Model Prediksi Spatio-Temporal untuk Konsentrasi Polutan pada Dispersi Kabut Asap dari Kebakaran Lahan Gambut
View/ Open
Date
2019Author
Gaffar, Andi Widya Mufila
Sitanggang, Imas Sukaesih
Syaufina, Lailan
Metadata
Show full item recordAbstract
Pada tahun 2015 Indonesia mengalami kebakaran hutan dan lahan seluas
2,089,911 hektar yang 80% didominasi oleh kebakaran lahan gambut yang
menghasilkan gas emisi yang berbahaya. Emisi terbesar yang terkandung pada
kabut asap dari kebakaran lahan gambut yaitu CO dan CO2. Emisi tersebut
berdampak pada pemanasan global dan masalah pernafasan (ISPA). Kabut asap dari
kebakaran pun menyebar ke provinsi lainnya bahkan ke negara negara tetangga.
Prediksi mengenai kabut asap dan konsentrasi polutan udara yang dihasilkan dapat
dideteksi lebih awal sehingga dapat dilakukan pencegahan dan evakuasi terhadap
warga sekitar.
Penelitian ini bertujuan untuk mengembangkan prediksi model konsentrasi
polutan dari kebakaran lahan gambut yang terjadi di Provinsi Riau pada bulan Juli
hingga Oktober 2015. Prediksi model menggunakan algoritme Support Vector
Regression. Tahapan pada penelitian ini yaitu verifikasi titik panas dengan citra
MCD menghasilkan 26 titik panas yang telah diverifikasi dan dijadikan sebagai titik
awal untuk simulasi HYSPLIT. Titik yang telah diverifikasi dan data meterologi
dari NOAA digunakan sebagai input simulasi HYSPLIT yang menghasilkan data
trajectory kabut asap dan konsentrasi polutan. Hasil dari HYSPLIT digabungkan
menjadi dataset menggunakan metode K-Nearest Neighbor (KNN).
Interpolasi data meteorologi bertujuan menentukan data meteorologi di seluruh
wilayah Provinsi Riau. Interpolasi menggunakan metode Ordinary Co-Kriging
interpolation pada atribut meteorologi yaitu temperatur, kelembaban, curah hujan
dan kecepatan angin sebagai variabel primer dan citra elevasi sebagai variabel
sekunder. Dataset dari trajectory dan polutan kemudian digabungkan dengan hasil
interpolasi data meteorologi dan digunakan untuk membangun model prediksi
terhadap konsentrasi polutan CO dan CO2 menggunakan algoritme SVR.
Penelitian ini menghasilkan prediksi model menggunakan parameter gamma
terbaik bernilai 0.5 dengan kernel Radial Basis Function. Model prediksi
menghasilkan nilai RMSE konsentrasi polutan CO adalah 0.00411492 dan CO2
yaitu 0.006697431. Nilai koefisien korelasi berganda CO dan CO2 masing masing
sebesar 0.65912721 dan 0.61351676. Sehingga berdasarkan hasil yang didapatkan,
model yang digunakan memiliki performa yang cukup baik untuk memprediksi
konsentrasi polutan CO dan CO2.