Model Prediksi Spatio-Temporal untuk Konsentrasi Polutan pada Dispersi Kabut Asap dari Kebakaran Lahan Gambut

Abstract

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.