Clustering GSTAR-GLS Kriging pada Data Polutan Udara PM2,5 di DKI Jakarta
No Thumbnail Available
Date
2020-01-15
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Abstract
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.
Description
Keywords
GSTAR, Polutan PM2, 5