Pemodelan Generalized Space Time Autoregressive (Gstar) dalam Peramalan Data Kualitas Udara Pm 2.5
Abstract
Pada revolusi industri 4.0 ini industrialisasi semakin meningkat di dunia, kualitas
udara menjadi permasalahan yang tidak dapat terhindarkan di negara berkembang,
termasuk beberapa kota besar yang ada di Indonesia. Konsentrasi partikel (PM)
merupakan indikator kualitas udara utama karena merupakan polutan udara paling
umum yang mempengaruhi kesehatan jangka pendek dan jangka panjang. Salah
satu ukuran partikel yang digunakan untuk menganalisis kualitas udara yaitu
PM2.5. Partikel PM2.5 memiliki ukuran yang kecil, sehingga memungkinkan
mereka melakukan perjalanan lebih dalam ke sistem kardiopulmoner. Jakarta pada
bulan Juni 2022 memiliki kondisi udara yang sangat buruk dan menempati posisi
pertama dalam daftar kota dengan kualitas udara terburuk di dunia dengan indeks
kualitas udara mencapai angka 184 yang menandakan kondisi tidak sehat. Dengan
kondisi seperti ini dibutuhkan perhatian lebih, khususnya dalam tiga kota
Administrasi yang ada di DKI Jakarta yaitu Jakarta Selatan, Jakarta Pusat dan
Jakarta Utara. Peramalan kualitas udara dibutuhkan dalam pengendalian kualitas
udara di masa selanjutnya. Salah satu metode yang digunakan untuk melakukan
peramalan dengan pertimbangan keterkaitan antara waktu dan lokasi adalah model
Generalized Space-Time Autoregressive (GSTAR). Dalam penelitian ini digunakan
dua jenis bobot lokasi pada model GSTAR, yaitu bobot lokasi seragam dan bobot
lokasi invers jarak. Berdasarkan hasil analisis,diperoleh model GSTAR (51)I(1)
dengan bobot lokasi seragam sebagai model terbaik. Hal ini dikarenakan model
tersebut memiliki nilai MSE sebesar 296.010 dan MAPE sebesar 18.076 % yang
lebih kecil dari model GSTAR (51)I(1) dengan bobot lokasi invers jarak.
Collections
- Statistics [903]