Metode Eksplorasi Data DESKRIPSI DATA PENELITIAN

12 bahkan sebagian lebih rendah dari permukaan laut. Sebagian besar wilayah kota Surabaya memiliki ketinggian tanah berkisar antara 0 - 10 meter yaitu 25919.04 ha 80.72 yang menyebar di bagian timur, utara, selatan, dan pusat kota. Pada wilayah kota lainnya memiliki ketinggian berkisar antara 10 - 20 meter 12.53 dan di atas 20 meter dari permukaan laut 6.76 yang terdapat pada bagian barat dan selatan kota Surabaya Surabaya dalam Angka, 2002. Kota Surabaya beriklim tropis dengan suhu udara yang relatif konstan sepanjang tahun, yaitu dari 25 C pada malam hari sampai 34 C pada siang hari. Kelembaban rata-rata antara 65 sampai 85 . Pola iklim di kota Surabaya dipengaruhi oleh angin muson sehingga setiap tahun terjadi dua musim, yaitu musim kemarau dan musim hujan. Pada umumnya musim kemarau berlangsung dari bulan April sampai Oktober, sedangkan musim hujan berlangsung dari bulan Desember sampai dengan Maret. Curah hujan maksimum biasanya terjadi pada bulan Januari dan minimum terjadi pada bulan Agustus. Pada tahun 2002, arah angin terbanyak pada bulan Januari dan Pebruari adalah Barat, pada bulan Maret sampai Nopember berasal dari arah timur, dan bulan Desember dari arah barat Surabaya dalam Angka, 2002. Jumlah penduduk kota Surabaya sekitar 2.8 juta pada malam hari, dan bertambah kira-kira 300 ribu penduduk yang bekerja di Surabaya dari wilayah sekitar Surabaya di pagi hari. Jenis transportasi didominasi oleh kendaraan pribadi. Berdasarkan hasil penelitian GTZ-SUTP 2000, komposisi kendaraan di Surabaya adalah 35 kendaraan umum dan 65 kendaraan pribadi. Sedangkan hasil survey Dinas Perhubungan Surabaya terhadap volume kendaraan di 40 persimpangan pada satu jam sibuk di bulan Mei dan Juni tahun 2002 menunjukkan bahwa volume kendaraan tertinggi terjadi di sekitar SUF-4 Dinhub Surabaya, 2002.

2.4. Metode Eksplorasi Data

Data yang digunakan pada penelitian ini adalah konsentrasi pencemar udara yang terdiri dari PM 10 dan Ozon per jam gm 3 , dan faktor meteorologis yang terdiri dari suhu udara per jam C, kecepatan angin per jam mdetik, arah angin per jam derajat pada 5 lokasi stasiun pemantau SUF selama satu tahun dari bulan Januari 2002 sampai Desember 2002. Data arah angin dikelompokkan 13 dalam 16 kategori metode pengelompokkan disajikan pada Lampiran 4. Sedangkan data curah hujan mm yang digunakan adalah data harian pada waktu yang sama di 3 stasiun pemantau klimatologi kota Surabaya. Tahap awal dalam menentukan model aditif spatio-temporal adalah identifikasi model dengan menggunakan metode eksplorasi data. Dari metode ini akan diketahui tentang bentuk sebaran data, pola kecenderungan data terhadap waktu, keeratan hubungan antara pencemar udara dengan faktor meteorologis, dan pola kecenderungan spatial. Untuk mengetahui pola sebaran dan kesimetrikan data digunakan diagram kotak garis. Sedangkan untuk mengetahui pola kecenderungan data terhadap waktu digunakan plot antara rataan data faktor meteorologis atau pencemar udara per bulan dengan jam pada setiap SUF dari bulan Januari sampai Desember 2002. Untuk mengidentifikasi model deret waktu digunakan plot autokorelasi autocorrelation function selanjutnya disingkat ACF dan plot autokorelasi parsial partial autocorrelation function selanjutnya disingkat PACF. Fungsi ACF berguna untuk mengukur keeratan hubungan antara pasangan pengamatan pada waktu-t dengan pengamatan pada waktu-t+k dari proses stokastik yang sama dan hanya dipisahkan oleh selang waktu k. Sedangkan fungsi PACF berguna untuk mengukur keeratan hubungan antara pasangan pengamatan pada waktu-t dengan pengamatan pada waktu-t+k setelah hubungan linear dalam pengamatan pada waktu-t+1 sampai waktu-t+k-1 telah dihilangkan. Untuk mengukur tingkat keeratan hubungan antara pencemar udara dengan faktor meteorologis digunakan plot korelasi silang cross correlation function dan disingkat CCF. Untuk mengidentifikasi pola hubungan spasial dari pencemar udara digunakan plot CCF dan plot hubungan antara korelasi pencemar udara antar SUF dengan jarak antar SUF. Data mempunyai hubungan spasial bila pola hubungan antara korelasi dengan jarak bernilai negatif artinya dengan korelasi antar SUF semakin kecil bila jarak antar SUF semakin jauh.

2.5. Hasil Eksplorasi Data