Perbandingan Analisis Spasial Pencemaran Udara Ekstrem di Surabaya Menggunakan Spatial Extreme Value Max-Stable Processes Model Schlather dan Brown-Resnick

Uyuni, Asfa (2024) Perbandingan Analisis Spasial Pencemaran Udara Ekstrem di Surabaya Menggunakan Spatial Extreme Value Max-Stable Processes Model Schlather dan Brown-Resnick. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 5006201016-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2026. Download (6MB) | Request a copy

Abstract

Pencemaran udara ekstrem merupakan masuknya atau dimasukkannya zat, energi, dan atau komponen lain ke dalam udara oleh kegiatan manusia, sehingga melampaui baku mutu udara yang ditetapkan. Menurunnya kualitas udara dapat disebabkan oleh beberapa faktor, diantaranya, faktor alam dan manusia. Terus bertambahnya industri di Surabaya berbanding lurus dengan kenaikan jumlah transportasi pribadi. Hal tersebut menjadi penyebab terjadi pencemaran udara dan menurunnya kualitas udara bersih di Surabaya. Untuk meminimalisir dampak buruk dari kejadian pencemaran udara ekstrem, perlu dilakukan langkah awal sebagai peringatan dini. Salah satunya dengan melakukan pemodelan dengan metode Spatial Extreme Value pendekatan Max-Stable Processes dengan model Schlather dan Brown-Resnick. Data yang digunakan merupakan data harian dengan periode 1 Januari 2020 – 31 Desember 2023 pada tiga lokasi Stasiun Pemantauan Kualitas Udara (SPKU) di Surabaya. Pengambilan data ekstrem dilakukan menggunakan Block Maxima periode 14 harian per blok, didapatkan sebanyak 104 blok dari ketiga lokasi SPKU. Pembagian data training dan data testing sebesar 80% dan 20%. Data training tersebut digunakan pada uji kesesuaian distribusi dan didapatkan bahwa data ekstrem mengikuti distribusi GEV dan tidak terdapat tren (stasioner). Selanjutnya, menghitung estimasi parameter univariat GEV dan data training ditransformasi ke unit margin frechet. Model trend surface terbaik yang terpilih dari adalah model yang hanya memiliki faktor koordinat latitude pada parameter lokasi dan skala. Selanjutnya, dilakukan estimasi parameter spasial model Schlather dan Brown-Resnick. Dari hasil pemodelan tersebut kemudian dilakukan validasi model dengan RMSE dan didapatkan nilai RMSE model Schlather dengan iterasi BFGS dan Nelder-Mead berturut-turut sebesar 24,90489 dan 24,22205. Sedangkan model Brown-Resnick untuk iterasi yang yang berbeda secara berturut-turut sebesar 24,90489 dan 24,89627. Sehingga model terbaik adalah model Schlather dengan iterasi Nelder-Mead. Langkah selanjutnya menghitung return level tahun 2024, 2025, 2026, 2027, dan 2028 untuk ketiga lokasi SPKU. Hasil return level tersebut, didapatkan bahwa pada SPKU Kebonsari dan Tandes berada pada kategori Sedang. SPKU Wonorejo di tahun pertama berada pada kategori Sedang, sedangkan di tahun selanjutnya sampai tahun 2028 berada pada kategori Tidak Sehat dan kemungkinan semakin naik tiap tahun. Hasil penelitian ini dapat digunakan oleh Badan Pengendalian Dampak Lingkungan (BAPEDAL), Dinas Lingkungan Hidup (DLH) Kota Surabaya, dan pihak berwenang lainnya sebagai dasar pertimbangan untuk mitigasi dan strategi pengendalian pencemaran udara di Kota Surabaya yang lebih efektif dan efisien.
========================================================================================================
Extreme air pollution is the introduction or insertion of substances, energy, and other components into the air by human activities, exceeding established air quality standards. The decline in air quality can be caused by various factors, including natural and human factors. The continuous increase in industries in Surabaya correlates with the rise in the number of private transportation. This has led to air pollution and a decrease in clean air quality in Surabaya. To minimize the adverse effects of extreme air pollution, an initial step of early warning is necessary. One approach is to use modeling with the Spatial Extreme Value method, utilizing the Max-Stable Processes approach with Schlather and Brown-Resnick models. The data used is daily data from January 1, 2020, to December 31, 2023, at three Air Quality Monitoring Stations (SPKU) locations in Surabaya. Extreme data extraction was performed using the Block Maxima method with a 14-day period per block, resulting in 104 blocks from the three SPKU locations. The data was split into 80% training and 20% testing. The training data was used for distribution fit testing, showing that extreme data follows the GEV distribution and is stationary (no trend). Subsequently, univariate GEV parameter estimation was performed, and the training data was transformed to Frechet unit margins. The best trend surface model selected includes only the latitude coordinate factor in the location and scale parameters. Next, the spatial parameters of the Schlather and Brown-Resnick models were estimated. Model validation was conducted using RMSE, yielding RMSE values for the Schlather model with BFGS and Nelder-Mead iterations of 24.90489 and 24.22205, respectively. For the Brown-Resnick model, RMSE values for different iterations were 24.90489 and 24.89627, respectively. Thus, the best model is the Schlather model with the Nelder-Mead iteration. The next step is to calculate the return levels for 2024, 2025, 2026, 2027, and 2028 for the three SPKU locations. The results showed that at SPKU Kebonsari and Tandes, the category is Moderate. SPKU Wonorejo is in the Moderate category in the first year, while in the following years until 2028, it falls into the Unhealthy category, with a likelihood of increasing each year. The results of this study can be used by the Environmental Impact Control Agency (BAPEDAL), the Environmental Agency (DLH) of Surabaya City, and other relevant authorities as a basis for considering more effective and efficient air pollution mitigation and control strategies in Surabaya.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Brown-Resnick, Extreme Value Theory, Max-Stable Processes, Pencemaran Udara, Schlather, Air Pollution.
Subjects:	H Social Sciences > HA Statistics > HA30.6 Spatial analysis H Social Sciences > HA Statistics > HA31.7 Estimation Q Science > Q Science (General) > Q180.55.M38 Mathematical models Q Science > QA Mathematics > QA401 Mathematical models. T Technology > TD Environmental technology. Sanitary engineering > TD883 Air quality management. T Technology > TD Environmental technology. Sanitary engineering > TD883.5 Air--Pollution
Divisions:	Faculty of Science and Data Analytics (SCIENTICS) > Actuaria > 94203-(S1) Undergraduate Thesis
Depositing User:	Asfa Uyuni
Date Deposited:	01 Aug 2024 01:39
Last Modified:	01 Aug 2024 01:39
URI:	http://repository.its.ac.id/id/eprint/110893

Actions (login required)

View Item