Pemodelan salinitas air tanah dangkal di wilayah jakarta utara, jakarta barat dan jakarta pusat

DETAIL KOLEKSI

Pemodelan salinitas air tanah dangkal di wilayah jakarta utara, jakarta barat dan jakarta pusat

Oleh : Kristin Ina Binna

Info Katalog

Penerbit : FALTL - Usakti

Kota Terbit : Jakarta

Tahun Terbit : 2023

Pembimbing 1 : Ramadhani Yanidar

Pembimbing 2 : Sheilla Megagupita Putri Marendra

Kata Kunci : shallow groundwater, modeling, salinity, SPSS, geographic information systems.

Status Posting : Published

Status : Lengkap

File Repositori

No.	Nama File	Hal.
1.	2023_SK_STL_082001900039_Halaman-Judul.pdf	10
2.	2023_SK_STL_082001900039_Surat-Pernyataan-Revisi-Terakhir.pdf	1
3.	2023_SK_STL_082001900039_Surat-Hasil-Similaritas.pdf	1
4.	2023_SK_STL_082001900039_Halaman-Pernyataan-Persetujuan-Publikasi-Tugas-Akhir-untuk-Kepentingan-Akademis.pdf	1
5.	2023_SK_STL_082001900039_Lembar-Pengesahan.pdf	1
6.	2023_SK_STL_082001900039_Pernyataan-Orisinalitas.pdf	1
7.	2023_SK_STL_082001900039_Formulir-Persetujuan-Publikasi-Karya-Ilmiah.pdf	1
8.	2023_SK_STL_082001900039_Bab-1.pdf	3
9.	2023_SK_STL_082001900039_Bab-2.pdf	25
10.	2023_SK_STL_082001900039_Bab-3.pdf	8
11.	2023_SK_STL_082001900039_Bab-4.pdf	63
12.	2023_SK_STL_082001900039_Bab-5.pdf	2
13.	2023_SK_STL_082001900039_Daftar-Pustaka.pdf	3
14.	2023_SK_STL_082001900039_Lampiran.pdf	67

Abstrak
Abstract

P Perkembangan penduduk dan pertumbuhan industri, bisnis, serta pemukiman yang pesat tentunya berbanding lurus dengan peningkatan jumlah kebutuhan air bersih sedangkan perubahan lahan akan mengurangi wilayah yang menjadi resapan air. Kondisi demikian dapat menyebabkan ancaman intrusi air laut menjadi semakin tinggi karena jumlah pengambilan air tanah akan semakin bertambah. Penelitian ini bertujuan untuk mengetahui pengaruh air laut terhadap air tanah dan dimodelkan dengan memperhatikan jarak pantai serta kedalaman sumur terhadap DHL, TDS dan salinitas. Data yang digunakan dalam penelitian ini adalah data monitoring kualitas air tanah oleh DLHK (Dinas Lingkungan Hidup dan Kehutanan) DKI Jakarta tahun 2022 berjumlah 121 titik sampel di wilayah Jakarta Utara, Jakarta Barat dan Jakarta Pusat. Data primer diambil di 3 (tiga) titik lokasi sampling untuk verifikasi model. Metode yang digunakan adalah Hierarchical Cluster Analysis (HCA) dengan tujuan untuk mengelompokan data berdasarkan kedekatan karakteristik sejenis. Untuk melihat adanya pengaruh intrusi air laut maka dikembangkan model dengan metode multiple analisis linear menggunakan variabel jarak pantai (X1), kedalaman sumur (X2) dan kesadahan (X3) dengan model DHL Y= a.X1 + b2.X2 + b3.X3 + d. Dimana model DHL Y = -1879,54 + (b1 x 1,191) + (b2 x 5,08); model TDS Y= -2211,30 + ( b1 x 0,81) + (b2 x 101,40) + (b3 x 4,07); model salinitas Y = -0,06 + (b1 x 0,000067) + (b2 x 0,00024). Hasil kajian menunjukkan adanya pengaruh jarak pantai terhadap intrusi air laut terdapat di cluster 3 (tiga) yang tersebar di 10 titik sampling Jakarta Utara, 4 titik di Jakarta Barat dan 2 titik di Jakarta Pusat.Kata Kunci: Salinitas, air tanah dangkal, pemodelan, SPSS, sistem informasi geografis.

P Population growth and the rapid expansion of industry, business, and settlements are directly proportionate to the increase the clean water demand, while land modification will reduce the areas that become water catchments. When amount of groundwater withdrawal increases it will pose a threat of seawater intrusion. The purpose of this research is to identify the distribution of shallow groundwater salinity in North Jakarta, West Jakarta and Central Jakarta and to developed a statistically based model of shallow groundwater salinity distribution using SPSS 26.0 and geographic information system (GIS). Primary data was taken at 6 (six) sampling locations for model validation. Beginning with data clustering, the Hierarchical Cluster Analysis (HCA) approach generates four (4) clusters. Furthermore, to examine the influence of DHL distribution, TDS, and salinity on shallow groundwater, a linear multiple regression model was established in each cluster, with coastal distance (X1), well depth (X2), and hardness (X3) as variables. DHL Models: YDHL1 = 919,29 + 0,67.X3; YDHL3 = -1,879,54+ (1,19.X1) + (5,08.x3). TDS models: YTDS1 = 642,87 + (0,55.X3); YTDS3 = -2,211,30 + (0,81.X1) + (101,41.X2) + (4,07.X3). Salinity model: Ysalinity1 = -0,03 + (9,95 x 10-6.X1) + (3,49 x 10-4.X2) + (2,36 x 10-4.X3); Ysalinity2 = 0,02 + (8,78 x 10-5.X3); Ysalinity3 = -0,07+ (6,75 x 10-5.X1) + (2,4 x 10-4.X3). Model verification results for R2DHL1 = 0,78; R2DHL3 = 0,78; R2TDS1 = 0,58; R2TDS3 = 0,92; R2salinity1 = -0,64; R2salinity1 = 0,79, R2salinity3 = 0,88. Validation results with 6 (six) sample points produce DHL = 45,33%; TDS = 44,65%; Salinity = 44,65%. It requires additional study by increasing the number of source samples used to validate the model. The results of the highest salinity distribution with brackish water categorization are in cluster 3 (three), which is a sampling point with a coastal distance of 440 meters to 4,340 meters and a groundwater depth ranging from 2 meters to 25 meters.