Peramalan Kandungan Particulate Matter (PM10) Dalam Udara Ambien Kota Surabaya Menggunakan Double Seasonal ARIMA (DSARIMA)

Bernadeta Chrisdayanti, Agus Suharsono
Submission Date: 2015-07-28 11:57:49
Accepted Date: 2016-01-22 12:11:12

Abstract


Surabaya merupakan salah satu kota besar di Indonesia yang memiliki jumlah penduduk yang padat dan diiringi oleh banyaknya jumlah kendaraan bermotor. Alat transpostasi pribadi sangat mempermudah akomodasi, namun dapat menimbulkan polusi udara. Polusi udara dipantau berdasarkan 5 parameter, salah satunya PM10. PM10 merupakan parameter untuk menyatakan banyaknya kandungan debu dalam udara dan kandungannya paling banyak dalam udara ambien Kota Surabaya pada tahun 2014. Salah satu faktor yang mempengaruhi kandungan PM10 adalah asap kendaraan bermotor. Dampak dari tingginya kandungan PM10 akan langsung dirasakan oleh makhluk hidup. Oleh karena itu, kandungan PM10 perlu dikontrol setiap hari, bahkan setiap jam. Pengontrolan per jam dilakukan karena kandungan PM10 akan sangat tinggi pada jam 10.00 hingga 13.00, dimana nilai ISPUnya dapat melebihi batas udara dinyatakan sehat. Proses pengontrolan untuk beberapa jam dan hari berikutnya dapat dilakukan dengan menggunakan metode time series ARIMA. Metode ini dipilih karena kandungan PM10 dipengaruhi oleh waktu-waktu sebelumnya dan skala waktu yang digunakan konstan yaitu per jam. Stasiun pengamatan yang akan digunakan adalah SUF 6 dan SUF 7. Pemilihan model terbaik didasarkan pada kriteria out sample Root Mean Square Error (RMSE). Model terbaik yang dapat digunakan untuk mengontrol kandungan PM10 per jam di SUF 6 adalah ARIMA ([1,2,4, 7,8,9,10,12,16,17,18],1,0)(1,1,1)24(0,1,1)168 dan ARIMA ([1,2,4,5,7,8, 10,11,12,13,15,16,18,19,20],1,0)(1,1,1)24(0,1,1)168.

Keywords


ARIMA;Peramalan;PM10;RMSE;Udara Ambien

References


Tamin, O. Z. (1992). Metodologi Peramalan Lalu Lintas Perkotaan untuk Negara Berkembang. Jakarta: PT Perentjana Djaja.

Bowman, K. W. (2013). Toward the Next Generation of Air Quality Monitoring: Ozone. Elseiver: Atmospheric Environment 80 , 571-583.

Syafei. (2012, Juni 5). Data Kualitas Udara Kota Surabaya. Dipetik Desember 26, 2014, dari Catatan Teknik Lingkungan: http://envirodiary.com/id/data-kualitas-udara-kota-surabaya.php Tamin, O. Z. (1992). Metodologi Peramalan Lalu Lintas Perkotaan untuk Negara Berkembang. Jakarta: PT Perentjana Djaja.

BLH. (2014). Laporan Kegiatan Operasional dan Pengadaan Stasiun Monitoring Udara Ambien (Kode Kegiatan 1.08.16.0023). Surabaya: Badan Lingkungan Hidup.

Yu, H.-L., Lin, Y.-C., & Kuo, Y.-M. (2015). A Time Series Analysis of Multiple Ambient Pollutants to Investigate the Underlying Air Pollution Dynamics and Interactions. Elseiver: Chemosphere

Ditago, A. P., Suharsono, A. & Suhartono. (2013). Perbandingan Model ARIMAX dan Fungsi Transfer untuk Peramalan Konsumsi Energi Listrik di Jawa Timur. Jurnal Sains dan Seni POMITS Vol. 2 No. 2, 2337-3520.

Anggraeni, A. D. & Suharsono, A. (2014). Peramalan Penjualan Sepeda Motor Tiap Jenis di Wilayah Surabaya dan Blitar dengan Model ARIMA Box-Jenkins dan Vector Autoregressive (VAR). Jurnal Sains dan Seni POMITS Vol. 3 No. 2, 2337-3520.

Harahap, M. R. P. & Suharsono, A. (2014). Analisis Peramalan Penjualan Sepeda Motor Di Kabupaten Ngawi dengan Arima dan Arimax. Jurnal Sains dan Seni POMITS Vol. 3 No. 2, 2337-3520.

Nuraini. (2004). Analisis Statistik Terhadap Polutan Udara Partikulat (PM10) Berdasarkan Pengukuran Stasiun Pemantau Taman Prestasi dengan Metode Bootstrap Time Series. Surabaya: Jurusan Statistika ITS.

Desvina, A. P. (2011). Peramalan Particulate Matter (PM10) di Kajang Malaysia dengan Menggunakan Model Autoregressive. Riau: Jurusan Matematika Fakultas Sains dan Teknologi UIN Suska.

Lee, M. H., dkk. (2012). Seasonal ARIMA for Forecasting Air Pollution Index: A Case Study.American Journal of Applied Sciences 9,570-578.

Khusna, H. (2015). Pendekatan Percentile Error Bootstrap pada Model Double Seasonal Holt-Winters, Double Seasonal ARIMA, dan Naive untuk Peramalan Beban Listrik Jangka Pendek Area Jawa Timur-Bali. Surabaya: Jurusan Statistika ITS.

Putri, I. K. (2015). Deteksi Outlier pada Model ARIMA Musiman Ganda untuk Peramalan Beban Listrik Jangka Pendek di Jawa TImur. Surabaya: Jurusan Statistika ITS.

Wei, W. W. S. (2006). Time Series Analysis: Univariate and Multivariate Methods, Second Edition. United States: Pearson Education, Inc.

Suhartono, & Lee, M. H. (2011). Forecasting of Tourist Using Subset, Multiplicative or Additive Seasonal ARIMA Model. MATEMATIKA Vol. 27 Department of Mathematical Sciences, UTM , 169-182.


Full Text: PDF

CC Licencing


Authors who publish with this journal agree to the following terms:
- Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (See The Effect of Open Access).

Refbacks

  • There are currently no refbacks.


Lembaga Penjaminan Mutu, Pengelolaan dan Perlindungan Kekayaan Intelektual (LPMP2KI) ITS
Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.