TPA Dekat Bandara Jakarta Padam, Ekonomi Lokal Bisa Pulih

Berita Utama117 Views
0 0
Read Time:1 Minute, 17 Second

Kabar baik datang dari Tangerang. Api yang berkobar di salah satu tempat pembuangan akhir sampah dekat Jakarta akhirnya berhasil dipadamkan setelah sekitar sepuluh hari. Pemerintah melalui BNPB menyatakan kebakaran di area Jatiwaringin sudah terkendali total.

Meski api sudah mati, status darurat masih berlaku. Hal ini menunjukkan bahwa upaya pemantauan belum selesai. Asap dan sisa material yang terbakar masih berpotensi menimbulkan masalah baru jika tidak diawasi ketat.

Dari sisi ekonomi, kebakaran TPA seperti ini punya dampak yang lebih luas dari sekadar kerugian lingkungan. Banyak usaha kecil di sekitar lokasi yang bergantung pada aktivitas pengelolaan sampah, mulai dari pemulung hingga pengangkut. Saat api menyala, aktivitas mereka terhenti total dan pendapatan harian langsung hilang.

Selain itu, bandara internasional terdekat juga sempat terdampak. Operasional penerbangan yang terganggu karena asap bisa memengaruhi jadwal kargo dan perjalanan bisnis. Bandara sendiri merupakan pintu masuk utama arus barang dan wisatawan yang mendukung perekonomian Jakarta serta sekitarnya.

Latar belakang persoalan TPA di Indonesia memang kompleks. Banyak fasilitas pengelolaan sampah masih menggunakan metode open dumping yang rentan terhadap kebakaran. Biaya pemadaman darurat yang dikeluarkan pemerintah daerah biasanya diambil dari anggaran yang seharusnya bisa dialokasikan untuk proyek infrastruktur atau program pemberdayaan ekonomi masyarakat.

Ke depan, kejadian ini menjadi pengingat bahwa investasi di sektor pengelolaan sampah yang lebih modern bukan hanya soal lingkungan, tapi juga soal efisiensi anggaran daerah. Pengelolaan yang baik bisa mengurangi risiko kebakaran berulang dan menjaga stabilitas ekonomi lokal yang bergantung pada aktivitas sehari-hari di sekitar TPA.

Masyarakat sekitar kini berharap proses normalisasi bisa berjalan cepat agar aktivitas ekonomi bisa kembali berjalan seperti biasa.

Happy
Happy
0 %
Sad
Sad
0 %
Excited
Excited
0 %
Sleepy
Sleepy
0 %
Angry
Angry
0 %
Surprise
Surprise
0 %