Keuntungan:
- Kemampuan untuk mengotomatiskan tugas pembersihan dan analisis data lingkungan dengan kode Python yang didukung AI
- Kemampuan untuk memverifikasi kode yang dihasilkan AI dengan pemeriksaan unit, pengujian, dan kasus tepi
- Kemampuan untuk menerapkan prinsip-prinsip melindungi data lingkungan rahasia/pribadi dan penggunaan AI yang bertanggung jawab
Ujian Modul
1. Anda bertanya kepada AI tentang batas pembuangan instalasi pengolahan air limbah dan model menjawab '120 mg/L untuk COD, menurut Tabel 19 Peraturan Pengendalian Pencemaran Air'. Perilaku manakah yang paling benar?
- A) Memverifikasi nilai dan tabel referensi dari teks resmi peraturan saat ini ✔
- B) Karena AI adalah model terkini, tuliskan nilainya langsung ke izin pembuangan
- C) Cukup ubah satuan dari mg/L ke g/L dan gunakan
- D) Tanyakan pada AI 'apakah Anda yakin?' dan puas dengan jawabannya 'ya'
Penjelasan: LLM dapat menghasilkan breakpoint dan nomor tabel/item yang masuk akal secara statistik tetapi tidak nyata (halusinasi). Batasan pembuangan bervariasi tergantung pada sektor, lingkungan penerima, dan peraturan yang berlaku; Menggunakan nilai dan tabel referensi tanpa memverifikasinya dari teks peraturan resmi (Berita Negara) akan mengakibatkan ketidakpatuhan dan penalti.
2. Apa yang biasanya diharapkan jika rasio F/M (nutrisi/mikroorganisme) terlalu rendah dalam sistem lumpur aktif?
- A) Situasi dimana muatan organik sangat tinggi dan lumpur tetap muda
- B) Lumpur yang sangat tua dan kondisi pengoperasian didominasi oleh respirasi internal ✔
- C) Situasi dimana ventilasi sama sekali tidak diperlukan
- D) Bukti bahwa batas debit dipertahankan secara otomatis
Penjelasan: Rasio F/M menyatakan beban organik per massa mikroorganisme. F/M yang sangat rendah adalah kondisi pengoperasian dimana mikroorganisme kelaparan dan beralih ke respirasi internal, lumpur menjadi sangat tua, dan masalah pembentukan jarum/lumpur yang tersebar dan sedimentasi secara umum dapat diamati. Jika AI menafsirkan nilai F/M, maka perlu dilakukan verifikasi dengan umur lumpur, SVI, dan data laboratorium.
3. Anda menggunakan AI untuk memperkirakan beban NOx tahunan menggunakan faktor emisi dalam perhitungan emisi gas buang. Apa yang harus Anda lakukan sebelum Anda dapat melaporkan hasilnya dengan aman?
- A) Bulatkan hasilnya dan masukkan langsung ke dalam inventarisasi emisi
- B) Cukup perbaiki warna bagan dan publikasikan laporannya
- C) Menggunakan hasil meskipun CO2 dihitung secara tidak sengaja, bukan NOx
- D) Cetak data faktor emisi, sumber, satuan dan aktivitas yang digunakan dan verifikasi perhitungannya ✔
Penjelasan: Bekerja dengan logika emisi = faktor × ukuran aktivitas. AI mungkin menggunakan faktor emisi yang salah (bahan bakar salah, unit salah, sumber ketinggalan jaman). Penghitungan perlu dilakukan kembali dengan mencetak secara jelas faktor yang digunakan, sumbernya, data unit dan aktivitasnya serta membandingkannya dengan sumber faktor emisi resmi (misalnya EMEP/EEA atau pedoman nasional).
4. Urutan prioritas manakah yang sesuai dengan prinsip 'hierarki sampah' dalam pengelolaan sampah?
- A) Pembuangan > pemulihan > daur ulang > penggunaan kembali > pencegahan
- B) Daur ulang > pembuangan > pencegahan > penggunaan kembali > pemulihan
- C) Pencegahan > penggunaan kembali > daur ulang > pemulihan > pembuangan ✔
- D) Penggunaan kembali > pembuangan > pencegahan > daur ulang > pemulihan
Penjelasan: Hirarki sampah dari yang terbesar hingga yang terkecil adalah: pencegahan (pengurangan) > penggunaan kembali > daur ulang > pemulihan (energi) > pembuangan (TPA). Sekalipun AI membuat rancangan rencana pengelolaan limbah, harus diverifikasi bahwa urutan dan metode pembuangan yang diusulkan mematuhi peraturan perundang-undangan dan karakterisasi limbah.
5. AI menulis dalam rancangan laporan AMDAL bahwa 'dampak lingkungan dari suatu proyek dapat diabaikan'. Apa sikap teknis terbaik untuk keluaran ini?
- A) Tidak menuliskan penilaian dampak dalam laporan tanpa memverifikasinya dengan data lapangan, pemodelan dan evaluasi ahli ✔
- B) Karena AI bersifat netral, tuliskan pernyataan sebagaimana adanya pada kesimpulan
- C) Tulis ulang saja kalimat tersebut dalam bahasa yang lebih formal
- D) Melewatkan penilaian dampak sepenuhnya dan langsung mengajukan permohonan izin
Deskripsi: Penilaian dampak dalam AMDAL; berdasarkan data lapangan, menerima sensitivitas lingkungan, efek kumulatif dan ambang batas peraturan. AI dapat menghasilkan penilaian seperti 'dapat diabaikan' tanpa mendasarkannya pada data. Ini harus dianggap sebagai hipotesis/sketsa; Besaran dampak tidak boleh ditulis sebagai penilaian akhir dalam laporan tanpa diverifikasi melalui pengukuran, pemodelan, dan evaluasi ahli.
6. Dalam rangkaian waktu PM10 dari stasiun pemantauan berkelanjutan, AI menandai 'overshoot' secara tiba-tiba (di atas nilai ambang batas). Langkah verifikasi manakah yang paling penting?
- A) Mengirimkan tanda langsung kepada pejabat sebagai pemberitahuan pelampauan resmi
- B) Memeriksa data mentah, tanda sensor QA/QC, kalibrasi dan data stasiun tetangga ✔
- C) Menghaluskan grafik dan menyembunyikan overshoot
- D) Menaikkan ambang batas dan memastikan bahwa pelampauan tidak terlihat
Penjelasan: Lompatan tiba-tiba pada data sensor mungkin merupakan peristiwa kontaminasi nyata, namun bisa juga merupakan kerusakan sensor, penyimpangan kalibrasi, jangka waktu pemeliharaan, atau kesalahan transmisi data. Sebelum menerima overshoot sebagai kenyataan, perlu untuk memverifikasinya dengan melihat data mentah, tanda QA/QC sensor, log kalibrasi dan data stasiun/meteorologi tetangga; jika tidak, alarm palsu atau kejadian yang terlewat akan terjadi.
7. Apa arti emisi 'Cakupan 2' dalam penghitungan jejak karbon perusahaan?
- A) Semua emisi tidak langsung yang dihasilkan dari rantai pasokan dan penggunaan produk
- B) Emisi langsung dari pembakaran bahan bakar di fasilitas
- C) Emisi tidak langsung dari pembelian listrik, uap, dan pemanas/pendingin ✔
- D) Hanya emisi dari pembuangan limbah
Deskripsi: Cakupan 1 mencakup emisi langsung (pembakaran bahan bakar di fasilitas Anda sendiri, armada kendaraan), Cakupan 2 mencakup emisi tidak langsung dari energi yang dibeli (listrik, uap, pemanas/pendingin), Cakupan 3 mencakup emisi tidak langsung lainnya dalam rantai nilai (pasokan, transportasi, penggunaan produk). Meskipun AI membuat rancangan inventarisasi, faktor emisi dan klasifikasi cakupan yang digunakannya harus divalidasi.
8. Ketika penginderaan jauh memberikan nilai NDVI (Normalized Difference Vegetation Index) yang tinggi, hal ini biasanya mengindikasikan apa?
- A) Perairan yang dalam dan bersih
- B) Batuan dan tanah gundul
- C) Konsentrasi polusi udara yang tinggi
- D) Vegetasi hijau yang lebat dan sehat ✔
Deskripsi: NDVI dihitung sebagai rasio perbedaan pita inframerah dekat dan pita merah dengan jumlah keduanya dan biasanya berkisar antara -1 dan +1. Nilai positif yang tinggi menunjukkan vegetasi hijau yang lebat dan sehat; air dan tanah gundul memberikan nilai rendah atau negatif. Bahkan jika AI membuat interpretasi NDVI, efek kalibrasi awan, bayangan, musim, dan sensor harus diverifikasi dengan kebenaran dasar.
9. Anda mengajukan pertanyaan kepada AI tentang undang-undang lingkungan hidup dan model tersebut memberikan nilai batasan yang jelas dengan mengacu pada pasal peraturan tertentu. Manakah yang wajib sebelum menggunakan informasi ini dalam aplikasi resmi?
- A) Mengkonfirmasi nomor bahan, nilai batas dan status validitas dari sumber resmi terkini ✔
- B) Tuliskan nomor artikel yang diberikan AI pada permohonan permohonan sebagaimana adanya.
- C) Tulis ulang saja kalimat tersebut dengan gaya formal
- D) Mengambil rata-rata karena AI memberikan lebih dari satu jawaban
Penjelasan: LLM mungkin menghasilkan nomor artikel yang tidak ada, peraturan yang dicabut, atau breakpoint yang salah dan mengirimkannya tanpa informasi tanggal saat ini. Referensi peraturan perundang-undangan dan nilai limit tidak dapat digunakan dalam transaksi resmi tanpa dikonfirmasi dengan tanggal berlakunya dari sumber resmi saat ini (Berita Resmi, portal peraturan perundang-undangan).
10. Manakah yang benar sebelum menggunakan skrip Python yang dihasilkan AI untuk membersihkan dan memantau tren data stasiun?
- A) Menempatkan hasil tren langsung ke dalam laporan karena kode berfungsi tanpa kesalahan
- B) Persingkat nama variabel dan hapus baris komentar
- C) Mengunggah skrip dengan semua data pelacakan mentah ke layanan publik
- D) Verifikasi dengan pengujian dengan hasil yang diketahui, pemeriksaan unit dan kasus tepi, serta melindungi kerahasiaan data ✔
Deskripsi: Kode AI mungkin berisi konversi unit yang salah, pengisian data hilang yang salah, penguraian tanggal yang salah, atau dalam kasus edge, bug diam. Kode; divalidasi dengan data uji kecil dengan hasil yang diketahui, pemeriksaan volume/ukuran, dan kasus tepi (nilai hilang, pembacaan negatif, catatan ganda); Selain itu, data pribadi/rahasia tidak boleh dikirim ke layanan eksternal tanpa izin. Hasilnya dikonfirmasi oleh penilaian teknik.