study of water quality status in gadjahwong river using several water quality indices

7/25/2019 Study of Water Quality Status in Gadjahwong River Using Several Water Quality Indices

1/14

Kajian Status Mutu Air di Sungai Gajahwong (Muslimin)

91

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 (Wi)

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 6parameters chosen with the weightings (Wi) i.e. 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.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


2/14

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

92

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 darikualitas air karena banyak parameter kualitas air

yang tidak tercakup dalam indeks tersebut

(Hendrawan, 2005). Selain itu, WQI juga sangat

subjektif karena banyak variabel dan langkah-

langkah yang sangat tergantung pada masing-

masing 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 dalammenginteprestasi 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 pengamatankualitas 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 untukmenggambarkan 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

Pengumpulan dan Evaluasi Data Kualitas

Air

Data yang digunakan pada penelitian ini

adalah data sekunder yang merupakan hasil

Progam Prokasih oleh Badan Lingkungan

Hidup DIY. Gambaran umum lokasi

pengambilan sampel ditunjukkan pada gambar

1.


3/14


93

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 parameterkualitas air perlu diketahui validitas dan

reliabilitasnya. Uji validitas dan reliabilitas

dilakukan dengan standarisasi data dan uji

outlier.

Standarisasi dataStandarisasi data dilakukan karena data

kualitas air memiliki ukuran dan satuan yang

berbeda. Pada standarisasi digunakan Zscore

formula yang dinyatakan dengan persamaan

sebagai berikut:

(1)

dimana adalah data hasil standarisasidata ke-i, adalah data kei, m adalah jumlahdata, adalah rata-rata data dan, S adalah standardeviasi (Berthouex, 2002).

UjioutlierUji outlier dilakukan untuk mencari data

yang secara nyata berbeda dengan datadatayang 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 outlierapabila:

dimana adalah data ke-i, adalahrata-rata data, adalah jumlah data, adalahstandar deviasi, dan adalah batas outlierdengan k digunakan 3 (Rodriguez, 2011).

Water Quality Index (WQI)Indeks kualitas air atau WQI (water

quality index) adalah single indeks yangmenggambarkan kualitas air di suatu waktu dan

7

1

2

5

3

4

6

7

8

7

8


4/14


94

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 mewakilikeseluruhan parameter

b. Pemberian bobot pada masing-masingparameter.

c. Transformasi perbedaan satuan ke dalamskala biasa dengan sub-indeks.

d. Verifikasi indeks untuk mengevaluasikecocokan indeks dengan kualitas air yang

dinilai.

Secara umum, status kualitas air menurut

WQI dapat dikategorikan menjadi 5 peringkatyaitu: 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 Wipadamasing-masing parameter yaitu: Wi-DO=0,17;

Wi-pH=0,11;Wi-BOD=0,11;Wi-TS=0,07; Wi-

NO3=0,1; Wi-PO4=0,1; Wi-Total Coliform=0,16.


5/14


95

(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 Cidan Pidiberikan pada tabel 1.


6/14


96

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

Parameter PiFaktor normalisasi (Ci)

100 90 70 50 25 0

pH 1 7 78 79 69,5 312 114

EC 1 750 1000 1500 2500 8000 12000

DO 4 7,5 7 6 4 2 1

TDS 2 100 500 1000 2000 10000 20000

TSS 4 20 40 80 120 320 400

PO4 1 0,025 0,05 0,2 0,5 1,5 2

NH3 3 0,01 0,05 0,2 0,4 1 1,25

NO3 2 0,5 2 6 10 50 100

NO2 2 0,005 0,01 0,05 0,15 0,5 1

BOD 3 0,5 2 4 6 12 15

COD 3 5 10 30 50 100 150

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 datatersebut. 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). Masing-

masing PC mengikuti persamaan sebagai berikut:

dimana Cp,n adalah koefisien skor komponen

untuk variabel kualitas air p pada PC dan Ybadalah nilai Y untuk variabel kualitas air p.

Komparasi Hasil Pengkelasan WQIKomparasi 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 masing-

masing metode.

Analisis klaster merupakan suatu teknikanalisis 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. Padaprinsipnya 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

centroidmasing-masing kelompok. Algoritma K-

Means Clustermengikuti persamaan berikut:

(6)

dimana adalah titik yang termasuk kedalamklaster 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.


7/14


97

HASIL DAN PEMBAHASAN

Evaluasi Data Kualitas AirUntuk mendapatkan data yang reliable

dan valid beberapa hal yang dievaluasi yaitu:

lokasi pengambilan sampel, waktu pengambilansampel (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 kontinudari 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,

dan TSS. Sedangkan 8 tahun pengukuran yang

digunakan yaitu: 2001, 2002, 2004, 2005, 2006,

2007, 2008, dan 2009.

Pada data yang diperoleh kadang-kadangdijumpai 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. Semakinbanyak 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 outlierdengan rata-

rata pada lokasi dan musim yang sama. Jumlah

outiler pada masing-masing parameter dapat

dilihat pada gambar 3.

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 berbeda-

beda 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 inimenghasilkan 107 kumpulan data dari 217

kumpulan data yang merupakan hasil analisis

sebelumnya.

Pengembangan GWQI

Pemilihan dan pembobotan parameter

dominanPemilihan dan pembobotan parameter

dominan dilakukan dengan melakukanPrincipal

Component Analysis (PCA) pada data yang telahdievaluasi sebelumnya. Hasil hitungan analisis


8/14


98

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.

Gambar 4. Scree plot nilai eigendan % variansi.

Untuk memilih parameter parameter

dominan perlu diketahui nilai PC pada masing-

masing 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 PCA-

GWQI 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. TabelEigenvector PCA-All.

Variabel PC 1 PC 2 PC 3 PC-All

NH3 0,326 0,234 -0,002 0,139

BTK 0,208 0,045 0,665 0,144

BOD 0,372 -0,151 0,262 0,112

COD 0,347 -0,175 0,107 0,082

DHL 0,442 0,106 -0,189 0,128

DO -0,247 -0,204 -0,128 -0,124

NO3 -0,187 0,507 0,157 0,055

NO2 0,365 0,217 -0,073 0,139

pH -0,162 0,194 0,336 0,026

PO4 0,029 0,387 -0,458 0,028

TDS 0,374 -0,111 -0,261 0,061

TSS 0,019 0,577 0,074 0,119

0

20

40

60

80

100

120

0.0

0.5

1.0

1.5

2.0

2.5

3.0

3.5

4.0

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

%Varian

Eigenvalue

PC

Eigenvalue Cum. % of variance


9/14


99

Tabel 3. TabelEigenvector PCA-GWQI.

Variabel PC 1 PC 2 PC 3PC-

GWQI

NH3 0,326 0,234 -0,002 0,139

BTK 0,208 0,045 0,665 0,144DHL 0,442 0,106 -0,189 0,128

DO -0,247 -0,204 -0,128 -0,124

NO2 0,365 0,217 -0,073 0,139

pH -0,162 0,194 0,336 0,026

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) + 294,0qiDO = 0,197DO3- 3,160DO

2+ 29,33DO

25,25

qiTC = -13,1ln(TC) + 152,7

qiNO2= -18,9ln(NO2) + 5,734

qipH = 0,167x4- 4,690x

3+ 41,31x

2- 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 WQIGambar 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.

R = 0.905

-1.5

-1

-0.5

0

0.5

1

1.5

-2 -1 0 1 2

PC-GWQI

PC-All


10/14


100

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

Untuk melakukan komparasi, dataPCA-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 jaraknyalebih 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.

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.

-2

-1.5

-1

-0.5

0

0.5

1

1.5

2

0 30 60 90 120

PCA-All

LokasiCluster 1 Cluster 2 Cluster 3


11/14


101

(a) (b)

(c)

Gambar 8. Posisi kelas PCA-All menurut (a) GWQI, (b) Prakash WQI), dan (c) NSF-WQI.

Dinamika Kualitas Air di Sungai GajahwongGambar 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.


12/14


102

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 GWQImenunjukkan 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 kualitas air sungai-sungai di

Indonesia.

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.


13/14


103

DAFTAR PUSTAKA

Abbasi, S.A., Sarkar, and Chinmoy. Qualidex-A NewSoftware for Generating Water Quality

Indice. Journal of Enviromental Monitoringand Assessment 119 (2006): 201-231.

Aravind, H.,C Rajgopal, and K P Soman. A Simple

Approach to Clustering in Excel. InternationalJournal of Computer Applications (2010):

09758887.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-SumberPencemaran 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 InternationalComparison 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 diDKI 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 RiverWater Classification and Urban Impact

Assessment. Journal of EnvironmentalMonitoring and Assessment 132 (2007): 93110.

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 Acua, Edgar. On Detection

of Outliers and Their Effect in Supervised

Classification.Mayaguez: Department ofMathematics University of Puerto Rico, 2011.

Saraswati, S.P. Upaya Awal Penyusunan IndeksBiotik utuk Sungai Tropis di Indonesia. JurnalManusia 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 MetodeBiomonitoring. Majalah Lingkungan Tropisedisi 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. Applicationof Multivariate Statistical Methods to Water

Quality Assessment of the Watercourses in

Northwestern New Territories, Hong Kong.

Journal of Enviromental Monitoring andAssessment 119 (2003):201-231.


14/14


104

study of water quality status in gadjahwong river using several water quality indices

Documents