Pemodelan Indikator Pencemar Biological Oxygen Demand di Kali Surabaya Menggunakan Pendekatan Spatial-Temporal Weighted Regression

Transkripsi

1 Pemodelan Indikator Pencemar Biological Oxygen Demand di Kali Surabaya Menggunakan Pendekatan Spatial-Temporal Weighted Regression Achmad Choiruddin Dr. Sutikno M.Si Dosen Pembimbing

2 PENDAHULUAN TINJAUAN PUSTAKA METODE PENELITIAN KESIMPULAN ANALISIS DAN PEMBAHASAN

3 LATAR BELAKANG PENCEMARAN SUNGAI Faktor-Faktor yang Mempengaruhi 96% Air Baku PDAM Surabaya PEMERINTAH BOD 1. Konservasi 2. Pengerukan 3. Evaluasi Indikator Pencemaran Air

4 LATAR BELAKANG STWR Regresi Linier GWR MGWR Faktor-Faktor yang Mempengaruhi 96% Air Baku PDAM Surabaya PEMERINTAH BOD 1. Konservasi 2. Pengerukan 3. Evaluasi Indikator Pencemaran Air

5 RUMUSAN MASALAH Bagaimana MENDESKRIPSIKAN KONDISI PENCEMARAN SUNGAI di Kali Surabaya berdasarkan indikator pencemar BOD? Bagaimana MENYUSUN MODEL BOD sungai di Surabaya dengan metode Spatial-Temporal Weighted Regression yang selanjutnya dapat DIPEROLEH FAKTOR-FAKTOR YANG MEMPENGARUHI BOD SUNGAI DI SURABAYA?

6 TUJUAN MENDESKRIPSIKAN KONDISI PENCEMARAN SUNGAI di Kali Surabaya berdasarkan indikator pencemar BOD MENYUSUN MODEL BOD sungai di Surabaya dengan metode Spatial-Temporal Weighted Regression yang selanjutnya dapat DIPEROLEH FAKTOR-FAKTOR YANG MEMPENGARUHI BOD SUNGAI DI SURABAYA

7 MANFAAT MENGEMBANGKAN WAWASAN KEILMUAN yang berkaitan dengan Metode STWR dan Aplikasinya. Selain itu hasil penelitian dapat digunakan sebagai RUJUKAN PADA PENELITIAN SELANJUTNYA MEMBERIKAN INFORMASI bagi instansi pemerintah Kota Surabaya terkait FAKTOR- FAKTOR YANG MEMPENGERAHUI PENCEMARAN AIR SUNGAI DI SURABAYA

8 BATASAN PENELITIAN Penelitian ini dibatasi pada pemodelan indikator pencemaran air BOD sungai di Surabaya, yang didasarkan pada data pemantauan pencemaran air yang dilakukan oleh Badan Lingkungan Hidup Kota Surabaya pada tahun Setiap tahun terdiri dari dua kali pengamatan, yakni pengamatan pada musim kemarau dan musim hujan.

9 PENCEMARAN AIR Air dikatakan tercemar apabila kondisi air tersebut telah menyimpang dari keadaan normalnya (Wardhana, 2004) Air tercemar dapat diakibatkan dari berbagai sumber pencemaran, diantaranya adalah oleh limbah domestik, limbah industri, serta dari pertanian dan perkebunan (BBTKL-PPM, 2010)

10 REGESI LINIER Model regresi linear sederhana untuk k variabel prediktor dapat ditulis dalam bentuk : Jika dituliskan dalam bentuk matrik : Dimana : Taksiran parameter :

11 GEOGRAPHICALLY WEIGHTED REGRESSION Teknik regresi lokal yang memungkinkan parameter model bervariasi di setiap lokasi (Brundson, Fotheringham, & Charlton, 1999) Model GWR : Estimasi parameter model GWR : Bobot untuk pengujian di sekitar titik i Dimana :

12 GEOGRAPHICALLY WEIGHTED REGRESSION Pembobotan model GWR : (Propastin, et al., 2008) Jarak Euclidean d ij = 2 ( ui u j ) + ( vi v j ) 2 (Fotheringham, et al., 1997) Penentuan bandwidth optimum Cross Validation (CV) : (Fotheringham, et al., 1997)

13 SPATIAL-TEMPORAL WEIGHTED REGRESSION n i x t v u t v u y i ik p k i i i k i i i i 1,2,..., ),, ( ),, ( 1 0 = + + = = ε β β Metode Spatial-Temporal Geographically Weighted Regression (STWR) adalah pengembangan dari metode GWR yang mampu mengakomodasi adanya efek heterogenitas spasial-temporal (Yu & Lay, 2011) Y W X X W X β ),, ( ) ),, ( ( ),, ( ˆ 1 i i i T i i i T i i i t v u t v u t v u =

14 SPATIAL-TEMPORAL WEIGHTED REGRESSION ST S d = λ d + µ d T d ST ij 2 2 {( ui u j ) + ( vi v j ) } + ( ti t j = λ µ ) 2 τ = µ λ λ 0, ( ) ST 2 d ij λ = {( ui u j ) + ( vi v j ) } + τ ( ti t j ) Huang, Wu, & Barry (2010)

15 PENELITIAN TERDAHULU PENCEMARAN AIR DI KALI SURABAYA Koesnariyanto (2012) Pencemaran Kali Surabaya Menggunakan Metode GWR Lumaela (2012) Pencemaran Kali Surabaya Menggunakan Metode Mixed GWR Baik pada kasus HETEROGENITAS SPASIAL, Namun TIDAK DAPAT mengakomodasi efek HETEROGENITAS TEMPORAL

16 PENELITIAN TERDAHULU SPATIAL-TEMPORAL WEIGHTED REGRESSION Huang, Wu, & Barry (2010) Pemodelan Variasi Harga Rumah Yu & Lay (2011) Pemodelan Kriminalitas Mampu mengakomodasi HETEROGENITAS SPATIAL DAN TEMPORAL Pemodelan Pencemaran Air di Kali Surabaya

17 METODE PENELITIAN Sumber Data Data yang digunakan pada penelitian ini adalah data sekunder tentang indikator pencemaran air sungai yang diperoleh dari Badan Lingkungan Hidup (BLH) Kota Surabaya. Dalam penelitian ini unit yang diteliti adalah 6 titik lokasi sungai di Surabaya selama 6 waktu pengukuran

18 Kali Mas di Jembatan Kebon Rojo Kali Jeblokan di Jembatan Jl. Petojo Kali Mas di Jembatan Jl. Keputran Selatan Kali Mas di Jembatan Kali Surabaya Jl. di Ngagel Jembatan Wonokromo Kali Surabaya di Jembatan Jl. Kedurus

19 Variabel Penelitian METODE PENELITIAN Kode Variabel Satuan Tipe Variabel Y Biological Oxygen Demand (BOD) mg/l Kontinu X 1 Suhu air sungai Celcius Kontinu X 2 Detergen miug/l Kontinu X 3 Flourida mg/l Kontinu X 4 Fosfat (PO 4 ) mg/l Kontinu X 5 Nitrat (NO 3 ) mg/l Kontinu X 6 Amonia (NH 3 ) mg/l Kontinu X 7 Nitrit (NO 2 ) mg/l Kontinu X 8 Total Suspended Solid mg/l Kontinu

20 Langkah Analisis METODE PENELITIAN Menentukan Variabel Prediktor Mendeskripsikan Masing-Masing Variabel Melakukan Identifikasi Variabel Respon dan Variabel Prediktor Melakukan Pemodelan Menggunakan Regresi Linier Melakukan Pemodelan Menggunakan GWR Melakukan Pemodelan Menggunakan STWR Melakukan Perbandingan Model GWR dan STWR

21 DESKRIPSI BOD DAN FAKTOR-FAKTOR YANG DIDUGA MEMPENGARUHI Variabel Rataan StDev Minimum Maksimum BOD (mg/l) Suhu ( o C) Detergen (miug/l) Flourida (mg/l) Fosfat (mg/l) Nitrat (mg/l) NH3 (mg/l) Nitrit (mg/l) TSS (mg/l) BOD >2 mg/l Stdev > Rataan

22 DESKRIPSI BOD MENURUT WAKTU PENGAMATAN Waktu Rataan StDev Minimum Maksimum Maret September Maret September Maret September Kali Jeblokan Jalan Petojo

23 Identifikasi Pola Hubungan Antara BOD dan Faktor-faktor yang diduga mempengaruhi Suhu Detergen Flourida Fosfat Nitrat NH3 9 BOD Nitrit TSS

24 Identifikasi Pola Hubungan Antara BOD dan Faktor-faktor yang diduga mempengaruhi Nilai Suhu Detergen Flourida Fosfat Korelasi P-value ** Nilai Nitrat NH3 Nitrit TSS Korelasi P-value ** 0.001* Ket : *) Signifikan pada α=0.05, **) Signifikan pada α=0.2

25 Pemodelan Menggunakan Regresi Linier Uji Individu Prediktor Estimasi T Hitung P-value Constant Suhu Detergen Flourida * Fosfat ** Nitrat ** NH ** Nitrit * TSS Ket : *) Signifikan pada α=0.05, **) Signifikan pada α=0.1 Uji Serentak Sumber Df SS MS F P-value Regression Residual Total R-sq = 59.9% yy = xx xx xx xx xx 7

26 Pengujian Spatial-Temporal Heterogen H 0 : kesamaan varian atau homoskedastisitas H 1 : heterokedastisitas studentized Breusch-Pagan test BP = , df = 5, p-value = Pengujian Spasial Heterogen BOD Deskripsi Asumsi Temporal Heterogen 3 2 Maret_10' Sept_10' Maret_11' Sept_11' Maret_12' Sept_12

27 Pemodelan Menggunakan GWR Parameter Minimum Median Maksimum X.Intercept Flourida Fosfat Nitrat NH Nitrit R POSITIF

28 Pemodelan Menggunakan STWR Pembobotan model GWR : Pembobotan model STWR : w ST ij = exp ( ST 2 ( d ) ) ij h ST Jarak Euclidean GWR Jarak Euclidean STWR d ij = u u + v v 2 ( i j ) ( i j ) 2 d ST ij = λ u u + v v + µ t t 2 2 {( i j ) ( i j ) } ( i j ) 2 τ = µ λ λ 0, ( ) ST 2 d ij λ = {( ui u j ) + ( vi v j ) } + τ ( ti t j )

29 Pemodelan Menggunakan STWR Iterasi Parameter Tau R.square Iterasi Parameter Miu dan Lamda R.square R.square tau miu lamda Iterasi ke-60, R-sq=100% Iterasi ke-53, R-sq=97.83%

30 Pemodelan Menggunakan STWR Parameter Minimum Maksimum X.Intercept Flourida Fosfat Nitrat NH Nitrit R

31 Perbandingan GWR dan STWR Perbandingan Berdasarkan Kriteria Kebaikan Model Metode R 2 AIC SSE GWR STWR Uji McNemar STWR GWR Benar Salah Jumlah Benar Salah Jumlah LEBIH BAIK Z12=5.567 > Z0.05 (1.645) SIGNIFIKAN LEBIH BAIK

32 Interpretasi Model Terbaik L\W 1 1 Semua 2 Semua 3 Semua 4 Semua 5 Semua 6 Semua X 2, X 3, X 5 X 1 X 2, X 5 Semua X 1 X 2, X 3, X 5 - X 2, X 5 Semua X 1 X 2, X 3, X 5 - X 2, X 5 Semua X 1 X 2, X 3, X 4, X 5 X 1 X 2, X 5 Semua X 1 X 2, X 3, X 4, X 5 X 1 X 2, X 5 Semua X 1 X 2, X 3, X 4, X 5 X 1, X 3 X 2, X 5 Semua X 1 Ket : X 1 = Flourida, X 2 = Fosfat, X 3 = Nitrat, X 4 = NH3, X 5 = Nitrit

33 Interpretasi Model Terbaik 2 X 2, X 3, X 5 X 2, X 3, X 5 X 2, X 3, X 5 6 X 1 X 1 X 1 X 2, X 3, X 4, X 5 X 2, X 3, X 4, X 5 X 2, X 3, X 4, X 5 X 1 X 1 X 1 Ket : X 1 = Flourida, X 2 = Fosfat, X 3 = Nitrat, X 4 = NH3, X 5 = Nitrit

34 Interpretasi Model Terbaik L\W Semua X 2, X 3, X 5 X 1 X 2, X 5 Semua X 1 2 Semua X 2, X 3, X 5 - X 2, X 5 Semua X 1 6 Semua X 2, X 3, X 4, X 5 X 1, X 3 X 2, X 5 Semua X 1 Ket : X 1 = Flourida, X 2 = Fosfat, X 3 = Nitrat, X 4 = NH3, X 5 = Nitrit

35 Kesimpulan 1. Rata-rata kadar BOD di Kali Surabaya pada tahun adalah mg/l. Dari 6 waktu pengukuran, Kali jeblokan di jalan Petojo memiliki kandungan BOD maksimum 4 kali pengukuran, yakni pada pengukuran Maret 2010, September 2010, September 2011, dan September Pemodelan BOD Kali Surabaya menggunakan metode STWR memberikan hasil yang lebih baik daripada menggunakan metode GWR. Faktor-faktor yang dianggap signifikan mempengaruhi BOD Kali Surabaya adalah Flourida, Fosfat, Nitrat, NH3, dan Nitrit. Efek heterogen temporal dianggap lebih mendominasi pemodelan BOD dibandingkan dengan efek spasial.

36 Saran 1. Melakukan kajian mengenai penentuan variabel yang merepresentasikan waktu pengamatan. 2. Menentukan statistik uji spatio-temporal heterogenitas agar dapat diketahui dengan pasti adanya kasus heterogen spasialtemporal. 3. Melakukan kajian pemodelan STWR menggunakan fungsi kernel Gaussian adaptive, Bisquare (fixed dan adaptive), dan Tricube (fixed dan adaptive). 4. Melakukan kajian penelitian jika jumlah lokasi pengamatan dan waktu pengamatan tidak sama.

37 DAFTAR PUSTAKA Anselin, L. (1998). Spatial Econometrics: Methods and Models. Netherlands: Kluwer Academic Publishers. BBTKL-PPM. (2010). Laporan Situasi dan Kecenderungan Parameter Pencemaran Air Badan Air Serta Risiko Gangguan Kesehatan Di Kali Surabaya Semester II. Surabaya: Balai Besar Teknik Kesehatan Lingkungan dan Pemberantasan Penyakit Menular. BLH-Surabaya. (2011). Kualitas Air Surabaya Mengalami Penurunan. Retrieved January 30, 2013, from Daniel, W. W. (1989). Statistika Nonparametrik Terapan. Jakarta: PT Gramedia. Draper, N., & Smith, H. (1992). Analisis Regresi Terapan. Jakarta: PT Gramedia Pustaka Utama. Fotheringham, A. S., Charlton, M. E., & Brunsdon, C. (1997). Geographically weighted regression: a natural evolution of the expansion method for spatial data analysis. Environment and Planning A 1998, vol. 30, Groβ, J. (2003). Variance Inflation Factors. R news, Gujarati, D. (2004). In Basic Econometrics, Fourth Edition. New York: Mc Graw-Hill, Inc. Hocking, R. (1996). Methods and Application of Linear Models. New York: John Wiley & Sons.

38 DAFTAR PUSTAKA Huang, B., Wu, B., & Barry, M. (2010). Geographically and Temporally Weighted Regression for Modeling Spatio-Temporal Variation in Houses Prices. International Journal of Geographical Information Science, Koesnariyanto, R. (2012). Pemodelan Indikator Pencemaran Air Secara Kimia (BOD) Dengan Geographically Weighted Regression. Surabaya: Program Magister Fakultas Kesehatan Masyarakat Universitas Airlangga. Kusumawardani, D. (2010). Valuasi Ekonomi Air Bersih di Surabaya (Studi Kasus Pada Air PDAM). Yogyakarta: Lembaga Penelitian dan Pengabdian Kepada Masyarakat UGM. Lumaela, A. K. (2012). Pemodelan Chemical Oxygen Demand Sungai di Surabaya Dengan Metode Mixed Geographically Weighted Regression. Surabaya: Institut Teknologi Sepuluh Nopember. Mennis, J. (2006). Mapping the Results of Geographically Weighted Regression. The Cartographic Journal Vol. 43 No. 2, Propastin, P., Kappas, M., & Erasmi, S. (2008). Application of Geographically Weighted Regression to Investigate the Impact of Scale on Prediction Uncertainty by Modelling Relationship between Vegetation and Climate. International Journal of Spatial Data Infrastructures Research Vol. 3,

39 DAFTAR PUSTAKA Purwatiningsih, S. (2005). Kajian Kualitas Kali Surabaya Ditinjau Dari Aspek Lingkungan, Peraturan Perundangan, dan Kelembagaan. Surabaya: Teknik Lingkungan Institut Teknologi Sepuluh Nopember. Rahayu, S., Widodo, R. H., Noordwijk, M. v., Suryadi, I., & Verbist, B. (2009). Monitoring Air di Daerah Aliran Sungai. Bogor, Indonesia: World Agroforestry Centre - Southeast Asia Regional Office. 104 p. Sastrawijaya, A. T. (2000). In A. T. Sastrawijaya, Pencemaran Lingkungan. Jakarta: Rineka Cipta. Wardhana, W. A. (2004). Dampak Pencemaran Lingkungan (Edisi Revisi). Yogyakarta: ANDI. Yrigoyen, C. C., Rodríguez, I. G., & Otero, J. V. (2006). Modeling Spatial Variations in Household Disposable Income with Geographically Weighted Regression. Madrid: Instituto L.R. Klein. Yu, P.-H., & Lay, J.-G. (2011). Exploring Non-stationarity of Local Mechanism of Crime events with Spatial-temporal Weighted Regression

40 Pemodelan Indikator Pencemar Biological Oxygen Demand di Kali Surabaya Menggunakan Pendekatan Spatial-Temporal Weighted Regression Achmad Choiruddin Dr. Sutikno M.Si Dosen Pembimbing