Melola Discovery

← Melola Discovery

Jurnal SINTA 3

PEMODELAN TINGKAT KUALITAS AIR DI KOTA PONTIANAK DENGAN MENGGUNAKAN MULTIVARIATE GEOGRAPHICALLY WEIGHTED REGRESSION

BAREKENG: Jurnal Ilmu Matematika dan Terapan · Vol. 15 No. 3 (2021) · pp. 493–502

DOI
10.30598/barekengvol15iss3pp493-502
ISSN
2615-3017, 1978-7227
Published
2021-09-01
Publisher
PATTIMURA UNIVERSITY
Language
eng

Abstract

Ketersediaan air bersih dan sanitasi yang layak merupakan salah satu tujuan dalam Sustainable Development Goals. Kualitas air cenderung mengalami penurunan terutama di daerah permukiman akibat tercemar limbah dari hasil kegiatan manusia. Penyebab pencemaran air bisa jadi berbeda-beda di setiap lokasi pengamatan, sehingga faktor letak geografis perlu dipertimbangkan pada proses pengambilan keputusan. Multivariat Geographically Weighted Regression digunakan untuk mengatasi adanya pengaruh heterogenitas spasial dalam data yang disebabkan oleh perbedaan kondisi lokasi yang satu dengan lokasi lain. Tujuan dari penelitian ini adalah menentukan model dan faktor-faktor apa saja yang berpengaruh terhadap kualitas air di Kota Pontianak. Data yang digunakan pada penelitian ini adalah data kualitas air di Kota Pontianak sebanyak 42 titik sampel lokasi. Variabel responnya terdiri dari Y1 (COD) dan Y2 (TDS), sedangkan untuk variabel prediktor terdiri dari X1 (warna), X2 (pH), X3 (kandungan zat besi), dan X4 (kesadahan). Hasil penelitian menunjukkan bahwa variabel yang mempengaruhi COD adalah warna, sedangkan variabel TDS dipengaruhi oleh warna dan kesadahan.

Collaboration network of the authors

12 authors · 25 co-authorship links

Hover or tap a name to highlight its co-authors. Double-click to open the author's page.

  • Affiliation unknown
  • Different organisations
  • Same organisation
  • Affiliation unknown
  • Thicker line = more joint articles · bigger circle = more articles
Show as table
Co-authorOrganisationJoint articles
Neva SatyahadewiAffiliation unknown2
Shantika MarthaAffiliation unknown2
Cristy Framedia CahyaniAffiliation unknown2
Martina SimanjuntakAffiliation unknown2
Rossie Wiedya NusantaraAffiliation unknown2
Ray TamtamaAffiliation unknown1
Hendra PerdanaAffiliation unknown1
Nurfitri Imro'ahAffiliation unknown1
Herina MarlisaAffiliation unknown1

Affiliations come from OpenAlex; journal OAI-PMH metadata carries none. Authors without an OpenAlex ID are matched by name, which can merge or split people.

Metadata source: OAI-PMH (metadata jurnal) https://ojs3.unpatti.ac.id/index.php/barekeng/oai, first harvested 5 Nov 2026, last seen 5 Nov 2026.
Original metadata (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">PEMODELAN TINGKAT KUALITAS AIR DI KOTA PONTIANAK DENGAN MENGGUNAKAN MULTIVARIATE GEOGRAPHICALLY WEIGHTED REGRESSION</dc:title>
	<dc:creator>Kusnandar, Dadan</dc:creator>
	<dc:creator>Debataraja, Naomi Nessyana</dc:creator>
	<dc:creator>Utari, Shindy</dc:creator>
	<dc:description xml:lang="en-US">Ketersediaan air bersih dan sanitasi yang layak merupakan salah satu tujuan dalam Sustainable Development Goals. Kualitas air cenderung mengalami penurunan terutama di daerah permukiman akibat tercemar limbah dari hasil kegiatan manusia. Penyebab pencemaran air bisa jadi berbeda-beda di setiap lokasi pengamatan, sehingga faktor letak geografis perlu dipertimbangkan pada proses pengambilan keputusan. Multivariat Geographically Weighted Regression digunakan untuk mengatasi adanya pengaruh heterogenitas spasial dalam data yang disebabkan oleh perbedaan kondisi lokasi yang satu dengan lokasi lain. Tujuan dari penelitian ini adalah menentukan model dan faktor-faktor apa saja yang berpengaruh terhadap kualitas air di Kota Pontianak. Data yang digunakan pada penelitian ini adalah data kualitas air di Kota Pontianak sebanyak 42 titik sampel lokasi. Variabel responnya terdiri dari Y1 (COD) dan Y2 (TDS), sedangkan untuk variabel prediktor terdiri dari X1 (warna), X2 (pH), X3 (kandungan zat besi), dan X4 (kesadahan). Hasil penelitian menunjukkan bahwa variabel yang mempengaruhi COD adalah warna, sedangkan variabel TDS dipengaruhi oleh warna dan kesadahan.</dc:description>
	<dc:publisher xml:lang="en-US">PATTIMURA UNIVERSITY</dc:publisher>
	<dc:date>2021-09-01</dc:date>
	<dc:type>info:eu-repo/semantics/article</dc:type>
	<dc:type>info:eu-repo/semantics/publishedVersion</dc:type>
	<dc:format>application/pdf</dc:format>
	<dc:identifier>https://ojs3.unpatti.ac.id/index.php/barekeng/article/view/3354</dc:identifier>
	<dc:identifier>10.30598/barekengvol15iss3pp493-502</dc:identifier>
	<dc:source xml:lang="en-US">BAREKENG: Jurnal Ilmu Matematika dan Terapan; Vol 15 No 3 (2021): BAREKENG: Jurnal Ilmu Matematika dan Terapan; 493-502</dc:source>
	<dc:source>2615-3017</dc:source>
	<dc:source>1978-7227</dc:source>
	<dc:source>10.30598/barekengvol15iss3year2021</dc:source>
	<dc:language>eng</dc:language>
	<dc:relation>https://ojs3.unpatti.ac.id/index.php/barekeng/article/view/3354/3206</dc:relation>
</oai_dc:dc>