Transformasi Kota Cerdas dalam Mitigasi Banjir: Pemodelan Curah Hujan DKI Jakarta dengan Pendekatan Spatial Vector Autoregressive (SpVAR) dan Pemetaan Bobot Queen Contiguity
DOI:
https://doi.org/10.25126/jtiik.1067537Abstrak
Perubahan iklim dan cuaca ekstrem menjadi tantangan global, termasuk di Indonesia, dengan peningkatan banjir di DKI Jakarta. Penanggulangan membutuhkan peramalan curah hujan yang akurat. Model VAR digunakan untuk memahami hubungan variabel cuaca. Namun, data deret waktu sering memiliki dimensi spasial. Oleh karena itu, dikembangkan model Spatial Vector Autoregressive (SpVAR) yang mempertimbangkan dimensi spasial dan waktu. Pembobot queen contiguity digunakan untuk representasi yang lebih akurat. Penelitian ini memanfaatkan data BPS DKI Jakarta dari Januari 2017 hingga Desember 2021. Hasilnya menunjukkan pengaruh spasial dalam model SpVAR (1,3) dengan bobot queen contiguity. Curah hujan, suhu, dan kelembaban udara saling mempengaruhi di wilayah diprediksi dan lainnya. Model ini penting dalam strategi mitigasi banjir dan kebijakan kota cerdas untuk mengurangi risiko banjir di DKI Jakarta.
Abstract
Climate change and extreme weather pose global challenges, including in Indonesia, leading to increased floods in DKI Jakarta. Addressing this requires accurate rainfall forecasts. The VAR model is used to understand the relationships between weather variables. However, time series data often have spatial dimensions. Therefore, a Spatial Vector Autoregressive (SpVAR) model has been developed considering both spatial and temporal dimensions. Queen contiguity weighting is used for more accurate representation. This study utilizes BPS DKI Jakarta data from January 2017 to December 2021. The results show spatial influence in the SpVAR (1,3) model with queen contiguity weighting. Rainfall, temperature, and humidity mutually influence predicted and other areas. This model is crucial for flood mitigation strategies and smart city policies to reduce flood risks in DKI Jakarta.
Downloads
Referensi
BEENSTOCK, M., & FELSENSTEIN, D. 2019. Spatial vector autoregressions. The Econometric Analysis of Non-Stationary Spatial Panel Data, 129-161.
BROCKWELL, P. J. & DAVIS, R. A. 2002. Introduction to Time Series and Forecasting (2nd ed.). New York: Springer-Verlag.
DI GIACINTO, V. 2010. On vector autoregressive modeling in space and time. Journal of Geographical Systems, 12(2), 125-154.
FADHOLI, A. 2013. Pemanfaatan suhu udara dan kelembaban udara dalam persamaan regresi untuk simulasi prediksi total hujan. CAUCHY, 3(1), 1-9.
FITRIANI, R., & EFENDI, A. 2019. Ekonometrika spasial terapan dengan R. Universitas Brawijaya Press.
GRASA, A. A. 2013. Econometric model selection: A new approach (Vol. 16). Springer Science & Business Media.
JASMI, Y. S. 2021. Analisis Karakteristik Aerosol Optical Depth (AOD) dan Curah Hujan di DKI Jakarta (Studi Kasus: Tahun 2015).
LEE, J. & WONG, D. W. 2001. Statistical analysis with ArcView GIS. John Wiley & Sons.
LESTARI, S., KING, A., VINCENT, C., KAROLY, D., & PROTAT, A. 2019. Seasonal dependence of rainfall extremes in and around Jakarta, Indonesia. Weather and Climate Extremes, 24, 100202.
LEVIN, A., LIN, C. F., & CHU, C. S. J. 2002. Unit root tests in panel data: asymptotic and finite-sample properties. Journal of econometrics, 108(1), 1-24.
LÜTKEPOHL, H. 2005. New introduction to multiple time series analysis. Springer Science & Business Media.
SUMARMININGSIH, E., SETIAWAN, S., SUHARSONO, A., & RUCHJANA, B. N. (2020, October). Spatial vector autoregressive model with calendar variation and its application. In Journal of Physics: Conference Series (Vol. 1663, No. 1, p. 012005). IOP Publishing.
SUMARMININGSIH, E. 2021. Modeling Rainfall Using Spatial Vector Autoregressive. International Journal of Agricultural and Statistical Sciences (Vol. 17, No. 1, pp. 21-30).
WEI, W. W. 2006. Time series analysis: univariate and multivariate. Methods. Boston, MA: Pearson Addison Wesley.
ZIVOT, E. & WANG, J. 2006. Vector autoregressive models for multivariate time series. Modeling financial time series with S-PLUS®, 385-429.
Unduhan
Diterbitkan
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2023 Jurnal Teknologi Informasi dan Ilmu Komputer
Artikel ini berlisensiCreative Commons Attribution-ShareAlike 4.0 International License.
Artikel ini berlisensi Creative Common Attribution-ShareAlike 4.0 International (CC BY-SA 4.0)
Penulis yang menerbitkan di jurnal ini menyetujui ketentuan berikut:
- Penulis menyimpan hak cipta dan memberikan jurnal hak penerbitan pertama naskah secara simultan dengan lisensi di bawah Creative Common Attribution-ShareAlike 4.0 International (CC BY-SA 4.0) yang mengizinkan orang lain untuk berbagi pekerjaan dengan sebuah pernyataan kepenulisan pekerjaan dan penerbitan awal di jurnal ini.
- Penulis bisa memasukkan ke dalam penyusunan kontraktual tambahan terpisah untuk distribusi non ekslusif versi kaya terbitan jurnal (contoh: mempostingnya ke repositori institusional atau menerbitkannya dalam sebuah buku), dengan pengakuan penerbitan awalnya di jurnal ini.
- Penulis diizinkan dan didorong untuk mem-posting karya mereka online (contoh: di repositori institusional atau di website mereka) sebelum dan selama proses penyerahan, karena dapat mengarahkan ke pertukaran produktif, seperti halnya sitiran yang lebih awal dan lebih hebat dari karya yang diterbitkan. (Lihat Efek Akses Terbuka).