% and SST using (Syariz,2015) resulted 61% correlation. Based on the distribution, only TSS parameter exceeds the quality standard according to the rules issued by the Ministry of Environment and Forestry of the Republic of Indonesia."

"Salinity represents one of many character of surface layer that is important for biological life,inclusive mangrove forest with its association....."

"The aims of the study were a ) to determine the affect of offshore distant to the density and diversity of phytoplankton b) to determine the distribution pattern of density and diversity of phytoplankton...."