laporan tahunan hibah penelitian kerjasama antar...
TRANSCRIPT
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
Air baku (kontrol) 22 0.9218 0.7031 0.0500 1.8000Air hasil filtrasi RO 22 0.0514 0.0035 0.0500 0.0600
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
baku memiliki nilai minimum 0.0050 mg/l, nilai maksimum 0.0280 mg/l, dan rata-
ratanya adalah 0.0108 mg/l. Sementara itu pada hasil filtrasi RO, didapatkan rata-rata
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
Kadar zat N Meanmg/l
StandardDeviasi
Minimummg/l
Maximummg/l
Air baku (kontrol) 22 0.0108 0.0062 0.0050 0.0280Air hasil filtrasi RO 22 0.0054 0.0012 0.0050 0.0100
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
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 5.9 dan Gambar 5.10.
Tabel 5.5 Analisis Deskriptif Kadar Zat pada Cd di TPST Bantar Gebang
Kadar zat N Meanmg/l
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
mg/lAir baku (kontrol) 18 0.002 0.0020 0.001 0.008Air hasil filtrasi RO 18 0.001 4.463x10-19 0.001 0.001
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
Kadar zat N Meanmg/l
StandardDeviasi
Minimummg/l
Maximummg/l
Air baku (kontrol) 18 0.9739 1.0209 0.0500 3.8800Air hasil filtrasi RO 18 0.0606 0.0180 0.0500 0.1000
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
mg/lAir baku (kontrol) 18 0.0023 0.0001 0.0020 0.0040Air hasil filtrasi RO 18 0.0020 2.1037x10-19 0.0020 0.0020
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
Kadar zat N Meanmg/l
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
Lokasi < 500 mLokasi > 500 m
0.00500.0036
0.6840.278 0,0026
0.00180,7724 0.2326
All 0,0038 0,0020Pb
Lokasi < 500 mLokasi > 500 m
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
3 Desa Galuga,sinarjaya
Fungsi : Minum,Masak, Cuci, Mandi.Air bersih dan beningJarak dari TPAGaluga : 100 m
4 Desa Galuga,sinarjaya
Fungsi : Minum,Masak, Cuci, Mandi.Air bersih dan beningJarak dari TPAGaluga : 150 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
Fungsi : Minum,Masak, Cuci, Mandi.Air bersih dan beningJarak dari TPAGaluga : 100 m
8 Moyan Galuga Fungsi : Minum,Masak, Cuci, Mandi.Air bersih dan beningJarak dari TPAGaluga : 100 m
9 Moyan Galuga Fungsi : Minum,Masak, Cuci, Mandi.Air bersih dan beningJarak dari TPAGaluga : 200 m
10 Moyan Galuga Fungsi : Minum,Masak, Cuci, Mandi.Air bersih dan beningJarak dari TPAGaluga : 200 m
51
Lampiran 3 : Pengambilan Sampel di TPST Bantar Gebang
52
53
Lampiran 4 : Pengambilan Sampel di TPA Galuga
54
Lampiran 5: Penyerahan Sampel di UNPAD
55
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")
Welch Two Sample t-test
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
sample estimates:mean in group 1 mean in group 2
0.003666667 0.002631579
> t.test(Dataset$Cr~Dataset$kode1, alternative="greater")
Welch Two Sample t-test
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
sample estimates:mean in group 1 mean in group 2
0.005000000 0.003578947
> t.test(Dataset$Pb~Dataset$kode1, alternative="greater")
Welch Two Sample t-test
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
sample estimates:mean in group 1 mean in group 2
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)
Residuals:Min 1Q Median 3Q Max
60
-0.0006667 -0.0006316 0.0003333 0.0003684 0.0013684
Coefficients:Estimate Std. Error t value Pr(>|t|)
(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)
Residuals:Min 1Q Median 3Q Max
-0.0025789 -0.0024342 -0.0005789 0.0011711 0.0044211
Coefficients:Estimate Std. Error t value Pr(>|t|)
(Intercept) 0.0035789 0.0005908 6.058 6.38e-06 ***kode1 0.0014211 0.0015999 0.888 0.385---Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
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)
Residuals:Min 1Q Median 3Q Max
-0.006000 -0.004947 -0.001947 0.006303 0.012000
Coefficients:Estimate Std. Error t value Pr(>|t|)
(Intercept) 0.009947 0.001374 7.242 5.24e-07 ***kode1 0.006053 0.003720 1.627 0.119---Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
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$CN, listw=c,alternative="two.sided")> d
Moran's I test under randomisation
data: Dataset$CNweights: c
Moran I statistic standard deviate = 1.8518, p-value = 0.06405alternative hypothesis: two.sidedsample estimates:Moran I statistic Expectation Variance
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$Cr, listw=c,alternative="two.sided")> d
Moran's I test under randomisation
data: Dataset$Crweights: c
Moran I statistic standard deviate = 1.4655, p-value = 0.1428alternative hypothesis: two.sidedsample estimates:Moran I statistic Expectation Variance
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$Pb, listw=c,alternative="two.sided")> d
Moran's I test under randomisation
data: Dataset$Pbweights: c
Moran I statistic standard deviate = 1.7495, p-value = 0.0802alternative hypothesis: two.sidedsample estimates:Moran I statistic Expectation Variance
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")
Welch Two Sample t-test
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")
Welch Two Sample t-test
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:
-Inf 0.0006880385sample estimates:mean in group 0 mean in group 1
0.002230769 0.002400000
> t.test(Dataset$Cr~Dataset$kode1, alternative="less")
Welch Two Sample t-test
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:
-Inf 0.001208676sample estimates:mean in group 0 mean in group 1
0.001769231 0.002600000
> t.test(Dataset$Pb~Dataset$kode1, alternative="less")
Welch Two Sample t-test
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:
-Inf 0.001593729sample estimates:mean in group 0 mean in group 1
0.006692308 0.007200000
66
> d=moran.test(Dataset$CN, listw=c,alternative="two.sided")> d
Moran's I test under randomisation
data: Dataset$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$Cr, listw=c,alternative="two.sided")> d
Moran's I test under randomisation
data: Dataset$Crweights: c
Moran I statistic standard deviate = 0.002205, p-value = 0.9982alternative hypothesis: two.sidedsample estimates:Moran I statistic Expectation Variance
-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$Pb, listw=c,alternative="two.sided")> d
Moran's I test under randomisation
data: Dataset$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.
69