Penerapan Vector Autoregressive Integrated Moving Average (VARIMA) Pada Indeks Standar Pencemaran Udara (ISPU) di Kabupaten Gresik

Implementation Of Integrated Autoregressive Vectors Moving Average (VARIMA) In Index Prediction Air Pollution Standards (ISPU) In The Gresik Regency

Vector Autoregressive Integrated Moving Average (VARIMA) adalah suatu pendekatan peramalan data multivariate time series yang digunakan untuk mengetahui keterkaitan antara beberapa variabel pada suatu waktu dengan variabel periode sebelumnya. Salah satu implementasi dari model VARIMA yaitu untuk meramalkan Indeks Standar Pencemaran Udara (ISPU). Meningkatnya jumlah pabrik dan aktivitas industri menjadi penyebab utama terjadinya pencemaran udara di Kabupaten Gresik. Oleh karena itu, penelitian ini bertujuan untuk menerapkan model dan memprediksi konsentrasi ISPU dengan menggunakan VARIMA. Data yang digunakan dalam penelitian ini adalah data harian konsentrasi PM2.5, NO2, dan O3 pada bulan November 2023 sampai dengan Februari 2024. Hasil dari penelitian ini diperoleh bahwa model terbaik berdasarkan nilai RMSE dan MAD terkecil model VARIMA (2,1,1), dimana konsentrasi PM2.5 dan O3 pada saat ket dipengaruhi oleh ketiga variabel pada saat ke (t-1), (t-2), dan (t-3) serta dipengaruhi oleh nilai residual ketiga variabel pada saat (t-1). Sedangkan variabel NO2 pada saat ke-t hanya dipengaruhi oleh variabel PM2.5 dan O3 pada saat ke (t-1), (t-2), dan (t-3) serta dipengaruhi oleh nilai residual ketiga variabel pada saat (t-1).

Vector Autoregressive Integrated Moving Average (VARIMA) is a data forecasting approach multivariate time series which is used to determine the relationship between several variables at one time and variables in the previous period. One implementation of the VARIMA model is to predict the Air Pollution Standard Index (ISPU). The increasing number of factories and industrial activities is the main cause of air pollution in Gresik Regency. Therefore, this study aims to apply the model and predict ISPU concentrations using VARIMA. The data used in this research is daily data on concentrations of PM2.5, NO2, and O3 from November 2023 to February 2024. The results of this research show that the best model is based on the smallest RMSE and MAD values, the VARIMA model (2,1,1), where the concentrations PM2.5 and O3 at time t are influenced by the three variables at time (t-1), (t-2), and (t-3) and is influenced by the residual values of the three variables at time (t-1). Meanwhile, the NO2 variable at time t is only influenced by the PM2.5 and O3 variables at time (t-1), (t-2), and (t-3) and is influenced by the residual values of the three variables at time (t-1).