Rusdiana Setyaningtyas Pembimbing Dr. Ir. Nieke Karnaningroem, M.Sc

Transkripsi

1 Rusdiana Setyaningtyas Pembimbing Dr. Ir. Nieke Karnaningroem, M.Sc

2 LatarBelakang BelakangdanPermasalahan BPSAWS Bondoyudo-Mayang kualitas air sungai di stasiun KBe1 Sungai Bedadung th 2009 masuk klasifikasi mutu air kelas III (PP 82/2001 & Perda Provinsi Jatim No.2/2008) Digunakan sebagai sumberair bakuair air minumpdam Jember Jauhir dkk, 2001 Untuk mengoptimumkan proses pengolahan dan menyediakan air minum yang berkualitas tinggi, kemampuan untuk meramal kualitas air baku pada masayang akandatangsangatdiperlukanolehindustri/perusahaanpengolahanair minum. Perlu model peramalan untuk memprediksi kualitas air di S Bedadung (khususnya di stasiun KBe1) menggunakan data time series dari beberapa variabel yang saling berhubungan BOD, DO dandebit MetodeVECTOR AUTOREGRESSIVE (VAR) Permasalahan 1. Bagaimana model VAR untuk meramalkan konsentrasi BOD & DO serta debit di stasiun KBe1 Sungai Bedadung-Jember 2.BagaimanaketerkaitanhubunganantarakonsentrasiBOD & DO sertadebit berdasarkan model VAR dalam menentukan kualitas air di Sungai Bedadung Jember.

3 1. Membuat model ramalan konsentrasi BOD dan DO serta debit distasiunkbe1 Sungai Bedadung-Jember dgn menggunakanmetodevector Autoregressive(VAR). 2. Menganalisa keterkaitan hubungan antara konsentrasi BOD dando sertadebit berdasarkan model VAR dalam menentukan kualitas air di Sungai Bedadung-Jember. MANFAAT PENELITIAN 1. MengembangkanIPTEK terutama di bidang pemodelan kualitas air sungai dengan metodevector Autoregressive (VAR). 2. Mempermudah dalam monitoring kualitasair sungai, terutama bagi PDAM dan Dinas Pengairan Departemen Pekerjaan Umum. 3. Dapat digunakan sebagai dasar kebijakan dalam merencanakan pengelolaan sumber daya air dan pengendalian pencemaran air di DAS Bedadung.

4 Tinjauan Pustaka Hubungan Parameter Kualitas Air di Sungai BOD vsdo Konsentrasi DO akan turun dengan meningkatnya konsentrasi BOD. Hal ini karena oksigen terlarut dalam sungai akan digunakan oleh mikroorganisme untuk menguraikan bahan organik sehingga jika bahan organik meningkat, kadar oksigen terlarut akan turun.

5 Hubunganparameter kualitasair air di sungai Debit vsbod Debit sungai berpengaruh terhadap konsentrasi BOD (dan zat pencemar yang lain), dimana makin besar debit akan menurunkan konsentrasi BOD yang disebabkan oleh proses pengenceran(irianto dan Machbub, 2010). Debit vs DO Aliran air dalam sungai mampu menyerap gas oksigen dari udara dalam bentuk oksigen terlarut. Kemampuan penyerapan oksigen oleh air adalah fungsi kecepatan aliran air (V), makin cepat aliran air, maka makin tinggi kadar DO. Sebaliknya kedalaman air memberikan pengaruh yang berlawanan, makin dalam sungai, makin sulit oksigen terserap sehingga DO makin rendah. Sedangkan debit (Q) adalah fungsi dari kecepatan (V), kedalaman (H) dan lebar sungai(b)(irianto dan Machbub, 2010).

6 Pemodelan Stokastik Kualitas Air yang telah dilakukan 1. Jauhir et al., Ramalan Kepekatan Oksigen Terlarut menggunakan Analisis Siri Masa di Sungai Langat, Hulu Langat Selangor, Matematika Jilid 17, bil 2, UTM, Malaysia, Ahmad et al.., Performance of Stochastic Approaches for Forecasting River Water Quality, Water Research, Vol. 35, Issue 18, Kurunç et al., Performance of two stochastic approaches for forecasting water quality and streamflow data from Yeşilirmak River, Turkey, Environmental Modelling & Software 20, Revelli dan Ridolfi, Stochastic dynamics of BOD in a stream with random inputs, Advances in Water Resources 27, Boano et al., Stochastic modeling of DO and BOD components in a stream with random inputs, Advances in Water Resources, Univariate time series model 4 5 Spatial stochastic model tanpa time series model

7 Pemodelan Stokastik Kualitas Air yang telah dilakukan Analisis multivariate: pengaruh multiparameter kualitas air terhadap indikator DO dan DHL (Eko W. Irianto & B. Machbub, 2004). Analisis multivariate: pengaruh multiparameter kualitas air terhadap indikator biotik dan abiotik (Badruddin, 1987). Analisis multivariate: pengaruh senyawa nutrien terhadap timbulnya algal bloom (S. Brahmana & Bahri, 2002). Multivariate model tanpa time series model

8 Pemodelan Vector Autoregressive (VAR) Yonathan S. Hadi (2003), Analisis VAR terhadap Korelasi antara Pendapatan Nasional & Investasi Pemerintah di Indonesia, Jurnal Keuangan & Moneter Vol.6 No.2. Maruddani & Safitri (2008), Vector Autoregressive (VAR) untuk Peramalan Harga Saham PT Indofood Sukses Makmur Indonesia TBK, Jurnal Matematika Vol. 11 No. 1, FMIPA Undip, Semarang. Sis Soesetijo (2008), Penerapan Vector AR dengan Uji Granger Causality utk Pemodelan Deret Ruang Waktu Curah Hujan di Surabaya, Tesis S2 Elektro, ITS. Irhamah dkk., (2008), Pemodelan Time series pada Kecepatan Angin di Kota Surabaya & Sumenep dgn Metode VAR, Research Report, Statistika ITS, Surabaya Keunggulan VAR: alat analisis yg selain berguna utk melihat hubungan kausalitas antara variabel, juga berguna utk menentukan model proyeksi/peramalan. Model VAR lebih empiris dan praktis (Soesetijo, 2008).

9 Metodologi Penelitian Jenis penelitian: Penelitian Kuantitatif dg Model Stokastik Analisa model menggunakan: Vector Autoregressive (VAR) Variabel: Konsentrasi BOD Konsentrasi DO Debit rata-rata

10 Jenis Data dan Instrumen Penelitian Data sekunder: hasil monitoring kualitas air Sungai Bedadung mulai tahun dari BPSAWS Bondoyudo-Mayang Lokasi pantau: Stasiun KBe1 Perangkat lunak (software) statistik: Minitab 15 diskripsi data, time series plot, ACF-PACF plot & uji multinormal residual SAS 9 analisa VAR & uji asumsi2 residual

11 Mulai Identifikasi korelasi antar Variabel dengan menggunakan Uji Korelasi & Bartlett Sphericity Test Identifikasi Model VAR: - Time Series Plot - ACF-PACF Plot - Uji unit Root DF MEAN: DIFFERENCING VARIANS: TRANSFORMASI STASIONER Ya Penentuan Orde VAR dengan AIC minimum Tidak Model VAR terpilih Modifikasi Model Tidak Estimasi Parameter: - Least Square p-value < 5% Ya DIAGNOSTIC CHECKING: White Noise Multinormal Heterokedastis Ya Ya Tidak METODE BACKWARD Uji Serentak Ya Uji Parsial Tidak Peramalan menggunakan univariate Model dipakai untuk Peramalan Selesai

12 Uji Korelasi antar Variabel HASIL DAN PEMBAHASAN variabel BOD dan DO secara signifikan menolak H 0 (p-value< 5%), yang berarti terdapat korelasi antara kedua variabel tersebut. Sedangkan variabel Q gagal menolak H 0 (p-value> 5%), yang berarti tidak terdapat korelasi baik terhadap variabel BOD maupun terhadap variabel DO. Matriks korelasi menunjukkan adanya korelasi negatif yang lemah antara BOD dan DO atau sebaliknya sebesar -0,423. Sedangkan Q menunjukkan tidak ada korelasi dengan BOD dan DO atau sebaliknya dengan nilai koefisien korelasi Pearson hanya sebesar 0,005 dan 0,037. Karena itu variabel Q tidak digunakan dalam analisis VAR selanjutnya. Kemudian dilakukan uji Bartlett Sphericity untuk menguji kebebasan antar variabel (Morrison, 2005).

13 Tabel 4.4 Uji Bartlett Sphericity Statistik Uji chis 29,2028 p-value 0, Keputusan Tolak H 0 Matriks korelasi matriks identitas Variabel BOD dan DO saling berhubungan

14 Uji stasioneritas data Data awal tdk stasioner dlm mean differencing pada lag 1 (d=1) Plot time series BOD & DO differencing 1 turun naik di antara nol Plot ACF-PACF BOD & DO differencing 1 turun cepat menuju nol setelah lag 2 stasioner dlm mean dan varian (a) Autocorrelation Function for BOD(1) (with 5% significance limits for the autocorrelations) (b) Partial Autocorrelation Function for BOD(1) (with 5% significance limits for the partial autocorrelations) 1,0 1,0 0,8 0, Autocorrelation 0,6 0,4 0,2 0,0-0,2-0,4-0,6 Partial Autocorrelation 0,6 0,4 0,2 0,0-0,2-0,4-0,6 BOD(1) 0 DO(1 ) 0-0,8-1,0-0,8-1, Lag Lag -2-3 (c) Autocorrelation Function for DO (1) (d) Partial Autocorrelation Function for DO(1) (with 5% significance limits for the autocorrelations) (with 5% significance limits for the partial autocorrelations) ,0 1,0 Index Index 0,8 0,8 Autocorrelation 0,6 0,4 0,2 0,0-0,2-0,4-0,6-0,8-1,0 Partial Autocorrelation 0,6 0,4 0,2 0,0-0,2-0,4-0,6-0,8-1, Lag Lag

15 Dickey-Fuller Unit RootTests Dickey-Fuller Unit Root Tests Variable Type Rho Prob<Rho Tau Prob<Tau Y Zero Mean <.0001 Single Mean <.0001 Trend <.0001 X Zero Mean <.0001 Single Mean <.0001 Trend <.0001 P-value < 0,05 Tolak H0, data stasioner