Syntax Literate: Jurnal
Ilmiah Indonesia p�ISSN: 2541-0849
e-ISSN:
2548-1398
Vol. 7, No. 9, September
2022
STUDI
HUBUNGAN ANTARA PENGGUNAAN LAHAN DAN KUALITAS AIR SUNGAI DI KABUPATEN SLEMAN
Zeindha Hamidi, Budi Kamulyan
Universitas Gadjah Mada,
Yogyakarta, Indonesia
Email: [email protected],
[email protected]
Abstrak
Pencemaran
air sungai merupakan salah satu permasalahanlingkungan di Kabupaten Sleman. Salah satu faktor yang berhubungan dengan pencemaran air sungai adalah penggunaan
lahan. Penelitian ini dilakukan untuk
mengukur tingkat hubungan antara penggunaan lahan dan kualitas air sungai padai skala DAS dan sempadan sungai. Ada tujuh parameter kualits air yang digunakan, yaitu TSS, DO, BOD,
COD, TP, fecal coliform, total coliform, dan indeks
pencemaran. Data kualiats
air sungai diambil dari data yang tersedia dalam laporan pemerintah.
Data penggunaan lahan didapat dari MODIS Land Cover Type Product yang diklasifikasikan
menjadi empat: lahan pertanian, hutan, padang rumput,
dan perkotaan. Analisis korelasi Spearman
Rank digunakan untk menemukan hubungan antara penggunaan lahan dan kualitas air sungai. Ada 60 titik sampek dalam penelitian
ini. Dari penelitian ini ditemykan bahwa
penggunaan lahan pertanian dan perkotaan memiliki hubungan dengan penurunan kualitas air sungai. Sebaliknya, penggunaan lahan padang rumpur
dan hutan memiliki hubungan yang positif dengan kualitas air yang baik. Dari penelitian ini, untuk menjaga
atau meningkatkan kualitas air sungai, pengembangan area hijau yang sekaligus berfungsi sebagai ruang terbuka
publik sangat diperlukan utamanya di daerah perkotaan.
Kata Kunci:
guna lahan, air sungai,
korelasi
Abstract
River pollution is a major
environmental problem in Sleman Regency. One factor that is associated with
river pollution is land use. This research is conducted to measure the degree
of correlation between land use and river water quality in basin and river
buffer scale. There are seven water quality parameters used in this study: TSS,
DO, BOD, COD, TP, fecal coliform, total coliform, and pollution index. The data
of river water quality was taken from the government�s report. This research
utilized land use data obtained from the MODIS Land Cover Type Product which
was then classified into four types: croplands, forests, savannas, and urban.
The Spearman Rank Correlation test was utilized to find the association between
land use and river water quality. There are 60 sampling points analyzed in this
research. This research found that croplands and urban land use have
association with the decline of river water quality. In contrast, this study
discovered that forests and savannas land use have correlation with river water
quality conservation. Based on the results of this research, in order to improve
river water quality, the development of green public spaces in urban areas is
highly required.
Keywords: land
use, river water, correlation
Pendahuluan
Pencematan air sungai adalah salah satu permasalah lingkungan di Kabupaten Sleman. Sebagaimana
yang dapat dilihat pada Tabel 1., konsentrasi beberapa parameter kualitas air
pada beberapa titik sampel di sungai telah melewati standar baku (Pemerintah
Kabupaten Sleman, 2018). Kondisi
ini tentunya mengkhawatirkan karena sungai merupakan sumber air bersih utama untuk irigasi,
kegiatan industri dan konsumsi manusia (Rosero-Montalvo et al, 2020).
Dari Tabel 1. terlihat bahwa nilai konsentrasi BOD dan COD di
salah satu titik pengukuran hampir mencapai 190% dan 42% melebihi batas aman. Selain
itu, nilai konsentrasi tertinggi fecal coliform dan total coliform masing-masing adalah 28,000%
dan 9,700%, melebihi standar.
Salah satu faktor yang memiliki hubungan dengan pencemaran sungai adalah penggunaan lahan. Penggunaan lahan dapat menurunkan
kualitas air sungai baik melalui sumber
titik (point
source) maupun sumber polusi non titik (non-point source) (Zhou et al., 2016). Aliran air yang membawa limbah dari berbagai
penggunaan lahan membawa tingkat pencemaran yang berbeda-beda ke badan air. Hal ini mengancam kualitas air. Selain itu, penggunaan
lahan yang lebih intensif akibat adanya pertumbuhan penduduk dapat mempercepat penurunan kualitas air (Seeboonruang,
2012). Namun, hubungan antara penggunaan lahan dan kualitas air sungai sangat kompleks (Seeboonruang, 2012), terjadi pada
skala spasial yang berbeda (Zhou et al., 2012), dan tidak
seragam di semua lokasi (Park et al., 2014; Zhang et al. al., 2020).
Tabel 1. Nilai konsentrasi
parameter kualitas air sungai
di Kabupaten Sleman dibandingkan
dengan standar baku mutu
|
Parameter
|
Konsentrasi*
|
Standar*
|
Satuan
|
|
Total Suspended Solid (TSS)
|
426
|
50
|
mg/l
|
|
Dissolved Oxygen (DO)
|
3.9***
|
6***
|
|
Biological Oxygen Demand (BOD)
|
9.8
|
2
|
|
Chemical Oxygen Demand (COD)
|
18.9
|
10
|
|
Fecal Coliform
|
210,000
|
100
|
total/100
ml
|
|
Total Coliform
|
2,400,000
|
1,000
|
total/100
ml
|
*nilai konsentrasi tertinggi
berdasarkan hasil pengukuran oleh Pemerintah Kabupaten Sleman, kecuali untuk DO
**standar baku mutu kualitas
air minum berdasarkan Peraturan Pemerintah Republik Indonesia Nomor 82 Tahun 2001 tentang Pengelolaan Kualitas Air dan Pengendalian Pencemaran Air
***nilai terendah
Sumber: Pemerintah
Kabupaten Sleman, 2018
Beberapa penelitian telah menyelidiki kualitas air sungai dalam skala sempadan
sungai (river
buffer) (Zhou et al., 2012; Li et al., 2018; Zhang et al., 2020). Analisis pada skala sempadan sungai dilakukan karena sempadan sungai merupakan praktik pengelolaan lingkungan yang penting untuk menjaga
kualitas air (Lee et al., 2020). Kawasan sempadan sungai berperan sebagai penyaring semua air dari seluruh bagian
Daerah Aliran Sungai (DAS) yang mengalir
ke arah sungai
(Gu et al., 2019).
Gambar
1. Ilustrasi kawasan sempadan sungai
Sumber: dimodifikasi dari
https://content.ces.ncsu.edu/agricultural-riparian-buffers
Di Indonesia, salah satu
pendekatan untuk menjaga kualitas air sungai adalah sempadan
sungai. Pendekatan ini telah tertuang
dalam kebijakan pembangunan. Dalam Peraturan Pemerintah Nomor 38 Tahun 2011 tentang Sungai, sempadan sungai didefinisikan sebagai kawasan di kanan dan kiri sungai yang berfungsi sebagai batas lindung
sungai. Kawasan ini bertujuan untuk melindungi sungai dari kontaminasi yang berasal dari pembangunan
atau aktivitas manusia. Selain itu, Peraturan Menteri Pekerjaan Umum Republik Indonesia Nomor
28/PRT/M/2005 mengatur penetapan
kawsan sempadan sungai di Indonesia mulai dari lebar tiga
meter sampai dengan yang terlebar adalah 100 meter, tergantung pada lokasi dan karakteristik sungai.
Penelitian ini bertujuan untuk mengukur tingkat hubungan antara penggunaan lahan dengan kualitas air sungai pada skala DAS dan sempada sungai di Kabupaten Sleman. Dari pengukuran
tersebut nantinya bisa dilakukan identifikasi jenis penggunaan lahan yang memiliki hubungan paling tinggi dengan parameter kualitas air.
Mengingat pentingnya air sungai sebagai salah satu sumber air bersih bagi masyarakat,
maka perlu dilakukan penelitian yang mengidentifikasi faktor-faktor
yang berhubungan dengan kualitas air sungai. Beberapa penelitian telah menyelidiki hubungan antara penggunaan lahan dan kualitas air sungai, sehingga penelitian ini dilakukan untuk
memberikan referensi lain untuk lebih memahami
hubungan antara penggunaan lahan dan kualitas air sungai. Hubungan penggunaan lahan dengan kualitas
air sungai dalam penelitian ini dianalisis dalam dua skala yaitu
skala DAS dan sempadan sungai. Penggunaan dua skala kawasan
yang berbeda dalam penelitian ini penting untuk mengetahui
pengaruh luasan area yang membawa kontaminan atau zat lain ke
badan air. Selain itu, hal ini juga penting
untuk perumusan kebijakan dalam melindungi lingkungan dan kesehatan masyarakat (Liu et al.,
2007).
Metode Penelitian
Semua titik pengambilan sampel dalam penelitian ini berada di Kabupaten
Sleman. Sleman merupakan salah satu
kabupaten di Indonesia yang merupakan
bagian dari Provinsi Daerah Istimewa Yogyakarta. Kabupaten
ini terletak di bagian paling utara Provinsi Daerah Istimewa Yogyakarta, berbatasan
langsung dengan Provinsi Jawa Tengah. Kondisi geografis Kabupaten Sleman merupakan daerah pegunungan di bagian utara dan dataran perkotaan serta persawahan pertanian di bagian selatan.
Luas wilayah penelitian
dalam penelitian ini adalah luasan
DAS untuk semua titik pengambilan sampel. Ada 60 titik pengambilan sampel dalam penelitian ini yang tersebar di 11 sungai di Kabupaten Sleman. Dari titik-titik pengambilan sampel tersebut, area DAS dibuat menggunakan Soil and Water Assessment Tool (SWAT) (https://swat.tamu.edu/software/plus/).
Luas seluruh wilayah DAS meliputi
beberapa kabupaten/kota yaitu Kabupaten
Sleman, Kabupaten Kulon Progo, Kabupaten Magelang, Kota Magelang, Kabupaten Temanggung, Kabupaten Klaten, dan Kabupaten Boyolali.
Penelitian ini merupakan penelitian kuantitatif. Selain itu, penelitian ini merupakan penelitian
korelasional karena bertujuan untuk menilai tingkat hubungan antara dua variabel, yaitu
penggunaan lahan dan kualitas air sungai.
Jenis data yang digunakan dalam penelitian ini adalah data sekunder. Tidak ada pengamatan atau pengukuran langsung kualitas air sungai di lapangan. Dua sumber data utama yang digunakan dalam penelitian ini adalah laporan
dari pemerintah dan data
lain yang dapat diperoleh
di internet dari sumber
yang terpercaya.
Beberapa data diperlukan untuk mengukur tingkat hubungan antara penggunaan lahan dan kualitas air sungai pada skala DAS dan sempadan sungai. Data yang dibutuhkan adalah data parameter kualitas air sungai, peta DAS, peta kawasan sempadan sungai, dan peta tata guna lahan pada skala DAS dan sempadan sungai.
Data parameter kualitas
air sungai diambil dari data hasil pengukuran kualitas air sungai yang dilakukan oleh Dinas Lingkungan Hidup Kabupaten Sleman. Pengukuran
parameter kualitas air sungai
pada setiap titik sampel dilakukan sebanyak dua kali. Pengambilan pertama pada periode antara Januari-Februari untuk mewakili kualitas air pada musim hujan, dan yang kedua diambil pada bulan Juli untuk
mewakili musim kemarau.
Untuk mendapatkan luasan DAS perlu dilakukan pembuatan peta DAS. Peta DAS dibuat dengan menggunakan perangkat lunak SWAT. Alat ini telah diterapkan
dalam beberapa penelitian. Sebagai contoh, Li et al. (2014) menggunakan
SWAT untuk menyelidiki seberapa banyak pemuatan nitrogen dan tingkat pengisian ulang air tanah dipengaruhi oleh penggunaan lahan dan keadaan biofisik; Milewski dkk. (2019) menggunakan SWAT untuk menilai dampak kondisi iklim dan perubahan antropogenik pada pasokan air tanah; dan Ba et
al. (2020) menggunakan SWAT untuk
memperkirakan dampak perubahan iklim dan kegiatan pertanian terhadap kualitas air.
Area sempadan sungai pada setiap titik sampling dalam penelitian ini dibuat menggunakan buffer toolbox pada perangkat
lunak QGIS. Ada empat skala sempadan yang digunakan: 1000meter (panjang aliran) x 100 meter (sempadan di kanan dan kiri garis sungai); 1000 m x 500
m; 1000 m x 1000 m; dan 1000 m x 2000 m.
Langkah selanjutnya adalah pembuatan peta penggunaan lahan pada skala DAS dan sempadan sungai. Data penggunaan lahan yang digunakan dalam penelitian ini diperoleh dari MODIS Land Cover Type Product (MCD12Q1)
(Friedl & Sulla-Menashe, 2019). Data tersebut memetakan tutupan lahan skala
global pada resolusi spasial
500 meter dengan periode waktu tahunan.
Data peta ini telah digunakan dalam beberapa penelitian (Guo et al., 2019; Hoghooghi
et al., 2021). Peta penggunaan lahan
ini kemudian direklasifikasi menjadi empat kelas: hutan,
padang rumput, lahan pertanian, dan perkotaan. Reklasifikasi ini bertujuan untuk
menyederhanakan kelas penggunaan lahan berdasarkan kesamaan karakteristik penggunaan lahan.
Setelah pembuatan peta penggunaan lahan, maka langkah
selanjutnya adalah penghitungan proporsi luasan setiap jenis
penggunaan lahan pada setiap skala peta.
Selanjutnya data tersebut beserta data nilai parameter kualitas air pada setiap titik pengambilan sampel dianalisis dengan uji korelasi Spearman-rank. Koefisien
korelasi yang dihasilkan dari pengujian ini menunjukkan kekuatan, arah, dan signifikansi hubungan antara penggunaan lahan dengan kualitas
air sungai. Sebagai gambaran, proses analisis dalam penelitian ini ditampilkan pada Gambar 6. di
bawah ini.
Gambar 6. Kerangka
analisis penelitian
Sumber:
Penulis, 2022
Hasil Dan Pembahasan
Tabel 2. menyajikan statistik deskriptif dari semua parameter kualitas air yang digunakan dalam penelitian ini pada 60 titik pengambilan sampel di musim kemarau dan hujan. Dari nilai rata-rata dapat diketahui bahwa dari tujuh
parameter hanya TP yang memiliki
konsentrasi di bawah batas aman (0,2 mg/l). Sedangkan parameter kualitas air lainnya sudah melebihi
baku mutu. nilai rata-rata konsentrasi fecal coliform dan total coliform bahkan jauh
lebih tinggi dari batas aman.
Fecal coliform 250 kali lebih tinggi dari
standar; sedangkan total coliform adalah
97 kali lebih tinggi dari standar. Hal ini menunjukkan bahwa sungai-sungai di wilayah Kabupaten Sleman ini sangat tercemar oleh fecal
dan total coliform.
Tabel 2. Statistik
Deskriptif Parameter Kualitas
Air Sungai
|
TSS (mg/l)
|
DO (mg/l)
|
BOD (mg/l)
|
COD (mg/l)
|
TP (mg/l)
|
Fecal Coliform
(total/100 ml)
|
Total Coliform
(total/100 ml)
|
|
Rata-rata
|
26.18
|
7.24
|
5.8
|
14.22
|
0.06
|
27,775
|
97,983.33
|
|
Median
|
18.00
|
7.00
|
4.9
|
14
|
0.05
|
15,000
|
39,000.00
|
|
Standar deviasi
|
41.54
|
2.14
|
2.01
|
2.29
|
0.05
|
33,095.35
|
262,289.56
|
|
Nilai minimum
|
5
|
3.9
|
3.7
|
10.3
|
0.00
|
2,000
|
7,000
|
|
Nilai maksimum
|
426
|
25.0
|
9.8
|
18.9
|
0.3
|
210,000
|
2,400,000
|
|
Jangkauan
|
421
|
21.1
|
6.1
|
8.6
|
0.3
|
208,000
|
2,393,000
|
Sumber: Penulis,
2020
Tabel 3. menunjukkan hasil uji normalitas data
parameter kualitas air pada penelitian
ini. Uji normalitas yang digunakan adalah uji
Kolmogorov-Smirnov dan Shapiro-Wilk. Kedua pengujian ini menunjukkan
nilai signifikansi semua parameter kualitas air kurang dari 0,05 (<0,05). Hal ini menunjukkan bahwa data tidak berdistribusi normal. Oleh karena
itu, pada tahap analisis selanjutnya digunakan analisis statistik non parametrik.
Tabel 3. Hasil Tes
Normalitas Data Parameter Kualitas
Air Sungai
|
Kolmogorov-Smirnova
|
Shapiro-Wilk
|
|
Statistic
|
df
|
Sig.
|
Statistic
|
df
|
Sig.
|
|
TSS
|
0.306
|
120
|
0.000
|
0.332
|
120
|
0.000
|
|
DO
|
0.288
|
120
|
0.000
|
0.511
|
120
|
0.000
|
|
BOD
|
0.265
|
120
|
0.000
|
0.831
|
120
|
0.000
|
|
COD
|
0.086
|
120
|
0.030
|
0.955
|
120
|
0.001
|
|
TP
|
0.154
|
120
|
0.000
|
0.774
|
120
|
0.000
|
|
Fecal coliform
|
0.282
|
120
|
0.000
|
0.683
|
120
|
0.000
|
|
Total coliform
|
0.374
|
120
|
0.000
|
0.300
|
120
|
0.000
|
|
a. Lilliefors Significance Correction
|
Sumber: Penulis, 2020
Hasil analisis statistik korelasi antara lahan pertanian
dan kualitas air sungai dapat dilihat pada Tabel 4. di bawah ini. Lahan pertanian
berkorelasi positif dengan TSS dan TP di kedua musim di semua skala area. Di kedua musim, korelasi positif tertinggi antara lahan pertanian
dan TP ditemukan pada skala
DAS kumulatif. Hasil ini menunjukkan bahwa pengaruh penggunaan pupuk di bidang pertanian terhadap kualitas air sungai lebih terakumulasi dalam skala DAS kumulatif. Pada skala sempadan sungai, lahan pertanian berkorelasi positif dengan DO, BOD, dan COD pada musim
kemarau; tetapi korelasi negatif pada musim hujan; meskipun
korelasinya tidak signifikan. Lahan pertanian berkorelasi negatif dengan fecal coliform dan indeks
pencemaran pada kedua musim pada skala sempaadan sungai. Pada skala sempadan sungai, lahan pertanian
berkorelasi positif dengan total coliform
pada musim kemarau, tetapi berkorelasi negatif pada musim hujan. Korelasi yang signifikan, positif, dan kuat teridentifikasi antara lahan pertanian
dan total coliform pada musim kemarau. Korelasi yang kuat ini menunjukkan bahwa kotoran hewan
di lahan pertanian lebih banyak mencemari
sungai di musim kemarau.
Hasil analisis korelasi antara penggunaan lahan hutan dan kualitas air sungai memunculkan beberapa poin. Secara keseluruhan, hutan memiliki pengaruh positif pada semua parameter kualitas air di kedua musim di semua skala. Dengan
TP, fecal coliform, total coliform, dan indeks
pencemaran; hutan memiliki korelasi negatif di kedua musim dan di semua skala. Korelasi signifikan, negatif, dan kuat antara hutan
dan total coliform ditemukan pada musim kemarau pada skala DAS tunggal, sempadan sungai 1000 x 500 dan 1000 x 2000. Indeks
pencemaran berkorelasi signifikan, negatif, dan kuat dengan hutan
pada skala DAS tunggal di kedua musim. Temuan
ini menunjukkan peran hutan untuk
menjaga kualitas sungai di semua skala dan di kedua musim.
Tabel 4. Hasil
Analisis Hubungan Antara
Guna Lahan Pertanian Dan Kualitas Air Sungai
|
|
DAS tunggal
|
DAS kumulatif
|
1000 x 100
|
1000 x 500
|
1000 x 1000
|
1000 x 2000
|
|
Musin Kemarau
|
TSS
|
0.019
|
0.106
|
0.007
|
0.051
|
0.049
|
0.056
|
|
DO
|
-0.012
|
-0.061
|
0.166
|
0.218
|
0.209
|
0.206
|
|
BOD
|
0.052
|
-0.004
|
0.113
|
0.186
|
0.154
|
0.170
|
|
COD
|
-0.015
|
-0.015
|
0.130
|
0.195
|
0.171
|
0.173
|
|
TP
|
.271*
|
.295*
|
0.061
|
0.060
|
0.039
|
0.043
|
|
FCOL
|
0.107
|
.406**
|
-0.053
|
-0.032
|
-0.040
|
-0.041
|
|
TCOL
|
.322*
|
.554**
|
0.059
|
0.077
|
0.045
|
0.027
|
|
PI
|
0.165
|
.458**
|
-0.166
|
-0.175
|
-0.108
|
-0.094
|
|
Musim Hujan
|
TSS
|
0.046
|
0.021
|
0.149
|
0.209
|
0.244
|
0.245
|
|
DO
|
-0.002
|
0.035
|
-0.130
|
-0.183
|
-0.203
|
-0.199
|
|
BOD
|
-0.091
|
-0.132
|
-0.014
|
-0.027
|
-0.048
|
-0.068
|
|
COD
|
0.013
|
0.121
|
-0.051
|
0.019
|
-0.001
|
-0.012
|
|
TP
|
0.06
|
0.246
|
0.019
|
0.052
|
0.071
|
0.092
|
|
FCOL
|
0.025
|
.461**
|
-0.172
|
-0.145
|
-0.151
|
-0.192
|
|
TCOL
|
.267*
|
0.201
|
-0.112
|
-0.097
|
-0.081
|
-0.062
|
|
PI
|
0.073
|
.458**
|
-.272*
|
-.304*
|
-.269*
|
-0.252
|
|
** Correlation is significant at
the 0.01 level (2-tailed).
|
|
* Correlation is significant at
the 0.05 level (2-tailed).
|
Sumber: Penulis, 2020
Tabel 5. Hasil Analisis
Hubungan Antara Guna Lahan Hutan Dan Kualitas Air Sungai
|
|
DAS tunggal
|
DAS kumulatif
|
1000 x 100
|
1000 x 500
|
1000 x 1000
|
1000 x 2000
|
|
|
Musim Kemarau
|
TSS
|
-0.244
|
-0.216
|
-.262*
|
-.327*
|
-.262*
|
-.327*
|
|
|
DO
|
0.229
|
.274*
|
0.090
|
-0.027
|
0.090
|
-0.027
|
|
|
BOD
|
0.011
|
0.033
|
-0.151
|
-0.172
|
-0.151
|
-0.172
|
|
|
COD
|
0.046
|
0.127
|
-0.113
|
-0.164
|
-0.113
|
-0.164
|
|
|
TP
|
-.347**
|
-0.16
|
-.290*
|
-.380**
|
-.290*
|
-.380**
|
|
|
FCOL
|
-.456**
|
-.320*
|
-.437**
|
-.483**
|
-.437**
|
-.483**
|
|
|
TCOL
|
-.627**
|
-.452**
|
-.482**
|
-.527**
|
-.482**
|
-.527**
|
|
|
PI
|
-.502**
|
-.372**
|
-0.067
|
-0.161
|
-0.067
|
-0.161
|
|
|
|
|
|
Musim
Hujan
|
TSS
|
0.227
|
0.243
|
0.109
|
0.008
|
0.005
|
0.066
|
|
|
DO
|
-0.106
|
-0.151
|
-.266*
|
-0.129
|
-0.132
|
-0.144
|
|
|
BOD
|
0.124
|
0.081
|
-0.028
|
-0.008
|
-0.005
|
0.165
|
|
|
COD
|
-0.204
|
-0.078
|
-0.154
|
-0.149
|
-0.148
|
-.271*
|
|
|
TP
|
-0.169
|
-0.189
|
-0.119
|
-0.217
|
-0.211
|
-.372**
|
|
|
FCOL
|
-.480**
|
-.388**
|
-.333**
|
-.383**
|
-.387**
|
-.484**
|
|
|
TCOL
|
-.335**
|
-0.135
|
-0.236
|
-.308*
|
-.316*
|
-.396**
|
|
|
PI
|
-.508**
|
-.350**
|
-0.111
|
-0.185
|
-0.193
|
-.326*
|
|
|
** Correlation is significant at the 0.01 level
(2-tailed).
|
|
* Correlation is significant at the 0.05 level (2-tailed).
|
|
|
|
|
|
|
|
|
|
|
|
Sumber: Penulis, 2020
Tabel 6. Hasil Analisis
Hubungan Antara Guna Lahan
Padang Rumput Dan Kualitas
Air Sungai
|
|
DAS tunggal
|
DAS kumulatif
|
1000 x 100
|
1000 x 500
|
1000 x 1000
|
1000 x 2000
|
|
Musim Kemarau
|
TSS
|
-.269*
|
-0.113
|
-0.236
|
-.279*
|
-.277*
|
-0.208
|
|
DO
|
0.074
|
-0.051
|
0.106
|
0.079
|
0.147
|
0.089
|
|
BOD
|
-0.006
|
0.060
|
-0.026
|
-0.002
|
0.055
|
0.044
|
|
COD
|
-0.001
|
0.033
|
-0.032
|
-0.002
|
0.045
|
0.067
|
|
TP
|
-.303*
|
-0.087
|
-0.163
|
-0.144
|
-0.220
|
-.309*
|
|
FCOL
|
-.372**
|
-.377**
|
-.328*
|
-.355**
|
-.340**
|
-.345**
|
|
TCOL
|
-.578**
|
-.444**
|
-.429**
|
-.408**
|
-.434**
|
-.512**
|
|
PI
|
-.418**
|
-.382**
|
-0.005
|
-0.021
|
-0.038
|
-0.049
|
|
|
Musim
Hujan
|
TSS
|
-0.115
|
-0.179
|
0.078
|
-0.095
|
-0.104
|
-0.137
|
|
DO
|
0.099
|
0.156
|
0.001
|
0.007
|
0.003
|
0.002
|
|
BOD
|
0.207
|
.290*
|
0.022
|
-0.008
|
0.081
|
0.166
|
|
COD
|
-0.094
|
-0.138
|
-0.093
|
-0.034
|
-0.082
|
-0.108
|
|
TP
|
-0.21
|
-0.222
|
-0.104
|
-0.182
|
-0.159
|
-.271*
|
|
FCOL
|
-0.216
|
-.358**
|
-0.174
|
-0.182
|
-0.201
|
-0.135
|
|
TCOL
|
-.302*
|
-0.133
|
-0.225
|
-.286*
|
-.255*
|
-0.247
|
|
PI
|
-.263*
|
-.356**
|
0.034
|
-0.083
|
-0.066
|
-0.030
|
|
** Correlation is significant at the 0.01 level
(2-tailed).
|
|
* Correlation is significant at the 0.05 level (2-tailed).
|
|
Sumber: Penulis, 2020
Tabel 7. Hasil Analisis
Hubungan Antara Guna Lahan Perkotaan Dan Kualitas Air Sungai
|
|
DAS tunggal
|
DAS kumulatif
|
1000 x 100
|
1000 x 500
|
1000 x 1000
|
1000 x 2000
|
|
Musim
Kemarau
|
TSS
|
0.247
|
.276*
|
0.150
|
0.139
|
0.150
|
0.166
|
|
DO
|
-0.222
|
-0.194
|
-.265*
|
-.289*
|
-.289*
|
-.261*
|
|
BOD
|
-0.161
|
-0.104
|
-0.058
|
-0.118
|
-0.104
|
-0.081
|
|
COD
|
-0.143
|
-0.124
|
-0.091
|
-0.145
|
-0.134
|
-0.097
|
|
TP
|
.334**
|
0.238
|
0.160
|
0.174
|
0.231
|
.282*
|
|
FCOL
|
.468**
|
.429**
|
.390**
|
.422**
|
.397**
|
.432**
|
|
TCOL
|
.485**
|
.457**
|
.342**
|
.358**
|
.387**
|
.463**
|
|
PI
|
.475**
|
.450**
|
0.231
|
0.236
|
0.171
|
0.203
|
|
|
|
|
|
|
|
|
|
Musim
Hujan
|
TSS
|
-0.238
|
-0.089
|
-.276*
|
-.357**
|
-.358**
|
-.336**
|
|
DO
|
.273*
|
.265*
|
.283*
|
.351**
|
.350**
|
.370**
|
|
BOD
|
-0.101
|
-0.039
|
-0.002
|
-0.026
|
-0.016
|
-0.027
|
|
COD
|
0.228
|
0.191
|
0.198
|
0.167
|
0.173
|
0.218
|
|
TP
|
0.175
|
0.195
|
0.105
|
0.069
|
0.036
|
0.097
|
|
FCOL
|
.549**
|
.562**
|
.429**
|
.414**
|
.413**
|
.502**
|
|
TCOL
|
.312*
|
.320*
|
.417**
|
.387**
|
.380**
|
.362**
|
|
PI
|
.570**
|
.572**
|
.337**
|
.362**
|
.329*
|
.370**
|
|
** Correlation is significant at the 0.01 level
(2-tailed).
|
|
* Correlation is significant at the 0.05 level (2-tailed).
|
|
Sumber: Penulis, 2020
Berdasarkan hasil analisis statistik korelasi antara penggunaan lahan padang rumput dan kualitas air sungai, ada beberapa hal
yang perlu menjadi perhatian. Hampir sama dengan hutan,
padang rumput juga berpengaruh positif terhadap parameter kualitas air. Dengan TP, fecal
coliform, total coliform, dan indeks pencemaran; padang rumput memiliki
korelasi negatif di kedua musim dan di semua skala. Dengan
TP, padang rumput menunjukkan korelasi negatif tertinggi pada skala sempadan sungai 1000 x 2000 m di kedua musim. Dengan fecal coliform, padang
rumput menunjukkan korelasi negatif tertinggi pada DAS kumulatif di kedua musim. Padang rumput memiliki korelasi yang signifikan, negatif, dan kuat dengan total coliform
pada skala DAS tunggal di musim kemarau. Korelasi negatif tertinggi antara padang rumput dan total coliform ditemukan
pada skala DAS individu.
Hasil analisis korelasi antara kualitas air sungai dan penggunaan lahan perkotaan pada Tabel 7. menunjukkan beberapa poin. Ditemukan korelasi positif antara perkotaan dan TSS di musim kemarau tetapi
korelasi di antara keduanya menjadi negatif di musim hujan. Perkotaan berkorelasi positif dengan TP, fecal
coliform, total coliform, dan indeks pencemaran pada semua skala pada kedua musim. Perkotaan
memiliki korelasi negatif dengan BOD di kedua musim, tetapi
tidak signifikan secara statistik. Dengan COD, perkotaan berkorelasi negatif pada musim kemarau tetapi
berkorelasi positif pada musim hujan, meskipun
korelasinya tidak signifikan. Perkotaan memiliki korelasi yang signifikan, positif, dan kuat dengan fecal coliform dan total
coliform pada musim hujan
pada skala DAS. Korelasi
yang signifikan, positif,
dan kuat juga teridentifikasi
antara fecal
coliform dan perkotaan pada musim
hujan pada skala sempadan sungai 1000 x 2000 m.
Penelitian ini menemukan bahwa hubungan antara penggunaan lahan dan kualitas air sungai bervariasi antar musim. Variasi ini dapat terjadi
karena kondisi iklim dapat sangat mempengaruhi aliran sungai dan selanjutnya mempengaruhi kualitas air sungai (Zhou et al., 2012). Misalnya,
pada musim hujan, penurunan kualitas air sungai terutama disebabkan oleh semakin banyaknya limpasan permukaan yang menghanyutkan pupuk, kotoran hewan, dan limbah rumah tangga dari
lahan pertanian atau pemukiman ke sungai (Zhang et al., 2020). Sedangkan pada musim kemarau, keberadaan dan pertumbuhan tanaman air pada musim kemarau dapat
membantu mengurangi kontaminan yang mengalir ke sungai (F. Zhang et al.,
2018). Selain itu, kualitas air sungai pada musim yang berbeda juga ditentukan oleh karakteristik fisik DAS, jenis penggunaan lahan tertentu dan aktivitas manusia (Zhang et al., 2020).
Dalam penelitian ini, ada beberapa
temuan yang tidak terduga mengenai korelasi antara penggunaan lahan dan kualitas air sungai. Pertama, penggunaan lahan perkotaan berkorelasi negatif dengan BOD di kedua musim dan dengan COD di musim kemarau. Kedua, Hutan berkorelasi
positif dengan BOD pada skala DAS di kedua musim. Salah satu dugaan tentang temuan ini adalah
adanya pencemaran sumber titik (point source) yang berasal
dari air limbah domestik atau industri
yang mengalir ke sungai. Dugaan lainnya adalah buruknya kinerja instalasi pengolahan air limbah (IPAL) di dekat lokasi titik pengambilan
sampel.
Temuan tak terduga ketiga adalah korelasi negatif antara lahan pertanian dan fecal coliform di kedua
musim dan total
coliform di musim hujan
pada skala sempadan sungai. Salah satu dugaan atas temuan
ini adalah sebaran ternak yang menjadi salah satu sumber coliform
di lingkungan.
Ketiga temuan yang tidak terduga tersebut
juga dapat disebabkan oleh bentuk dan ukuran DAS dalam penelitian ini. Bentuk beberapa
DAS pada penelitian menyempit
dan panjang yang dapat mempengaruhi hasil analisis. Selain itu, temuan-temuan tersebut juga terkait dengan pengaruh penggunaan lahan tertentu terhadap kualitas air yang sangat tergantung
pada ukuran sungai dan jarak penggunaan lahan ke sungai
(Tran et al., 2010). Selain itu,
setiap lingkungan memiliki karakteristik migrasi polutan spesifik yang berbeda satu sama lain (Gu et al., 2019).
Hipotesis 1 dalam penelitian ini menyebutkan bahwa lahan pertanian berpengaruh negatif terhadap kualitas air sungai. Hipotesis ini benar berdasarkan
temuan yang ditemukan. Dalam penelitian ini lahan pertanian
berkorelasi positif dengan TSS dan TP pada kedua musim pada semua skala. Korelasi positif antara lahan pertanian dan TSS salah satunya berasal dari erosi tanah
(Michaud, 1991). Sedangkan korelasi
positif antara lahan pertanian dan TP disebabkan oleh penggunaan pupuk membuat penggunaan
lahan pertanian menurunkan kualitas air sungai (Lee et al., 2009; K�ndler
et al., 2017). Selain itu, lahan pertanian juga berkorelasi positif dengan fecal coliform,
total coliform, dan indeks pencemaran di kedua musim tetapi
hanya pada skala DAS. Namun demikian, tingkat dampak negatif lahan pertanian
terhadap kualitas air
sangat terkait dengan pengelolaan lahan pertanian dan kondisi geografis suatu kawasan (Gu et al., 2014).
Hipotesis 2 dalam penelitian ini menyatakan bahwa hutan dan padang rumput berpengaruh positif terhadap kualitas air sungai. Hipotesis ini juga benar berdasarkan hasil penelitian ini. Hutan dan padang rumput berkorelasi
negatif dengan TP, fecal coliform, total coliform, dan indeks pencemaran di kedua musim di semua skala, dengan pengecualian
hanya padang rumput yang berkorelasi positif dengan TSS pada skala sempadan sungai 1000x100m. Temuan ini menunjukkan bahwa vegetasi di hutan dan padang rumput memiliki fungsi mendasar untuk mengurangi dan mengatur kontaminan yang terbawa oleh limpasan air hujan (S. Li et al., 2008). Namun,
korelasi positif ditemukan antara hutan dan TSS di musim hujan di semua skala. Kesimpulan ini, seperti dalam kasus
korelasi antara lahan pertanian dan TSS, bisa disebabkan oleh erosi tanah.
Hipotesis 3 dalam penelitian ini menyebutkan bahwa perkotaan berpengaruh negatif terhadap kualitas air sungai. Menurut hasil yang didapatkan dalam penelitian ini, hipotesis ini benar.
Hasil penelitian menunjukkan
bahwa perkotaan memiliki korelasi positif antara TP, fecal coliform, total coliform, dan indeks pencemaran pada kedua musim pada semua skala. Perkotaan juga berkorelasi positif dengan TSS di semua skala di musim kemarau dan berkorelasi positif dengan COD di semua skala di musim hujan. Efek
negatif penggunaan lahan perkotaan terhadap kualitas air sungai dapat dikaitkan
dengan kuantitas permukaan perkerasan di wilayah perkotaan yang dapat meningkatkan polutan dan limbah yang masuk ke sungai dan menyebabkan
penurunan kualitas air
(Ding et al., 2016).
Kesimpulan
Ada dua kesimpulan utama yang dapat diambil dari
penelitian ini. Pertama, penggunaan lahan pertanian dan perkotaan berkorelasi positif dengan penurunan kualitas air sungai. Kedua, penggunaan lahan hutan dan padang rumput memiliki hubungan positif dengan upaya konservasi
kualitas air sungai.
Rekomendasi untuk penelitian lebih lanjut dan pengembangan kebijakan juga dapat dirumuskan dari hasil penelitian ini. Penelitian lebih lanjut perlu
untuk dilakukan dengan mempertimbangkan titik sumber pencemaran,
kinerja instalasi pengolahan air limbah (IPAL), persebaran ternak, jarak antara penggunaan
lahan dengan sungai; perlu untuk
dilakukan guna mendapatkan pemahaman yang lebih utuh tentang
hubungan antara kualitas air sungai dengan penggunaan lahan. Kebijakan pembangunan berupa perluasan kawasan bervegetasi berupa ruang terbuka hijau,
khususnya di perkotaan,
sangat perlu untuk diterapkan dalam upaya menjaga atau
bahkan meningkatkan kualitas air sungai.
BIBLIOGRAFI
Ba,
W., Du, P., Liu, T., Bao, A., Chen, X., Liu, J., & Qin, C. (2020). Impacts
of climate change and agricultural activities on water quality in the Lower Kaidu River Basin, China. Journal of Geographical Sciences,
30(1), 164�176. https://doi.org/10.1007/s11442-020-1721-z
Friedl, M., & Sulle-Menashe,
D. (2019). MCD12Q1 MODIS/Terra+Aqua Land Cover Type
Yearly L3 Global 500m SIN Grid V006 [Data set]. NASA EOSDIS Land Processes
DAAC. Published. https://doi.org/10.5067/MODIS/MCD12Q1.006
Ding,
J., Jiang, Y., Liu, Q., Hou, Z., Liao, J., Fu, L., & Peng, Q. (2016).
Influences of the land use pattern on water quality in low-order streams of the
Dongjiang River basin, China: A multi-scale analysis.
Science of The Total Environment, 551�552, 205�216. https://doi.org/10.1016/j.scitotenv.2016.01.162
Gu,
Q., Deng, J., Wang, K., Lin, Y., Li, J., Gan, M., Ma, L., & Hong, Y.
(2014). Identification and Assessment of Potential Water Quality Impact Factors
for Drinking-Water Reservoirs. International Journal of Environmental Research
and Public Health, 11(6), 6069�6084. https://doi.org/10.3390/ijerph110606069
Gu,
Q., Hu, H., Ma, L., Sheng, L., Yang, S., Zhang, X., Zhang, M., Zheng, K., &
Chen, L. (2019). Characterizing the spatial variations of the relationship
between land use and surface water quality using self-organizing map approach.
Ecological Indicators, 102, 633�643. https://doi.org/10.1016/j.ecolind.2019.03.017
Guo,
D., Lintern, A., Webb, J. A., Ryu, D., Liu, S., Bende‐Michl, U., Leahy, P., Wilson, P., & Western, A. W.
(2019). Key Factors Affecting Temporal Variability in Stream Water Quality.
Water Resources Research, 55(1), 112�129. https://doi.org/10.1029/2018wr023370
Hoghooghi, N., Bosch, D. D., & Bledsoe, B.
P. (2021). Assessing hydrologic and water quality effects of land use
conversion to Brassica carinata as a winter biofuel
crop in the southeastern coastal plain of Georgia, USA using the SWAT model.
GCB Bioenergy, 13(3), 473�492. https://doi.org/10.1111/gcbb.12792
K�ndler, M., Blechinger,
K., Seidler, C., Pavlů, V., �Anda,
M., Dost�l, T., Kr�sa, J., Vitvar,
T., & �Tich, M. (2017). Impact of land use on
water quality in the upper Nisa catchment in the
Czech Republic and in Germany. Science of The Total Environment, 586,
1316�1325. https://doi.org/10.1016/j.scitotenv.2016.10.221
Lee,
S., McCarty, G. W., Moglen, G. E., Li, X., & Wallace, C. W. (2020).
Assessing the effectiveness of riparian buffers for reducing organic nitrogen
loads in the Coastal Plain of the Chesapeake Bay watershed using a watershed
model. Journal of Hydrology, 585, 124779. https://doi.org/10.1016/j.jhydrol.2020.124779
Lee,
S. W., Hwang, S. J., Lee, S. B., Hwang, H. S., & Sung, H. C. (2009).
Landscape ecological approach to the relationships of land use patterns in
watersheds to water quality characteristics. Landscape and Urban Planning,
92(2), 80�89. https://doi.org/10.1016/j.landurbplan.2009.02.008
Li,
K., Chi, G., Wang, L., Xie, Y., Wang, X., & Fan,
Z. (2018). Identifying the critical riparian buffer zone with the strongest
linkage between landscape characteristics and surface water quality. Ecological
Indicators, 93, 741�752. https://doi.org/10.1016/j.ecolind.2018.05.030
Li,
Q., Qi, J., Xing, Z., Li, S., Jiang, Y., Danielescu,
S., Zhu, H., Wei, X., & Meng, F. R. (2014). An approach for assessing
impact of land use and biophysical conditions across landscape on recharge rate
and nitrogen loading of groundwater. Agriculture, Ecosystems & Environment,
196, 114�124. https://doi.org/10.1016/j.agee.2014.06.028
Li,
S., Gu, S., Liu, W., Han, H., & Zhang, Q. (2008). Water quality in relation
to land use and land cover in the upper Han River Basin, China. CATENA, 75(2),
216�222. https://doi.org/10.1016/j.catena.2008.06.005
Michaud,
J. P. (1991). A Citizens� Guide to Understanding and Monitoring Lakes and
-Streams (M. B. McAuliffe, Ed.). Washington State Department of Ecology. https://water-research.net/Waterlibrary/Lake/washingtonlakemonitoring.pdf
Milewski, A., Seyoum,
W. M., Elkadiri, R., & Durham, M. (2019).
Multi-Scale Hydrologic Sensitivity to Climatic and Anthropogenic Changes in
Northern Morocco. Geosciences, 10(1), 13. https://doi.org/10.3390/geosciences10010013
Rosero-Montalvo, P. D., L�pez-Batista, V. F.,
Riascos, J. A., & Peluffo-Ord��ez,
D. H. (2020). Intelligent WSN System for Water Quality Analysis Using Machine
Learning Algorithms: A Case Study (Tahuando River
from Ecuador). Remote Sensing, 12(12), 1988. https://doi.org/10.3390/rs12121988
Seeboonruang, U. (2012). A statistical
assessment of the impact of land uses on surface water quality indexes. Journal
of Environmental Management, 101, 134�142. https://doi.org/10.1016/j.jenvman.2011.10.019
The
Government of Sleman Regency. (2018, April). Dokumen Informasi Kinerja Pengelolaan Lingkungan Hidup Daerah Kabupaten Sleman Tahun 2017. Pemerintah Kabupaten Sleman.
Tran,
C. P., Bode, R. W., Smith, A. J., & Kleppel, G.
S. (2010). Land-use proximity as a basis for assessing stream water quality in
New York State (USA). Ecological Indicators, 10(3), 727�733. https://doi.org/10.1016/j.ecolind.2009.12.002
Zhang,
F., Wang, J., & Wang, X. (2018). Recognizing the Relationship between
Spatial Patterns in Water Quality and Land-Use/Cover Types: A Case Study of the
Jinghe Oasis in Xinjiang, China. Water, 10(5), 646. https://doi.org/10.3390/w10050646
Zhang,
J., Li, S., & Jiang, C. (2020). Effects of land use on water quality in a
River Basin (Daning) of the Three Gorges Reservoir Area, China: Watershed
versus riparian zone. Ecological Indicators, 113, 106226. https://doi.org/10.1016/j.ecolind.2020.106226
Zhou,
T., Wu, J., & Peng, S. (2012). Assessing the effects of landscape pattern
on river water quality at multiple scales: A case study of the Dongjiang River watershed, China. Ecological Indicators,
23, 166�175. https://doi.org/10.1016/j.ecolind.2012.03.01
