Melola Discovery

← Melola Discovery

Prosiding Tanpa peringkat SINTA

MODEL BAYESIAN GEOGRAPHICAL WEIGHTED REGRESSION UNTUK NGANALISIS SUMBER POLUTAN DARI LOGAM BERAT DI TELUK KENDARI

Seminar Nasional Teknologi Terapan Berbasis Kearifan Lokal · Vol. 1 No. 1 (2019)

Terbit
2019-01-02
Penerbit
Seminar Nasional Teknologi Terapan Berbasis Kearifan Lokal
Bahasa
eng

Abstrak

ABSTRAKTeluk Kendari telah ditetapkan sebagai kawasan ekowisata dan sebagi jalur utama perdagangan. Penelitian yangdilakukan oleh Armid dkk (2017) menemukan bahwa kualitas air di Teluk Kendari sudah tercemar oleh logam beratdari limbah rumah tangga dan pabrik. Logam berat ini terdistibusi secara spasial diseluruh kawasan Teluk Kendari,namum belum diketahui dimana sumber utama penyumbang polutan di Teluk Kendari. Penelitian tentang distribusilogam berat di perairan pantai Teluk Kendari penting dilakukan untuk mengetahui sumber dan status polusi. Modeluntuk menganalisis pengaruh spasial adalah geographic weighted regression (GWR). Untuk mengestimasi parameterGWR menggunakan Bayesian Markov Chain Monte Carlo (MCMC). Penelitian ini bertujuan mengalisis sumberutama penyumbang polutan terbesar di Teluk Kendari. Jika sumber utama dan pola polutan diketahui maka dapatdikontrol dan dikelola untuk menjaga kualitas air di Teluk Kendari. Data penelitian ini berasal dari penelitian Armiddkk (2017) yaitu 32 titik sampel yang tersebart di kawasan Teluk Kendari. Berdassrkan data tersebut, sehinggadiperoleh hasil simulasi numerik dengan prior r = 35 dan 𝛿 = 10 yang menghasilkan model BGWR terbaik dengan nilai 𝑅2 tertinggi yaitu 86,75% dengan nilai KTG terkecil yaitu 0,02290. Hasil ini menunjukkan bahwa sekitar86,75% jumlah polutan di perairan Teluk Kendari disebabkan oleh logam berat Pb, Cd, dan Cr. Sekitar 13,25%disebabkan oleh faktor lain. Terdapat dua titik sampling yang berpengaruh signifikan terhadap jumlah polutan diTeluk Kendari, yaitu titik 3 (hilir sungai Wanggu) dan titik 29 (wilayah Pelabuhan).Kata Kunci: Bayesian, GWR, Logam Berat, MCMC, Teluk Kendari

Jaringan kolaborasi para penulis

22 penulis · 47 tautan kepenulisan bersama

Arahkan kursor atau ketuk sebuah nama untuk menyorot rekan penulisnya. Klik dua kali untuk membuka halaman penulis.

  • Universitas Halu Oleo
  • Hasanuddin University
  • Afiliasi tidak diketahui
  • Organisasi berbeda
  • Organisasi sama
  • Afiliasi tidak diketahui
  • Garis lebih tebal = lebih banyak artikel bersama · lingkaran lebih besar = lebih banyak artikel
Tampilkan sebagai tabel
Rekan penulisOrganisasiArtikel bersama
Faidha FaidhaAfiliasi tidak diketahui2
Agusrawati AgusrawatiAfiliasi tidak diketahui1
Indiyanti IndiyantiAfiliasi tidak diketahui1
Epri WigunartoAfiliasi tidak diketahui1
Islah IslahAfiliasi tidak diketahui1
Zamsir ZamsirAfiliasi tidak diketahui1
Abd RahmanHasanuddin University1
Sitti Wirdhana AhmadAfiliasi tidak diketahui1
Yuni Aryani KoedoesAfiliasi tidak diketahui1
Dedy OetamaUniversitas Halu Oleo1
La Baco SudiaAfiliasi tidak diketahui1
Uniadi MangidiAfiliasi tidak diketahui1
Amadhan TakwirAfiliasi tidak diketahui1
Sjamsu Alam LawelleAfiliasi tidak diketahui1
Andi TenriawaruUniversitas Halu Oleo1
Viska Inda VarianiAfiliasi tidak diketahui1
Lilis LaomeAfiliasi tidak diketahui1
Muh. Zamrun FAfiliasi tidak diketahui1

Afiliasi berasal dari OpenAlex; metadata OAI-PMH jurnal tidak memuatnya. Penulis tanpa ID OpenAlex dicocokkan berdasarkan nama, sehingga dua orang bisa tergabung atau satu orang bisa terpisah.

Sumber metadata: OAI-PMH (metadata jurnal) https://ojs.uho.ac.id/index.php/snt2bkl/oai, pertama di-harvest 1 Nov 2026, terakhir terlihat 1 Nov 2026.
Metadata asli (oai_dc)
<oai_dc:dc xmlns="http://www.openarchives.org/OAI/2.0/" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:oai_dc="http://www.openarchives.org/OAI/2.0/oai_dc/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/  http://www.openarchives.org/OAI/2.0/oai_dc.xsd">
	<dc:title xml:lang="en-US">MODEL BAYESIAN GEOGRAPHICAL WEIGHTED REGRESSION UNTUK NGANALISIS SUMBER POLUTAN DARI LOGAM BERAT DI TELUK KENDARI</dc:title>
	<dc:creator>Mukhsar, Mukhsar</dc:creator>
	<dc:creator>Armid, Alrum</dc:creator>
	<dc:creator>Rustan, Dewi Rukmayanti</dc:creator>
	<dc:creator>Bakkareng, Sitti Wirdhana Ahmad</dc:creator>
	<dc:description xml:lang="en-US">ABSTRAKTeluk Kendari telah ditetapkan sebagai kawasan ekowisata dan sebagi jalur utama perdagangan. Penelitian yangdilakukan oleh Armid dkk (2017) menemukan bahwa kualitas air di Teluk Kendari sudah tercemar oleh logam beratdari limbah rumah tangga dan pabrik. Logam berat ini terdistibusi secara spasial diseluruh kawasan Teluk Kendari,namum belum diketahui dimana sumber utama penyumbang polutan di Teluk Kendari. Penelitian tentang distribusilogam berat di perairan pantai Teluk Kendari penting dilakukan untuk mengetahui sumber dan status polusi. Modeluntuk menganalisis pengaruh spasial adalah geographic weighted regression (GWR). Untuk mengestimasi parameterGWR menggunakan Bayesian Markov Chain Monte Carlo (MCMC). Penelitian ini bertujuan mengalisis sumberutama penyumbang polutan terbesar di Teluk Kendari. Jika sumber utama dan pola polutan diketahui maka dapatdikontrol dan dikelola untuk menjaga kualitas air di Teluk Kendari. Data penelitian ini berasal dari penelitian Armiddkk (2017) yaitu 32 titik sampel yang tersebart di kawasan Teluk Kendari. Berdassrkan data tersebut, sehinggadiperoleh hasil simulasi numerik dengan prior r = 35 dan 𝛿 = 10 yang menghasilkan model BGWR terbaik dengan nilai 𝑅2 tertinggi yaitu 86,75% dengan nilai KTG terkecil yaitu 0,02290. Hasil ini menunjukkan bahwa sekitar86,75% jumlah polutan di perairan Teluk Kendari disebabkan oleh logam berat Pb, Cd, dan Cr. Sekitar 13,25%disebabkan oleh faktor lain. Terdapat dua titik sampling yang berpengaruh signifikan terhadap jumlah polutan diTeluk Kendari, yaitu titik 3 (hilir sungai Wanggu) dan titik 29 (wilayah Pelabuhan).Kata Kunci: Bayesian, GWR, Logam Berat, MCMC, Teluk Kendari</dc:description>
	<dc:publisher xml:lang="en-US">Seminar Nasional Teknologi Terapan Berbasis Kearifan Lokal</dc:publisher>
	<dc:contributor xml:lang="en-US"></dc:contributor>
	<dc:date>2019-01-02</dc:date>
	<dc:type>info:eu-repo/semantics/article</dc:type>
	<dc:type>info:eu-repo/semantics/publishedVersion</dc:type>
	<dc:type xml:lang="en-US"></dc:type>
	<dc:format>application/pdf</dc:format>
	<dc:identifier>https://ojs.uho.ac.id/index.php/snt2bkl/article/view/5313</dc:identifier>
	<dc:source xml:lang="en-US">Seminar Nasional Teknologi Terapan Berbasis Kearifan Lokal; Vol 1, No 1 (2018): Seminar Nasional Teknologi Terapan Berbasis Kearifan Lokal (SNT2BKL)</dc:source>
	<dc:language>eng</dc:language>
	<dc:relation>https://ojs.uho.ac.id/index.php/snt2bkl/article/view/5313/3956</dc:relation>
	<dc:rights xml:lang="en-US">Copyright (c) 2019 Seminar Nasional Teknologi Terapan Berbasis Kearifan Lokal</dc:rights>
</oai_dc:dc>