AirGap
en

Metodologi

Bagaimana 20 lokasi ini dipilih

Lima lapis, dari menebak kualitas udara di seluruh Indonesia sampai menyajikannya di halaman ini.

Periode data:29 Juni 2023 — 1 Juni 2026· 54 tanggal wakil yang tersebar sepanjang rentang itu

Istilah yang dipakai di halaman ini

LOCO
Leave-One-Cell-Out. Satu kotak grid 5 km ditahan penuh dari data latih, lalu ditebak seolah belum pernah ada.
Blokir spasial
Seluruh kelompok kotak yang bertetangga (berjarak kurang dari 50 km) ditahan bersamaan, bukan satu per satu.
Sigma
Seberapa besar sepuluh model berbeda pendapat di satu kotak. Makin besar, makin model itu meraba.
Mahalanobis
Seberapa asing kondisi lingkungan sebuah lokasi dibanding semua lokasi yang pernah terukur.
Rezim
Kelompok tipe kondisi lingkungan. Ada 15 rezim, dibentuk dari ketinggian, kepadatan, tata guna lahan, dan emisi.
Variogram
Ukuran sejauh mana satu sensor masih mewakili sekitarnya. Untuk data kami jaraknya 104,4 km.
Greedy submodular
Memilih lokasi satu per satu dari skor tertinggi, sambil menurunkan skor daerah sekitar tiap kali satu titik terpilih.
1

Estimasi PM2.5

Model LightGBM, 18 fitur, target akar kuadrat

Tujuan
Menebak kadar PM2.5 di seluruh wilayah yang tidak punya sensor.
Cara
Indonesia dibagi menjadi 77.226 kotak berukuran 5 km. Model LightGBM belajar dari 19.455 baris pengamatan harian memakai 18 ciri: cuaca, emisi, ketinggian, tata guna lahan, kepadatan penduduk, citra satelit, dan penanda musim. Nilai target ditransformasi akar kuadrat lalu dikuadratkan balik.
Hasil
Estimasi PM2.5 untuk kesemua 77.226 kotak, dirata-ratakan dari 54 tanggal wakil.
Dampak
Peta polusi nasional yang menutup seluruh daratan, bukan hanya sekitar sensor.

Kenapa 158 sel berlabel menyusut jadi 52 yang dipakai melatih: 158 sel punya label PM2.5, 157 di antaranya berada di dalam grid darat, dan hanya 52 yang labelnya jatuh di dalam jendela ketersediaan fitur satelit sehingga bisa dipasangkan.

2

Kuantifikasi Ketidakpastian

Sigma ensemble + Mahalanobis + klaster rezim

Tujuan
Mengetahui di mana model sedang meraba, bukan sekadar apa tebakannya.
Cara
Sepuluh model dilatih terpisah dengan pengambilan ulang di level blok spasial, bukan per baris, supaya keragaman kondisi lingkungan antar model tetap terjaga. Selain itu tiap kotak diukur jarak Mahalanobis-nya terhadap kondisi yang pernah terukur, lalu dikelompokkan menjadi 15 rezim.
Hasil
Peta sigma, ambang keasingan 6,13, dan 15 rezim — 8 di antaranya tidak punya satu pun sensor, mencakup 41.058 kotak atau 53,2% wilayah.
Dampak
Ketidaktahuan jadi bisa diukur dan dipetakan, bukan sekadar diakui.
3

Optimasi Penempatan

Greedy submodular + pembaruan spasial

Tujuan
Memilih 20 lokasi yang paling menambah pengetahuan, bukan yang paling ramai.
Cara
Dari 77.226 kotak, 50.813 lolos syarat kelayakan: penduduk minimal 50 jiwa dan ketinggian maksimum 3.000 meter. Tiap kandidat diberi skor berbobot — keasingan 0,30, ketidakpastian 0,20, penduduk 0,15, polusi 0,15, dikurangi tumpang tindih 0,20. Setiap satu titik terpilih, skor kotak di sekitarnya diredam mengikuti jarak.
Hasil
20 lokasi menjangkau 10 dari 15 jenis wilayah dengan jarak terdekat 94,6 km, melindungi 561.912 jiwa.
Dampak
Sensor tersebar karena dirancang begitu, bukan kebetulan.
4

Validasi

Leave-K-blok-out + uji banding tiga strategi

Tujuan
Menguji apakah pilihan ini benar-benar lebih baik, bukan sekadar terlihat rapi.
Cara
Dua uji terpisah. Pertama, apakah menambah sensor di lokasi kami menurunkan galat model — diulang 8 kali dengan pembagian blok berbeda. Kedua, apakah sebarannya lebih efisien daripada penempatan acak dan penempatan di kota padat penduduk.
Hasil
Galat turun 2,1% (±5,4), dan 18 dari 20 sensor berdiri sendiri.
Dampak
Klaim keunggulan punya angka pendukung, lengkap dengan batas kepercayaannya.
5

Antarmuka

Halaman yang sedang Anda buka

Tujuan
Membuat hasilnya bisa diperiksa siapa pun, bukan hanya oleh tim.
Cara
Seluruh hasil dihitung sekali di tahap penyiapan lalu disimpan sebagai peta gambar dan berkas ringkas. Halaman ini tidak memanggil server mana pun saat dibuka.
Hasil
Peta yang bisa diklik sampai tingkat kotak 5 km, dalam dua bahasa, tanpa backend.
Dampak
Tetap ringan diakses dari jaringan terbatas — pertimbangan penting bila dipakai di daerah.

Temuan utama: cara menguji menentukan hasilnya

Sebuah model bisa terlihat hebat kalau diuji dengan cara yang salah. Kami menguji dengan tiga protokol yang makin ketat, dan melaporkan yang paling ketat sebagai angka resmi.

ProtokolR²RMSEMAEBias
CV acak10 seed

Kotak yang sama boleh muncul di data latih maupun uji. Ini ujian paling gampang.

0,641± 0,00213,215± 0,0357,959± 0,017-1,298± 0,022
LOCO10 seed

Satu kotak ditahan penuh. Model diuji di lokasi yang belum pernah dilihatnya.

0,269± 0,04118,843± 0,52512,527± 0,4440,181± 0,932
Blokir spasial10 seed

Seluruh kelompok kotak bertetangga ditahan bersamaan, sehingga model tidak bisa mencontek dari tetangga sebelah.

0,150± 0,01020,330± 0,11514,026± 0,108-1,242± 0,200

Nilai adalah rata-rata ± simpangan baku antar seed. R²: makin tinggi makin baik (maksimum 1). RMSE dan MAE: makin rendah makin baik. Bias: makin dekat nol makin baik.

Selisih 0,491 adalah temuan tersendiri

Nilai R² turun dari 0,641 pada ujian paling gampang menjadi 0,150 pada yang paling ketat. Cara uji konvensional menggelembungkan performa hampir empat kali lipat pada data spasial yang mengelompok. Selisih ini sendiri adalah kontribusi metodologis kami.

Lihat sendiri sebabnya di peta: nyalakan layer blok spasial dan perhatikan bahwa 52 sel latih itu sebenarnya hanya 16 lokasi independen.

Buka peta →

Apakah tiap fitur benar-benar berguna

Dua fitur turunan memberi perbaikan tipis tapi nyata. Kami laporkan apa adanya, termasuk dua varian yang justru memperburuk.

Varian fiturR²RMSE
A 16 fitur dasar0,155620,26
B + rh, aod_per_blh0,162320,18
C B tanpa mutu_sensor0,122920,65
D B + bobot blok0,011421,92

Apa yang paling menentukan tebakan model

Kontribusi tiap ciri terhadap keputusan model, dari 18 ciri yang dipakai. Empat teratas disorot.

Apakah keasingan wilayah meramal galat model?

Tiap titik satu sel latih: sumbu mendatar jarak Mahalanobis, sumbu tegak galat model di sel itu.

01223351,02,33,54,86,02,08 → 13,21,17 → 19,42,10 → 7,62,38 → 9,21,69 → 6,71,56 → 9,31,59 → 6,71,71 → 12,72,31 → 6,61,80 → 7,32,12 → 10,02,14 → 11,42,99 → 10,81,18 → 16,51,94 → 19,41,91 → 24,93,66 → 15,33,35 → 13,32,32 → 12,33,70 → 12,72,01 → 16,73,60 → 15,72,18 → 10,91,88 → 15,52,36 → 21,62,47 → 18,72,24 → 19,72,53 → 29,81,68 → 18,31,33 → 14,71,37 → 18,71,62 → 30,81,75 → 9,61,51 → 25,11,83 → 25,01,38 → 8,01,49 → 22,91,49 → 7,31,44 → 8,61,60 → 8,11,60 → 8,12,09 → 7,51,78 → 7,51,44 → 13,31,89 → 5,71,40 → 12,41,97 → 15,31,24 → 12,11,59 → 12,41,35 → 11,81,95 → 10,65,45 → 6,8MahalanobisGalat model (MAE)

Bentuknya U, bukan naik. Korelasinya -0,004 dengan p=0,976 pada 52 sel — tidak signifikan. Kami tidak berhasil membuktikan Mahalanobis meramal galat, dan itu kami tampilkan apa adanya. Mahalanobis tetap dipakai karena uji independensinya terhadap sigma lolos (-0,146), jadi keduanya mengukur sumber ketidaktahuan yang berbeda.

Sejauh mana satu sensor mewakili sekitarnya

104,4 km · 1.326 pasangan lokasi · out-of-fold (Lapis 2.1, 160 model)

Angka 104,4 km inilah yang dipakai sebagai ambang tumpang tindih pada tahap validasi.

Catatan sumber data

Data sensor berasal dari tiga sumber dengan mutu berbeda: OpenAQ sebagai acuan terbaik, ISPU KLHK, dan PurpleAir yang merupakan sensor komunitas berbiaya rendah. Sumber dicatat sebagai penanda pada model. Saat menghitung peta nasional, seluruh kotak diperlakukan seolah diukur alat terbaik agar hasilnya tidak bias rendah.

Keterbatasan yang Kami Akui

Enam hal berikut kami laporkan tanpa diperhalus. Menyembunyikannya justru akan membuat sisa laporan ini patut diragukan.

  1. 1

    R² pada protokol paling ketat hanya 0,150

    Jauh di bawah target awal 0,6 yang kami ambil dari studi pembanding di satu kota. Model ini berguna untuk menunjukkan pola dan memprioritaskan lokasi, bukan untuk menggantikan pengukuran.

  2. 2

    Validasi Mahalanobis tidak signifikan

    Korelasi dengan galat model -0,004 (p=0,976) pada 52 sel, dan bentuk hubungannya U, bukan naik. Kami tetap memakainya karena uji independensi terhadap sigma lolos, tapi klaim bahwa ia meramal galat tidak terbukti.

  3. 3

    AOD satelit nyaris tidak berkontribusi

    Peringkat 15 dari 18 fitur dengan kontribusi sekitar 1%. Penyebabnya tutupan awan tropis yang membuat ketersediaan hariannya hanya 5–31%.

  4. 4

    Tinggi lapisan batas berlawanan dengan teori

    Korelasinya dengan PM2.5 justru positif (+0,114), padahal teori memperkirakan negatif. Dugaan kami: agregasi harian menghapus siklus diurnal, sementara mekanisme fisiknya bekerja pada lapisan batas malam dan pagi.

  5. 5

    Fitur titik api kebakaran lahan tidak tersedia

    Terkendala kuota komputasi, padahal secara fisik seharusnya menjadi penjelas kuat lonjakan PM2.5 ekstrem di Sumatra dan Kalimantan.

  6. 6

    Regresi ke rata-rata masih kuat

    Prediksi nasional mentok di 45,9 µg/m³ padahal data latih mencapai 428,4. Model konsisten menebak terlalu rendah untuk lokasi yang sangat tercemar.