Haritsah, Ahmad (2015) Implementasi Model STL (Seasonal Trend Decomposition Procedure based on Loess) dan ARIMA untuk Prediksi Konsentrasi Kualitas Udara. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.
Preview |
Text
3311100113-Undergraduate-Theses.pdf - Published Version Download (2MB) | Preview |
Abstract
Kegiatan transportasi dan industri memberikan kontribusi
sekitar 70 % terhadap pencemaran udara di kota kota besar.
Beberapa faktor yang menjadi penyebab tingginya pencemaran
udara dari kendaraan bermotor adalah pesatnya jumlah kendaraan
bermotor, rendahnya kualitas bahan bakar minyak (BBM) serta
buruknya manajemen transportasi. Pada umumnya bahan
pencemar yang terdapat di perkotaan adalah SO2, NOX, O3, CO
debu dan partikulat.
Seasonal Trend Decomposition using Loess (STL) adalah
suatu bentuk algoritma yang dikembangkan untuk membantu
mendekomposisikan sebuah time series menjadi 3 komponen
yaitu trend, musiman dan remainder (sisa). Definisi dari Loess itu
sendiri adalah sebuah metode regresi non parametrik. Dimana
regresi tersebut memiliki keunggulan, yaitu fleksibilitas yang tinggi
karena data akan dengan sendirinya membentuk estimasi kurva
yang tidak dipengaruhi oleh faktor subyektif (Outlier)
Pada penelitian ini digunakan 2 variasi data yaitu , performa
STL dan ARIMA terhadap pengaruh banyaknya data yang hilang
dan performa STL dan ARIMA terhadap perbedaan data in sample
yang overlaping . Model STL merupakan model yang lebih modern
dibandingkan dengan ARIMA, tetapi berdasarkan hasil penelitian
didapat kesimpulan bahwa model STL hanya. sesuai untuk
memprediksi CO dan SO2. dan performa kedua model dipengaruhi
oleh banyaknnya data yang hilang.
=====================================================================================
Transportation activities and industry contributed about 70
% to air pollution in big cities .Several factors that into a reason for
high air pollution from motor vehicles is rapid expansion of the
number of vehicle , the low quality of fuel oil ( bbm ) bad
management and transportation .In general material pollution
which there are in urban areas is SO2, of NOx , O3 , CO and
particulate dust (PM10)
Seasonal trend of decomposition using loess (STL) is an
algorithm which decomposition time series into three components
which is the trend, seasonal and remainder .The definition of loess
is a method of regression .The algorithm has flexibility regression
and simple design. Robust Trend and seasonal compponents that
are not distorted by transient aberrant behavior in the data.
On this research used two variations. There are
Performance against the influence of the many losing data and
performance against differences in sample (overlapping) .STL
model is a model that more modern compared with arima, but
based on the research Model STL can predict CO and SO2. The
second variation prove that losing data can influence performance
model
| Item Type: | Thesis (Undergraduate) |
|---|---|
| Additional Information: | RSL 006.312 Har i |
| Uncontrolled Keywords: | ARIMA; Konsentrasi Polutan; STL; Air Pollution |
| Subjects: | T Technology > TD Environmental technology. Sanitary engineering |
| Divisions: | Faculty of Civil Engineering and Planning > Environment Engineering > 25201-(S1) Undergraduate Thesis |
| Depositing User: | Anis Wulandari |
| Date Deposited: | 12 Jun 2017 05:30 |
| Last Modified: | 12 Jun 2017 05:30 |
| URI: | http://repository.its.ac.id/id/eprint/41597 |
Actions (login required)
 |
View Item |