Hasil Pencarian  ::  Simpan CSV :: Kembali

"Particulate matter is the most prevailing pollutant in Peninsula Malaysia having the highest API value compared to the other criteria pollutants. Long-term exposure to small particles less than 10 micrometres may lead to a marked reduction in life expectancy due to increase cardio-pulmonary and lung cancer mortality. Effective forecasting models at the local level predict the concentrations of particulate matter is crucial as the information generated allows the authority and people within a community to take precautionary measures to avoid exposure to unhealthy levels of air quality and implement strategic measures that improve air quality status. The aim of this study is to establish MLR models for different monsoon seasons with meteorological factors as predictors. Daily observations of PM10 concentrations in Kuala Terengganu, Malaysia from January 2005 to December 2011 were selected for predicting PMl0 concentration level. The MLR models for NEM, Inter Monsoon 1, SWM and Inter Monsoon 2 disclose R2 of 0.68, 0.58, 0.57, and 0.63, respectively. Wind speed, relative humidity and rainfall exhibit negative relationship whilst temperature and atmospheric pressure are directly correlated with PM10 concentrations. In conclusion, the developed MLR models are appropriate for forecasting PM10 concentrations at local level for each monsoon."

"In this research a scattering technique employing f or war dscatter of a He-Ne C0,5328 pm, 30 mw) laser beam together with a 1024 x 1024 arrays CCD-V11 video camera as a detector was used for determining both particle size distribution and concentration. For determining the size distribution the "Differential Fourier Transform Technique" is chosen because it does not require matrix inversion or a priori knowledge of functional forms of size and it takes advantage of the Fast Fourier Transform.

Measurements have been performed using this technique on cigarette smoke and smoke coming out, from burning clothes. From the experimental results it is shown that the diameter of cigarette smoke particles is between 0.3 and 1 . 3 pm. similar to that from a previous research C0.O4 - 1.00 pm). The measured size of smoke particles from burning clothes is 0.5 - 1.5 pm. similar to standard data Cabout 1 pm). But the obtained size distribution curves are still rough because of the limited observation scattering angle. It is also shown that the minimum and maximum concentration which can be detected are 1.8 x 107 particles/mma Cor 12.8 ppm) and 12.7 x 100 particles/=O Cor 906 ppm). This means that this technique can be used for measuring air pollutant concentration, as especially from smoke."

"Penurunan kualitas udara dapat disebabkan adanya pencemar udara, salah satunya Total Suspended Particulate (TSP). Penelitian ini bertujuan untuk: a) mengetahui konsentrasi TSP di area depan sekolah di dekat gerbang masuk, di lapangan, dan di dalam ruang kelas; 2) menganalisis faktor-faktor yang mempengaruhinya; 3) mengetahui pengaruh vegetasi sebagai biofilter polutan; dan 4) memberikan rekomendasi sebagai upaya mengurangi konsentrasi debu yang masuk ke dalam area sekolah. Pengukuran dilakukan di SDN Pondokcina 1 Depok yang terletak di Jalan Margonda Raya Depok dengan metode gravimetrik menggunakan High Volume Air Sampler (HVAS). Hasil pengukuran menunjukkan konsentrasi rata-rata TSP di depan sekolah sebesar 42,246 μg/m3, di lapangan sebesar 88,370 μg/m3, dan di dalam kelas sebesar 2,874 μg/m3. Faktor yang mempengaruhi naik-turunnya kualitas udara adalah faktor meteorologis (suhu, kelembaban, arah dan kecepatan angin), serta volume kendaraan. Hubungan beberapa faktor tersebut dengan fluktuasi konsentrasi TSP dianalisis menggunakan metode regresi linear sederhana, besarnya pengaruh faktor meteorologis terhadap konsentrasi TSP dilihat dari nilai korelasi (r). Hasil perhitungan menunjukkan korelasi yang lemah antara konsentrasi TSP dengan faktor meteorologis. Nilai r antara konsentrasi TSP dengan suhu sebesar 0,0063 di depan sekolah, 0,230 di lapangan, dan 0,0316 di dalam kelas. Korelasi kelembaban sebesar 0,003 di depan sekolah, 0,243 di lapangan, 0,007 di dalam kelas. Korelasi kecepatan angin sebesar 0,202 di depan sekolah, 0,281 di lapangan, dan 0,173 di dalam kelas. Korelasi dengan volume kendaraan sebesar 0,219 di depan sekolah, 0,114 di lapangan, dan 0,0775 di dalam kelas. Rekomendasi yang dapat diberikan berupa penambahan tanaman dari segi jumlah dan jenisnya yang memiliki luas tajuk rapat yang disesuaikan dengan kondisi alam SDN Pondokcina 1 Depok.

---

The air quality decreased can be influenced by air pollutants. The main air pollutant in the ambient air is Total Suspended Particulate (TSP). The objectives of this study are: a) to determine the concentration of TSP indoor and outdoor of SDN Pondokcina 1 Depok; 2) to analyze the factors that influence it; 3) to determine the effects of vegetation as pollutant biofilter; and 4) to formulate recommendations to reduce the dust concentration. Measurements were conducted at SDN 1 Depok Pondokcina that is located on Jalan Raya Depok Margonda using a High Volume Air Sampler (HVAS) with gravimetric method. The results show the average outdoor TSP concentration on the roadside is 42.246 μg/m3, 88.370 μg/m3 on the school's park, and 2.874 μg/m3 in the classroom. Meteorological parameters (temperature, humidity, wind speed and direction) affect the TSP concentration fluctuation, and also traffic volume. The correlation between TSP concentration and these factors are analyzed using simple linear regression method. The results showed a weak correlation between the concentration of TSP with meteorological factors. The r value between TSP concentration and temperature is 0,0063 on the roadside, 0,230 in the school?s park, and 0,0316 in the classroom. Correlation of humidity is 0,003 on the roadside, 0,243 in the school's park, and 0,007 in the classroom. Correlation of wind speed is 0,202 on the roadside, 0,281 in the school's park, and 0,173 in the classroom. Correlation with traffic volume is 0,219 on the roadside, 0,114 in the school's park, and 0,0775 in the classroom. The recommendations can be given in the form of additional plants in terms of number and kind of have a broad canopy that are tailored to meeting the conditions of its surroundings."

"DKI Jakarta menunjukkan sebanyak 46% dari kasus-kasus penyakit adalah penyakit gangguan pernapasan (ISPA 43%, iritasi rnata l,7% dan asma 1,3%) yang terkait dengan kualitas udara ambien yang tidak memenuhi baku umum dimana polusi udara di DKI Jakarta mengalami fluktuasi dengan beberapa parameter telah melewati nilai ambang batas seperti Ozon, N02 dan nilai ISPU menunjukan bahwa selama setahun hanya terhitung 22 hari udara Jakarta berkualitas baik, 95 hari dinyatakan tidak sehat, dan selebihnya 233 hari berkualitas sedang. Studi ekologi ini bertujuan untuk mengidentifikasi kualitas udara ambien, kondisi meteorologi., dan kejadian ISPA, mempelajari kecenderungan perubahan kualitas udara ambien, kondisi meteorologi dan mempelajari hubungan antara kondisi meteorologi dengan kualitas udara ambien serta mempelajari hubungan antara kualitas udara ambien, kondisi meteorologi dengan kejadian ISPA. Alat ukur yang digunakan untuk mengukur kualitas udara ambien menggunakan : FH6-I (5-ray absorbtfon), APSA-360 (Fluorescence UV), APOA-360 (Chelwninescence) dan NDR sedangkan untuk kondisi meteorologi adalah Tennometer; Hygromeierg Cup anenmmeter dan Global Star Pymnameter. Populasi yang dilibatkan sebanyak 820 data rata-rata harian kualitas udara ambien, kondisi meteorologi dan ISPA dengan sampei sebesar 118 data rata-rata mingguan kualitas udara ambien, kondisi meteorologi dan ISPA. Dalam kurun waklu 2006 - Maret 2008 diperolch konscntrasi rata-rata PMN; 65,9 pg/m3, so; 31,1 pg/mi, co 1,1 pg/ma, 0, 51,4 pg/m3, NO; 31,6 pg/ma dan niiai ISPU 72,3. Sedangkan rata-rata suhu 27,6°C, kelembaban 75,6 %, arah angin l54,5° , kecepatan angin 0,7 mls, radiasi matahari l12,0 W/m2 Serta rata~rata angka ISPA sebanyak 54 kejadian. Hubungan kualitas udara ambien dcngan ISPA didapatkan bahwa SO; mempunyai korelasi positif tcrhadap angka ISPA. PM|0_ 03, ISPU mempunyai korelasi negatif terhadap angka ISPA. Hubungan kondisi meteorologi dengan ISPA didapatkan bahwa kelembaban, arah angin mempunyai korelasi positif terhadap angka ISPA. Suhu, radiasi matahari mempunyai korelasi negatif terhadap angka ISPA. Hubungan kondisi meteorologi dengan kualiaias udara ambien didapatkan bahwa suhu mempunyai korelasi poritifdengan PMN, 03, N01 dan ISPU. Kelembaban mempunyai korelasi negatif dengan PM|g, 03, N02 dan ISPU, arah angin mempunyai korelasi PM|0, CO, 03, NCQ, ISPU, kecepatan angin mempunyai korelasi negatif dengan PMN), CO. 01, N02, ISPU, radiasi matahari mempunyai konelasi negatif dengan CO, radiasi matahari mempunyai korelasi positif dengan ISPU. Disimpulkan bahwa dalam kurun waklu 2006 - Mamet 2008 didapatkan pola angka ISPA mengikuti pola konsentrasi kualitas udara ambien dan kondisi meteorologi hal ini dibuktikan dengan adanya hubungan S0;, dan S0;*O3 Serta SO2*Suhu secara bersamaan mempunyai pengaruh yang besar terhadap ISPA dengan nilai koeiisicn korclasi sebesar 0,616 dan nilai koefisien determinasi Sebesar 0,379 (kuat). Dengan demikian SO;, SO1*O3, dan SO;*Suhu secara bersama-sama berpengaruh signifikan terhadap ISPA Namun konscmrasi CO, N02 , kecepatan angin tidak berhubungan denan kejadian ISPA di DKI Jakarta.

---

DKI Jakarta indicated 46% of disease cases were respirations problems (ISPA 43%, eye irritation of l,7% and asthma of 1,3%) related to ambient air quality which did not fulfill standard quality where air pollution in DKI Jakarta experienced fluctuation with a few parameter have passed boundary threshold value like Ozone, N02 and ISPA value indicated that Jakarta air had a good quality for 22 days each year, it was not health for 95 days, and it was a medium quality for 233 days.

This purpose of ecology study to identity an outdoor air quality, meteorology condition, and ISPA occurrence, studying a change tendency of outdoor air quality, meteorology condition and studying related between meteorology condition of outdoor air quality and also studying related between meteorology condition of outdoor air quality and ISPA occurrence.

Measurement instruments which are used for measuring outdoor air quality such as FI-I6-l (B-ray absorption), APSA-360 (Fluorescence UV), APOA-360 (Cheluminescence) and NIDR while the instruments which are used for measuring meteorology condition such as Thermometer, Hygrometer Cup Anemometer and Global Star Pyranometer.

Populations which are participated amount of 820 data on daily average of outdoor air quality, meteorology condition and ISPA by samples amount of ll8 data on weekly average of outdoor air quality, meteorology condition and ISPA. At period of 2006 - March 2008 obtained average concentrations were PM10 65,9p g/rn3,SO1 31,1p g/rn3, co up g/ms, 03 51,4u6§/ma, NO; 3l,6p g/m3 and ISPU value '?2,3. While temperature average was 27, C, dampness was 7S,6%, wind direction is l54,5°, wind velocity was 0,7 mls, sun radiation was 1l2,0 Wim! and also mean number of ISPA was amount 54 occurrences.

Related between outdoor air quality and ISPA indicated that S02 has a positive correlation of ISPA number. PMN, 03, ISPU have negative correlations of ISPA number. Related between meteorology condition and ISPA indicated that dampness, wind direction have positive correlations of ISPA number.

Temperature and sun radiation have negative correlations of ISPA number. Related between meteorology condition and outdoor air quality indicated that temperature has positive correlations of PM10, 03, NO; and ISPU. Dampness has negative correlation with PM1u, Og, NO; and ISPU, wind direction has correlation PMID, CO, 03, NO2, ISPU, wind velocity has negative correlation of PMN, CO, 03, N02, ISPU, sun radiation has negative correlation of cobalt, sun radiation has positive correlation of ISPU.

It was concluded that at period of 2006 - March 2008 indicated ISPA number pattern follow pattem concentration of outdoor air quality and this meteorology condition was proved by the existence of related between SO; SO1* SO; and SO2* temperature, at the same time, it has a big effect of [SPA by correlation ooeflicient value was 0,616 and determination coefficient value was 0,379 (strong). Therefore S0;, S0;=, and SO# temperature, at the same time, it has an effect of ISPA significantly. But concentration of CO, NOQ, wind velocity does not relate to ISPA occurrence in DKI Jakarta."

"Aktivitas pembangkitan energi listrik terutama yang berhubungan dengan pembakaran bahan bakar fosil (minyak, gas, dan batubara) dapat meningkatkan konsentrasi CO2. Sebagai negara yang telah meratifikasi Protokol Kyoto, Indonesia memiliki komitmen untuk turut serta dalam program penanganan perubahan iklim.Emisi CO2 Skenario Baseline sektor listrik di tahun 2020 sebesar 322,7 Juta Ton CO2e. Analisis penurunan emisi menggunakan LEAP (Long-range Energy Alternatives Planning System), untuk skenario DSM (Demand Side Management) diperoleh hasil penurunan sebesar 3,2 Juta Ton CO2e atau 0,99%, skenario RUPTL dapat menurunkan emisi sebesar 52,1 Juta Ton CO2e atau 16,15%, skenario DSM-RUPTL dapat menurunkan emisi sebesar 54,8 Juta Ton CO2e atau 16,98%, skenario Mitigasi dapat menurunkan emisi sebesar 88,3 Juta Ton CO2e atau 27,36%, skenario DSM-Mitigasi dapat menurunkan emisi sebesar 90,7 Juta Ton CO2e atau 28,11%.Selisih biaya yang dibutuhkan untuk mengurangi emisi (US$/Ton CO2e) bila dibandingkan dengan skenario Baseline, didapatkan hasil untuk skenario RUPTL adalah US$ 0,994/Ton CO2e, skenario Mitigasi US$ 0,408/Ton CO2e, skenario DSM-RUPTL US$ 0,912/Ton CO2e, skenario DSM-Mitigasi US$ 0,384/Ton CO2e, skenario DSM sebesar US$ -0,326/Ton CO2e. Tanda minus (biaya negatif) berarti untuk mengurangi emisi tidak perlu penambahan biaya tetapi dapat menghemat biaya sebesar US$ 0,326/Ton CO2e dibandingkan dengan biaya skenario Baseline.

---

Electricity generation activities primarily related to the burning of fossil fuels (oil, gas, and coal) may increase the concentration of CO2 [7]. As a country that has ratified the Kyoto Protocol, Indonesia has a commitment to participate in the climate change progra[2].Emission reduction analysis using LEAP (Long-range Energy Alternatives Planning System) obtained reduction of the CO2 emissions in the Baseline Scenario 2020. For scenarios DSM (Demand Side Management) obtained results a decrease of 3.2 million tons CO2e or 0.99%, RUPTL scenario could reduce emissions of 52.1 million tons of CO2e or 16.15%, DSM-RUPTL scenario could reduce emissions by 54.8 Million Tons CO2e or 16.98%, Mitigation scenario can reduce emissions by 88.3 million tons CO2e or 27.36%, DSMmitigation scenario could reduce emissions of 90.7 million tons of CO2e or 28.11%.Costs required to reduce emissions (U.S. $/Ton CO2e) for RUPTL scenario is U.S. $ 0.994/ton CO2e, Mitigation scenario U.S. $ 0.408/ton CO2e, scenarios DSM-RUPTL U.S. $ 0.912/ton CO2e, DSM-Mitigation scenario U.S. $ 0,384/Ton CO2e, DSM scenario of U.S. $ -0.326 / Ton CO2e. Minus sign (negative charge) means to reduce emissions is not necessary expenditure but can save as much as U.S. $ 0.326/Ton CO2e compared to the cost of the Baseline scenario."

"ABSTRAKPencemaran udara yang mengandung Particulate Matter (PM) baik dalam jangkapanjang maupun pendek telah diketahui dapat menyebabkan kematian dan efekkesehatan terutama pada jantung serta paru-paru. Polisi Satgatur Polda Metro Jayamerupakan salah satu pekerja yang terpajan akan pencemaran udara tersebut. Makadari itu penulis melakukan penelitian pada Polisi Satgatur Polda Metro Jaya untukmengetahui gambaran konsentrasi pajanan PM 10 dan 2,5 yang berasal daripencemaran udara terutama hasil pembakaran kendaraan bermotor di Pos PolisiHarmoni, Bundaran HI dan Bundaran Senayan. Metode yang digunakan dalampenelitian ini adalah dengan menggunakan analisis Gravimetri untuk mengetahuikonsentrasi dari partikulat. Hasil yang diperoleh pada penelitian ini yaitu konsentrasiPM 2,5 dan 10 terbesar di Bundaran Senayan pada shift 1 disaat hari kerja dan jikadibandingkan dengan standar ACGIH, NIOSH dan OSHA belum melebihi nilaiambang batas. Akan tetapi jika dibandingkan dengan WHO, sudah melebihi nilaiambang batas.

---

ABSTRACTAir pollution which contained Particulate Matter (PM) both the short and long termhas been known to cause deaths and health effects especially on the heart and lungs.Police Satgatur Polda Metro Jaya is one of the workers who can be exposure.Therefore, this study talked about overview of particulate matter 2,5 and 10 personalexposure which came from air pollution especially gas emissions from motor vehiclesin Police Station Harmoni, Bundaran HI and Bundaran Senayan. The method whichis used in this research is to use Gravimetry analysis to determine the concentration ofparticulates. Results obtained at a biggest concentration of PM 2,5 and 10 is inBundaran Senayan on shift 1 while weekday and if compared to ACGIH, NIOSH andOSHA has not exceeded the quality standards. But if compared to WHO, hasexceeded the quality standards."

"Peningkatan angka pekerja komuter akan menyebabkan peningkatan penggunaan kendaraan bermotor dalam kehidupan sehari-hari. Hal tersebut tentunya akan meningkatkan emisi gas rumah kaca yang dilepaskan ke atmosfer. Penelitian ini dilakukan untuk mengetahui jejak karbon yang dihasilkan oleh pekerja komuter dari Tangerang menuju DKI Jakarta, mengidentifikasi jenis kendaraan yang menghasilkan nilai jejak karbon terbesar (hotspot) serta mengetahui faktor-faktor yang mempengaruhi besarnya jejak karbon. Pengumpulan data primer dilakukan dengan menggunakan kuesioner dan wawancara terhadap pekerja komuter sebagai responden sesuai dengan persyaratan responden yang telah ditentukan dalam wilayah studi. Perhitungan jejak karbon dilakukan menggunakan metode faktor emisi yang didasarkan pada bahan bakar. Total jejak karbon yang dihasilkan adalah 3.630 kgCO2eq/bulan pada periode sebelum pandemi dan 2.602 kgCO2eq/bulan pada periode selama pandemi. Uji korelasi yang digunakan untuk mengetahui hubungan antara variabel bebas dan variabel terikat adalah uji korelasi pearson. Berdasarkan hasil uji korelasi diketahui bahwa Faktor yang paling mempengaruhi nilai jejak karbon yang dihasilkan pekerja komuter dengan skenario 1,2, dan 3 jenis kendaraan adalah jarak (r = 0,52—0,37—0,21); p-value= 0—0,001—0,028) dan frekuensi (r = 0,29—0,32—0,25; p-value=0,001—0,32—0,25).

---

The increasing number of commuter workers will excalate the use of motorized vehicles in everyday life. It will also certainly give rise to the emission of greenhouse gases released into the atmosphere. This study was conducted to determine the carbon footprint generated by commuter workers from Tangerang to DKI Jakarta, to identify which mode of transportation is the largest contributor to the carbon footprint of commuter workers activities and to determine the factors influencing the magnitude of the carbon footprint. Primary data collection was carried out using questionnaires and interviews with workers as respondents in accordance with the respondent's requirements that had been determined in the study area. Calculation of the carbon footprint was carried out using the emission factor method which was based on fuel. The total carbon footprint generated was 3.630 kgCO2/month in the pre-pandemic period and 2.602 kgCO2/month during pandemic period. The correlation test used to determine the relationship between the independent variable and the dependent variable was the Pearson correlation test. Based on the results of the correlation test, it was known that the most influencing factor for the carbon footprint in this study were the distance traveled (r = 0,52—0,37—0,21); p-value= 0—0,001—0,028) and the frequency of driving (r = 0,29—0,32—0,25; p-value=0,001—0,32—0,25)."

"Polusi udara terjadi ketika campuran gas beserta partikel lainnya mencapai konsentrasi berbahaya baik yang terjadi di dalam maupun luar ruangan. Polusi udara juga menjadi penyebab kematian di beberapa negara dengan tingkat polusi yang parah. Salah satu polutan yang berbahaya adalah Partikulat halus (PM_2.5/ Particulate Matter_2.5), dimana dengan diameter kurang dari 2,5 μm, kira-kira 3% dari diameter rambut manusia, partikulat halus ini menjadi perhatian utama dalam pengamatan kualitas udara, dikarenakan PM_2.5 dianggap sebagai agen pembunuh utama yang menyebabkan penyakit kardiovaskular, pernapasan dan kanker. Jakarta dinyatakan sebagai kota dengan tingkat polusi udara yang sangat signifikan, isu pencemaran udara menjadi topik pembicaraan banyak pihak, terutama kondisi kualitas udara di ibu kota. Dalam pengukuran kualitas udara di Provinsi DKI Jakarta jaringan pengamatan observasinya masih sangat terbatas. Sehingga dibutuhkan pemodelan dalam andil untuk melakukan pengukuran kualitas udara dalam hal ini adalah PM_2.5. Pemodelan menggunakan algoritma pemebelajaran mesin atau machine learning random forest digunakan dalam penelitian ini dengan memanfaatkan metode regresi spasial. Adapun variabel yang digunakan berupa unsur meteorologi, partikulat dan gas yang diperoleh dengan memanfaatkan penginderaan jauh. Didapatkan variabel yang paling berpengaruh pada pemodelan spatial temporal PM_2.5 ini adalah NO2 dan CO serta dengan fungsi berkebalikan pada variabel curah hujan dan Ozon. Dalam pemodelan yang telah dilakukan ini didapatkan nilai 0,90 dalam korelasi hasil prediksi dengan nilai observasi, dengan nilai ini maka prediksi yang dilakukan oleh Machine Learning Random Forest terbilang baik, serta nilai RMSE sebesar 7,83 µg/m3 juga memberikan gambaran yang baik bagi model yang dibentuk, serta nilai R² sebesar 0,825 mengisyaratkan akurasi variabel yang digunakan mencapai 82,5 persen. Adapun pasial yang terbentuk dalam pemodelan spasial ini mengikuti pola musim hujan dan musim kemarau, dimana nilai tertinggi dari pola spasial parameter PM_2.5 berada pada bulan JJA (Juni, Juli dan Agustus), serta mulai menurun di bulan SON (September, Oktober, dan November), dan pada akhirnya berada di nilai terendah pada bulan DJF (Desember, Januari dan Februari).

---

Air pollution occurs when a mixture of gases and other particles reach dangerous concentrations both indoors and outdoors. Air pollution is also a cause of death in some countries with severe pollution levels. One of the harmful pollutants is fine particulate matter (PM_2.5), which is less than 2.5 μm in diameter, approximately 3% of the diameter of a human hair. This fine particulate matter is a major concern in air quality observations, as PM_2.5 is considered a major killer agent that causes cardiovascular, respiratory diseases and cancer. Jakarta is declared as a city with a very significant level of air pollution, the issue of air pollution has become a topic of conversation for many parties, especially the condition of air quality in the capital city. In measuring air quality in DKI Jakarta Province, the observation network is still very limited. So that modeling is needed in order to measure air quality, in this case PM_2.5. Modeling using machine learning algorithms or machine learning random forest is used in this study by utilizing the spatial regression method. The variables used are meteorological elements, particulates and gases obtained by utilizing remote sensing. It was found that the most influential variables in the spatial temporal modeling of PM_2.5 were NO₂ and CO and with the opposite function in the rainfall and Ozone variables. In the modeling that has been done, a value of 0.90 is obtained in the correlation of the predicted results with the observed values, with this value, the prediction carried out by Machine Learning Random Forest is fairly good, and the RMSE value of 7.83 µg/m3 also provides a good description of the model formed, and the R² value of 0.825 implies that the accuracy of the variables used reaches 82.5 percent. The spatial pattern formed in this spatial modeling follows the pattern of the rainy season and dry season, where the highest value of the spatial pattern of the PM_2.5 parameter is in the JJA month (June, July and August), and begins to decrease in the SON month (September, October and November), and finally at the lowest value in the DJF month (December, January and February)."

"Penelitian ini menganalisis dampak konstruksi dan jumlah penumpang MRT Jakarta terhadap tingkat polusi DKI Jakarta yang dihitung melalui ISPU (Indeks Standar Pencemar Udara). Penelitian menggunakan regresi data panel pada data harian di 5 SPKU (Stasiun Pengukur Kualitas Udara) di setiap wilayah Jakarta. Hasil penelitian menemukan bahwa jumlah penumpang MRT belum signifikan mempengaruhi ISPU, sedangkan kegiatan konstruksi MRT Jakarta mampu menurunkan ISPU, terutama konstruksi bawah tanah memiliki pengaruh yang lebih besar. Secara umum, kegiatan Operasi MRT Jakarta belum berdampak pada ISPU secara signifikan di awal-awal pembukaan MRT dan masa COVID. Penelitian juga menemukan bahwa semakin jauh jarak antara SPKU dari MRT Jakarta, semakin tinggi tingkat ISPU di wilayah tersebut, menunjukkan bahwa akses ke transportasi public berhubungan dengan Tingkat polusi suatu area.

---

This study analyzes the impact of construction and ridership of the Jakarta MRT on DKI Jakarta's pollution levels as measured by the Air Pollution Standard Index (ISPU). The study used panel data regression on daily data at 5 AQMS (Air Quality Measurement Stations) in each region of Jakarta. The results found that the number of MRT passengers has not significantly affected the ISPU, while the Jakarta MRT construction activities are able to reduce ISPU, especially underground construction has a greater influence. In general, the number of Jakarta MRT passengers has not significantly impacted ISPU in the early days of MRT opening and the COVID period. The study also found that the greater the distance between SPKUs from the Jakarta MRT, the higher the level of ISPU in the area, suggesting that access to public transportation is related to the pollution level of an area."