Model Spasial untuk Prediksi Konsentrasi Polutan Kabut Asap Kebakaran Lahan Gambut Menggunakan Support Vector Regression.

Abstract

Kabut asap dari kebakaran lahan gambut mengandung berbagai macam polutan seperti CO dan CO2. Polutan tersebut dapat berimplikasi buruk pada kesehatan masyarakat sekitar peristiwa itu terjadi yang berupa Infeksi Saluran Pernafasan Atas (ISPA). Penelitian ini bertujuan untuk membuat model spasial untuk prediksi konsentrasi polutan kabut asap yang berupa CO dan CO2 dari kebakaran lahan gambut di Sumatra tahun 2015. Model spasial dibentuk menggunakan algoritme support vector regression (SVR) dengan kernel radial basis function (RBF) dengan melihat konsentrasi polutan dari beberapa titik tetangga. Parameter tuning dilakukan untuk mendapatkan nilai parameter paling optimal dari SVR. Hasil penelitian menunjukkan bahwa model spasial prediksi konsentrasi CO terbaik didapatkan pada gamma dengan nilai 5 yang menghasilkan root mean squared error (RMSE) dan nilai koefisien korelasi sebesar 1.294736×10-8 dan 0.6268868. Model spasial prediksi konsentrasi CO2 terbaik dibentuk pada gamma dengan nilai 10 yang menghasilkan RMSE dan nilai koefisien korelasi sebesar 9.843717×10-8 dan 0.6058418. Hasil prediksi dari model yang dibentuk telah dapat mengikuti pola nilai aktual konsentrasi polutan.