Peramalan kandungan Particulate Matter (PM10) dalam udara ambien kota Surabaya menggunakan Double Seasonal ARIMA (DSARIMA)

Chrisdayanti, Bernadeta (2015) Peramalan kandungan Particulate Matter (PM10) dalam udara ambien kota Surabaya menggunakan Double Seasonal ARIMA (DSARIMA). Undergraduate thesis, Institut Teknologi Sepuluh Nopember.

[thumbnail of 1311100005-Undergraduate.pdf]
Preview
Text
1311100005-Undergraduate.pdf

Download (2MB) | Preview

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.

======================================================================================================

Surabaya is one of the major cities in Indonesia, which has dense
population and accompanied by large number of vehicles for
transportation. Personal transportation not only simplify the
accommodation, but also can cause air pollution. Air pollution is
monitored based on 5 parameters, one of them is PM10. PM10 is
parameter to declare the amount of dust content in the air and its
contents is the highest on ambient air of Surabaya in 2014. One of the
factors that affect the content of PM10 is smoke from motor vehicles.
The impact of the high content of PM10 will be directly felt the living
creatures. Therefore, PM10 should be controlled every day, even every
hour. Controlling hourly is done because the content will be very high at
10:00 until 13:00, which may exceed the limit ISPU value of healthy air.
Controlling for the next hours and days using time series ARIMA
method. This method is chosen because the content of PM10 is
influenced by other time and time scales are constant used by the hour,
so it can be satisfied the method rules of time series. Observation
stations that will be used is SUF 6 and SUF 7. Criteria selection are
based on the best model out sample Root Mean Square Error (RMSE).
The best model that can be used to control the content of PM10 per hour
in SUF 6 are ARIMA ([1,2,4,7,8,9,10,12,16,17,18],1,0)(1,1,1)24(0,1,1)168
and 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.

Item Type: Thesis (Undergraduate)
Additional Information: RSSt 519.535 Chr p
Uncontrolled Keywords: ARIMA; Peramalan; PM10; RMSE; Udara Ambien
Subjects: T Technology > T Technology (General) > T174 Technological forecasting
T Technology > TD Environmental technology. Sanitary engineering > TD883.5 Air--Pollution
Divisions: Faculty of Mathematics and Science > Statistics > 49201-(S1) Undergraduate Thesis
Depositing User: - Taufiq Rahmanu
Date Deposited: 18 Jun 2019 07:27
Last Modified: 18 Jun 2019 07:27
URI: http://repository.its.ac.id/id/eprint/63151

Actions (login required)

View Item View Item