Pemodelan Indikator Pencemar Biological Oxygen Demand di Kali Surabaya Menggunakan Pendekatan

Spatial-Temporal Weighted Regression

Achmad Choiruddin1309100067

Dr. Sutikno M.SiDosen Pembimbing

PENDAHULUAN

TINJAUAN PUSTAKA

METODE PENELITIAN

ANALISIS DAN PEMBAHASAN

KESIMPULAN

LATAR BELAKANG

PENCEMARAN SUNGAI

96% Air Baku PDAM Surabaya

PEMERINTAH

1. Konservasi2. Pengerukan3. Evaluasi Indikator

Pencemaran Air

Faktor-Faktor yang Mempengaruhi

BOD

LATAR BELAKANG

96% Air Baku PDAM Surabaya

Faktor-Faktor yang Mempengaruhi

Regresi Linier

1. Konservasi2. Pengerukan3. Evaluasi Indikator

Pencemaran Air

PEMERINTAH

GWR

STWRBOD

MGWR

Bagaimana MENDESKRIPSIKAN KONDISI PENCEMARAN SUNGAI di Kali Surabaya berdasarkanindikator 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 ?

RUMUSAN MASALAH

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

TUJUAN

MENGEMBANGKAN WAWASAN KEILMUAN yang berkaitan dengan Metode STWR danAplikasinya. Selain itu hasil penelitian dapatdigunakan sebagai RUJUKAN PADA PENELITIAN SELANJUTNYA

MEMBERIKAN INFORMASI bagi instansi pemerintah Kota Surabaya terkait FAKTOR-FAKTOR YANG MEMPENGERAHUI PENCEMARAN AIR SUNGAI DI SURABAYA

MANFAAT

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 2010 – 2012. Setiap tahun terdiridari dua kali pengamatan, yakni pengamatan padamusim kemarau dan musim hujan.

BATASAN PENELITIAN

Air dikatakan tercemar apabila kondisi air tersebut telah menyimpang dari keadaan normalnya (Wardhana, 2004)

PENCEMARAN AIR

Air tercemar dapat diakibatkan dari berbagai sumber pencemaran, diantaranya adalah oleh limbah domestik, limbah industri, serta dari pertanian dan perkebunan (BBTKL-PPM, 2010)

REGESI LINIER

Model regresi linear sederhana untuk k variabel prediktor dapat ditulis dalam bentuk :

Jika dituliskan dalam bentuk matrik :Dimana :

Taksiran parameter :

GEOGRAPHICALLY WEIGHTED REGRESSION

Model GWR :

Teknik regresi lokal yang memungkinkan parameter model bervariasi di setiap lokasi (Brundson, Fotheringham, & Charlton, 1999)

Estimasi parameter model GWR :

Dimana :

Bobot untuk pengujian di sekitar titik i

GEOGRAPHICALLY WEIGHTED REGRESSION

(Propastin, et al., 2008)

Cross Validation (CV) :Penentuan bandwidth optimum

Pembobotan model GWR :

22 )()( jijiij vvuud −+−=

Jarak Euclidean

(Fotheringham, et al., 1997)

(Fotheringham, et al., 1997)

SPATIAL-TEMPORAL WEIGHTED REGRESSION

nixtvutvuy iik

p

kiiikiiii ,...2,1,),,(),,(

10 =++= ∑

=

εββ

Metode Spatial-Temporal Geographically Weighted Regression (STWR) adalah pengembangan dari metode GWR yang mampu mengakomodasiadanya efek heterogenitas spasial-temporal (Yu & Lay, 2011)

YWXXWXβ ),,()),,((),,(ˆ 1iii

Tiii

Tiii tvutvutvu −=

SPATIAL-TEMPORAL WEIGHTED REGRESSION

TSST ddd µλ +=

222 )(})(){( jijijiST

ij ttvvuud −+−+−= µλ

( ) 222

2

)(})(){( jijiji

STij ttvvuu

d−+−+−= τ

λ

,0≠λλ

µτ =

Huang, Wu, & Barry (2010)

PENELITIAN TERDAHULU

Koesnariyanto (2012)Pencemaran Kali Surabaya Menggunakan Metode GWR

Lumaela (2012)Pencemaran Kali Surabaya Menggunakan Metode Mixed GWR

PENCEMARAN AIR DI KALI SURABAYA

Baik pada kasusHETEROGENITAS SPASIAL,

Namun TIDAK DAPAT mengakomodasi efek

HETEROGENITAS TEMPORAL

PENELITIAN TERDAHULU

Huang, Wu, & Barry (2010)Pemodelan Variasi Harga Rumah

Yu & Lay (2011)Pemodelan Kriminalitas

SPATIAL-TEMPORAL WEIGHTED REGRESSION

Mampu mengakomodasi

HETEROGENITAS SPATIAL DAN TEMPORAL

Pemodelan PencemaranAir di Kali Surabaya

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

Kali Surabaya di Jembatan Jl. Kedurus

Kali Mas di Jembatan Jl. Ngagel

Kali Mas di Jembatan Jl. Keputran Selatan

Kali Mas di Jembatan Kebon Rojo

Kali Jeblokan di Jembatan Jl. Petojo

Kali Surabaya di Jembatan Wonokromo

Variabel Penelitian

Kode Variabel Satuan Tipe VariabelY Biological Oxygen Demand (BOD) mg/l Kontinu X1 Suhu air sungai Celcius KontinuX2 Detergen miug/l KontinuX3 Flourida mg/l KontinuX4 Fosfat (PO4) mg/l KontinuX5 Nitrat (NO3) mg/l KontinuX6 Amonia (NH3) mg/l KontinuX7 Nitrit (NO2) mg/l KontinuX8 Total Suspended Solid mg/l Kontinu

METODE PENELITIAN

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

DESKRIPSI BOD DAN FAKTOR-FAKTOR YANG DIDUGA MEMPENGARUHI

Variabel Rataan StDev Minimum MaksimumBOD (mg/l) 5.79 1.77 2.84 9.73Suhu (oC) 28.61 0.49 28.00 29.00Detergen (miug/l) 158.37 34.20 11.07 200.00Flourida (mg/l) 0.58 0.36 0.01 1.32Fosfat (mg/l) 0.47 1.10 0.08 6.58Nitrat (mg/l) 2.16 0.99 0.44 5.54NH3 (mg/l) 0.71 1.73 0.003 9.19Nitrit (mg/l) 0.17 0.19 0.0047 0.77TSS (mg/l) 146.20 166.60 2.00 730.00

BOD >2 mg/l Stdev > Rataan

DESKRIPSI BOD MENURUT WAKTU PENGAMATAN

Waktu Rataan StDev Minimum Maksimum

Maret 2010 5.488 1.173 4.06 7.17

September 2010 5.273 2.395 3.05 9.07

Maret 2011 5.625 1.019 3.96 6.92

September 2011 6.492 1.881 4.65 8.92

Maret 2012 7.113 1.474 5.86 9.73

September 2012 4.743 1.913 2.84 8.37

Kali JeblokanJalan Petojo

Identifikasi Pola Hubungan Antara BOD danFaktor-faktor yang diduga mempengaruhi

29.028.528.0

9

6

3

2001000 1.00.50.0

5.02.50.0 420 1050

9

6

3

0.80.40.0

9

6

3

8004000

Suhu

BOD

Detergen Flourida

Fosfat Nitrat NH3

Nitrit TSS

Identifikasi Pola Hubungan Antara BOD danFaktor-faktor yang diduga mempengaruhi

Nilai Suhu Detergen Flourida Fosfat

Korelasi -0.152 0.069 0.24 -0.032

P-value 0.375 0.690 0.159** 0.853

Nilai Nitrat NH3 Nitrit TSS

Korelasi -0.153 0.228 0.546 -0.132

P-value 0.374 0.181** 0.001* 0.443

Ket : *) Signifikan pada α=0.05, **) Signifikan pada α=0.2

Pemodelan Menggunakan Regresi Linier

Ket : *) Signifikan pada α=0.05, **) Signifikan pada α=0.1

Prediktor Estimasi T Hitung P-valueConstant 5.789 28.4 0.000Suhu -0.241 -0.87 0.395Detergen 0.248 0.82 0.422Flourida 0.969 3.75 0.001*Fosfat 0.553 1.81 0.081**Nitrat 0.868 2.23 0.034**NH3 0.464 1.99 0.056**Nitrit 1.552 5.88 0.000*TSS -0.313 -1.29 0.207

Sumber Df SS MS F P-valueRegression 8 69.549 8.694 5.810 0.000Residual 27 40.400 1.496Total 35 109.949

Uji Individu

R-sq = 59.9%

𝑦𝑦� = 0.9635 + 2.668𝑥𝑥3 + 0.399𝑥𝑥4 + 0.711𝑥𝑥5 + 0.271𝑥𝑥6 + 8.069𝑥𝑥7

Uji Serentak

Pengujian Spatial-Temporal Heterogen

Sept_12Maret_12'Sept_11'Maret_11'Sept_10'Maret_10'

10

9

8

7

6

5

4

3

2

BOD

studentized Breusch-Pagan testBP = 5.7992, df = 5, p-value = 0.3263

H0: kesamaan varian atau homoskedastisitasH1: heterokedastisitas Pengujian Spasial

Heterogen

Deskripsi AsumsiTemporal Heterogen

Pemodelan Menggunakan GWR

Parameter Minimum Median MaksimumX.Intercept 0.946 0.995 1.020Flourida 2.637 2.656 2.679Fosfat 0.376 0.389 0.429Nitrat 0.694 0.702 0.709NH3 0.265 0.271 0.274Nitrit 7.854 7.918 8.187R2 0.6167

POSITIF

Pemodelan Menggunakan STWR

Pembobotan model GWR :

22 )()( jijiij vvuud −+−=

Jarak Euclidean GWR222 )(})(){( jijiji

STij ttvvuud −+−+−= µλ

( ) 222

2

)(})(){( jijiji

STij ttvvuu

d−+−+−= τ

λ

,0≠λλ

µτ =

( )2)(exp STijST

ijST hdw −=

Pembobotan model STWR :

Jarak Euclidean STWR

Pemodelan Menggunakan STWR

Iterasi Parameter Tau Iterasi Parameter Miu dan Lamda

0.0 0.5 1.0 1.5

0.85

0.90

0.95

1.00

tau

R.s

quar

e

0.0 0.4 0.80.

60.

70.

80.

91.

0

miu

R.s

quar

e

0.0 0.4 0.8

0.6

0.7

0.8

0.9

1.0

lamda

R.s

quar

e

Iterasi ke-60, R-sq=100%

0.477 0.530.9

Iterasi ke-53, R-sq=97.83%

Pemodelan Menggunakan STWR

Parameter Minimum MaksimumX.Intercept -13.699 8.25Flourida -113.002 10.451Fosfat 2.869 11.971Nitrat -3.169 10.271NH3 -2.832 4.548Nitrit 5.042 139.352R2 0.9971

Perbandingan GWR dan STWR

LEBIH BAIKMetode R2 AIC SSE

GWR 0.6167 114.2248 42.1385STWR 0.9971 1.1282 0.0868

GWR

STWR

Benar Salah JumlahBenar 1 32 33Salah 0 3 3Jumlah 1 35 36

Z12=5.567 > Z0.05 (1.645) SIGNIFIKAN LEBIH BAIK

Perbandingan Berdasarkan Kriteria Kebaikan Model

Uji McNemar

Interpretasi Model Terbaik

Ket : X1 = Flourida, X2 = Fosfat, X3 = Nitrat, X4 = NH3, X5 = Nitrit

2 3 4 5 6X2 , X3 , X5 X1 X2 , X5 Semua X1

X2 , X3 , X5 - X2 , X5 Semua X1

X2 , X3 , X5 - X2 , X5 Semua X1

X2 , X3 , X4 , X5 X1 X2 , X5 Semua X1

X2 , X3 , X4 , X5 X1 X2 , X5 Semua X1

X2 , X3 , X4 , X5 X1 , X3 X2 , X5 Semua X1

L\W 11 Semua2 Semua3 Semua4 Semua5 Semua6 Semua

Interpretasi Model Terbaik

Ket : X1 = Flourida, X2 = Fosfat, X3 = Nitrat, X4 = NH3, X5 = Nitrit

2X2 , X3 , X5

X2 , X3 , X5

X2 , X3 , X5

X2 , X3 , X4 , X5

X2 , X3 , X4 , X5

X2 , X3 , X4 , X5

6X1

X1

X1

X1

X1

X1

Interpretasi Model Terbaik

Ket : X1 = Flourida, X2 = Fosfat, X3 = Nitrat, X4 = NH3, X5 = Nitrit

L\W 1 2 3 4 5 61 Semua X2 , X3 , X5 X1 X2 , X5 Semua X1

2 Semua X2 , X3 , X5 - X2 , X5 Semua X1

6 Semua X2 , X3 , X4 , X5 X1 , X3 X2 , X5 Semua X1

Kesimpulan

1. Rata-rata kadar BOD di Kali Surabaya pada tahun 2010-2012 adalah 5.789 mg/l. Dari 6 waktu pengukuran, Kali jeblokan dijalan Petojo memiliki kandungan BOD maksimum 4 kali pengukuran, yakni pada pengukuran Maret 2010, September 2010, September 2011, dan September 2012.

2. Pemodelan BOD Kali Surabaya menggunakan metode STWR memberikan hasil yang lebih baik daripada menggunakanmetode GWR. Faktor-faktor yang dianggap signifikanmempengaruhi BOD Kali Surabaya adalah Flourida, Fosfat, Nitrat, NH3, dan Nitrit. Efek heterogen temporal dianggap lebihmendominasi pemodelan BOD dibandingkan dengan efek spasial.

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 spasial-temporal.

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 danwaktu pengamatan tidak sama.

DAFTAR PUSTAKAAnselin, 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 PenyakitMenular.

BLH-Surabaya. (2011). Kualitas Air Surabaya Mengalami Penurunan. Retrieved January 30, 2013, from http://www.lh.blhsby.go.id

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 , 1905-1927.

Groβ, J. (2003). Variance Inflation Factors. R news , 13-15.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.

DAFTAR PUSTAKAHuang, 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 , 383-401.

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 PadaAir PDAM). Yogyakarta: Lembaga Penelitian dan Pengabdian Kepada MasyarakatUGM.

Lumaela, A. K. (2012). Pemodelan Chemical Oxygen Demand Sungai di Surabaya Dengan Metode Mixed Geographically Weighted Regression. Surabaya: InstitutTeknologi Sepuluh Nopember.

Mennis, J. (2006). Mapping the Results of Geographically Weighted Regression. The Cartographic Journal Vol. 43 No. 2 , 171-179.

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 , 73-94.

DAFTAR PUSTAKA

Purwatiningsih, S. (2005). Kajian Kualitas Kali Surabaya Ditinjau Dari AspekLingkungan, Peraturan Perundangan, dan Kelembagaan. Surabaya: TeknikLingkungan 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 AgroforestryCentre - 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. 7-12.

Pemodelan Indikator Pencemar Biological Oxygen Demand di Kali Surabaya Menggunakan Pendekatan

Spatial-Temporal Weighted Regression

Achmad Choiruddin1309100067

Dr. Sutikno M.SiDosen Pembimbing