Implementasi Model STL (Seasonal Trend Decomposition Procedure based on Loess) dan ARIMA untuk Prediksi Konsentrasi Kualitas Udara

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.

[img]
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 > (S1) Undergraduate Theses
Depositing User: Mrs 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 View Item