Temuan utama kajian ini menunjukkan bahwa pemodelan kualitas udara di Indonesia selama 2010–2024 telah berkembang cukup pesat, namun masih bersifat terfragmentasi. Berdasarkan telaah sistematis terhadap 122 artikel menggunakan pedoman PRISMA 2020, model yang paling banyak digunakan adalah AERMOD (27,5%), diikuti HYSPLIT (15,8%), sedangkan pendekatan pembelajaran mesin seperti Random Forest, LSTM, dan ANN mulai meningkat penggunaannya. Kajian juga memperlihatkan bahwa penelitian masih terkonsentrasi di Jakarta, Jawa Timur, dan Jawa Barat, sementara wilayah Indonesia timur relatif kurang terwakili. Sumber pencemar yang paling banyak dimodelkan berasal dari sektor transportasi dan industri, dengan polutan dominan berupa PM2.5 dan PM10. Dari sisi kinerja, AERMOD/CALPUFF dan WRF-Chem/CMAQ menunjukkan performa yang cukup baik, sedangkan model pembelajaran mesin cenderung menghasilkan akurasi prediktif lebih tinggi, meskipun keunggulan tersebut sangat bergantung pada konteks data dan tujuan studi. Kendala utama yang teridentifikasi meliputi inventaris emisi yang belum lengkap, jaringan pemantauan yang masih terbatas, kompleksitas meteorologi tropis, serta lemahnya integrasi hasil pemodelan ke dalam kebijakan. Oleh karena itu, penguatan inventaris emisi nasional, perluasan pemantauan berbasis sensor murah dan satelit, serta pengembangan model hibrida fisik-data menjadi prioritas strategis di Indonesia pada masa depan.

This study aims to improve the viability of sugar palm seeds by investigating the effect of KNO3 concentration and apocol position. The study was conducted at the Andalas University Experimental Garden from September 2024 to February 2025. The method used was a Factorial Randomized Block Design (RBD) with two factors and three replications. The first factor was the apocol position, divided into four quadrants (1 to 4). The second factor was the KNO3 concentration (0.5%), 1%, and 1.5%). Data were analyzed using ANOVA followed by DMRT (5%). The results showed a significant interaction between KNO3 concentration and apocol position on growth and physiological parameters, including apocol emergence time, coleoptile length, primary root length, normal germination, and overall growth parameters. Specifically, 1% KNO3 concentration was the most effective treatment for improving physiological characteristics, viability, and seedling growth. In addition, Quadrant IV was identified as the best apocol position for these characteristics. The optimal combination of KNO3 treatment and apocol selection can significantly improve the propagation of sugar palm seeds

Two of four purified fungal isolates (P1 and S2) showed positive results in the Bavendamm test, indicating their ligninolytic potential. PCR amplification produced 574 bp (P1) fragments and 586 bp (S2). BLAST analysis identified P1 as Trichoderma hamatum and S2 as Aspergillus flavus with 100% similarity. Identifying T. hamatum and A. flavus as ligninolytic fungi from West Sumatra provides valuable insight for applying these species in animal production technology. These fungi could contribute in biodelignification processes, improving the utilization of lignocellulosic waste as a ruminant feed source. This study represents the first molecular identification of ligninolytic fungi isolated from decayed wood in West Sumatra, Indonesia, utilizing the Internal Transcribed Spacer (ITS) region. The research successfully identified Trichoderma hamatum and Aspergillus flavus as local lignin-degrading fungal species, which have not been previously reported in this region for this particular application. These findings underscore the untapped potential of indigenous fungal biodiversity in the biodelignification of lignocellulosic agricultural waste. Additionally, the study confirms the effectiveness of the Bavendamm test as a preliminary screening tool for ligninolytic fungi prior to molecular identification. This research contributes valuable genetic and functional data towards developing sustainable ruminant feed strategies.

Penelitian ini menemukan bahwa pengelolaan bencana pariwisata (Tourism Disaster Management/TDM) di Indonesia masih lemah, terutama karena keterbatasan model, koordinasi lintas-aktor, dan minimnya keterlibatan lokal dalam proses mitigasi hingga pemulihan. Dari 205 dokumen yang ditelaah dan 78 artikel Scopus yang dianalisis melalui bibliometrik dan SLR, penelitian ini menegaskan bahwa kolaborasi horizontal dan jaringan multipihak merupakan kunci untuk memperkuat TDM. Upaya manajemen bencana selama ini masih bersifat vertikal dan sentralistik, sehingga menghambat inovasi daerah serta mengurangi efektivitas respons. Temuan lain menunjukkan bahwa riset TDM di Indonesia masih terbatas dan terfokus pada isu tsunami, gempa, dan kawasan tertentu seperti Lombok dan Bali, sementara topik seperti rekonstruksi, konservasi, dan krisis manajemen masih jarang dibahas. Penelitian ini kemudian menawarkan kerangka baru TDM yang menekankan empat tahap—pra-bencana, tanggap darurat, pemulihan, dan adaptasi—dengan penekanan pada kejelasan peran aktor, komunikasi, kepercayaan, dan kesetaraan dalam kolaborasi. Secara keseluruhan, studi ini menegaskan pentingnya membangun sistem kolaboratif yang inklusif, adaptif, dan berorientasi jaringan, sehingga destinasi pariwisata di Indonesia lebih siap menghadapi bencana di masa depan.

enelitian ini mengkaji penyebab hujan ekstrem di Sumatera Barat yang terjadi pada musim kemarau, periode yang umumnya relatif kering di wilayah tersebut. Studi ini diawali dengan analisis variabilitas spasial-temporal, tren, dan kejadian hujan ekstrem di Indonesia menggunakan data Climate Hazards Group InfraRed Precipitation with Stations (CHIRPS) selama 43 tahun (1981–2023). Hasil analisis menunjukkan bahwa variabilitas hujan di Sumatera relatif lebih rendah dibandingkan beberapa wilayah lain di Indonesia, seperti Sulawesi, Maluku, dan Papua, yang memiliki variabilitas antar-tahunan lebih tinggi. Meskipun demikian, kejadian hujan ekstrem masih dapat terjadi di wilayah dengan variabilitas hujan yang relatif rendah. Selain itu, analisis tren menunjukkan peningkatan curah hujan dan kejadian hujan ekstrem di beberapa wilayah Indonesia dalam beberapa dekade terakhir. Berdasarkan hasil tersebut, dilakukan analisis komprehensif terhadap peristiwa hujan ekstrem pada 13–14 Juli 2023 di Sumatera Barat. Analisis ini bertujuan untuk mengidentifikasi mekanisme atmosfer yang memicu kejadian tersebut, termasuk peran dinamika atmosfer skala besar, kondisi regional, serta pengaruh gelombang atmosfer terhadap pembentukan hujan ekstrem.