View
218
Download
0
Category
Preview:
Citation preview
Pemodelan Indikator Pencemar Biological Oxygen Demand di Kali Surabaya Menggunakan Pendekatan
Spatial-Temporal Weighted Regression
Achmad Choiruddin1309100067
Dr. Sutikno M.SiDosen Pembimbing
PENDAHULUAN
TINJAUAN PUSTAKA
METODE PENELITIAN
ANALISIS DAN PEMBAHASAN
KESIMPULAN
LATAR BELAKANG
PENCEMARAN SUNGAI
96% Air Baku PDAM Surabaya
PEMERINTAH
1. Konservasi2. Pengerukan3. Evaluasi Indikator
Pencemaran Air
Faktor-Faktor yang Mempengaruhi
BOD
LATAR BELAKANG
96% Air Baku PDAM Surabaya
Faktor-Faktor yang Mempengaruhi
Regresi Linier
1. Konservasi2. Pengerukan3. Evaluasi Indikator
Pencemaran Air
PEMERINTAH
GWR
STWRBOD
MGWR
Bagaimana MENDESKRIPSIKAN KONDISI PENCEMARAN SUNGAI di Kali Surabaya berdasarkanindikator pencemar BOD ?
Bagaimana MENYUSUN MODEL BOD sungai di Surabaya dengan metode Spatial-Temporal Weighted Regression yang selanjutnya dapat DIPEROLEH FAKTOR-FAKTOR YANG MEMPENGARUHI BOD SUNGAI DI SURABAYA ?
RUMUSAN MASALAH
MENDESKRIPSIKAN KONDISI PENCEMARAN SUNGAI di Kali Surabaya berdasarkan indikator pencemar BOD
MENYUSUN MODEL BOD sungai di Surabaya dengan metode Spatial-Temporal Weighted Regression yang selanjutnya dapat DIPEROLEH FAKTOR-FAKTOR YANG MEMPENGARUHI BOD SUNGAI DI SURABAYA
TUJUAN
MENGEMBANGKAN WAWASAN KEILMUAN yang berkaitan dengan Metode STWR danAplikasinya. Selain itu hasil penelitian dapatdigunakan sebagai RUJUKAN PADA PENELITIAN SELANJUTNYA
MEMBERIKAN INFORMASI bagi instansi pemerintah Kota Surabaya terkait FAKTOR-FAKTOR YANG MEMPENGERAHUI PENCEMARAN AIR SUNGAI DI SURABAYA
MANFAAT
Penelitian ini dibatasi pada pemodelan indikator pencemaran air BOD sungai di Surabaya, yang didasarkan pada data pemantauan pencemaran air yang dilakukan oleh Badan Lingkungan Hidup Kota Surabaya pada tahun 2010 – 2012. Setiap tahun terdiridari dua kali pengamatan, yakni pengamatan padamusim kemarau dan musim hujan.
BATASAN PENELITIAN
Air dikatakan tercemar apabila kondisi air tersebut telah menyimpang dari keadaan normalnya (Wardhana, 2004)
PENCEMARAN AIR
Air tercemar dapat diakibatkan dari berbagai sumber pencemaran, diantaranya adalah oleh limbah domestik, limbah industri, serta dari pertanian dan perkebunan (BBTKL-PPM, 2010)
REGESI LINIER
Model regresi linear sederhana untuk k variabel prediktor dapat ditulis dalam bentuk :
Jika dituliskan dalam bentuk matrik :Dimana :
Taksiran parameter :
GEOGRAPHICALLY WEIGHTED REGRESSION
Model GWR :
Teknik regresi lokal yang memungkinkan parameter model bervariasi di setiap lokasi (Brundson, Fotheringham, & Charlton, 1999)
Estimasi parameter model GWR :
Dimana :
Bobot untuk pengujian di sekitar titik i
GEOGRAPHICALLY WEIGHTED REGRESSION
(Propastin, et al., 2008)
Cross Validation (CV) :Penentuan bandwidth optimum
Pembobotan model GWR :
22 )()( jijiij vvuud −+−=
Jarak Euclidean
(Fotheringham, et al., 1997)
(Fotheringham, et al., 1997)
SPATIAL-TEMPORAL WEIGHTED REGRESSION
nixtvutvuy iik
p
kiiikiiii ,...2,1,),,(),,(
10 =++= ∑
=
εββ
Metode Spatial-Temporal Geographically Weighted Regression (STWR) adalah pengembangan dari metode GWR yang mampu mengakomodasiadanya efek heterogenitas spasial-temporal (Yu & Lay, 2011)
YWXXWXβ ),,()),,((),,(ˆ 1iii
Tiii
Tiii tvutvutvu −=
SPATIAL-TEMPORAL WEIGHTED REGRESSION
TSST ddd µλ +=
222 )(})(){( jijijiST
ij ttvvuud −+−+−= µλ
( ) 222
2
)(})(){( jijiji
STij ttvvuu
d−+−+−= τ
λ
,0≠λλ
µτ =
Huang, Wu, & Barry (2010)
PENELITIAN TERDAHULU
Koesnariyanto (2012)Pencemaran Kali Surabaya Menggunakan Metode GWR
Lumaela (2012)Pencemaran Kali Surabaya Menggunakan Metode Mixed GWR
PENCEMARAN AIR DI KALI SURABAYA
Baik pada kasusHETEROGENITAS SPASIAL,
Namun TIDAK DAPAT mengakomodasi efek
HETEROGENITAS TEMPORAL
PENELITIAN TERDAHULU
Huang, Wu, & Barry (2010)Pemodelan Variasi Harga Rumah
Yu & Lay (2011)Pemodelan Kriminalitas
SPATIAL-TEMPORAL WEIGHTED REGRESSION
Mampu mengakomodasi
HETEROGENITAS SPATIAL DAN TEMPORAL
Pemodelan PencemaranAir di Kali Surabaya
METODE PENELITIAN
Sumber Data
Data yang digunakan pada penelitian ini adalah data sekunder tentang indikator pencemaran air sungai yang diperoleh dari Badan Lingkungan Hidup (BLH) Kota Surabaya. Dalam penelitian ini unit yang diteliti adalah 6 titik lokasi sungai di Surabaya selama 6 waktu pengukuran
Kali Surabaya di Jembatan Jl. Kedurus
Kali Mas di Jembatan Jl. Ngagel
Kali Mas di Jembatan Jl. Keputran Selatan
Kali Mas di Jembatan Kebon Rojo
Kali Jeblokan di Jembatan Jl. Petojo
Kali Surabaya di Jembatan Wonokromo
Variabel Penelitian
Kode Variabel Satuan Tipe VariabelY Biological Oxygen Demand (BOD) mg/l Kontinu X1 Suhu air sungai Celcius KontinuX2 Detergen miug/l KontinuX3 Flourida mg/l KontinuX4 Fosfat (PO4) mg/l KontinuX5 Nitrat (NO3) mg/l KontinuX6 Amonia (NH3) mg/l KontinuX7 Nitrit (NO2) mg/l KontinuX8 Total Suspended Solid mg/l Kontinu
METODE PENELITIAN
Langkah Analisis
METODE PENELITIAN
Menentukan Variabel Prediktor
Mendeskripsikan Masing-Masing Variabel
Melakukan Identifikasi Variabel Respon dan Variabel Prediktor
Melakukan Pemodelan Menggunakan Regresi Linier
Melakukan Pemodelan Menggunakan GWR
Melakukan Pemodelan Menggunakan STWR
Melakukan Perbandingan Model GWR dan STWR
DESKRIPSI BOD DAN FAKTOR-FAKTOR YANG DIDUGA MEMPENGARUHI
Variabel Rataan StDev Minimum MaksimumBOD (mg/l) 5.79 1.77 2.84 9.73Suhu (oC) 28.61 0.49 28.00 29.00Detergen (miug/l) 158.37 34.20 11.07 200.00Flourida (mg/l) 0.58 0.36 0.01 1.32Fosfat (mg/l) 0.47 1.10 0.08 6.58Nitrat (mg/l) 2.16 0.99 0.44 5.54NH3 (mg/l) 0.71 1.73 0.003 9.19Nitrit (mg/l) 0.17 0.19 0.0047 0.77TSS (mg/l) 146.20 166.60 2.00 730.00
BOD >2 mg/l Stdev > Rataan
DESKRIPSI BOD MENURUT WAKTU PENGAMATAN
Waktu Rataan StDev Minimum Maksimum
Maret 2010 5.488 1.173 4.06 7.17
September 2010 5.273 2.395 3.05 9.07
Maret 2011 5.625 1.019 3.96 6.92
September 2011 6.492 1.881 4.65 8.92
Maret 2012 7.113 1.474 5.86 9.73
September 2012 4.743 1.913 2.84 8.37
Kali JeblokanJalan Petojo
Identifikasi Pola Hubungan Antara BOD danFaktor-faktor yang diduga mempengaruhi
29.028.528.0
9
6
3
2001000 1.00.50.0
5.02.50.0 420 1050
9
6
3
0.80.40.0
9
6
3
8004000
Suhu
BOD
Detergen Flourida
Fosfat Nitrat NH3
Nitrit TSS
Identifikasi Pola Hubungan Antara BOD danFaktor-faktor yang diduga mempengaruhi
Nilai Suhu Detergen Flourida Fosfat
Korelasi -0.152 0.069 0.24 -0.032
P-value 0.375 0.690 0.159** 0.853
Nilai Nitrat NH3 Nitrit TSS
Korelasi -0.153 0.228 0.546 -0.132
P-value 0.374 0.181** 0.001* 0.443
Ket : *) Signifikan pada α=0.05, **) Signifikan pada α=0.2
Pemodelan Menggunakan Regresi Linier
Ket : *) Signifikan pada α=0.05, **) Signifikan pada α=0.1
Prediktor Estimasi T Hitung P-valueConstant 5.789 28.4 0.000Suhu -0.241 -0.87 0.395Detergen 0.248 0.82 0.422Flourida 0.969 3.75 0.001*Fosfat 0.553 1.81 0.081**Nitrat 0.868 2.23 0.034**NH3 0.464 1.99 0.056**Nitrit 1.552 5.88 0.000*TSS -0.313 -1.29 0.207
Sumber Df SS MS F P-valueRegression 8 69.549 8.694 5.810 0.000Residual 27 40.400 1.496Total 35 109.949
Uji Individu
R-sq = 59.9%
𝑦𝑦� = 0.9635 + 2.668𝑥𝑥3 + 0.399𝑥𝑥4 + 0.711𝑥𝑥5 + 0.271𝑥𝑥6 + 8.069𝑥𝑥7
Uji Serentak
Pengujian Spatial-Temporal Heterogen
Sept_12Maret_12'Sept_11'Maret_11'Sept_10'Maret_10'
10
9
8
7
6
5
4
3
2
BOD
studentized Breusch-Pagan testBP = 5.7992, df = 5, p-value = 0.3263
H0: kesamaan varian atau homoskedastisitasH1: heterokedastisitas Pengujian Spasial
Heterogen
Deskripsi AsumsiTemporal Heterogen
Pemodelan Menggunakan GWR
Parameter Minimum Median MaksimumX.Intercept 0.946 0.995 1.020Flourida 2.637 2.656 2.679Fosfat 0.376 0.389 0.429Nitrat 0.694 0.702 0.709NH3 0.265 0.271 0.274Nitrit 7.854 7.918 8.187R2 0.6167
POSITIF
Pemodelan Menggunakan STWR
Pembobotan model GWR :
22 )()( jijiij vvuud −+−=
Jarak Euclidean GWR222 )(})(){( jijiji
STij ttvvuud −+−+−= µλ
( ) 222
2
)(})(){( jijiji
STij ttvvuu
d−+−+−= τ
λ
,0≠λλ
µτ =
( )2)(exp STijST
ijST hdw −=
Pembobotan model STWR :
Jarak Euclidean STWR
Pemodelan Menggunakan STWR
Iterasi Parameter Tau Iterasi Parameter Miu dan Lamda
0.0 0.5 1.0 1.5
0.85
0.90
0.95
1.00
tau
R.s
quar
e
0.0 0.4 0.80.
60.
70.
80.
91.
0
miu
R.s
quar
e
0.0 0.4 0.8
0.6
0.7
0.8
0.9
1.0
lamda
R.s
quar
e
Iterasi ke-60, R-sq=100%
0.477 0.530.9
Iterasi ke-53, R-sq=97.83%
Pemodelan Menggunakan STWR
Parameter Minimum MaksimumX.Intercept -13.699 8.25Flourida -113.002 10.451Fosfat 2.869 11.971Nitrat -3.169 10.271NH3 -2.832 4.548Nitrit 5.042 139.352R2 0.9971
Perbandingan GWR dan STWR
LEBIH BAIKMetode R2 AIC SSE
GWR 0.6167 114.2248 42.1385STWR 0.9971 1.1282 0.0868
GWR
STWR
Benar Salah JumlahBenar 1 32 33Salah 0 3 3Jumlah 1 35 36
Z12=5.567 > Z0.05 (1.645) SIGNIFIKAN LEBIH BAIK
Perbandingan Berdasarkan Kriteria Kebaikan Model
Uji McNemar
Interpretasi Model Terbaik
Ket : X1 = Flourida, X2 = Fosfat, X3 = Nitrat, X4 = NH3, X5 = Nitrit
2 3 4 5 6X2 , X3 , X5 X1 X2 , X5 Semua X1
X2 , X3 , X5 - X2 , X5 Semua X1
X2 , X3 , X5 - X2 , X5 Semua X1
X2 , X3 , X4 , X5 X1 X2 , X5 Semua X1
X2 , X3 , X4 , X5 X1 X2 , X5 Semua X1
X2 , X3 , X4 , X5 X1 , X3 X2 , X5 Semua X1
L\W 11 Semua2 Semua3 Semua4 Semua5 Semua6 Semua
Interpretasi Model Terbaik
Ket : X1 = Flourida, X2 = Fosfat, X3 = Nitrat, X4 = NH3, X5 = Nitrit
2X2 , X3 , X5
X2 , X3 , X5
X2 , X3 , X5
X2 , X3 , X4 , X5
X2 , X3 , X4 , X5
X2 , X3 , X4 , X5
6X1
X1
X1
X1
X1
X1
Interpretasi Model Terbaik
Ket : X1 = Flourida, X2 = Fosfat, X3 = Nitrat, X4 = NH3, X5 = Nitrit
L\W 1 2 3 4 5 61 Semua X2 , X3 , X5 X1 X2 , X5 Semua X1
2 Semua X2 , X3 , X5 - X2 , X5 Semua X1
6 Semua X2 , X3 , X4 , X5 X1 , X3 X2 , X5 Semua X1
Kesimpulan
1. Rata-rata kadar BOD di Kali Surabaya pada tahun 2010-2012 adalah 5.789 mg/l. Dari 6 waktu pengukuran, Kali jeblokan dijalan Petojo memiliki kandungan BOD maksimum 4 kali pengukuran, yakni pada pengukuran Maret 2010, September 2010, September 2011, dan September 2012.
2. Pemodelan BOD Kali Surabaya menggunakan metode STWR memberikan hasil yang lebih baik daripada menggunakanmetode GWR. Faktor-faktor yang dianggap signifikanmempengaruhi BOD Kali Surabaya adalah Flourida, Fosfat, Nitrat, NH3, dan Nitrit. Efek heterogen temporal dianggap lebihmendominasi pemodelan BOD dibandingkan dengan efek spasial.
Saran
1. Melakukan kajian mengenai penentuan variabel yang merepresentasikan waktu pengamatan.
2. Menentukan statistik uji spatio-temporal heterogenitas agar dapat diketahui dengan pasti adanya kasus heterogen spasial-temporal.
3. Melakukan kajian pemodelan STWR menggunakan fungsi kernel Gaussian adaptive, Bisquare (fixed dan adaptive), dan Tricube(fixed dan adaptive).
4. Melakukan kajian penelitian jika jumlah lokasi pengamatan danwaktu pengamatan tidak sama.
DAFTAR PUSTAKAAnselin, L. (1998). Spatial Econometrics: Methods and Models. Netherlands: Kluwer
Academic Publishers.BBTKL-PPM. (2010). Laporan Situasi dan Kecenderungan Parameter Pencemaran Air
Badan Air Serta Risiko Gangguan Kesehatan Di Kali Surabaya Semester II.Surabaya: Balai Besar Teknik Kesehatan Lingkungan dan Pemberantasan PenyakitMenular.
BLH-Surabaya. (2011). Kualitas Air Surabaya Mengalami Penurunan. Retrieved January 30, 2013, from http://www.lh.blhsby.go.id
Daniel, W. W. (1989). Statistika Nonparametrik Terapan. Jakarta: PT Gramedia.Draper, N., & Smith, H. (1992). Analisis Regresi Terapan. Jakarta: PT Gramedia Pustaka
Utama.Fotheringham, A. S., Charlton, M. E., & Brunsdon, C. (1997). Geographically weighted
regression: a natural evolution of the expansion method for spatial data analysis. Environment and Planning A 1998, vol. 30 , 1905-1927.
Groβ, J. (2003). Variance Inflation Factors. R news , 13-15.Gujarati, D. (2004). In Basic Econometrics, Fourth Edition. New York: Mc Graw-Hill, Inc.Hocking, R. (1996). Methods and Application of Linear Models. New York: John Wiley
& Sons.
DAFTAR PUSTAKAHuang, B., Wu, B., & Barry, M. (2010). Geographically and Temporally Weighted
Regression for Modeling Spatio-Temporal Variation in Houses Prices. International Journal of Geographical Information Science , 383-401.
Koesnariyanto, R. (2012). Pemodelan Indikator Pencemaran Air Secara Kimia (BOD) Dengan Geographically Weighted Regression. Surabaya: Program Magister Fakultas Kesehatan Masyarakat Universitas Airlangga.
Kusumawardani, D. (2010). Valuasi Ekonomi Air Bersih di Surabaya (Studi Kasus PadaAir PDAM). Yogyakarta: Lembaga Penelitian dan Pengabdian Kepada MasyarakatUGM.
Lumaela, A. K. (2012). Pemodelan Chemical Oxygen Demand Sungai di Surabaya Dengan Metode Mixed Geographically Weighted Regression. Surabaya: InstitutTeknologi Sepuluh Nopember.
Mennis, J. (2006). Mapping the Results of Geographically Weighted Regression. The Cartographic Journal Vol. 43 No. 2 , 171-179.
Propastin, P., Kappas, M., & Erasmi, S. (2008). Application of Geographically Weighted Regression to Investigate the Impact of Scale on Prediction Uncertainty by Modelling Relationship between Vegetation and Climate. International Journal of Spatial Data Infrastructures Research Vol. 3 , 73-94.
DAFTAR PUSTAKA
Purwatiningsih, S. (2005). Kajian Kualitas Kali Surabaya Ditinjau Dari AspekLingkungan, Peraturan Perundangan, dan Kelembagaan. Surabaya: TeknikLingkungan Institut Teknologi Sepuluh Nopember.
Rahayu, S., Widodo, R. H., Noordwijk, M. v., Suryadi, I., & Verbist, B. (2009). Monitoring Air di Daerah Aliran Sungai. Bogor, Indonesia: World AgroforestryCentre - Southeast Asia Regional Office. 104 p.
Sastrawijaya, A. T. (2000). In A. T. Sastrawijaya, Pencemaran Lingkungan. Jakarta: Rineka Cipta.
Wardhana, W. A. (2004). Dampak Pencemaran Lingkungan (Edisi Revisi). Yogyakarta: ANDI.
Yrigoyen, C. C., Rodríguez, I. G., & Otero, J. V. (2006). Modeling Spatial Variations in Household Disposable Income with Geographically Weighted Regression. Madrid: Instituto L.R. Klein.
Yu, P.-H., & Lay, J.-G. (2011). Exploring Non-stationarity of Local Mechanism of Crime events with Spatial-temporal Weighted Regression. 7-12.
Pemodelan Indikator Pencemar Biological Oxygen Demand di Kali Surabaya Menggunakan Pendekatan
Spatial-Temporal Weighted Regression
Achmad Choiruddin1309100067
Dr. Sutikno M.SiDosen Pembimbing
Recommended