Sedimentasi menjadi salah satu permasalahan pada Sungai Klagison, pencucian pasir menghasilkan limbah air yang mengandung padatan terlarut dan padatan yang tidak terlarut. etika endapan lumpur terakumulasi dan berlebihan maka dapat mengakibatkan pendangkalan pada sungai dan menyebabkan terjadinya luapan air sungai, terutama ketika musim hujan. Namun selain dampak negatif akibat sedimentasi di DAS Klagison, Yang mana matereial ini bisa dimanfaatkan untuk banyak hal, salah satunya adalah paving block. Pada penelitian ini menggunakan metode eksperimental, dengan menguji 2 jenis material  sedimentasi, yang mana material tersebut merupakan sedimentasi tanpa di oleh dan sedimen yang telah di olah, dengan melakukan 2 pengujian yaitu pengujian kadar lumpur dan uji kuat tekan terhadap paving block yang telah di buat dengan 1 komposisi perbandingan yaitu 1:3. Untuk selanjutnya dibandingkan hasil kuat tekan dari kedua sampel yang di uji. Dari hasil pengujian didapatkan karakteristik penggunaan sedimen yang sudah diolah lebih baik dibandingkan dengan sedimen yang belum diolah. yang mana nilai kuat tekan mengalami peningkatan dari 9,59 Mpa ke 14,96 Mpa. Dan untuk klasifikasi mutu paving yang diperoleh setelah diolah adalah mutu C dan B yang digunakan untuk perlatan parkir dan pejalan kaki.

Perubahan iklim global dan peningkatan variabilitas cuaca membuat prediksi temperatur udara menjadi salah satu kebutuhan penting di berbagai sektor. Temperatur udara merupakan parameter penting dalam meteorologi yang mempengaruhi berbagai aspek kehidupan manusia. Predisi temperatur udara saat ini banyak memanfaatkan algoritma machine learning, namum nilai akurasi masih belum optimal. Tujuan dari penelitian ini untuk meningkatkan akurasi prediksi temperatur udara rata-rata dengan menggunakan pendekatan berbasis machine learning. Metode dalam penelitian ini menggunakan algoritma Linear Regression dan Support Vector Regression (linier dan gaussian non linear) karena memiliki akurasi prediksi data yang cukup baik di berbagai bidang termasuk bidang hidrologi. Penelitian ini menggunakan data dari Badan Meteorologi Klimatologi dan Geofisika (BMKG) lokasi Stasiun Klimatologi Jawa Timur periode data tahun 2019-2023 dengan parameter cuaca temperatur rata-rata (TAV), kelembaban udara (HAV), kecepatan angin (WAV), curah hujan (RR), tekanan udara (PPP), Penyinaran matahari (SUN) dan titik embun (DEW_POINT). Kinerja model dievaluasi menggunakan pengukuran metrik MSE, RMSE, MAE, MAPE dan R². Hasil pengukuran kinerja model algoritma Gaussian support vector Regression (non linier SVR) lebih baik dibanding dengan linear support vector Regression (linear SVR) dan  algoritma linear regression dengan nilai yang lebih tinggi R² sebesar  0,9891 ± 0,0011 dan nilai error yang lebih rendah pada semua metrik pengukuran.
Kata kunci: Prediksi temperatur udara, machine learning, Linear Regression,  Suport Vektor Regression