KAJIAN STATUS MUTU AIR DI SUNGAI GAJAHWONG DENGAN BERBAGAI INDEKS KUALITAS AIR

Kajian Status Mutu Air di Sungai Gajahwong (Muslimin)

KAJIAN STATUS MUTU AIR DI SUNGAI GAJAHWONG DENGAN BERBAGAI INDEKS KUALITAS AIR STUDY OF WATER QUALITY STATUS IN GAJAHWONG RIVER USING SEVERAL WATER QUALITY INDICES Muslimin1) dan Sri Puji Saraswati2) Jurusan Teknik Sipil dan Lingkungan, Fakultas Teknik Univ. Gadjah Mada Jalan Grafika, Yogyakarta Email: 1)[email protected]; 2)[email protected] diterima 2 Agustus 2012, diterima setelah perbaikan 4 April 2013 disetujui untuk diterbitkan 4 April 2013 Abstrak: Indeks kualitas air atau WQI (water quality index) adalah indeks yang menggambarkan kualitas air di suatu waktu dan lokasi perairan. WQI menjadikan parameter kualitas air yang kompleks menjadi informasi yang mudah dipahami publik, dapat digunakan untuk membandingkan status mutu air di berbagai tempat. Tujuan penelitian ini adalah untuk mengembangkan WQI yang sesuai dengan karakteristik Sungai Gajahwong dan dinamakan GWQI (Gajahwong Water Quality Index), kemudian membandingkannya dengan beberapa indeks kualitas air lain. GWQI dikembangkan dengan menggunakan principal component analysis (PCA) untuk memilih parameter dominan untuk status mutu air dan memberikan pembobotan pada masing-masing parameter tersebut. Sebagai perbandingan terhadap GWQI, status mutu air di Sungai Gajahwong juga dihitung dengan menggunakan metode NSF-WQI dan Prakash-WQI. Langkah komparasi dilakukan dengan membandingkan hasil pengkelasan WQI masing-masing metode dengan pengkelasan hasil analisis klaster. Hasil menunjukkan bahwa berdasarkan analisis PCA dipilih 6 parameter dominan dengan pembobotan (W i) sebagai berikut: Wi-Total Coliform=0,144; Wi-NH3=0,139; Wi-NO2=0,139; Wi-DHL=0,128; Wi-DO= 0,124; Wi-pH=0,026. Hasil komparasi pengkelasan menunjukkan bahwa kondisi kualitas air di Sungai Gajahwong menurut Prakash WQI dan GWQI terbagi atas 2 kelas mutu air yaitu baik dan sedang, sedangkan menurut NSF-WQI kualitas air di Sungai Gajahwong terbagi atas satu kelas mutu air yaitu sedang. Kata kunci: Indeks Kualitas Air, PCA, analisis klaster, GWQI, NSF-WQI, dan Prakash-WQI.

Abstract: Water quality index is a single index expressing the status of water quality at a certain location and time. WQI translates the complex list of constituents and their concentrations present in a sample into simple information understandable by public; it has a practical need to succinctly compare the overall water quality at many different locations. The objective of this research is to develop WQI applied to the character of Gadjahwong stream named as GWQI (Gadjahwong Water Quality Index) then the index was compared with some other published water quality indeces. GWQI is developed using principal component analysis (PCA) to select the dominant water quality parameters expressed the quality of water and then to weight the parameters appropriately. As comparison to GWQI, water quality status at Gadjahwong stream is also calculated using NSF-WQI and Prakash-WQI methods. Comparison step is conducted by comparing classification of each WQI method to classification by cluster analysis. The research result showed that based on PCA analysis there are 6 parameters chosen with the weightings (Wi) i.e. Wi-Total Coliform=0,144; Wi-NH3=0,139; Wi-NO2=0,139; WiDHL=0,128; Wi-DO=0,124; Wi-pH=0,026.Comparison result showed that Prakash WQI and GWQI methods divided water quality in Gajahwong River into 2 class, good and medium class, whereas NSF WQI method divided it into 1 class, medium class. . Keywords : Water quality index, PCA, cluster analysis, GWQI, NSF-WQI, and Prakash-WQI.

PENDAHULUAN Program monitoring kualitas air sungai sangat dibutuhkan untuk melindungi kesehatan publik, menjaga sumber air bersih dan kehidupan ekosistem di sungai. Salah satu langkah penting

dalam program ini adalah mengetahui status kualitas air baik secara temporal maupun secara spasial. Akan tetapi, data kualitas air yang diperoleh dari hasil pengukuran tidak dapat 91

Lingkungan Tropis, vol. 6, no.2, September 2012: 91-103

secara langsung menjelaskan status mutu air karena data kualitas air masih berupa nilai mentah dari parameter-paramater kualitas air yang diukur. Beberapa ilmuwan mengembangkan sebuah metode yang digunakan untuk mentransformasi parameter kualitas air yang berjumlah banyak menjadi nilai tunggal yang dikenal dengan nama Water Quality Index (WQI) (Stambuk-Giljanovic dalam Kannel et al., 2007). Tujuan utama WQI adalah untuk merubah data parameter kualitas air yang kompleks menjadi informasi yang mudah dipahami dan digunakan oleh masyarakat luas. Di kalangan ilmuwan penggunaan WQI untuk mengklasifikasikan kualitas air merupakan isu yang kontroversial. Mereka berpendapat bahwa sebuah indeks tidak dapat menggambarkan secara keseluruhan dari kualitas air karena banyak parameter kualitas air yang tidak tercakup dalam indeks tersebut (Hendrawan, 2005). Selain itu, WQI juga sangat subjektif karena banyak variabel dan langkahlangkah yang sangat tergantung pada masingmasing individu yang menilai. Pada perkembangan selanjutnya beberapa ilmuwan menggunakan metode yang lebih objektif untuk mengetahui karakteristik dan mengevaluasi kualitas air. Metode yang sering digunakan yaitu metode analisis statistik multivariate. Metode ini membantu dalam menginteprestasi data kualitas air yang kompleks dengan tinjauan variasi temporal dan spasial dengan lebih baik (Zhou et al., 2006 dan Saraswati et al., 2010). Kelemahan metode ini adalah memerlukan analisis dan pemahaman yang lebih rumit dibandingkan dengan WQI. Penilaian atas status kualitas air di Indonesia telah diatur dalam KepMen LH No.

115/2003, tentang Pedoman Penentuan Status Mutu Air, yaitu dengan metoda Storet dan Metoda Indeks Pencemaran. Pada dasarnya kedua indeks ini memiliki konsep yang sama dengan WQI yang merupakan nilai tunggal untuk menggambarkan status mutu air. Akan tetapi, BLH DIY dalam Laporan Analisa Data Kualitas Air Sungai di DIY Tahun 2010 mengusulkan agar metode ini ditinjau ulang karena memberikan hasil yang kurang sesuai dengan kondisi riil di lapangan. Selain itu, juga perlu meninjau ulang terkait parameter penentu kualitas air sungai, yang lebih menitikberatkan pada perubahan faktor lingkungan dan tidak dipengaruhi oleh faktor alam. Di sisi lain, negara-negara berkembang seperti Indonesia masih sering terkendala biaya yang cukup mahal untuk melakukan pengamatan kualitas air sungai secara kontinu dan menyeluruh. Oleh karena itu, menjadi salah satu tantangan bagi negara kita adalah kemampuan mengembangkan WQI dengan sedikit parameter kualitas air tetapi tetap dapat menggambarkan kondisi mutu air sesungguhnya. Usaha untuk menggembangkan indeks kualitas air sebelumnya telah dilakukan dengan menggunakan parameter biologi (Saraswati, 2009). Berangkat dari hal tersebut, peneliti mengembangkan sebuah WQI yang menggunakan analisis statistik multivariate untuk menggambarkan kualitas air di Sungai Gajahwong. Metode ini diberi nama Gajahwong Water Quality Index (GWQI). Sebagai perbandingan, dalam penelitian ini digunakan WQI yang dikembangkan di negara lain yaitu Prakash WQI dan NSF-WQI.

METODE Progam Prokasih oleh Badan Lingkungan Hidup DIY. Gambaran umum lokasi pengambilan sampel ditunjukkan pada gambar 1.

Pengumpulan dan Evaluasi Data Kualitas Air Data yang digunakan pada penelitian ini adalah data sekunder yang merupakan hasil

92


1

2 2 3 42 52 6 27 28 2

7

Gambar1. Lokasi penelitian di Sungai Gajahwong. Data kualitas air merupakan hasil serangkaian proses panjang yang dimulai dari perencanaan, pengambilan sampel di lapangan, analisis sampel di laboratorium, hingga pengambilan keputusan. Ketelitian analisis dan ketepatan masing-masing proses akan mempengaruhi data hasil analisis. Apabila terdapat kesalahan dalam salah satu proses maka bisa jadi sampel yang diambil tidak menggambarkan keadaan sebenarnya di lapangan sehingga kesimpulannya juga akan salah. Oleh karena itu, data hasil pengukuran parameter kualitas air perlu diketahui validitas dan reliabilitasnya. Uji validitas dan reliabilitas dilakukan dengan standarisasi data dan uji outlier.

dimana adalah data hasil standarisasi data ke-i, adalah data ke–i, m adalah jumlah data, ̅ adalah rata-rata data dan, S adalah standar deviasi (Berthouex, 2002). Uji outlier Uji outlier dilakukan untuk mencari data yang secara nyata berbeda dengan data–data yang lain. Data bisa mengalami outlier disebabkan oleh: salah dalam memasukkan data, salah dalam mengambil sampel, atau memang sudah begitu adanya (terjadinya kondisi ekstrim). Outlier dilakukan pada data yang telah distandarisasi. Data dikatakan outlier apabila: ̅ dimana adalah data ke-i, ̅ adalah rata-rata data, adalah jumlah data, adalah standar deviasi, dan adalah batas outlier dengan k digunakan 3 (Rodriguez, 2011).

Standarisasi data Standarisasi data dilakukan karena data kualitas air memiliki ukuran dan satuan yang berbeda. Pada standarisasi digunakan Zscore formula yang dinyatakan dengan persamaan sebagai berikut: ̅ (1)

Water Quality Index (WQI) Indeks kualitas air atau WQI (water quality index) adalah single indeks yang menggambarkan kualitas air di suatu waktu dan

93


lokasi perairan. WQI menjadikan parameter kualitas air yang kompleks menjadi informasi yang mudah dipahami publik, dapat digunakan untuk membandingkan status mutu air di berbagai tempat. Langkah utama dalam membentuk WQI menurut Abbasi et al. (2002) yaitu: a. Memilih parameter yang mewakili keseluruhan parameter b. Pemberian bobot pada masing-masing parameter. c. Transformasi perbedaan satuan ke dalam skala biasa dengan sub-indeks. d. Verifikasi indeks untuk mengevaluasi kecocokan indeks dengan kualitas air yang dinilai. Secara umum, status kualitas air menurut WQI dapat dikategorikan menjadi 5 peringkat yaitu: 0-25= sangat buruk, 25-50= buruk, 50-70= sedang, 70-90= baik, 90-100= sangat baik (Kannel et al., 2007 dan Oram, 2011).

Brown et al. (1970) mengembangkan NSF-WQI yang mengacu pada indeks Horton (1965). WQI ini dinamakan dengan National Sanitation Foundation Water Quality Index (NSF-WQI) karena proyek ini mendapat dukungan sepenuhnya dari National Sanitation Foundation (NSF). Untuk menghitung NSF-WQI digunakan persamaan berikut: ∑ ∑ Dimana qi adalah nilai q awal yang diberikan untuk masing-masing parameter. Nilai qi ini ditentukan dengan grafik sub-indeks pada gambar 2. Sedangkan Wi adalah bobot untuk masing-masing parameter. NSF-WQI dihitung menggunakan 9 parameter dengan nilai Wi pada masing-masing parameter yaitu: Wi-DO=0,17; Wi-pH=0,11;Wi-BOD=0,11;Wi-TS=0,07; WiNO3=0,1; Wi-PO4=0,1; Wi-Total Coliform=0,16.

94


(a)

(b)

(c)

(d)

(e)

(f)

(g)

Gambar 2. Grafik Sub-Indeks NSF-WQI; (a) DO; (b) pH; (c) BOD5; (d) TS; (e) NO3; (f) PO4; (g) Total Coliform. Kannel et al. (2007) mengembangkan Prakash-WQI di negara Nepal. Prakash WQI memiliki rumus umum sebagai berikut: ∑ ∑

dimana n adalah jumlah total parameter, Ci adalah nilai yang diberikan untuk parameter i setelah normalisasi dan Pi adalah bobot relatif yang diberikan untuk masing-masing parameter. Nilai Ci dan Pi diberikan pada tabel 1.

95


Tabel 1. Bobot relatif (Pi) dan faktor normalisasi (Ci) pada Prakash-WQI.

Parameter

Pi

pH EC DO TDS TSS PO4 NH3 NO3 NO2 BOD COD

1 1 4 2 4 1 3 2 2 3 3

Faktor normalisasi (Ci) 100

90

70

50

25

0

7 750 7,5 100 20 0,025 0,01 0,5 0,005 0,5 5

7–8 1000 7 500 40 0,05 0,05 2 0,01 2 10

7–9 1500 6 1000 80 0,2 0,2 6 0,05 4 30

6–9,5 2500 4 2000 120 0,5 0,4 10 0,15 6 50

3–12 8000 2 10000 320 1,5 1 50 0,5 12 100

1–14 12000 1 20000 400 2 1,25 100 1 15 150

Pengembangan Gajahwong Water Quality Index (GWQI) Pengembangan GWQI dikerjakan dalam dua tahap yaitu pemilihan dan pembobotan parameter dominan serta pembuatan sub indeks pada masing-masing parameter. Pemilihan dan pembobotan parameter dominan dikerjakan dengan bantuan Principal Component Analysis. Principal omponent Analysis (PCA) merupakan salah satu cara untuk mereduksi data yang kompleks ke dimensi yang lebih kecil dengan tetap mempertahankan karakteristik data tersebut. Prinsip dari metode ini adalah memilih beberapa principle component (PC) yang tinggi prioritasnya dan membuang beberapa principle component (PC) yang rendah prioritasnya. PC yang digunakan adalah PC yang eigenvalue-nya lebih dari 1. Eigenvalue merupakan suatu nilai yang menunjukkan seberapa besar pengaruh suatu variabel terhadap pembentukan karakteristik data tersebut. Penentuan parameter dominan ditentukan pada parameter-parameter yang memiliki nilai PC tinggi masing-masing parameter pada PCA-All. PCA-All adalah kumulatif perkalian eigenvector dengan % variansi masing-masing parameter. Pada prinsipnya, masing-masing PC adalah kombinasi linier dari nilai asli (Y) untuk sejumlah variabel kualitas air (p). Masingmasing PC mengikuti persamaan sebagai berikut:

Komparasi Hasil Pengkelasan WQI Komparasi hasil pengkelasan dilakukan untuk membandingkan hasil pengkelasan masing-masing metodeWQI dengan pengkelasan hasil analisis klaster nilai PCA-All. Analisis klasterakan memberikan hasil pengkelasan yang lebih objektif dengan menggunakan pendekatan statistik. Komparasi tersebut akan memberikan gambaran mengenai status mutu air pada masingmasing metode. Analisis klaster merupakan suatu teknik analisis statistik yangditujukan untuk membuat klasifikasi individu-individu atau obyek-obyek kedalam kelompok-kelompok lebih kecil yang berbeda satu dengan yang lain. Salah satu metode yang sering digunakan dalam analisis klaster adalah K-Means Cluster. Pada K-Means Cluster, terdapat sejumlah “k” kelompok. Pada prinsipnya masing-masing kelompok dikelompokkan berdasarkan jarak dengan titik pusat (centroid) pada masing-masing kelompok. Titik-titik akan dikelompokkan pada kelompok yang jarak titik pusatnya paling dekat dengan centroid masing-masing kelompok. Algoritma KMeans Cluster mengikuti persamaan berikut: ∑

∑

(6) ‖ ‖ dimana adalah titik yang termasuk kedalam klaster idan Ci adalah pusat klaster (centroid). Secara umum centroid yang paling optimal diperoleh dari jumlah jarak yang paling kecil. Oleh karena itu, iterasi digunakan untuk membantu menemukan centroid yang paling optimal.

dimana Cp,n adalah koefisien skor komponen untuk variabel kualitas air p pada PC dan Yb adalah nilai Y untuk variabel kualitas air p.

96


HASIL DAN PEMBAHASAN dan TSS. Sedangkan 8 tahun pengukuran yang digunakan yaitu: 2001, 2002, 2004, 2005, 2006, 2007, 2008, dan 2009. Pada data yang diperoleh kadang-kadang dijumpai beberapa parameter yang tidak diukur. Sehingga dari 8 lokasi pengukuran pada 8 tahun pengukuran terdapat 140 atau 3,4% data yang kosong dari jumlah data yang seharusnya 3264 data. Sehingga untuk mendapatkan data yang kontinu, dilakukan penghapusan satu kumpulan data (pada sampel yang sama) apabila terdapat salah satu data yang kosong. Data yang terpilih dalam langkah ini sebanyak 217 kumpulan data dari 283 kumpulan data. Pada langkah berikutnya dilakukan uji outlier untuk melihat kualitas data. Semakin banyak data yang outlier maka data yang ada perlu dievaluasi kemungkinan terjadinya kesalahan dalam proses analisis data. Data-data yang mengalami outlier dilakukan perbaikan dengan cara mengganti data outlier dengan ratarata pada lokasi dan musim yang sama. Jumlah outiler pada masing-masing parameter dapat dilihat pada gambar 3.

Evaluasi Data Kualitas Air Untuk mendapatkan data yang reliable dan valid beberapa hal yang dievaluasi yaitu: lokasi pengambilan sampel, waktu pengambilan sampel (bulan dan tahun), dan parameter yang diukur. Selama tahun 2000 hingga 2010, BLH DIY melalui program Prokasih melakukan pengambilan sampel di Sungai Gajahwong. Jumlah lokasi pengambilan sampel yang dilakukan oleh BLH DIY bervariasi antara 9 lokasi hingga 11 lokasi selama kurun waktu tersebut. Selain itu, jumlah parameter yang diukur juga bervariasi antara 13 parameter hingga 33 parameter. Untuk melakukan analisis diperlukan data lokasi dan jumlah parameter yang kontinu dari tahun ke tahun. Sehingga pada penelitian ini digunakan 8 lokasi yang yang kontinu dilakukan pengukuran sejak tahun 2000 hingga tahun 2010.Selain itu, diambil kombinasi terbaik dengan memilih 12 parameter dan 8 tahun pengukuran. 12 parameter yang dipilih yaitu: Amoniak, Total Coliform, BOD, COD, DHL, DO, Nitrat, Nitrit, pH, Phospahat Total, TDS,

Gambar 3. Jumlah data outlier. Langkah terakhir dalam evaluasi data kualitas air dilakukan peringkasan data dalam musim hujan dan kemarau. Pengambilan sampel oleh BLH dilakukan pada bulan yang berbedabeda tiap tahunnya, sehingga data perlu diringkas dalam musim yang sama untuk kemudahan analisis. Peringkasan dilakukan dengan mengambil rata-rata data pada musim, lokasi dan tahun yang sama. Peringkasan data ini menghasilkan 107 kumpulan data dari 217

kumpulan data yang merupakan hasil analisis sebelumnya. Pengembangan GWQI Pemilihan dan pembobotan parameter dominan Pemilihan dan pembobotan parameter dominan dilakukan dengan melakukan Principal Component Analysis (PCA) pada data yang telah dievaluasi sebelumnya. Hasil hitungan analisis

97


tersebut berupa nilai eigen, % kumulatif varian, dan eigenvector. Hasil hitungan eigenvalue dan % kumulatif variansi masing-masing parameter dapat dilihat pada gambar 4. Gambar tersebut memperlihatkan bahwa hanya komponen PC1, PC2, dan PC3 yang memiliki eigenvalue yang lebih besar dari 1. Komponen pertama ini (PC1)

ini dapat menjelaskan 29,45 % keragaman data, komponen kedua (PC2) menjelaskan 18,22% keragaman data dan komponen ketiga menjelaskan 11,27% keragaman data. Jumlah kumulatif varian ketiga PC mewakili 58,9 % keragaman total data.

4.0

120

3.5

100 80

2.5 2.0

60

1.5

40

% Varian

Eigenvalue

3.0

1.0 20

0.5 0.0

0 0 1 2 3 4 5 6 7 8 9 10 11 12 13

PC Eigenvalue

Cum. % of variance

Gambar 4. Scree plot nilai eigen dan % variansi. Untuk memilih parameter parameter dominan perlu diketahui nilai PC pada masingmasing parameter. Nilai PC tersebut merupan nilai PC pada PCA-All yang diperoleh dari hasil perkalian nilai eigenvector dengan % variansi. Pada tahap awal menentukan 2 parameter yang sering digunakan sebagai syarat pengambilan sampel yaitu DO dan pH. Selain itu, dipilih 5 parameter yang memiliki bobot paling tinggi diantara parameter yang lain. Sehingga terpilih 6 parameter yang dominan yaitu: NH3, Total Coliform, DHL, DO, NO2, dan pH. PC-All (tabel 2) memperlihatkan koefisien pembobotan masing-masing variabel terhadap keseluruhan

data. Pembobotan 6 parameter (Wi) yang dipilih (tabel 3) yaitu: Wi-NH3=0,139; Wi-Total coliform=0,144; Wi-DHL=0,128; Wi-DO=0,124; Wi-NO2=0,139; dan Wi- pH=0,026. Untuk menunjukkan bahwa parameter yang dipilih (6 parameter) sudah mewakili 12 parameter yang dipilih digunakan hubungan nilai PCA antara PCA-All dan PCA-GWQI. PCA-All dihitung dari 12 parameter, sedangkan PCAGWQI dihitung dari 6 parameter yang telah dipilih untuk pengembangan GWQI. Hubungan tersebut ditunjukkan pada gambar 5. Dari grafik tersebut diketahui bahwa korelasi kedua PCA sudah sangat tinggi dengan R2=0.905

Tabel 2. Tabel Eigenvector PCA-All. Variabel

PC 1

PC 2

PC 3

PC-All

NH3 BTK BOD COD DHL DO NO3 NO2 pH PO4 TDS TSS

0,326 0,208 0,372 0,347 0,442 -0,247 -0,187 0,365 -0,162 0,029 0,374 0,019

0,234 0,045 -0,151 -0,175 0,106 -0,204 0,507 0,217 0,194 0,387 -0,111 0,577

-0,002 0,665 0,262 0,107 -0,189 -0,128 0,157 -0,073 0,336 -0,458 -0,261 0,074

0,139 0,144 0,112 0,082 0,128 -0,124 0,055 0,139 0,026 0,028 0,061 0,119

98


Tabel 3. Tabel Eigenvector PCA-GWQI. Variabel

PC 1

PC 2

PC 3

NH3 BTK DHL DO NO2 pH

0,326 0,208 0,442 -0,247 0,365 -0,162

0,234 0,045 0,106 -0,204 0,217 0,194

-0,002 0,665 -0,189 -0,128 -0,073 0,336

PCGWQI 0,139 0,144 0,128 -0,124 0,139 0,026

1.5

R² = 0.905

1

PC-GWQI

0.5 0 -0.5 -1 -1.5 -2

-1

0

1

2

PC-All

Gambar 5. Grafik hubungan PCA-All dengan PCA-GWQI. Penentuan sub-indeks (qi) Sub-indeks sangat berfungsi untuk mengubah nilai asli masing-masing parameter ke dalam nilai indeks. Sub-indeks GWQI dikerjakan berdasarkan standar kualitas air menurut PP No 82 tahun 2001 dan standar-standar kualitas air lainnya (Tebbut, 1983). Sub-indeks GWQI ditentukan dengan beberapa persamaan di bawah ini: qiDHL = -33,3ln(DHL) + 294,0 qiDO = 0,197DO3 - 3,160DO2 + 29,33DO – 25,25 qiTC = -13,1ln(TC) + 152,7 qiNO2 = -18,9ln(NO2) + 5,734 qipH = 0,167x4 - 4,690x3 + 41,31x2 - 118,6x + 107,5 qiNH3 = -5,163(NH3)3 + 29,23(NH3)2 – 74,81(NH3) + 100,7

Dari uraian di atas diperoleh rumus umum GWQI sebagai berikut: ∑ dimana Wi adalah pembobotan masing-masing parameter dan qi adalah sub-indeks masing masing parameter. Komparasi Hasil Pengkelasan WQI Gambar 6 menunjukkan bahwa hasil pengkelasan metode satu berbeda dengan hasil pengkelasan metode yang lainnya. Perbedaan tersebut disebabkan oleh beberapa hal diantaranya: jumlah parameter, pembobotan dan sub indeks pada masing-masing parameter.

99


Gambar 6. Jumlah data tiap kelas pada masing-masing metode.

Untuk melakukan komparasi, data PCA-All dikelompokkan dengan analisis klaster. Jumlah kelas yang digunakan adalah tiga kelas sesuai dengan jumlah kelas hasil penghitungan masing-masing metode. Berdasarkan hasil iterasi diperoleh centroid yang paling optimal pada masing-masing kelas. 3 titik centroid tersebut yaitu:-1,17;

-0,37; dan 0,30. Sehingga data yang jaraknya lebih dekat ke -1,17 akan masuk ke dalam kelas 1. Dari hasil analisis diperoleh jumlah data yang masuk ke dalam kelas 1 adalah 13 data, kelas 2 sebanyak 32 data dan sebanyak 62 data masuk ke dalam kelas yang ke-3. Gambar 7 menunjukkan hasil pengkelasan PCA-All dengan analisis klaster.

2 1.5 1

PCA-All

0.5 0 -0.5 -1 -1.5 -2 0

30

60

90

120

Lokasi Cluster 1

Cluster 2

Cluster 3

Gambar 7. Posisi nilai PCA di masing-masing lokasi (pada 8 lokasi musim hujan dan kemarau selama 10 tahun) menurut analisis klaster. Gambar 8 menunjukkan hasil komparasi hasil pengkelasan pada masing-masing WQI. Dari gambar 8a terlihat bahwa secara umum hasil pengkelasan pada metode GWQI terbagi menjadi 2 kelas yaitukelas baik dan sedang. Gambar 8b menunjukkan bahwa hasil pengkelasan metode

Prakash-WQI secara umum terbagi menjadi 2 kelas kualitas air yaitu kelas baik dan sedang. Sedangkan hasil pengkelasan metode NSF-WQI (GAMBAR 8c) sebagian besar kualitas air masuk ke dalam kelas sedang.

100


(a)

(b)

(c) Gambar 8. Posisi kelas PCA-All menurut (a) GWQI, (b) Prakash WQI), dan (c) NSF-WQI. Dinamika Kualitas Air di Sungai Gajahwong Gambar 9 menunjukkan kondisi kualitas air di Sungai Gajahwong. Hasil evaluasi pada gambar tersebut diketahui bahwa pada bagian hulu (lokasi 1 dan 2) kondisi pada ruas ini masih relatif baik, hal tersebut sesuai dengan kondisi sungai yang tidak banyak sumber pencemar. (Bapedalda DIY, 2007).

Sedangkan pada bagian tengah (lokasi 3, 4, 5, dan 6) terdapat banyak sumber pencemar dan merupakan ruas dengan aktivitas manusia dan industri yang tinggi sehingga kondisi kualitas air cenderung lebih buruk. Dan pada bagian hilir (lokasi 7 dan 8) merupakan daerah pertanian sehingga kondisi kondisi kualitas air cenderung ke kelas sedang.

101


Gambar 9. Dinamika kualitas air di Sungai Gajahwong dengan berbagai Prakash WQI. Selama tahun 2001 hingga tahun 2010, kondisi kualitas air belum menunjukkan peningkatan yang signifikan. Nilai WQI pada beberapa metode yang digunakan tidak

menunjukkan adanya perubahan yang signifikan. Hal ini menunjukkan bahwa masih terdapat tantangan yang besar memperbaiki kualitas air di Sungai Gajahwong.

KESIMPULAN Beberapa parameter kualitas air dominan yang dapat menggambarkan kualitas air di Sungai Gajahwong yaitu: pH, DHL, DO, NO2, NH3 dan Total Coli. Hasil perhitungan dengan metode NSF WQI, Prakash WQI, dan GWQI menunjukkan hasil yang berbeda-beda. Hal tersebut tidak terlepas dari perbedaan mendasar masing-masing metode terkait jumlah parameter dan standar kualitas air yang digunakan. Hasil komparasi ketiga metode tersebut dengan hasil analisis klaster menunjukkan bahwa menurut Prakash WQI dan GWQI kondisi kualitas air di Sungai Gajahwong selama tahun 2001 hingga 2009 terbagi atas 2 kelas yaitu baik dan sedang

sedangkan menurut NSF-WQI kualitas air di lokasi yang sama terbagi atas 1 kelas yaitu sedang. Secara spasial kualitas air Sungai Gajahwong di ruas hulu (lokasi 1 dan 2) dalam kondisi yang cukup baik, ruas tengah (lokasi 3, 4, 5, dan 6) dalam kondisi yang buruk dan ruas hilir (lokasi 7 dan 8) dalam kondisi sedang. Kondisi kualitas air di Sungai Gajahwong tahun 2001 hingga tahun 2009 belum menunjukkan peningkatan yang signifikan. Hal ini menunjukkan upaya perbaikan kualitas air di Sungai Gajahwong masih menghadapi tantangan yang besar.

Saran Perlu dikaji dan dikembangkan lebih lanjut terkait metode WQI yang telah dikembangkan sehingga dapat menggambarkan

karakteristik Indonesia.

kualitas

air

sungai-sungai

di

Ucapan Terima kasih Ucapan terima kasih kami sampaikan kepada Badan Lingkungan Hidup DIY yang berkenan memberikan data kualitas air hasil Program

Prokasih sehingga penelitian ini dapat kami laksanakan.

102


DAFTAR PUSTAKA Abbasi, S.A., Sarkar, and Chinmoy. “Qualidex-A New Software for Generating Water Quality Indice.” Journal of Enviromental Monitoring and Assessment 119 (2006): 201-231. Aravind, H.,C Rajgopal, and K P Soman. “A Simple Approach to Clustering in Excel.”International Journal of Computer Applications (2010): 0975 – 8887. Badan Lingkungan Hidup (BLH) DIY. “Laporan Analisa Data Kualitas Air Sungai di Provinsi DaerahIstimewa Yogyakarta Tahun 2010.” Yogyakarta: BLH DIY, (2010) Bapedalda DIY. “Laporan Sumber-Sumber Pencemaran Sungai di DIY.” Yogyakarta: Bapedalda, (2007) Berthouex, Paul Mac and Linfield C. Brown.Statistic for Environmental Engineers (Second ed.). New York: Lewis Publishers, 2002. Boyd,David R. The Water We Drink: An International Comparison of Drinking Water Standards and Guidelines. Vancouver: David Suzuki Foundation 2006. Effendi, H. Telaah Kualitas Air Bagi Pengelolaan Sumber Daya dan Lingkungan Perairan. Yogyakarta: Kanisius. 2003. Hendrawan, Diana. “KualitasAir Sungai dan Situ di DKI Jakarta.”Jurnal Makara Teknologi 9 (2005): 13-19. Kannel, Prakash R.,Seockheon Lee, Young-Soo Lee, Sushil Raj Kanel, and Siddhi Pratap K.“Application of Water Quality Indices and Dissolved Oxygen as Indicators for River Water Classification and Urban Impact

Assessment. ”Journal of Environmental Monitoring and Assessment 132 (2007): 93– 110. Oram, Brian.Calculating NSF Water Quality Index. http://www.water-research.net/ diakses 5 Maret 2011. Peraturan Pemerintah Republik Indonesia Nomor 82 Tahun 2001 Tentang Pengelolaan Kualitas Air dan Pengendalian Pencemaran Air. Rodriguez, Caroline and Acuña, Edgar. On Detection of Outliers and Their Effect in Supervised Classification.Mayaguez: Department of Mathematics University of Puerto Rico, 2011. Saraswati, S.P. “Upaya Awal Penyusunan Indeks Biotik utuk Sungai Tropis di Indonesia.”Jurnal Manusia dan Lingkungan Pusat Studi Lingkungan Hidup UGM 16 (2009): 153-166. Saraswati, S.P. et al. “Penentuan Status Mutu air Sungai dengan Metode Multivariat dan Metode Biomonitoring.” Majalah Lingkungan Tropis edisi khusus Agustus 2010, Priana Sudjono et al., ed., Buku 2, (2010): 527-539. Shlens, Jonathon. A Tutorial on Principal Component Analysis. San Diego: Institute for Nonlinear Science, University of California, (2005) Tebbut, T.H.Y. Principles of Water Quality Control. New York: Pergamon Press, 1983. Zhou, F., Yong Liu and Huaicheng Guo. “Application of Multivariate Statistical Methods to Water Quality Assessment of the Watercourses in Northwestern New Territories, Hong Kong.” Journal of Enviromental Monitoring and Assessment 119 (2003):201-231.

103


104

KAJIAN STATUS MUTU AIR DI SUNGAI GAJAHWONG DENGAN BERBAGAI INDEKS KUALITAS AIR

Recommend Documents