Zeolit Sintetis Terfungsionalisasi Merkaptopropil Trimetoksi Silana Sebagai Adsorben Logam Cu dan Biru Metilena
View/ Open
Date
2017Author
Aflakhah, Nurul Afiati
Sugiarti, Sri
Charlena
Metadata
Show full item recordAbstract
Hutan merupakan ekosistem yang penting untuk manusia, karena hutan
merupakan paru-paru dunia. Saat ini luas hutan di Indoneia mulai berkurang. Salah
satu penyebab berkurangnya luas hutan di Indonesia adalah kebakaran hutan.
Dampak dari kebakaran hutan dapat menyebabkan kerugian ekonomi, gangguan
kesehatan dan polusi udara. Kebakaran pada lahan gambut merupakan kebakaran
yang sulit dipadamkan karena didominasi oleh kebakaran bawah. Titik panas
merupakan indikator terjadinya kebakaran hutan yang mengindikasikan suatu
lokasi yang memiliki suhu relatif tinggi dibandingkan suhu di sekitarnya. Data titik
panas termasuk dalam data deret waktu karena pencatatan dari munculnya titik
panas berdasarkan runtut waktu. Salah satu metode yang dapat digunakan untuk
melakukan prediksi terhadap data deret waktu adalah ARIMA (Autoregressive
Integrated Moving Average). Salah satu pengembangan dari model ARIMA adalah
Seasonal ARIMA (SARIMA) yang cocok untuk digunakan terhadap data musiman.
Elman Recurrent Neural Network (ERNN) merupakan jaringan syaraf tiruan yang
mampu mengekstraksi fitur informatif dengan sistem yang dinamis pada hidden
layer. Sebagai jaringan syaraf tiruan, arsitektur ini mampu mempelajari pola
temporal dan spasial.
Model spatio-temporal dibentuk dengan menggabungkan SARIMA sebagai
model temporal dan ERNN sebagai model spasial. Kedua model tersebut
digabungkan menggunakan regresi linier. Dalam penelitian ini diperoleh tiga model
untuk memprediksi kemunculan titik panas di Kabupaten Siak Provinsi Riau, yaitu
model SARIMA yang digunakan sebagai model temporal, model ERNN digunakan
sebagai model spasial dan model spatio-temporal yang merupakan gabungan dari
model SARIMA dan model ERNN.
Penelitian ini menghasilkan model ARIMA(1,0,0)(1,1,1)12 sebagai model
prediksi temporal untuk Kabupaten Siak dengan Normalized Mean Square Error
(NMSE) sebesar 1.006331. Model prediksi spasial untuk Kabupaten Siak
menggunakan data input titik panas dari Kabupaten Bengkalis, Kabupaten Rokan
Hilir dan Kota Dumai dengan NMSE sebesar 0.999657. Model spatio-temporal
merupakan model terbaik karena mempunyai NMSE terkecil yaitu 0.801653,
Model prediksi yang dihasilkan tidak mampu memprediksi data aktual yang sangat
tinggi seperti pada bulan Februari 2014 dan Maret 2014.