Anda di halaman 1dari 2

BAB V

KESIMPULAN DAN SARAN

5.1 Kesimpulan
Berdasarkan analisis dalam bab hasil dan pembahasan maka
dapat dapat disimpulkan bahwa
1. Estimasi CO menggunakan universal kriging didapatkan
dengan semivariogram teoritis Exponential. Konsentrasi CO
terkecil berada di Perempatan Jl Tropodo-Jl Bandara Djuanda
sebesar 6.92 ppm. Konsentrasi CO terbesar berada di
Sukomanunggal di Jalan Sukomanunggal sebesar 15.19 ppm.
Varians estimasi CO sebesar 4.87 dan Nilai MSE hasil
estimasi yang diperoleh sebesar 1.52.
2. Estimasi CO menggunakan ordinary kriging didapatkan
dengan semivariogram teoritis Exponential. Konsentrasi CO
terkecil berada di Pertigaan Jl Kusuma Bangsa-Jl Ambengan
sebesar 8.94 ppm. Konsentrasi CO terbesar berada di
Perempatan Jl Bung Tomo-Jl Ngagel sebesar 14.60 ppm.
Varians estimasi CO sebesar 2.41 dan nilai MSE hasil
estimasi yang diperoleh sebesar 2.18.
3. Metode ordinary kriging kurang sesuai diterapkan pada data
konsentrasi polutan CO yang mana merupakan data drift
(non-stasioner) karena tidak sensitive terhadap perbedaan
nilai estimasi yang dihasilkan. Hal ini ditunjukkan dengan
nilai varians estimasi CO yang lebih kecil. Selain itu, nilai
MSE hasil estimasi dengan ordinary kriging lebih besar dari
Universal kriging. Sehingga metode yang tepat digunakan
pada kasus ini adalah metode universal kriging.

5.2 Saran
Metode Universal kriging hanya mampu mengestimasi data
yang bersifat non-stasioner dikarenakan data yang diestimasi
mempunyai kecenderungan trend. Sedangkan data-data yang
tidak memiliki trend atau yang bersifat stasioner dapat
dilakukan estimasi dengan menggunakan metode Ordinary

65
66

kriging. Dalam permasalahan lain, biasanya juga akan


ditemukan beberapa variabel yang mungkin berbengaruh
terhadap variabel yang diestimasi. Untuk mengatasi hal
tersebut dibutuhkan metode estimasi Universal co-kriging.
Universal cokriging ini merupakan metode estimasi yang
memperhitungkan koefisien dari variabel lain. Pada kasus lain
dengan jumlah data yang sangat sedikit bisa dilakukan dengan
robust kriging. Pada kasus dengan data outlier, bisa diatasi
dengan indicator kriging. Karena universal kriging ini ketika
dipaksakan dengan data yang sedikit maka tidak bisa
membuktikan normalitas dan stasioneritas. Oleh karena itu, ada
beberapa saran untuk penelitian serupa di masa mendatang.
1. Memperbanyak jumlah sampel yang diamati sehingga dapat
mewakili keadaan sebenarnya di lapangan. Selain itu jika
jumlah sampel cukup banyak, dapat menghitung keakurasian hasil
estimasi menggunakan MSE. Karena pada hasil estimasi dengan
universal kriging pada Tabel 4.2 dihasilkan beberapa nilai error
yang besar, bahkan ada yang lebih besar daripada hasil estimasi
CO.
2. Menggunakan data terbaru untuk analisis konsentrasi polutan
di udara, agar bisa diketahui apakah konsentrasi polutan dari
tahun ke tahun semakin tinggi atau tidak.