Hasil Pencarian  ::  Simpan CSV :: Kembali

"Jejak karbon rumah tangga berkontribusi besar di dalam emisi gas rumah kaca total, dan tentunya pengendalian perlu diupayakan untuk mengurangi tingkat jejak karbon dalam rumah tangga, dengan melakukan studi jejak karbon. Kecamatan balikpapan merupakan kecamatan di Kota Balikpapan dengan penduduk yang tertinggi dari 5 kecamatan lainnya di Kota Balikpapan, menyebabkan jejak karbon yang dihasilkan pada kecamatan ini juga cukup besar sebagai penyumbang jejak karbon di Kota Balikpapan. Penelitian yang dilakukan di kecamatan ini memiliki tujuan untuk menganalisis jumlah rata-rata jejak karbon yang dihasilkan oleh rumah tangga di Kecamatan Balikpapan Utara, Kota Balikpapan, serta faktor-faktor yang mempengaruhi, dan memberikan rekomendasi pengendalian jejak karbon rumah tangga di Kecamatan Balikpapan Utara. Penelitian ini dilakukan dengan menggunakan metode perhitungan dengan bantuan kalkulator karbon yang dikeluarkan oleh Carbon Footprint Ltd. Penelitian dilakukan dengan melihat sumber dari 3 macam sektor yaitu sektor energi, sektor transportasi, dan sektor konsumsi barang dan jasa. Hasil yang didapatkan adalah jejak karbon rumah tangga yang dihasilkan di Kecamatan Balikpapan utara sebesar 10,02 t CO2e per rumah tangga per tahun dengan yang paling banyak bersumber dari sektor energi (49%) dengan jumlah jejak karbon yang dihasilkan sebesar 4,93 t CO2e per rumah tangga per tahun. lalu sektor transportasi dengan timbulan jejak karbon sebesar 3,14 t CO2e per rumah tangga per tahun, dan sektor barang dan jasa dengan timbulan jejak karbon sebesar 1,96 t CO2e per rumah tangga per tahun. jejak karbon yang ditimbulkan ini dipengaruhi oleh beberapa faktor antara lain ukuran keluarga (r = 0,1), luas lahan (r = 0.22), penghasilan (r = 0,85 ; sig = <0,01), golongan daya listrik (r = 0.64 ; sig = <0.01), dan tingkat pendidikan (r = 0,56 ; sig = <0,01). Dalam melakukan upaya pengendalian jejak karbon ini, terdapat rekomendasi pengendalian jejak karbon rumah tangga, antara lain optimasi penggunaan energi terbarukan, penambahan jenis kendaraan umum, serta melakukan perubahan pola gaya hidup dengan melakukan financial literacy dan konseling dengan menggunakan metode self-instruction. ......The household carbon footprint contributes significantly to the total greenhouse gas emissions, and it is crucial to implement control measures to reduce the carbon footprint level within households. A carbon footprint study is needed to analyze the average amount of carbon footprint generated by households in North Balikpapan District, Balikpapan City. This district has the highest population among the five districts in Balikpapan City, resulting in a considerable carbon footprint contribution to the city. The objective of this research is to analyze the average carbon footprint produced by households in North Balikpapan District, identify the influencing factors, and provide recommendations for controlling the household carbon footprint in this district. The study employs a calculation method using the carbon calculator provided by Carbon Footprint Ltd. It focuses on three sectors: financial, transportation, and consumption of goods and services. The findings reveal that the household carbon footprint in North Balikpapan District amounts to 10.02 t CO2e per household per year, with the financial sector being the largest contributor (49%), generating a carbon footprint of 4.93 t CO2e per household per year. The transportation sector contributes 3.14 t CO2e per household per year, while the goods and services sector accounts for 1.96 t CO2e per household per year. Several factors influence this carbon footprint, including family size (r = 0.1), land area (r = 0.22), income (r = 0.85; sig = <0.01), electricity power rating (r = 0.64; sig = <0.01), and education level (r = 0.56; sig = <0.01). To address this carbon footprint, recommendations for household carbon footprint control include optimizing the use of renewable financial, expanding public transportation options, and adopting sustainable lifestyle changes through financial literacy and self- instruction counseling methods. "

"Pertumbuhan penduduk dan perkembangan bidang industri di Indonesia menjadikannya negara yang berkontribusi besar pada jejak karbon secara global. Mitigasi terhadap perubahan iklim harus dilakukan. Salah satunya dengan mengurangi jejak karbon dari sektor rumah tangga. Pada penelitian ini dianalisis rata-rata jejak karbon rumah tangga, sumber aktivitas pendorong, faktor yang mempengaruhi, dan rekomendasi untuk mengurangi jejak karbon dari Kecamatan Cibinong. Pengumpulan data primer didapatkan melalui kuesioner dan wawancara. Dilakukan pada Maret 2022 ketika diterapkan PPKM level 2 dengan teknik kombinasi simple random sampling dan purposive sampling. Dari data yang dikumpulkan dapat diperkirakan jejak karbon rumah tangga dari setiap sektor dengan kalkulator karbon yaitu Carbon Footprint Ltd.. Lalu, dianalisis sejauh mana faktor demografi, faktor ekonomi, dan faktor gaya hidup berpengaruh terhadap jejak karbon rumah tangga dengan uji regresi. Hasil penelitian menunjukkan bahwa rata-rata jejak karbon rumah Kecamatan Cibinong sebesar 0,69 ton CO2e/rumah tangga/bulan. Rata-rata jejak karbon terbesar berasal dari sektor energi, lalu diikuti sektor transportasi, dan terakhir dari sektor penggunaan barang serta jasa. Jejak karbon rumah tangga Kecamatan Cibinong menunjukkan peningkatan signifikan akibat pendapatan keluarga, ukuran keluarga, tingkat pendidikan, dan jenis diet yang diterapkan keluarga. Maka dengan membuat kebijakan peningkatan tarif konsumsi energi listrik rumah tangga, pengaturan tata ruang kota dengan transportasi yang terintegrasi satu dengan yang lain, dan menggunakan barang elektronik hemat energi dapat menjadi langkah penting untuk mengurangi jejak karbon rumah tangga di Kecamatan Cibinong.......Population growth and industrial development in Indonesia make it a country that contributes greatly to the global carbon footprint. Mitigation of climate change must be done. One of them is by reducing the carbon footprint of the household sector. In this study, the average household carbon footprint was analyzed, sources of driving activities, influencing factors, and recommendations for reducing the carbon footprint of Cibinong District. Primary data collection was obtained through questionnaires and interviews. This study was carried out in March 2022, when Public Activity Restriction (PPKM) at level 2 happened, with a combination technique of simple random sampling and purposive sampling. From the data that has been collected, it is possible to estimate the household carbon footprint of each sector with a carbon calculator, namely Carbon Footprint Ltd.. Then, it is analyzed to what extent demographic factors, economic factors, and lifestyle factors affect the household carbon footprint by using a regression test. The results showed that the average house carbon footprint in Cibinong District was 0,69 tons CO2e/household/month. On average, the largest carbon footprint comes from the energy sector, followed by the transportation sector, and finally from the use of goods and services. The household carbon footprint of Cibinong District showed a significant increase due to family income, family size, education level, and the type of diet adopted by the family. So by making a policy of increasing household electricity consumption rates, regulating urban spatial planning with integrated transportation with one another, and using energy-efficient electronic goods can be an important step to reduce the carbon footprint of households in Cibinong District."

"Kanker prostat merupakan kanker yang terdiagnosis kedua terbanyak dan mendudukiperingkat keenam dari penyebab kematian pada pria di seluruh dunia. Diperkirakan914.000 kasus ditemukan dan berperan dalam 6% (258.400) dari total angka kematiandi tahun 2008. Telah diciptakan Indonesian Prostate Cancer Risk Calculator (IPCRC)yang diperoleh dari penelitian multisenter sebelumnya, namun masih perlu dilakukanvalidasi eksternal untuk menguji validitas dari kalkulator tersebut. Kami inklusikanseluruh pasien pembesaran prostat jinak (BPH) dan kanker prostat (PCa) yangmenjalani biopsi prostat ataupun prostatektomi di RS Adam Malik Medan pada periode11 Agustus sampai 31 Desember 2014. Dilakukan analisis untuk membandingkanvariabel-variabel yang terkait resiko kanker prostat, termasuk: usia, kadar PSA, volumprostat, dan temuan pemeriksaan colok dubur (DRE). Kemudian resiko kanker prostatpada masing-masing pasien dihitung menggunakan IPCRC dan dianalisis hasilnyamenggunakan kurva receiver operating characteristic (ROC). Kami jugamembandingkan hasilnya dengan luas area di bawah kurva (AUC) untuk PSA. Padastudi ini dijumpai 21 pasien PCa dan 24 pasien BPH. Rata-rata umur, PSA, dan volumprostat secara berturut-turut adalah 66.8±7.3 tahun, 27.3±32.2 ng/ml, dan 64.9±38.1 ml.Temuan DRE abnormal dijumpai pada 6 pasien PCa dan 1 pasien BPH. Seluruhvariabel antara PCa dan BPH tidak berbeda signifikan (p>0.05). AUC dari IPCRCadalah 79.8% (95% IK= 66.2%-93.3%; p=0.001) dalam memprediksi kanker prostat.Analisis ROC IPCRC memiliki sensitivitas 85.7% dan spesifisitas 70.8%. AUC IPCRCini lebih tinggi daripada AUC PSA dengan selisih sebesar 11.4%. Indonesian ProstateCancer Risk Calculator (IPCRC) lebih baik daripada PSA tunggal dalam memprediksikejadian kanker prostat. Validasi dan studi prospective lebih lanjut dengan sampel yanglebih besar perlu dilakukan.

---

Prostate cancer is the second most frequently diagnosed cancer and the sixth leadingcause of cancer death in men worldwide. It was estimated 914.000 new cases werefound and responsible for 6% (258.400) of total cancer deaths in men in 2008.Indonesian Prostate Cancer Risk Calculator (IPCRC) was developed from a multicentricstudy to predict the risk of prostate cancer in suspected patient. An externalvalidation is needed to c onfirm the validity of the calculator. We included all benignprostatic hyperplasia (BPH) and prostate cancer (PCa) patients who underwent prostatebiopsy and prostatectomy in Adam Malik Hospital between August 11th and December31st 2014. The relationship between variables affecting the percentage of prostatecancer risk were evaluated, including: age, PSA level, prostate volume, and digitalrectal examination (DRE) findings. We calculated the risk of prostate cancer for eachpatient using IPCRC and analyse the results using the receiver operating characteristic(ROC) curve. We also compared them with the area under curve (AUC) of PSA results.There were 21 PCa and 24 BPH patients in our study. The mean ages, PSA, and prostatevolume were 66.8±7.3 years old; 27.3±32.2 ng/ml and 64.9±38.1 ml, repectively.Abnormal DRE was found in 6 PCa and 1 BPH. Each variable didnt show significantdifference between PCa and BPH groups (p > 0.05). The AUC of IPCRC was 79.8%(CI 95%: 66.2%-93.3%; p=0.001) in predicting prostate cancer. The ROC analysis ofIPCRC had sensitivity of 85.7% and specificity of 70.8%. This AUC of IPCRC washigher than of PSA, with 11.4% difference. The Indonesian Prostate Cancer RiskCaluclator is better than PSA alone in predicting prostate cancer in this population.Further validation and future prospective study in larger population is needed."

"Peningkatan emisi Co2 di atmosfer merupakan salah satu ancaman lingkungan terbesar bagi makhluk hidup, ekosistem, dan bahkan ekonomi global. Pola konsumsi rumah tangga terbukti berkontribusi 60-70% terhadap emisi global, dengan menggunakan data Indonesia Family Life Survey (IFLS), sebagai satu-satunya survei longitudinal besar yang tersedia di Indonesia. Survei ini mencakup 83% dari total populasi di Indonesia, menunjukkan jejak karbon pada tingkat konsumsi rumah tangga Indonesia. Penelitian ini bertujuan untuk menganalisis hubungan antara beban lingkungan rumah tangga Indonesia untuk transisi kehidupan karbon dan pengurangan emisi gas rumah kaca (GRK). Tujuan pertama dari penelitian ini adalah untuk menganalisis hubungan antara kategori pengeluaran rumah tangga, total pendapatan rumah tangga, jumlah anggota rumah tangga, karakteristik wilayah terhadap jumlah emisi yang dihasilkan, baik emisi dari energi rumah tangga maupun tidak langsung. Tujuan kedua adalah untuk menentukan kontributor utama konsumsi rumah tangga di Indonesia serta membuat beberapa rekomendasi berdasarkan hasil yang diperoleh. Metode perhitungan total jejak karbon pada penelitian ini menggunakan kalkulator karbon, Carbon Footprint Ltd. sebagai salah satu kalkulator “kuat” dibandingkan dengan 15 – 30 kalkulator lainnya. Hasil penelitian ini menunjukkan bahwa pendapatan berpengaruh signifikan terhadap total emisi dibandingkan faktor lainnya dengan hasil uji korelasi (r = 0,6712) untuk daerah perkotaan dan (r = 0,9148) untuk daerah pedesaan. Selain itu, konsumsi energi dan peralatan listrik rumah tangga merupakan kategori yang paling banyak mengeluarkan emisi. Total emisi di perkotaan juga jauh lebih tinggi daripada di perdesaan, meskipun hanya selisih rata-rata pendapatan dan jumlah anggota rumah tangga tidak terpaut jauh Proyeksi emisi yang dihasilkan di Indonesia untuk tahun 2030 dengan interval kepercayaan (1- ) sebesar 11.186,6 ± 2.956,45 Co2 metrik ton. Selain itu, emisi yang dihasilkan dari sumber emisi tidak langsung memiliki nilai mengkhawatirkan sebesar 7.862 ± 3.354,28 metrik ton Co2......The increase in Co2 emissions in the atmosphere is one of the biggest environmental threats to all living things, ecosystem and the global economy. Household consumption pattern proven to have contributed 60-70% to the global emission. This study will be using Indonesia Family Life Survey (IFLS) data, as the only large longitudinal survey available in Indonesia covering 83% of the total population in Indonesia, means showing carbon footprint at the level of Indonesia household consumption practices. This study aims to analyze the relationship between the environmental impact of Indonesian households for the transition to a carbon life and reducing greenhouse gas (GHG) emissions. The first objective of this study is to determine the relationship between categories of household expenditure, total household income, number of household members, area characteristics and the amount of emissions produced, both direct and indirect emissions. The second objective is to determine the main contributors to household consumption in Indonesia moreover to make some recommendations based on the results obtained. The method to calculate Indonesia’s household carbon footprint in this study by using carbon calculator, Carbon Footprint Ltd. as one of the “strong” calculators compared to 15 – 30 other calculators. The results of this study indicate that income is significantly affecting the total emissions compared to other factors with the results of the correlation test r = 0.6712 for urban areas and r = 0.9148 for rural areas. Moreover, energy consumption and the household electrical appliances are the most emission-intensive categories. Total emissions in urban areas are also much higher than in rural areas, although there is only a slight difference between the average of income and number of household members Projected emissions produced in Indonesia for 2030 with a confidence interval (1- ) of 11,186.6 ± 2,956.45 Co2 metric tons. In addition, the emission generated from indirect emission sources has an alarming value of 7,862 ± 3,354.28 metric tons Co2."

"Kalkulator emisi berbasis spreadsheet UniSim yang terintegrasi dengan simulasi gas sweetening telah dibuat. Simulasi gas sweetening penelitian ini menggunakan pelarut methyl diethanolamine (MDEA). Base case sour gas memiliki laju air 145,72 MMSCFD dengan komposisi 15,74% CO2 dan 0,1% mol H2S. Pengolahan acid gas melalui venting menghasilkan beban emisi CO2equivalent, dan emisi H2S yang terbesar (masing-masing sebesar 1.432,55 tonne/day, dan 5,83 tonne/day) dibandingkan pengolahan acid gas melalui skema flare, maupun thermal oxidizer. Beban emisi CO2equivalent, dan H2S yang dihasilkan melalui skema flare masing-masing sebesar 983,67 tonne/day, dan 0,12 tonne/day. Beban emisi CO2equivalent, dan H2S yang dihasilkan melalui skema thermal oxidizer masing-masing sebesar 939,69 tonne/day, dan 5,84 x 10-4 tonne/day. Penggunaan acid+flash+sweet gas sebagai bahan bakar reboiler menghasilkan beban emisi CO2 equivalent yang paling sedikit (378,45 tonne/day) namun menghasilkan beban SO2equivalent yang tertinggi (0,89 tonne/day) jika dibandingkan dengan penggunaan bahan bakar lain (sweet gas, flash+sweet gas, dan acid+sweet gas). Semakin rendah komposisi metana pada bahan bakar, maka lebih sedikit karbon yang terkonversi menjadi CO2, dan semakin rendah beban emisi CO2equivalent. Semakin tinggi komponen H2S pada bahan bakar maka semakin tinggi beban emisi SO2. Penggunaan bahan bakar acid+flash+sweet gas menghemat penggunaan sweet gas hingga 3,47 MMSCFD jika dibandingkan dengan penggunaan sweet gas saja yang membutuhkan laju alir total 8,21 MMSCFD. Beban emisi CO2equivalent yang dihasilkan dari unit flare semakin meningkat dan beban emisi SO2equivalent semakin menurun seiring meningkatnya komposisi CO2 pada sour gas. Beban emisi dalam CO2equivalent yang dihasilkan dari flare dengan komposisi sour gas 20,74% ialah yang terbesar dibandingkan dengan komposisi CO2 yang lebih sedikit (10,74%, 12,74%, 15,74%, dan 17,74%) yaitu sebesar 1.365,18 tonne/day, namun menghasilkan beban emisi dalam SO2 equivalent yang terkecil dibandingkan komposisi CO2 yang lebih sedikit yaitu sebesar 10,32 tonne/day."

"Konsumsi rumah tangga memberikan kontribusi sebesar 72% terhadap emisi GRK global sehingga diperlukan upaya pengendalian, salah satunya melalui studi jejak karbon rumah tangga. Penelitian yang dilakukan di Kecamatan Kelapa Gading ini bertujuan untuk menghitung rata-rata jejak karbon rumah tangga di Kecamatan Kelapa Gading, mengidentifikasi aktivitas dan faktor yang mempengaruhi jejak karbon rumah tangga tersebut, serta memberikan rekomendasi pengendalian jejak karbon rumah tangga. Perhitungan dilakukan dengan menggunakan kalkulator Carbon Footprint Ltd. yang memperhitungkan aktivitas konsumsi energi, transportasi, serta konsumsi barang dan jasa. Pengumpulan data dilakukan secara random-purposive sampling menggunakan kuesioner dimana data kemudian dianalisis secara statistik deskriptif dan regresi linear berganda. Penelitian dilakukan selama masa pandemi COVID-9 dengan pemberlakuan kebijakan PPKM tingkat 3. Berdasarkan hasil penelitian, diperoleh rata-rata jejak karbon rumah tangga di Kecamatan Kelapa Gading sebesar 1,77 MT CO2e per rumah tangga per bulan dengan dominasi oleh sektor energi (0,71 MT CO2e per rumah tangga per bulan) diikuti oleh sektor konsumsi barang dan jasa (0,66 MT CO2e per rumah tangga per bulan) serta transportasi (0,4 MT CO2e per rumah tangga per bulan). Jejak karbon rumah tangga tersebut dipengaruhi oleh beberapa faktor, antara lain penghasilan keluarga (r = 0,54 ; Sig = 3,45 x 10-9), ukuran keluarga (r = 0,31 ; Sig = 0,02), dan pola makan (r = 0,37 ; Sig = 0,01). Penghasilan keluarga menunjukkan korelasi yang sedang (r = 0,54) terhadap jejak karbon rumah tangga sementara ukuran keluarga (r = 0,31) dan pola makan (r = 0,37) menunjukkan korelasi yang rendah terhadap jejak karbon rumah tangga. Beberapa rekomendasi pengendalian jejak karbon rumah tangga yang ditawarkan antara lain pembuatan kebijakan konsumsi energi, optimasi penggunaan sumber energi terbarukan, konsumsi ekoefisien, serta perubahan gaya hidup rumah tangga yang intensif karbon....... Household consumption contributes 72% to global GHG emissions. Thus, control efforts are needed, one of which is through a household carbon footprint study. This research, which was conducted in Kelapa Gading District, aims to calculate the average household carbon footprint in Kelapa Gading District, identify activities and factors that affect the household's carbon footprint, and provide recommendations for controlling the household carbon footprint. Calculations were made using a calculator from Carbon Footprint Ltd. which takes into account the energy consumption, transportation, and consumption of goods and services activities. Data was collected using a random-purposively using questionnaire where the data were then analyzed using descriptive statistics and multiple linear regression. The study was conducted during the COVID-9 pandemic with the implementation of the PPKM level 3 policy. Based on the results of the study, the average household carbon footprint in Kelapa Gading District was 1.77 MT CO2e per household per month with the dominance of the energy sector (0 ,71 MT CO2e per household per month) followed by the consumption of goods and services sector (0.66 MT CO2e per household per month) and transportation (0.4 MT CO2e per household per month). The household's carbon footprint was influenced by several factors, including household income (r = 0.54 ; Sig = 3.45 x 10-9), household size (r = 0.31 ; Sig = 0.02), and diet (r = 0.37 ; Sig = 0.01). Household income showed a moderate correlation (r = 0,54) to the household carbon footprint while household size (r = 0,31) and diet (r = 0,37) showed a low correlation to the household carbon footprint. Several recommendations for controlling household carbon footprints were offered, including making energy consumption policies, optimizing the use of renewable energy sources, eco-efficient consumption, and changing carbon-intensive household lifestyles."