S2 - Magister

Permanent URI for this community

Now showing 1 - 1 of 1

Clustering GSTAR-GLS Kriging pada Data Polutan Udara PM2,5 di DKI Jakarta
(2020-01-15) ADINA ASTASIA; Budi Nurani Ruchjana; I Gede Nyoman Mindra Jaya
Polusi udara merupakan masalah di semua negara terutama kota-kota besar. DKI Jakarta sebagai kota ibukota negara Indonesia juga memiliki masalah polusi udara pada tingkat yang mengkhawatirkan. Menurut laporan AirVisual (2018), Jakarta menempati posisi pertama kota ibukota paling tercemar di Asia Tenggara berdasarkan konsentrasi PM2,5.Oleh karena itu dibutuhkan model untuk memprediksi konsentrasi polutan PM2,5 dari waktu ke waktu. Salah satu model yang dapat digunakan adalah model Generalized Space Time Autoregressive (GSTAR). Dalam penelitian ini digunakan metode Generalized Least Squares (GLS) dalam penaksiran parameter model GSTAR untuk menghilangkan efek korelasi residual yang dihasilkan metode Ordinary Least Squares (OLS). Model GSTAR memiliki keterbatasan yaitu hanya dapat digunakan untuk memprediksi pada lokasi tersampel. Sementara daerah-daerah dengan lokasi tidak tersampel dapat diprediksi nilainya menggunakan kombinasi metode GSTAR dengan Clustering Kriging. Pada taksiran parameter yang diperoleh dari model GSTAR-GLS dilakukan Clustering Kriging sehingga didapatkan taksiran parameter GSTAR pada lokasi-lokasi tidak tersampel. Taksiran parameter GSTAR pada lokasi tidak tersampel kemudian disimulasikan untuk mendapat nilai konsentrasi PM2,5 untuk beberapa periode kedepan.