Pengembangan Modul Backend untuk Manajemen Data PM2.5 Berbasis Citra Satelit dan Pengamatan Stasiun Cuaca

Abstract

Jakarta menghadapi tantangan polusi udara serius, khususnya partikulat halus (PM2.5) yang berdampak buruk bagi kesehatan seperti asma, penyakit jantung, dan kematian dini. Sumber utama PM2.5 meliputi emisi kendaraan, industri, serta kondisi meteorologi. Menurut IQAir, rata-rata PM2.5 Jakarta pada 2023 mencapai 43,8 µg/m³, jauh melebihi ambang batas WHO sebesar 5 µg/m³. Penelitian ini bertujuan membangun modul backend berbasis Django Rest Framework untuk akuisisi otomatis data PM2.5 dari citra satelit Himawari dan stasiun cuaca di Jakarta. Sistem ini dilengkapi manajemen data spasial untuk mendukung analisis dan penyajian informasi kualitas udara. Sistem berhasil mengelola akuisisi data secara terjadwal dan menyimpannya dalam basis data spasial terstruktur yang terdiri dari sembilan entitas utama. Keterlambatan data satelit akibat format harian menunjukkan perlunya sumber dengan resolusi waktu lebih tinggi. Selain itu, ketidaktersediaan data stasiun pada periode tertentu menunjukkan pentingnya integrasi sumber alternatif atau interpolasi spasial. Pengujian nonfungsional menunjukkan 185 kegagalan permintaan saat stress testing, dengan waktu respons rata-rata 11231–17223 ms. Pada load testing, waktu respon tetap stabil hingga 80 pengguna (67,94 ms), namun meningkat menjadi 1493,86 ms pada 100 pengguna. Sistem ini diharapkan menjadi fondasi aplikasi monitoring udara untuk mendukung kebijakan mitigasi polusi di Jakarta.

Jakarta faces serious air pollution challenges, particularly fine particulate matter (PM2.5) which has adverse health effects such as asthma, heart disease, and premature death. The main sources of PM2.5 include vehicle emissions, industry, and meteorological conditions. According to IQAir, Jakarta's average PM2.5 level in 2023 reached 43.8 µg/m³, far exceeding the WHO threshold of 5 µg/m³. This study aims to develop a Django Rest Framework-based backend module for automatic acquisition of PM2.5 data from Himawari satellite imagery and weather stations in Jakarta. The system is equipped with spatial data management to support analysis and presentation of air quality information. The system successfully manages scheduled data acquisition and stores it in a structured spatial database consisting of nine main entities. The delay in satellite data due to daily formatting highlights the need for sources with higher temporal resolution. Additionally, the unavailability of station data during certain periods underscores the importance of integrating alternative sources or spatial interpolation. Non functional testing revealed 185 request failures during stress testing, with an average response time of 11231–17223 ms. During load testing, response times remained stable up to 80 users (67,94 ms), but increased to 1493,86 ms at 100 users. This system is expected to serve as the foundation for an air monitoring application to support pollution mitigation policies in Jakarta.