Tantangan Kualitas Air Sungai Ciliwung

Sungai Ciliwung merupakan sungai terbesar yang melintasi wilayah Jakarta dan sekitarnya, memiliki peran penting sebagai sumber air untuk rekreasi, budidaya perikanan, dan penghijauan. Namun, kualitas airnya cenderung menurun akibat limbah domestik dan industri yang dibuang ke sungai tanpa pengolahan memadai. Metode konvensional pemantauan kualitas air yang dilakukan dengan pengambilan sampel manual dan analisis laboratorium memiliki keterbatasan waktu dan cakupan data. Oleh karena itu, penelitian oleh Mohammad Haekal dan Wahyu Catur Wibowo (2023) mengadopsi pendekatan sains data dan pembelajaran mesin untuk memprediksi kualitas air Sungai Ciliwung secara lebih efektif dan akurat.

Pemanfaatan Teknologi ONLIMO dan Model Machine Learning

Penelitian menggunakan data hasil pemantauan kualitas air Sungai Ciliwung selama satu tahun penuh (1 Januari–31 Desember 2018) yang diperoleh melalui teknologi Online Monitoring (ONLIMO) dari BPPT (sekarang BRIN). Data yang dikumpulkan sebanyak 5.476 poin pengukuran dengan interval satu jam, meliputi delapan parameter utama: pH, Dissolved Oxygen (DO), Nitrat, Kekeruhan, Total Dissolved Solids (TDS), Salinitas, Konduktivitas Listrik (DHL), dan Suhu.

Untuk memprediksi kualitas air, empat model pembelajaran mesin diuji, yaitu:

• Jaringan Syaraf Tiruan (JST) dengan berbagai arsitektur hidden layer,
• Support Vector Machine (SVM),
• Random Forest,
• Naive Bayes.

Data dibagi menjadi 80% untuk pelatihan dan 20% untuk pengujian, dengan pembersihan data anomali sekitar 0,67%.

Performa Model dan Evaluasi Akurasi

Jaringan Syaraf Tiruan (JST)

Model JST diuji dengan 1, 3, 5, 7, dan 9 hidden layer, masing-masing dengan 3 node per layer. Model dengan 5 hidden layer menunjukkan performa terbaik dengan:

• Akurasi 94,6%,
• Recall 93,1%,
• Precision 88,1%,
• Specificity 97,3%,
• F1 Score 90,5%.

Model ini mampu memprediksi kategori kualitas air “memenuhi” dan “tidak memenuhi” baku mutu dengan tingkat kesalahan paling rendah dibanding konfigurasi lain.

Support Vector Machine (SVM)

Model SVM menunjukkan akurasi lebih rendah, yaitu 79,3%, dengan nilai recall 63,3% dan precision 56,7%. Hal ini menunjukkan SVM kurang optimal pada dataset besar dan kompleks seperti data kualitas air Ciliwung.

Random Forest

Random Forest memberikan hasil terbaik secara keseluruhan dengan akurasi mencapai 99,7%, recall dan specificity 100%, precision 99%, dan F1 Score 99,5%. Model ini sangat efektif mengklasifikasikan data kualitas air dengan kesalahan minimal (false positive dan false negative sangat kecil).

Naive Bayes

Naive Bayes memiliki akurasi 89,5%, recall 99,3%, dan precision 64,8%, menunjukkan performa cukup baik namun masih kalah dari JST dan Random Forest.

Studi Kasus: Prediksi Kualitas Air Sungai Ciliwung

Data pemantauan menunjukkan variasi kualitas air dengan beberapa titik waktu yang tidak memenuhi baku mutu, terutama pada parameter kekeruhan dan DO. Model Random Forest dan JST 5 hidden layer mampu memprediksi kondisi ini dengan sangat baik, memberikan peluang untuk pengelolaan sungai yang lebih responsif dan tepat waktu.

Analisis Kritis dan Nilai Tambah

Penelitian ini membuktikan bahwa metode pembelajaran mesin, terutama Random Forest dan JST, sangat efektif untuk memprediksi kualitas air sungai berdasarkan data pemantauan real-time. Pendekatan ini mengatasi keterbatasan metode konvensional yang lambat dan kurang responsif terhadap perubahan kualitas air secara dinamis.

Dibandingkan dengan studi lain, hasil ini konsisten dengan temuan bahwa Random Forest unggul dalam menangani dataset besar dan kompleks, sedangkan SVM kurang optimal pada skala data tersebut. Penelitian ini juga mengadopsi teknologi ONLIMO yang memungkinkan pengumpulan data berkala dan real-time, menjadikan prediksi lebih akurat dan aplikatif.

Kritik dan Saran Pengembangan

• Penelitian hanya menggunakan delapan parameter, sementara parameter lain seperti BOD, COD, dan mikrobiologi juga penting untuk kualitas air.
• Data yang digunakan hanya dari satu lokasi (depan Masjid Istiqlal), sehingga perlu diperluas ke berbagai titik sungai untuk gambaran komprehensif.
• Model JST memerlukan tuning parameter yang cukup rumit dan waktu pelatihan yang lama.
• Integrasi hasil prediksi dengan sistem peringatan dini dan kebijakan pengelolaan sungai akan meningkatkan manfaat praktis penelitian.

Kesimpulan

Model pembelajaran mesin Random Forest dan Jaringan Syaraf Tiruan dengan 5 hidden layer memiliki potensi besar untuk memprediksi kualitas air Sungai Ciliwung dengan akurasi tinggi, di atas 89%. Pendekatan ini dapat menjadi alat bantu penting bagi pengambil kebijakan dan pengelola lingkungan dalam menjaga kualitas air sungai secara berkelanjutan. Penelitian ini membuka peluang pengembangan sistem monitoring kualitas air yang lebih canggih dan responsif di masa depan.

Sumber Asli Artikel

Haekal, M., & Wibowo, W. C. (2023). Prediksi Kualitas Air Sungai Menggunakan Metode Pembelajaran Mesin: Studi Kasus Sungai Ciliwung. Jurnal Teknologi Lingkungan, 24(2), 273-282.

Tantangan Kualitas Air di Danau Toba

Danau Toba, danau vulkanik terbesar di Indonesia dan Asia Tenggara, memiliki peranan penting sebagai sumber daya ekologis dan ekonomi bagi masyarakat sekitar. Namun, aktivitas manusia seperti limbah domestik, pertanian, perikanan, industri, dan pariwisata memberikan tekanan besar terhadap kualitas air danau ini. Penurunan kualitas air yang terjadi mengancam ekosistem dan kenyamanan masyarakat serta wisatawan. Oleh karena itu, pemantauan kualitas air secara kontinyu dan real-time sangat dibutuhkan untuk mendukung pengelolaan yang berkelanjutan.

Penelitian oleh Damayanti et al. (2022) memanfaatkan teknologi ONLIMO (Online Monitoring) yang dikembangkan oleh Badan Pengkajian dan Penerapan Teknologi (BPPT) bekerjasama dengan Kementerian Lingkungan Hidup dan Kehutanan (KLHK) untuk memantau kualitas air Danau Toba secara online dan real-time. Studi ini bertujuan mengukur dan menganalisis status mutu air di dua stasiun pengamatan di Kabupaten Toba, yaitu di Desa Marom (STO11) dan Desa Pardamean Ajibata (STO12).

Teknologi ONLIMO dan Parameter Pengukuran

Pemantauan dilakukan pada bulan Desember 2017 dengan pengambilan data setiap satu jam selama 24 jam penuh. Teknologi ONLIMO menggunakan multiprobe sensor yang mampu mengukur berbagai parameter penting kualitas air, yaitu:

• Suhu
• Daya Hantar Listrik (DHL)
• Total Dissolved Solid (TDS)
• Kekeruhan (Turbidity)
• pH
• Dissolved Oxygen (DO)
• Nitrat
• Amonia

Data yang dikumpulkan oleh sensor disimpan dalam data logger dan dikirim secara otomatis ke server pusat melalui jaringan GSM untuk dianalisis menggunakan metode STORET. Metode ini membandingkan data kualitas air dengan baku mutu sesuai Peraturan Pemerintah No. 82 Tahun 2001 dan Peraturan Menteri Kesehatan No. 416 Tahun 1990.

Status Mutu Air di Dua Stasiun

Suhu dan pH

• Suhu rata-rata di stasiun 1 (Marom) berkisar antara 23,8°C hingga 26,8°C, sedangkan di stasiun 2 (Ajibata) antara 25,2°C hingga 25,9°C. Kedua lokasi memenuhi standar baku mutu kelas 1.
• pH di stasiun 1 berkisar 8,12–8,21 dan di stasiun 2 antara 7,77–8,29, menunjukkan kondisi air yang cenderung basa dan masih sesuai dengan standar mutu air.

Dissolved Oxygen (DO)

• DO di stasiun 1 berkisar 5,50–6,47 mg/L, beberapa nilai belum memenuhi baku mutu kelas 1, namun masih sesuai kelas 2.
• DO di stasiun 2 berkisar 5,35–7,60 mg/L, sebagian besar memenuhi baku mutu kelas 1.

Kekeruhan (Turbidity)

• Kekeruhan di stasiun 1 berkisar 4,5–27,4 NTU.
• Kekeruhan di stasiun 2 sangat bervariasi, dari 0,8 hingga 584,1 NTU, dengan nilai tertinggi di dekat pelabuhan Ajibata yang didominasi aktivitas pariwisata dan transportasi air. Nilai ini jauh melebihi batas baku mutu (<5 NTU).

Daya Hantar Listrik (DHL) dan Total Dissolved Solids (TDS)

• DHL di kedua stasiun termasuk rendah, berkisar 15,6–21,5 µS/cm.
• TDS di kedua stasiun sekitar 100 mg/L, masih jauh di bawah batas baku mutu 1000 mg/L, menunjukkan perairan belum tercemar oleh padatan terlarut.

Nitrat dan Amonia

• Nitrat di stasiun 1 berkisar 0,13–2,79 mg/L, dan di stasiun 2 0–0,05 mg/L, keduanya memenuhi baku mutu.
• Amonia di stasiun 1 antara 0–0,04 mg/L (memenuhi baku mutu), namun di stasiun 2 mencapai 5,04 mg/L, jauh melebihi batas 0,5 mg/L, mengindikasikan pencemaran akibat aktivitas manusia di sekitar Ajibata.

Analisis Status Mutu Air Menggunakan Metode STORET

Berdasarkan skor STORET, status mutu air di stasiun 1 (Marom) tergolong kelas B (cemar ringan) dengan skor antara -10 hingga -5, tanpa perubahan signifikan selama pengamatan. Sedangkan di stasiun 2 (Ajibata) status mutu air bervariasi antara kelas A (baik), B (cemar ringan), dan C (cemar sedang) dengan skor antara 0 hingga -15, menunjukkan penurunan kualitas air selama periode pengamatan.

Parameter yang paling berkontribusi terhadap pencemaran di stasiun 1 adalah DO dan kekeruhan, sementara di stasiun 2 adalah kekeruhan, DO, dan amonia.

Studi Kasus dan Implikasi

Stasiun 2 yang berada di kawasan pariwisata dan pelabuhan Ajibata menunjukkan kualitas air yang lebih buruk dibandingkan stasiun 1 di Marom. Tingginya kekeruhan dan amonia di Ajibata kemungkinan besar disebabkan oleh aktivitas manusia seperti limbah domestik, pariwisata, dan transportasi air. Kondisi ini mengancam ekosistem dan kenyamanan wisatawan, serta berpotensi merusak habitat biota air.

Nilai Tambah dan Kritik

Penelitian ini menawarkan pendekatan modern dengan teknologi ONLIMO yang memungkinkan pemantauan kualitas air secara online, real-time, dan kontinyu. Hal ini mengatasi kendala pemantauan manual seperti jarak lokasi ke laboratorium, biaya tinggi, dan keterlambatan pelaporan.

Namun, keterbatasan penelitian adalah cakupan waktu yang hanya satu bulan dan hanya dua stasiun, sehingga belum menggambarkan dinamika musiman dan spasial secara menyeluruh. Penambahan titik pengamatan dan periode monitoring yang lebih panjang akan meningkatkan representasi data.

Hubungan dengan Tren Global dan Industri

Pemanfaatan teknologi telemetri dan sensor multiparameter untuk monitoring kualitas air sesuai dengan tren global dalam pengelolaan sumber daya air berkelanjutan. Sistem seperti ONLIMO mendukung tujuan Sustainable Development Goals (SDGs) terutama target air bersih dan sanitasi. Selain itu, data real-time membantu pengambil kebijakan dan pengelola lingkungan dalam mengambil tindakan cepat untuk mencegah pencemaran lebih lanjut.

Kesimpulan

Kualitas air Danau Toba di Kabupaten Toba pada bulan Desember 2017 secara umum tergolong tercemar ringan, terutama di kawasan Ajibata yang dipengaruhi aktivitas manusia dan pariwisata. Parameter DO, kekeruhan, dan amonia menjadi indikator utama pencemaran. Teknologi ONLIMO terbukti efektif untuk monitoring kualitas air secara online dan real-time, memberikan data yang akurat dan cepat. Pengembangan dan perluasan sistem ini sangat direkomendasikan untuk pengelolaan dan konservasi Danau Toba yang lebih baik.

Sumber Asli Artikel

Damayanti, A. A., Wahjono, H. D., & Santoso, A. D. (2022). Pemantauan Kualitas Air Secara Online dan Analisis Status Mutu Air di Danau Toba, Sumatera Utara. Jurnal Sumberdaya Alam dan Lingkungan, 9(3), 113-120.

Pentingnya Kualitas Air Sungai untuk Kehidupan Masyarakat Tasikmalaya

Kabupaten Tasikmalaya, dengan populasi hampir 2 juta jiwa, menghadapi tantangan serius dalam pengelolaan sumber daya air, khususnya kualitas air sungai yang menjadi sumber utama air baku bagi kebutuhan domestik, pertanian, dan sanitasi. Aktivitas manusia seperti industri, pertanian, dan pemukiman yang belum terkelola dengan baik menyebabkan penurunan kualitas air yang berdampak pada kesehatan dan ekosistem. Penelitian oleh Vita Meylani, Frista Mutiara, dan Farhan Fuadi Muslim (2024) ini bertujuan memantau dan menganalisis kualitas air di sembilan titik sungai di Kabupaten Tasikmalaya dengan menguji parameter fisik, kimia, dan mikrobiologi, serta membandingkan hasilnya dengan baku mutu nasional.

Metodologi: Sampling dan Pengujian Parameter Kualitas Air

Penelitian menggunakan metode grab sampling di sembilan titik strategis yang mewakili hulu dan hilir sungai di lima DAS utama Kabupaten Tasikmalaya. Pengujian dilakukan secara in situ menggunakan alat portable dan ex situ di laboratorium Dinas Lingkungan Hidup. Parameter yang diuji meliputi:

• Fisika: bau dan warna, kekeruhan (NTU), total dissolved solids (TDS), suhu air.
• Kimia: pH dan dissolved oxygen (DO).
• Mikrobiologi: total coliform dan Escherichia coli (MPN/100 mL).

Baku mutu yang dijadikan acuan adalah Peraturan Pemerintah No. 22 Tahun 2021 (fisik dan kimia) dan Permenkes No. 02 Tahun 2023 (mikrobiologi).

Hasil Studi: Gambaran Kualitas Air di Kabupaten Tasikmalaya

Parameter Fisik

• Bau dan Warna: Rata-rata air tidak berbau, namun warna rata-rata mencapai 159,75 Pt-Co, melebihi baku mutu (50 Pt-Co). Dua titik di hilir (AS-7 dan AS-8) berbau besi akibat aktivitas tambang pasir besi.
• Kekeruhan: Rata-rata 61,87 NTU, jauh di atas batas baku mutu (<3 NTU). Titik terbaik adalah Hulu Sungai Cibanjaran dan Mata Air Cipondoh dengan nilai <3 NTU.
• TDS: Rata-rata 410,58 mg/L, masih memenuhi baku mutu kelas II tapi belum layak untuk sanitasi rumah tangga.
• Suhu: Berkisar 23–29℃, rata-rata 27,83℃, sesuai standar dan mendukung kehidupan akuatik.

Parameter Kimia

• pH: Rata-rata 8,13, berkisar 7,05–8,62, menunjukkan kondisi air cenderung basa dan masih sesuai standar.
• DO: Rata-rata 6,52 mg/L, namun beberapa titik belum memenuhi baku mutu kelas II karena pengaruh sedimentasi dan limbah.

Parameter Mikrobiologi

• Total Coliform: Rata-rata 1079,88 MPN/100 mL, melebihi batas baku mutu (5.000 MPN/100 mL untuk kelas II, 0 untuk sanitasi). Dua titik terbaik (AS-1 dan AS-4) mendekati standar.
• Escherichia coli: Rata-rata 1080,67 MPN/100 mL, hanya Mata Air Cipondoh (AS-4) yang memenuhi standar sanitasi dengan nilai <1 MPN/100 mL. Titik lain menunjukkan kontaminasi tinggi, terutama di musim hujan.

Dampak Aktivitas Manusia dan Kondisi Lingkungan

• Dua titik sungai (AS-7 dan AS-8) yang berdekatan dengan tambang pasir besi dan kawasan pemukiman menunjukkan kualitas air paling buruk, dengan bau besi, kekeruhan tinggi, dan kontaminasi mikrobiologis serius.
• Mata Air Cipondoh (AS-4) menjadi sumber air PDAM dan satu-satunya titik yang memenuhi standar sanitasi, menunjukkan pentingnya konservasi sumber mata air.
• Aktivitas masyarakat yang masih memanfaatkan air sungai untuk mandi, cuci, kakus (MCK), dan pembuangan limbah domestik memperparah pencemaran.

Analisis Kritis dan Nilai Tambah Penelitian

Penelitian ini memberikan gambaran menyeluruh tentang kondisi kualitas air sungai di Tasikmalaya dengan pendekatan multidisiplin dan data primer yang kuat. Hasilnya menegaskan bahwa sebagian besar sungai masih memenuhi baku mutu untuk kelas II (irigasi, peternakan), tetapi belum aman untuk kebutuhan sanitasi dan hygiene rumah tangga karena kontaminasi mikrobiologis dan parameter fisik yang melampaui standar.

Dibandingkan dengan penelitian lain di wilayah serupa, pola pencemaran yang dominan berasal dari limbah domestik dan aktivitas pertambangan, yang merupakan tantangan umum di daerah semi-urban dan rural Indonesia. Penelitian ini juga relevan dengan tren global mengenai pentingnya pengelolaan sumber daya air secara terpadu dan berbasis data.

Rekomendasi dan Implikasi Kebijakan

• Penguatan pengawasan dan pengelolaan limbah domestik dan industri agar tidak mencemari sungai.
• Edukasi masyarakat tentang dampak pencemaran dan pentingnya menjaga kebersihan sungai.
• Pengembangan sistem monitoring kualitas air secara berkala menggunakan teknologi portable dan biosensor.
• Konservasi dan perlindungan sumber mata air seperti Mata Air Cipondoh yang menjadi sumber air bersih utama.
• Kolaborasi antara pemerintah, akademisi, dan masyarakat untuk pengelolaan lingkungan berkelanjutan.

Kesimpulan

Kualitas air sungai di Kabupaten Tasikmalaya secara umum masih memenuhi baku mutu kelas II untuk irigasi, peternakan, dan beberapa kebutuhan rumah tangga, tetapi belum aman untuk sanitasi dan hygiene karena pencemaran mikrobiologis dan fisik yang tinggi. Dua titik sungai di hilir menunjukkan kondisi paling buruk akibat aktivitas manusia dan industri. Penelitian ini menegaskan perlunya tindakan terpadu dan berkelanjutan untuk menjaga kualitas air demi kesehatan masyarakat dan kelestarian ekosistem.

Sumber Asli Artikel

Meylani, V., Mutiara, F., & Muslim, F.F. (2024). Pemantauan Kualitas Air Sungai di Kabupaten Tasikmalaya. Journal of Natural Sciences, 5(1), 64–76.

Sungai Cimanuk sebagai Sumber Daya Air Strategis

Sungai Cimanuk merupakan salah satu sungai utama di Jawa Barat yang memiliki potensi besar sebagai sumber air baku untuk berbagai keperluan, mulai dari air minum, irigasi, hingga industri dan perikanan. Dengan aliran sepanjang 180 km dan daerah pengaliran seluas 3.557 km² yang melintasi lima kabupaten, sungai ini sangat vital bagi kehidupan masyarakat di sekitarnya. Namun, perkembangan aktivitas manusia seperti industri, permukiman, dan pertanian berpotensi menurunkan kualitas air sungai. Oleh karena itu, pemantauan kualitas air secara berkesinambungan dan penilaian terhadap kesesuaian air dengan peruntukannya menjadi sangat penting.

Pengambilan Sampel dan Evaluasi Kualitas Air

Penelitian ini dilakukan dengan pengambilan sampel air di empat titik strategis sepanjang sungai, mulai dari hulu (Bayongbong) hingga hilir (Jatibarang). Pengukuran parameter kualitas air dilakukan di lapangan dan laboratorium, meliputi parameter fisika (suhu, pH, DO), kimia (BOD, COD, detergen, amonia, logam berat), dan biologi (kolitinja). Penilaian mutu air menggunakan metode STORET yang membandingkan hasil pengujian dengan baku mutu air sesuai Peraturan Pemerintah No. 82 Tahun 2001 dan SK Gubernur Jawa Barat No. 38 Tahun 1991.

Kondisi Kualitas Air dari Hulu ke Hilir

Oksigen Terlarut (DO) dan Indikator Organik

• DO di hulu Bayongbong berkisar 5,6–8,6 mg/L, memenuhi baku mutu (>3 mg/L).
• Di Sukaregang (area industri), DO menurun menjadi 4,7–7,7 mg/L.
• Di hilir Tomo dan Jatibarang, DO sedikit membaik dengan kisaran 4,6–8,1 mg/L.
• BOD dan COD meningkat di area industri Sukaregang dan Tomo, dengan BOD mencapai 15 mg/L dan COD hingga 90 mg/L, menandakan pencemaran organik yang cukup tinggi.

Parameter Kimia dan Logam Berat

• pH air relatif stabil antara 6–8,9, masih sesuai baku mutu.
• Detergen meningkat di hilir hingga 0,8 mg/L, melebihi batas 0,2 mg/L, indikasi limbah domestik.
• Amonia bebas mencapai 0,178 mg/L di Tomo, di atas batas 0,02 mg/L, berpotensi toksik bagi biota air.
• Logam mangan (Mn) dan seng (Zn) terdeteksi dengan kadar yang kadang melebihi ambang batas, terutama seng yang mencapai 0,094 mg/L (batas 0,02 mg/L).

Parameter Biologi: Kolitinja

• Jumlah kolitinja sangat tinggi, dari 1.200 hingga 8.000.000 jumlah/100 mL, jauh melebihi batas 2.000 jumlah/100 mL, menunjukkan pencemaran mikrobiologis serius yang berasal dari limbah domestik dan peternakan.

Penilaian Status Mutu Air

• Berdasarkan metode STORET dan baku mutu SK Gub. No. 38/1991, status mutu air di hulu Bayongbong adalah “cemar ringan” (skor -10), sedangkan di hilir Jatibarang “cemar sedang” (skor -12).
• Dengan klasifikasi PP No. 82/2001 kelas I, status mutu di hulu adalah “cemar sedang” dan di hilir “cemar berat”.
• Kelas II PP 82/2001 menunjukkan status “cemar sedang” dari hulu ke hilir.
• Secara umum, kualitas air menurun dari hulu ke hilir akibat akumulasi limbah dan aktivitas manusia.

Diskusi: Implikasi dan Tantangan Pengelolaan

Penelitian ini menegaskan bahwa meskipun kualitas air di hulu relatif baik, penurunan kualitas di hilir cukup signifikan terutama akibat limbah industri dan domestik. Parameter BOD, COD, amonia, detergen, logam berat, dan kolitinja menjadi indikator utama pencemaran yang harus mendapat perhatian serius.

Fenomena ini sejalan dengan kondisi sungai besar lain di Jawa Barat seperti Citarum dan Cisadane, yang juga mengalami pencemaran berat akibat aktivitas manusia. Penanganan limbah dan pengelolaan daerah aliran sungai yang terpadu menjadi kunci keberhasilan menjaga kualitas air.

Rekomendasi dan Upaya Perbaikan

• Pengawasan ketat terhadap pembuangan limbah industri dan domestik.
• Penerapan teknologi pengolahan limbah yang efektif.
• Edukasi masyarakat untuk tidak membuang limbah langsung ke sungai.
• Rehabilitasi daerah aliran sungai dengan penanaman vegetasi riparian.
• Pemantauan kualitas air secara berkala menggunakan metode STORET dan teknologi modern.

Kesimpulan

Kualitas air Sungai Cimanuk secara umum masih memenuhi persyaratan untuk berbagai pemanfaatan di hulu, namun mengalami penurunan mutu menuju hilir akibat pencemaran organik, kimia, dan mikrobiologis. Status mutu air bervariasi dari cemar ringan hingga cemar berat tergantung lokasi dan klasifikasi baku mutu yang digunakan. Upaya pengelolaan terpadu dan berkelanjutan sangat diperlukan untuk menjaga kelestarian sumber daya air ini demi keberlangsungan sosial ekonomi masyarakat di sekitarnya.

Sumber Asli Artikel

Armaita Sutriati. “Penilaian Kualitas Air Sungai dan Potensi Pemanfaatannya Studi Kasus: Sungai Cimanuk.” Pusat Litbang Sumber Daya Air, Bandung.

Pentingnya Pemantauan Kualitas Air Danau Toba

Danau Toba, danau vulkanik terbesar di Indonesia dan Asia Tenggara, memiliki peranan penting dalam ekonomi regional melalui sektor perikanan, pariwisata, dan penyediaan air bersih. Namun, urbanisasi dan perubahan iklim telah memengaruhi kualitas air danau ini, sehingga pemantauan dan prediksi kualitas air menjadi sangat penting untuk pengelolaan sumber daya berkelanjutan. Penelitian oleh Parulian et al. (2024) bertujuan melakukan monitoring kualitas air Danau Toba dengan menggunakan citra satelit Landsat 8 dan MODIS dari Januari 2014 hingga April 2024, serta membandingkan metode peramalan univariat untuk memprediksi variabel kualitas air selama 12 bulan ke depan.

Studi Kasus dan Variabel Kualitas Air

Penelitian ini memfokuskan pada empat variabel utama kualitas air yang dapat dipantau melalui citra satelit:

• Dissolved Oxygen (DO): Indikator penting keseimbangan ekosistem air, rata-rata 12,017 mg/L, menunjukkan kualitas air yang baik.
• pH: Mengukur keasaman atau kebasaan air, rata-rata 7,909, masih dalam kategori aman dan cenderung basa.
• Land Surface Temperature (LST): Suhu permukaan air, rata-rata 25,101°C, berperan dalam dinamika hidrologi dan vegetasi perairan.
• Normalized Difference Turbidity Index (NDTI): Indeks kekeruhan air, rata-rata -0,013, menunjukkan kondisi air relatif jernih.

Data time series dari 124 bulan ini dianalisis untuk mengidentifikasi pola dan tren, serta dilakukan uji stasioneritas untuk memastikan validitas model peramalan.

Metode Peramalan yang Digunakan

Penelitian membandingkan tiga metode peramalan deret waktu univariat:

• ARIMA/SARIMA: Model klasik yang mengakomodasi faktor musiman, terbukti efektif untuk LST dan NDTI.
• Prophet: Model berbasis machine learning dari Facebook, unggul dalam memprediksi DO.
• LSTM (Long Short-Term Memory): Metode deep learning yang mampu menangani data non-linear dan kompleks, terbaik untuk prediksi pH.

Data dibagi menjadi 90% untuk pelatihan dan 10% untuk pengujian. Evaluasi model menggunakan metrik RMSE dan MAE menunjukkan ARIMA/SARIMA rata-rata memiliki performa terbaik secara keseluruhan.

Hasil Peramalan dan Interpretasi

Peramalan selama 12 bulan ke depan (Mei 2024–April 2025) menunjukkan:

• DO: Cenderung meningkat, mengindikasikan potensi perbaikan kualitas oksigen terlarut yang mendukung ekosistem air.
• LST: Diprediksi menurun, kemungkinan terkait perubahan iklim atau dinamika vegetasi di sekitar danau.
• pH dan NDTI: Menunjukkan pergerakan stagnan, mengindikasikan kondisi keasaman dan kekeruhan air relatif stabil.

Analisis Kritis dan Nilai Tambah Penelitian

Penelitian ini menggabungkan teknologi penginderaan jauh dengan metode statistik dan machine learning untuk memberikan gambaran komprehensif tentang kualitas air Danau Toba. Penggunaan citra satelit memungkinkan pemantauan luas dan berkala tanpa biaya tinggi pengambilan sampel lapangan.

Perbandingan metode peramalan memberikan insight penting bahwa metode klasik ARIMA/SARIMA masih sangat relevan dan kompetitif dibandingkan metode machine learning, terutama untuk data musiman dan stasioner. Namun, LSTM dan Prophet menawarkan keunggulan pada variabel dengan pola non-linear dan fluktuasi kompleks.

Kritik dan Saran Pengembangan

• Keterbatasan Variabel: Penelitian hanya menggunakan empat variabel utama, sementara parameter lain seperti BOD, TSS, dan klorofil juga penting untuk kualitas air.
• Asumsi Model: Model ARIMA/SARIMA belum sepenuhnya memenuhi asumsi normalitas residual, sehingga integrasi metode spasial dan data lapangan lebih lanjut diperlukan.
• Perluasan Data: Penelitian selanjutnya dapat menggabungkan data musiman dan spasial lebih detail serta variabel biologis untuk pemodelan yang lebih holistik.

Relevansi dengan Tren Global dan Industri

Pemantauan kualitas air menggunakan citra satelit dan model peramalan merupakan tren global dalam pengelolaan sumber daya air berkelanjutan. Integrasi teknologi ini mendukung tujuan Sustainable Development Goals (SDGs) khususnya target air bersih dan sanitasi. Penelitian ini dapat menjadi acuan bagi pemerintah dan pengelola sumber daya di Danau Toba dan wilayah serupa dalam perencanaan konservasi dan mitigasi dampak perubahan iklim.

Kesimpulan

Kualitas air Danau Toba selama 2014–2024 masih dalam kategori baik berdasarkan variabel DO, pH, LST, dan NDTI. Metode ARIMA/SARIMA, Prophet, dan LSTM efektif dalam meramalkan kualitas air dengan keunggulan masing-masing. Prediksi 12 bulan ke depan menunjukkan tren positif untuk DO dan stabilitas pada variabel lain. Penelitian ini memberikan kontribusi penting dalam monitoring dan pengelolaan kualitas air danau menggunakan teknologi satelit dan metode statistik modern.

Sumber Asli Artikel

Firman Emmanuel Declarantius Parulian, Hasna Arifah Nur Fatih, Wimbi Uelsan Gurusinga, Robert Kurniawan. 2024. Peramalan Kualitas Air Danau Toba Melalui Citra Satelit dengan Model Peramalan Univariat. Seminar Nasional Sains Data 2024 (SENADA 2024), UPN “Veteran” Jawa Timur.

Pentingnya Kualitas Air Sungai Surabaya

Air sungai merupakan sumber daya vital bagi kehidupan manusia dan ekosistem. Sungai Surabaya, sebagai anak sungai Kali Brantas, menjadi sumber utama air minum bagi sekitar 2,7 juta penduduk dan suplai industri di wilayah Surabaya. Namun, perkembangan industri dan aktivitas domestik di sekitar sungai menyebabkan pencemaran yang mengancam kualitas air dan keberlanjutan penggunaannya. Penelitian oleh M. Khadik Asrori dari Universitas Pembangunan Nasional Veteran Jawa Timur ini memetakan kualitas air Sungai Surabaya dengan fokus pada parameter fisika, kimia, dan biologi untuk memberikan gambaran kondisi terkini dan rekomendasi pengelolaan.

Studi Kasus dan Data Kunci

Pemanfaatan Sungai Surabaya

Sungai Surabaya mengalir dari DAM Mlirip menuju pintu air Jagir dan dimanfaatkan sebagai sumber air minum sebesar 256 juta m³ per tahun serta 38 juta m³ untuk kebutuhan industri (Indriani et al., 2016). Sungai ini juga menjadi tempat pembuangan limbah industri dan domestik yang menyebabkan penurunan kualitas air.

Parameter Kualitas Air

• BOD (Biochemical Oxygen Demand): Berdasarkan data 2010-2013, kadar BOD berkisar antara 2,56 hingga 11,94 mg/L dengan rata-rata 4,186 mg/L. Standar baku mutu kelas 1 maksimal 2 mg/L dan kelas 2 maksimal 3 mg/L. Nilai ini menunjukkan pencemaran organik yang cukup tinggi, terutama pada musim hujan akibat limbah domestik dan industri.
• COD (Chemical Oxygen Demand): Kadar COD berkisar antara 8,19 sampai 46,5 mg/L dengan rata-rata 17,05 mg/L. Beberapa bagian sungai memenuhi baku mutu kelas 1 dan 2, namun sebagian sudah tercemar berat.
• TSS (Total Suspended Solid): Nilai TSS sangat bervariasi, dengan puncak 2116,7 mg/L pada 2008 dan rata-rata 162,9 mg/L (2010-2013). Standar baku mutu maksimal 50 mg/L, sehingga Sungai Surabaya mengalami pencemaran padatan tersuspensi yang serius.
• DO (Dissolved Oxygen): Kadar DO meningkat dari 2,1 menjadi 7,35 mg/L antara 2010 hingga 2018, rata-rata sekitar 3,5 mg/L. Kadar ini masih memenuhi standar kelas 1 dan 2 (minimal 4-6 mg/L).
• pH: Berkisar antara 7,2 hingga 7,8, tergolong netral dan sesuai baku mutu.
• Nitrat dan Fosfat: Nitrat berkisar 1,05–2,38 mg/L, masih dalam batas aman. Fosfat mencapai 0,187–0,959 mg/L, melebihi batas 0,2 mg/L, menandakan potensi eutrofikasi.

Analisis dan Dampak Pencemaran

Peningkatan BOD dan COD menunjukkan tingginya beban bahan organik dan kimia yang harus diurai oleh mikroorganisme, berpotensi menurunkan kadar oksigen dan mengancam biota air. TSS yang tinggi mengganggu penetrasi cahaya dan fotosintesis organisme air. Fosfat yang melebihi ambang batas dapat memicu pertumbuhan alga berlebih (blooming) yang menurunkan kualitas air dan ekosistem.

Pencemaran ini berasal dari limbah domestik, industri, dan pertanian yang belum terkelola dengan baik. Data menunjukkan sekitar 60% pencemaran berasal dari limbah domestik, dengan kontribusi signifikan dari industri yang melebihi kapasitas pengolahan limbah.

Strategi Pengelolaan dan Mitigasi

Penelitian ini merekomendasikan beberapa langkah strategis untuk mengatasi pencemaran Sungai Surabaya:

• Penguatan Pengawasan Limbah: Meningkatkan pengawasan terhadap pembuangan limbah industri dan domestik agar sesuai standar.
• Optimalisasi Sistem Monitoring: Menambah titik pengamatan, menggunakan sensor kualitas air modern dan biomonitoring untuk deteksi dini pencemaran.
• Rehabilitasi dan Restorasi: Penanaman vegetasi riparian, pengelolaan zona penyangga, dan pengaturan tata guna lahan di daerah aliran sungai.
• Pengolahan Air Limbah: Integrasi teknologi biofilter dan pengolahan biologis dalam sistem pengolahan air minum dan limbah.

Perbandingan dengan Studi Lain dan Tren Global

Penelitian lain di Kalimas River dan DAS Brantas menunjukkan pola serupa: pencemaran air sungai akibat limbah domestik dan industri yang memerlukan pengelolaan terpadu. Secara global, pengelolaan kualitas air sungai menjadi fokus utama dalam pembangunan berkelanjutan, dengan pemanfaatan teknologi digital dan kolaborasi multi-pihak sebagai kunci keberhasilan.

Kesimpulan

Kualitas air Sungai Surabaya telah mengalami pencemaran yang signifikan, terutama dari bahan organik, padatan tersuspensi, dan nutrien yang berlebihan. Kondisi ini mengancam sumber air minum dan ekosistem sungai. Pemantauan berkala dan strategi pengelolaan terpadu sangat diperlukan untuk memulihkan kualitas air dan menjaga keberlanjutan pemanfaatan sungai bagi masyarakat dan industri.

Sumber Asli Artikel

Asrori, M. Khadik. "Pemetaan Kualitas Air Sungai di Surabaya." Program Studi Magister Ilmu Lingkungan, Universitas Pembangunan Nasional Veteran Jawa Timur.