PERMODELAN UJI LOGAM BERAT PADA BADAN AIR, BIOTA DAN SEDIMEN DI PERAIRAN MUARA DAS BARITO
on
PERMODELAN UJI LOGAM BERAT PADA BADAN AIR, BIOTA DAN SEDIMEN DI PERAIRAN MUARA DAS BARITO
Dini Sofarini1), Abdur Rahman1)*,, Ichsan Ridwan1)2)
1)Program Studi Manajemen Sumberdaya Perairan Universitas Lambung Mangkurat 2)Program Studi Fisika Universitas Lambung Mangkurat
*Email : [email protected]
Abstrak
This research aimed to determine heavy metal content at water body, sediment and biota, determining plankton what overflows and parameter of water quality which not fulfill standard criterion quality of water in Estuary of Barito River. Method of data Analyse used to determine status of water quality with STORET model and EQI (Environmental Quality Index) Model, and calculation of indices for the analysis of plankton and Geographic Information System. Result of research show heavy metal rate at body of water especially Hg (0.2753 mg/l), dan Pb (0.17667 mg/l) and residing at biota (Giant Prawn have accumulate by heavy metal of Hg. Pb, Cu, As, Cr6+ and Cd. Sediment residing at Estuary of Barito River have accumulate by heavy metal but still under maximum boundary which have been specified. Result of research show calculation by using method of ordinary kriging with semivariogram/covariance modeling for heavy metal model at body obtained value of Average of standard error equal to 0.00609 (RMS = 0.00512) at Estuary River of Kelayan), 0.02441 (RMS = 0.02638) at Estuary of Alalak and 0.01641 (RMS = 0.01430) at station of Estuary River of Kuin. Result of calculation Semivariogram of heavy metal model at sediment, obtained of Average of Standard Error equal to 0.98181 (RMS = 1.14015) at station I, station II equal to 1.14015 (RMS = 1.79179) and station III equal to 1.19635 (RMS = 1.25590). Status of water quality at station perception according to Model of STORET categorized is weight, while pursuant to Model of Environmental Quality Index (EQI) categorized as impure territorial water.
Keywords: heavy metal, estuary of Barito watershed, STORET model, Semivariogram, IDW
Salah satu kawasan pesisir Kalimantan Selatan yang cukup mengalami tekanan berbagai aktivitas atau kegiatan pembangunan adalah Muara Sungai Kelayan, Sungai Alalak dan Sungai Kuin yang terletak di kawasan perkotaan Kotamadya Banjarmasin. Berbagai pemanfaatan kawasan perairan di sepanjang bantaran Sungai di wilayah ini diikuti dengan pembuangan limbah/entrofi yang pada tingkat daya dukung dan daya tampung tertentu akan memberikan dampak negatif terhadap lingkungan.
Peningkatan kadar logam berat dari berbagai aktivitas di perairan pesisir dalam hal ini perairan Sungai Barito, akan mengakibatkan logam berat yang semula dibutuhkan untuk proses-proses metabolisme oleh organisme akan berubah menjadi racun bagi organisme tersebut. Kondisi ini selain dapat
mengakibatkan kematian organisme, peningkatan logam berat di perairan tersebut dapat menyebabkan efek akumulatif bagi yang mengkonsumsinya. Logam berat Hg, Pb, Cu As, Cr dan Cd termasuk logam berat kategori limbah Bahan Berbahaya Beracun (B3) bagi manusia, yang mengakibatkan kerusakan jaringan terutama hati dan ginjal (Darmono, 2001).
Untuk memecahkan permasalahan yang terjadi diperlukan pendekatan dengan menggunakan metode, indikator dan model tertentu, seperti (analisa laboratorium sesuai dengan SNI, penggunaan indeks-indeks ekologi, dan SK dan Ketetapan Baku Mutu air limbah (Anonim, 2002; Odum, 1971; Davis, 1955; Perpem, 2001; Pergub, 2007). Digunakan juga inovasi permodelan untuk menggambarkan besarnya beban (entrofi) logam berat yang masuk ke badan sungai, sedimen dan pengaruhnya terhadap biota perairan. Permodelan yang digunakan antara lain
permodelan Sistem Informasi Geografis untuk mempresentasikan secara spasial distribusi bahan pencemaran yang masuk ke areal Muara DAS Barito (Hadi, 2006; Chang, 2006). Dengan demikian ditemukan temuan-temuan baru kondisi terkini dari keadaan Muara DAS Barito dan sekitarnya.
Parameter logam berat pada badan air, sedimen dan biota (udang galah), , Environmental Quality Index (EQI), Parameter Impact Unit (Canter, 1977), kemudian disesuaikan dengan Baku Mutu Air (Peraturan Gubernur Kalsel, No. 5 tahun 2007 dan PP.RI No.82 Tahun 2001 Tentang Baku Mutu Air Sungai. Parameter kualitas air insitu dan analisis laboratorium dianalis dengan menggunakan model STORET. Sedangkan parameter plankton dianalisis dengan menggunakan indeks-indeks kelimpahan dan keanekaragaman plankton yang dikemukakan oleh Shannon-Wienner (H’), Indeks Dominan (D), dan Indeks Keseragaman Evennes (E).
-
2.2. Permodelan Sistim Informasi Geografis
Permodelan Sistim Informasi Geografis digunakan untuk mendistribusikan sebaran spasial dari hasil penelitian logam berat, parameter plankton dan parameter kualitas air. Metode penelitian yang digunakan dalam penelitian ini adalah metode Overlay dengan menggunakan permodelan artimatik. Data-data masukan yang diperlukan terdiri dari : Petapeta Administratif dan Toponimi, Data-data tersebut diperoleh hasil analisa Laboratorium dan survey lapangan tahun 2009 dan dilanjutkan tahun 2010. Data pendukung yang dipergunakan dalam penelitian ini adalah Peta Rupa Bumi Digital Perangkat lunak pengolahan data yang digunakan adalah ; Arc.GIS 9.2, dan, MS. Excel. Sistim proyeksi menggunakan sistim WGS 1984, UTM (Universal Transvers Mercator), Zona 51S.
Data point Logam berat, plankton dan data parameter kualitas air dengan menggunakan metode Geostatistical metode interpolasi Universal Kriging yang didistribusikan dalam dua model yaitu Semivariogram/Covariance Model dan Inverse
Distance Model (IDW). Selanjutnya dilakukan operasi pada masing-masing atribute dengan menggunakan metode skoring untuk masing-masing parameter masukan untuk Permodelan Uji Logam Berat pada Badan Air, Sedimen dan Biota, plankton dan parameter kualitas air seperti pada Tabel 1, Tabel 2, Tabel 3, Tabel 4, Tabel 5, Tabel 6 dan Tabel 7, dan bagan alur penelitian divisualisasikan pada Gambar 1.
Tabel 1. Tabel Skor Parameter Kualitas Air
|
Parameter |
Skor |
Status Mutu Air |
|
Suhu (oC) |
0 |
A |
|
pH |
0 |
A |
|
DO |
-10 |
B |
|
Phospat |
0 |
A |
|
Nitrat |
-8 |
B |
|
Plankton |
-15 |
C |
Sumber : Pengolahan Data Primer, 2010 A = Memenuh Baku Mutu ; B = Tercemar Ringan ; C = Tercemar Sedang (Baku Mutu Air menurut Per.Gub.No.05/ 2007 dan Perpem No. 82 Tahun 2001) & Model STORET
Tabel 2. Tabel Skor Parameter Logam Berat Pada Badan Air
|
Parameter |
Total Skor |
Status Mutu Air |
|
Air Raksa (Hg) |
-10 |
B |
|
Tembaga (Cu) |
-10 |
B |
|
Arsen (As) |
-10 |
B |
|
Chromium (Cr6+) |
-10 |
B |
|
Cadmium (Cd) |
-10 |
B |
|
Timbal (Pb) |
-10 |
B |
Sumber : Pengolahan Data Primer, 2010 A = Memenuh Baku Mutu ; B = Tercemar Ringan ; C = Tercemar Sedang (Baku Mutu Air menurut Per.Gub.No.05/ 2007 dan Perpem No. 82 Tahun 2001) & Model STORET
Tabel 3. Tabel Skor Parameter Logam Berat Pada Sedimen
Tabel 5. Tabel Skor Parameter Logam Berat Pada Biota Udang
|
Parameter |
Total Skor |
Status Mutu Air |
|
Air Raksa (Hg) |
-20 |
C |
|
Tembaga (Cu) |
-10 |
B |
|
Arsen (As) |
-10 |
B |
|
Chromium (Cr6+) |
-10 |
B |
|
Cadmium (Cd) |
-10 |
B |
|
Timbal (Pb) |
-10 |
B |
|
Parameter |
Total Skor |
Status Mutu Air |
|
Air Raksa (Hg) |
-20 |
C |
|
Tembaga (Cu) |
-10 |
B |
|
Arsen (As) |
-10 |
B |
|
Chromium (Cr6+) |
-10 |
B |
|
Cadmium (Cd) |
-10 |
B |
|
Timbal (Pb) |
-10 |
B |
Sumber : Pengolahan Data Primer, 2010 A = Memenuh Baku Mutu ; B = Tercemar Ringan ; C = Tercemar Sedang (Baku Mutu Air menurut Per.Gub.No.05/ 2007 dan Perpem No. 82 Tahun 2001) & Model STORET
Tabel 4. Tabel Skor Parameter Kualitas Air (BOD,COD,TSS)
|
Parameter |
Skor |
Status Mutu Air |
|
BOD (mg/l) |
-2 |
B |
|
COD (mg/l) |
-3 |
C |
|
TSS (mg/l) |
-6 |
C |
Sumber : Pengolahan Data Primer, 2010 A = Memenuh Baku Mutu ; B = Tercemar Ringan ; C = Tercemar Sedang (Baku Mutu Air menurut Per.Gub.No.05/ 2007 dan Perpem No. 82 Tahun 2001) & Model STORET
Sumber : Pengolahan Data Primer, 2010 A = Memenuh Baku Mutu ; B = Tercemar Ringan ; C = Tercemar Sedang (Baku Mutu Air menurut Per.Gub.No.05/ 2007 dan Perpem No. 82 Tahun 2001) & Model STORET
Tabel 6. Penentuan Status Mutu Air dengan Model STORET
|
Jumlah Contoh |
Nilai |
Parameter | ||
|
Fisika |
Kimia |
Biologi | ||
|
< 10 |
Maksimum |
-1 |
-2 |
-3 |
|
Minimum |
-1 |
-2 |
-3 | |
|
Rata-Rata |
-1 |
-6 |
-9 | |
|
³ 10 |
Maksimum |
-2 |
-4 |
-6 |
|
Minimum |
-2 |
-4 |
-6 | |
|
Rata-Rata |
-6 |
-12 |
-18 | |
Sumber : Canter, 1977
Tabel 7. Tabel Skor Status Mutu Air Menurut Kep.MENLH No. 115/2003
|
Kelas Baku Mutu Air |
Total Skor |
Status Mutu Air |
Kriteria & Tindakan Pengelolaan |
|
A |
0 |
Baik Sekali |
Memenuhi baku mutu/efektif |
|
B |
-10 |
Baik |
Cemar ringan/cukup efektif |
|
C |
-10 |
Sedang |
Cemar sedang/kurang efektif |
|
D |
-10 |
Buruk |
Cemar berat/belum efektif |
Sumber : Pengolahan Data Primer, 2010 A = Memenuh Baku Mutu ; B = Tercemar Ringan ; C = Tercemar Sedang, D = Buruk (Baku Mutu Air menurut Per.Gub.No.05/2007 dan Perpem No. 82 Tahun 2001) & Model STORET
Gambar 1. Bagan Alir Penelitian Permodelan Uji Logam Berat Pada Badan Air, Sedimen dan Biota di Perairan Muara DAS Barito
Hasil pengamatan dan pengukuran terhadap permodelan uji logam berat pada badan air, biota dan sedimen di perairan Muara DAS Barito dilakukan
pada periode sampling Pebruari sampai bulan Nopember tahun 2009 dan tahun 2010. Data hasil pengamatan dapat dilihat pada Tabel 8, Tabel 9, Tabel 10, Tabel 11, dan Tabel 12 serta divisualisasikan pada Gambar 2, Gambar 3, Gambar 4, Gambar 5 dan Gambar 6.
Tabel 8. Hasil Perhitungan Indeks Pencemaran di Muara DAS Barito Pada Masing-Masing Stasiun Pengamatan
|
No. |
Parameter |
Satuan |
BMA (Kelas I) |
Stasiun |
Status Baku Mutu | ||
|
I |
I |
II | |||||
|
1. |
Suhu (oC) |
oC |
Deviasi 3 |
- |
- |
- |
A |
|
2. |
Kecerahan (cm) |
cm |
- |
- |
- |
- |
A |
|
3. |
pH |
- |
6 – 9 |
0 |
0 |
0 |
A |
|
4. |
Salinitas |
o/ |
- |
- |
- |
- |
- |
|
5. |
DO |
mg/l |
Min 6 |
-10 |
-10 |
-10 |
B |
|
6. |
Phospat |
mg/l |
0,2 |
0 |
0 |
0 |
A |
|
7. |
Nitrat |
mg/l |
10 |
-8 |
-8 |
-8 |
B |
|
8. |
Air Raksa (Hg) |
mg/l |
0,02 |
-10 |
-10 |
-10 |
B |
|
9. |
Tembaga (Cu) |
mg/l |
0,02 |
-10 |
-10 |
-10 |
B |
|
10. |
Arsen (As) |
mg/l |
0,05 |
-10 |
-10 |
-10 |
B |
|
11. |
Kromium Valensi 6 (Cr+6) |
mg/l |
0,05 |
-10 |
-10 |
-10 |
B |
|
12. |
Kadmium (Cd) |
mg/l |
0,01 |
-10 |
-10 |
-10 |
B |
|
13. |
Timbal (Pb) |
mg/l |
0,03 |
-10 |
-10 |
-10 |
B |
|
14. |
Plankton |
sel/ltr |
- |
-15 |
-15 |
-15 |
C |
|
15. |
BOD |
mg/l |
2 |
-27 |
-27 |
-18 |
C |
|
16. |
COD |
mg/l |
10 |
-30 |
-30 |
-30 |
C |
|
17. |
TSS |
mg/l |
50 |
-10 |
-10 |
-10 |
B |
Sumber : Pengolahan Data Primer, 2010 A = Memenuh Baku Mutu ; B = Tercemar Ringan ; C = Tercemar Sedang, D = Buruk (Baku Mutu Air menurut Per.Gub.No.05/2007 dan Perpem No. 82 Tahun 2001) & Model STORET
Tabel 9. Perhitungan Model Ordinary Kriging Logam Berat Pada Badan Air Masing-Masing Stasiun Pengamatan di Muara DAS Barito
|
No. |
Parameter |
Model Semivariogram/Covariance Modelling |
RMS |
Average-Std |
RMS_ Standardize | ||
|
Nugget |
Sill |
Range | |||||
|
1. |
Stasiun I (Muara Sungai Ke Hg |
layan) 0,0000030 |
0,0000004 |
0,0119334 |
0,00009 |
0,00009 |
0,92500 |
|
2. |
Cd |
0,0000000 |
0,0000000 |
0,0024990 |
0,00220 |
0,00203 |
1,07600 |
|
3. |
Cr6+ |
0,0000018 |
0,0000017 |
0,0119334 |
0,00009 |
0,00009 |
1,11900 |
|
4. |
As |
0,0000018 |
0,0000016 |
0,0119200 |
0,00008 |
0,00009 |
1,10900 |
|
5. |
Cu |
0,0000045 |
0,0000000 |
0,0114685 |
0,00258 |
0,00244 |
1,07100 |
|
6. |
Pb |
0,0000000 |
0,0012823 |
0,0053008 |
0,02566 |
0,03178 |
0,80830 |
|
Rerata |
0,0000018 |
0,0002143 |
0,0091759 |
0,00512 |
0,00609 |
1,01805 | |
|
1. |
Stasiun II (Muara Sungai A Hg |
lalak) 0,0000011 |
0,0000000 |
0,0040603 |
0,00116 |
0,00116 |
1,01500 |
|
2. |
Cd |
0,0000070 |
0,0000025 |
0,0010938 |
0,00320 |
0,00340 |
0,95140 |
|
3. |
Cr6+ |
0,0000000 |
0,0000000 |
0,0040600 |
0,00001 |
0,00001 |
1,05100 |
|
4. |
As |
0,0000000 |
0,0000000 |
0,0013294 |
0,00008 |
0,00009 |
0,95783 |
|
5. |
Cu |
0,0000011 |
0,0000000 |
0,0040603 |
0,00121 |
0,00119 |
1,02500 |
|
6. |
Pb |
0,0000000 |
0,0157980 |
0,0006513 |
0,15260 |
0,14060 |
1,08100 |
|
Rerata |
0,0000015 |
0,0026334 |
0,0025425 |
0,02638 |
0,02441 |
1,01354 | |
|
1. |
Stasiun III (Muara Sungai Hg |
uin) 0,0000064 |
0,0000011 |
0,0124258 |
0,00316 |
0,00304 |
1,02800 |
|
2. |
Cd |
0,0000033 |
0,0000000 |
0,0135722 |
0,00219 |
0,00208 |
1,04700 |
|
3. |
Cr6+ |
0,0000000 |
0,0000000 |
0,0141220 |
0,00009 |
0,00009 |
1,03200 |
|
4. |
As |
0,0000000 |
0,0000000 |
0,0122457 |
0,00013 |
0,00012 |
1,12200 |
|
5. |
Cu |
0,0000016 |
0,0000005 |
0,0141223 |
0,00163 |
0,00159 |
1,01700 |
|
6. |
Pb |
0,0000000 |
0,0073431 |
0,0051590 |
0,07863 |
0,09157 |
0,85850 |
|
Rerata |
0,0000019 |
0,0012241 |
0,0119412 |
0,01430 |
0,01641 |
1,01742 | |
Sumber : Hasil Analisis Semivariogram (2010)
Tabel 10. Perhitungan Model Ordinary Kriging Logam Berat Pada Sedimen Masing-Masing Stasiun Pengamatan di Muara DAS Barito
|
No. |
Parameter |
Model Semivariogram/Covariance Modelling |
RMS |
Average-Std |
RMS_ Standardize | ||
|
Nugget |
Sill |
Range | |||||
|
1. |
Stasiun I (Muara Sungai Ke Hg |
layan) 0,1462400 |
0,0364520 |
0,0028400 |
0,46140 |
0,45580 |
1,01700 |
|
2. |
Cd |
0,0028251 |
0 |
0,0040600 |
0,06322 |
0,06008 |
1,04000 |
|
3. |
Cr6+ |
0,4756800 |
0,7670200 |
0,0015170 |
1,91000 |
1,14400 |
1,04000 |
|
4. |
As |
3,827E-08 |
2,42E-10 |
0,0006515 |
0,00010 |
0,00001 |
1,14300 |
|
5. |
Cu |
5,6507000 |
0 |
0,0040600 |
2,68800 |
2,67100 |
1,01700 |
|
6. |
Pb |
0,9960150 |
2,3749000 |
0,0013020 |
1,72000 |
1,56000 |
1,04700 |
|
Rerata |
1,2119100 |
0,5297287 |
0,0024051 |
1,14045 |
0,98181 |
1,05067 | |
|
1. |
Stasiun II (Muara Sungai A Hg |
lalak) 0,1536400 |
0 |
0,0114680 |
0,51940 |
0,44190 |
1,17200 |
|
2. |
Cd |
0,0000070 |
0,0000025 |
0,0010938 |
0,00320 |
0,00340 |
0,95140 |
|
3. |
Cr6+ |
0 |
3,0414000 |
0,0033740 |
1,77600 |
1,87500 |
0,95710 |
|
4. |
As |
3,16E-09 |
1,48E-08 |
0,0119334 |
0,00011 |
0,00011 |
1,00400 |
|
5. |
Cu |
0,1685000 |
0,1162700 |
0,0119334 |
6,38100 |
5,31700 |
1,17200 |
|
6. |
Pb |
1,8385000 |
2,0649000 |
0,0097200 |
2,07100 |
1,91300 |
1,05100 |
|
Rerata |
0,3601078 |
0,8704287 |
0,0082538 |
1,79179 |
1,59173 |
1,05125 | |
|
1. |
Stasiun III (Muara Sungai Hg |
uin) 0 |
0,0282090 |
0,0040700 |
0,20530 |
0,18830 |
1,08100 |
|
2. |
Cd |
0 |
0,0320670 |
0,0084400 |
0,12510 |
0,14680 |
0,87540 |
|
3. |
Cr6+ |
0,1004300 |
0,9093200 |
0,0057931 |
1,06800 |
1,05000 |
0,99390 |
|
4. |
As |
4,58E-09 |
5,12E-09 |
0,0073010 |
1,06800 |
1,05000 |
0,99390 |
|
5. |
Cu |
2,8333300 |
1,3983000 |
0,0141223 |
2,33600 |
2,15600 |
1,07500 |
|
6. |
Pb |
0 |
5,6239000 |
0,0035500 |
2,75700 |
2,58700 |
1,06700 |
|
Rerata |
0,4889600 |
1,3319660 |
0,0072127 |
1,25990 |
1,19635 |
1,01437 | |
Tabel 11. Perhitungan Model Inverse Distance Weighting (IDW) Logam Berat Pada Biota Masing-Masing Stasiun Pengamatan di Muara DAS Barito
|
No. |
Parameter |
Model IDW | |
|
Mean |
RMS | ||
|
A. |
Logam Berat Pada Sedimen (Stasiun I) | ||
|
1. |
Hg |
-0,00036 |
0,00964 |
|
2. |
Cd |
0,00320 |
0,00946 |
|
3. |
Cr6+ |
0,00476 |
0,76702 |
|
4. |
As |
0,00000 |
0,00015 |
|
5. |
Cu |
0,00019 |
0,00013 |
|
6. |
Pb |
-0,01710 |
1,34100 |
|
Rerata |
-0,00155 |
0,35457 | |
|
No. |
Parameter |
Model IDW | |
|
Mean |
RMS | ||
|
B. |
Logam Berat Pada Sedimen (Stasiun II) | ||
|
1. |
Hg |
0,00009 |
0,00478 |
|
2. |
Cd |
0,00001 |
0,00000 |
|
3. |
Cr6+ |
0,00000 |
3,04140 |
|
4. |
As |
0,00001 |
0,00010 |
|
5. |
Cu |
-0,20370 |
2,05100 |
|
6. |
Pb |
-0,01953 |
0,43770 |
|
Rerata |
-0,03719 |
0,92250 | |
|
No. |
Parameter |
Model IDW | |
|
Mean |
RMS | ||
|
C. |
Logam Berat Pada Sedimen (Stasiun III) | ||
|
1. |
Hg |
0,00001 |
0,00529 |
|
2. |
Cd |
0,05887 |
0,62130 |
|
3. |
Cr6+ |
0,00000 |
0,00011 |
|
4. |
As |
4,58E-09 |
5,12E-09 |
|
5. |
Cu |
0,02862 |
0,71130 |
|
6. |
Pb |
-0,01920 |
0,44920 |
|
Rerata |
0,01138 |
0,29787 | |
Sumber : Hasil Pengolahan Data Primer dan Survai Lapangan (2010)
Tabel 12. Perhitungan Model Inverse Distance Weighting (IDW) Kualitas Air Masing-Masing Stasiun Pengamatan di Muara DAS Barito
|
No. |
Parameter |
Model IDW | |
|
Mean |
RMS | ||
|
1. |
Stasiun I (Muara Sungai Kelayan) Suhu (oC) |
-0,02236 |
0,42360 |
|
2. |
Kecerahan (cm) |
0,39180 |
0,96480 |
|
3. |
pH |
0,00395 |
0,31130 |
|
4. |
DO (mg/l) |
0,06383 |
0,44076 |
|
5. |
BOD (mg/l) |
-0,53810 |
0,62860 |
|
6. |
COD (mg/l) |
-0,20370 |
2,05100 |
|
7. |
TSS (mg/l) |
-1,91500 |
0,16950 |
|
Rerata |
-0,31708 |
0,71279 | |
|
No. |
Parameter |
Model IDW | |
|
Mean |
RMS | ||
|
Stasiun II (Muara Sungai Alalak) | |||
|
1. |
Suhu (oC) |
-0,03889 |
0,32990 |
|
2. |
Kecerahan (cm) |
1,14200 |
0,15230 |
|
3. |
pH |
-0,01922 |
0,46510 |
|
4. |
DO (mg/l) |
-0,28040 |
2,99700 |
|
5. |
BOD (mg/l) |
-0,14080 |
1,79300 |
|
6. |
COD (mg/l) |
1,84000 |
0,27230 |
|
7. |
TSS (mg/l) |
-0,00336 |
0,32370 |
|
Rerata |
0,42304 |
1,00057 | |
|
Model IDW | |||
|
No. |
Parameter | ||
|
Mean |
RMS | ||
|
Stasiun III (Muara Sungai Kuin) | |||
|
1. |
Suhu (oC) | ||
|
2. |
Kecerahan (cm) |
-0,05626 |
0,64250 |
|
3. |
pH |
0,89690 |
0,10540 |
|
4. |
DO (mg/l) |
0,03433 |
0,44920 |
|
5. |
BOD (mg/l) |
-0,35860 |
3,95900 |
|
6. |
COD (mg/l) |
0,05629 |
2,24300 |
|
7. |
TSS (mg/l) |
-0,17880 |
4,16400 |
|
Rerata |
0,06564 |
1,92718 | |
Sumber : Hasil Pengolahan Data Primer dan Survai Lapangan (2010)
Gambar 2. Distribusi Spasial Logam Berat Pada Sedimen (a) dan Biota (b) Stasiun Pengamatan Muara Alalak
3.2 Pembahasan
Berdasarkan hasil perhitungan dengan menggunakan metode Ordinary Kriging dengan metode Spherical menggunakan model Semivariogram/Covariance Modelling untuk model logam berat pada biota yang telah dicoba pada model spherical nilai Average Standard Error logam berat pada air rata-rata sebesar 0,00609 pada stasiun I (Muara sungai Kelayan), 0,02441 pada stasiun II (Muara Alalak) dan 0,01641 pada stasiun III (Muara Sungai Kuin), sama dengan nilai RMS pada stasiun I (Muara sungai Kelayan) sebesar 0,00512, pada stasiun II (Muara Alalak) sebesar 0,02638 dan pada stasiun III (Muara Sungai Kuin) sebesar 0,01430 atau (nilai RMS Standar = 1), hal ini menunjukkan bahwa model yang digunakan mempunyai prediksi yang cukup baik.
Begitu pula pada model spherical logam berat pada sedimen, nilai Average Standard Error logam berat pada sedimen rata-rata sebesar 0,98181 pada stasiun I (Muara sungai Kelayan), 1,59173 pada
stasiun II (Muara Alalak) dan 1,19635 pada stasiun III (Muara Sungai Kuin), sama dengan nilai RMS pada stasiun I (Muara sungai Kelayan) sebesar 1,14015, pada stasiun II (Muara Alalak) sebesar 1,79179 dan pada stasiun III (Muara Sungai Kuin) sebesar 1,25590 atau (nilai RMS Standar = 1), hal ini menunjukkan bahwa model yang digunakan mempunyai prediksi yang cukup baik dan memenuhi kaidah persamaan 4.
Berdasarkan hasil perhitungan dengan menggunakan metode Inverse Distance Weighting (IDW) untuk model logam berat pada biota yang telah dicoba nilai Root Mean Square (RMS-error) logam berat pada biota rata-rata sebesar 0,03545 pada stasiun I (Muara sungai Kelayan), 0,92250 pada stasiun II (Muara Alalak) dan 0,29787 pada stasiun III (Muara Sungai Kuin), sedangkan nilai mean rata-rata stasiun I (Muara sungai Kelayan) sebesar 0,00155, pada stasiun II (Muara Alalak) sebesar 0,003719 dan pada stasiun III (Muara Sungai Kuin) sebesar 0,0138 hal ini menunjukkan bahwa model
Gambar 3. Distribusi Spasial Logam Berat Pada Badan Air (a) dan Kelimpahan Plankton (b) Stasiun Pengamatan Muara Kelayan
Gambar 4. Distribusi Spasial Parameter Kualitas Air in situ (a) dan Distribusi BOD, COD dan TSS (b) Stasiun Pengamatan Muara Kuin
yang digunakan mempunyai prediksi yang cukup baik karena mempunyai standar simpangan baku atau standar error data yang kecil. Dengan demikian data dianggap homogen dapat dapat mewakili sampel yang ada.
Begitu pula pada model IDW parameter kualitas air, nilai Root Mean Square (RMS-error) rata-rata sebesar 0,71279 pada stasiun I (Muara sungai Kelayan), 1,00057 pada stasiun II (Muara Alalak) dan 1,9278 pada stasiun III (Muara Sungai Kuin), sedangkan nilai mean rata-rata stasiun I (Muara sungai Kelayan) sebesar 0,31708, pada stasiun II (Muara Alalak) sebesar 0,42304 dan pada stasiun III (Muara Sungai Kuin) sebesar 06564.
Model Ordinary Kriging dengan analisis Semivariogram dipilih karena ; (1) Dapat mengestimasi nilai atribut yang diambil pada lokasi penelitian, (2) Metode griding dengan tampilan visual dan daya tarik yang kuat bagi data yang tersebar tidak teratur (3) Dapat memprediksi nilai spasial pada lokasi yang belum tersampling atau tidak tersampling (Rahman, 2010).
Model Inverse Distance Weighting (IDW), metode ini digunakan untuk memodelkan secara spasial dari sampel logam berat pada biota dan parameter kualitas air. Alasan digunakan model ini karena model ini merupakan interpolator dengan bobot kebalikan jarak yang bersifat exact atau smoothing dan dapat menggambarkan sebaran sampel berupa titik-titik seperti sebaran parameter kualitas air dan biota (Rahman, 2010).
-
1) Berdasarkan hasil perhitungan dengan menggunakan metode Ordinary Kriging dengan Semivariogram/Covariance Modelling untuk model logam berat pada badan diperoleh nilai Average Standard Error rata-rata sebesar 0,00609 (RMS = 0,00512 pada stasiun I (Muara sungai Kelayan), 0,02441 (RMS = 0,02638) pada stasiun II (Muara Alalak) dan 0,01641 (RMS = 0,01430) pada stasiun III (Muara Sungai Kuin).
-
2) Hasil perhitungan model Semivariogram logam berat pada sedimen, diperoleh nilai Average Standard Error rata-rata sebesar 0,98181 (RMS = 1,14015) pada stasiun I, pada stasiun II sebesar 1,14015 (RMS = 1,79179) dan pada stasiun III sebesar 1,19635 (RMS = 1,25590).
-
3) Berdasarkan hasil perhitungan dengan menggunakan metode Inverse Distance Weighting (IDW) untuk model logam berat pada biota diperoleh nilai Root Mean Square (RMS-error) logam berat pada biota rata-rata sebesar 0,03545 pada stasiun I (Muara sungai Kelayan), 0,92250 pada stasiun II (Muara Alalak) dan 0,29787 pada stasiun III (Muara Sungai Kuin), sedangkan nilai mean rata-rata stasiun I sebesar 0,00155, pada stasiun II sebesar 0,003719 dan pada stasiun III sebesar 0,0138.
-
4) Hasil Perhitungan Model IDW parameter kualitas air, diperoleh nilai RMS-error rata-rata sebesar 0,71279 pada stasiun I, pada stasiun II sebesar 1,00057 dan pada stasiun III sebesar 1,9278, sedangkan nilai mean rata-rata stasiun I sebesar 0,31708, pada stasiun II sebesar 0,42304 dan pada stasiun III sebesar 06564.
-
5) Status Mutu Air Pada Stasiun Pengamatan menurut Model STORET dikategorikan buruk (tercemar berat), sedangkan berdasarkan Model Environmental Quality Index (EQI) dikategorikan sebagai perairan tercemar sedang.
Model pengelolaan terpadu di Muara DAS Barito dengan permodelan Sistim Informasi Geografis (SIG) dapat dijadikan alternatif dalam pengambilan keputusan pengelolaan daerah Pesisir (Integrated Coastal Management).
Ucapan Terima Kasih
Peneliti mengucapkan terima kasih kepada Direktorat Jenderal DIKTI dan DIPA Universitas Lambung Mangkurat atas Dana yang telah diberikan, Lembaga Penelitian dan Fakultas Perikanan dan Ilmu Kelautan Universitas Lambung Mangkurat atas bantuannya.
Daftar Pustaka
Anonim, 2002. Pedoman Pemeriksaan Kimia Air Minum/Air Bersih. Departemen Kesehatan RI, Direktorat Jenderal Pelayanan Medik. Direktorat Laboratorium Kesehatan. Jakarta. 135 halaman.
Chang., K.T., 2006. Introduction to Geographic Information Systems. Third Edition, International Edition. Mc.Graw Hill, New York.
Davis. C.C., 1955. The Marine and Fresh Water Plankton. Michigan State University Press. 561 p.
Darmono, 2001. Lingkungan Hidup dan Pencemaran. Hubungannya dengan Toksikologi Senyawa Logam. Penerbit Universitas Indonesia. Jarkata. 179 halaman.
Hadi., M.P., 2006. Pemahaman Karakteristik Hujan Sebagai Dasar Pemilihan Model Hidrologi. Studi Kasus di DAS Bengawan Solo Hulu. Forum Geografi, Vol. 20, No. 1, Juli 2006: 13 – 26.
Odum, F.E., 1971. Fundamental of Ecology. Third Edition. W.B. Sounder Company, Toronto. 243 halaman.
Peraturan Pemerintah Republik Indonesia No. 82 Tahun 2001, Tentang Pengelolaan Kualitas Air dan Pengendalian Pencemaran Air. Kementerian Lingkungan Hidup. Jakarta.
Peraturan Gubernur Kalimantan Selatan Nomor 05 Tahun 2007, Tentang Peruntukan dan Baku Mutu Air Sungai. Bapedalda Propinsi Kalimantan Selatan.
Rahman, A., 2010. Analisis Campuran Spektral Secara Linier (Lsma) Citra Terra Modis Untuk Kajian Estimasi Limpasan Permukaan, (Studi Kasus Sub DAS Riam Kanan dan Sekitarnya). Tesis. Penerbit Fakultas Geografi Universitas Gadjah Mada, Yogyakarta.
44
Discussion and feedback