PERBANDINGANMETODEIMPUTASIUNTUKMENGATASIDATA HILANGDIASIATENGGARAPADADATAFAKTOR-FAKTOR
PERUBAHANIKLIM
Muhammad Rayhan Faturrahman, Arisman Adnan Program Studi S1 Statistika
Jurusan Matematika
Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Riau Kampus Bina Widya, Pekanbaru 28293
ABSTRACT
Climate change is currently the most discussed environmental issue, and it must be addressed immediately. Statistical models can be used to examine variables that influence climate change. However, there is a large amount of missing data in the dataset, which must be handled by predicting the missing values so that the data can be used for further analysis, such as machine learning analysis. The analysis in this study is limited to Southeast Asian countries with similar climate patterns. Total carbon dioxide emissions, total nitric oxide emissions, methane emissions, greenhouse gas emissions, and total electricity production are the variables used, with three imputation methods used, namely the mean, median, and KNN imputation methods. After predicting data using each imputation, multiple linear regression analysis was used to calculate the RMSE. The mean imputation produces an RMSE of 2566.76, while the median produces an RMSE value of 5943.59 and the KNN have RMSE of 4314.44, implying that the mean method is the best method for performing imputation on a dataset of factors influencing climate change in Southeast Asia.
Keywords: Climate change ,missing value, mean imputation; median imputation, KNN imputation; RMSE.
ABSTRAK
Perubahan iklim saat ini menjadi isi lingkungan yang paling banyak diperbincangkan, dan harus segera diatasi. Model statistika dapat digunakan untuk menguji variabel yang mempengaruhi perubahan iklim. Namun, ada sejumlah besar data yang hilang pada dataset yang harus ditangani dengan memprediksi nilai yang hilang agar data dapat digunakan untuk analisis lebih lanjut seperti pembelajaran mesin. Analisis dalam penelitian ini terbatas pada negara-negara di kawasa Asia Tenggara dengan pola iklim yang mirip.Total emisi karbon dioksida, total emisi nitrit oksida, emisi metana, emisi gas rumah kaca, dan total produksi listrik merupakan variabel yang digunakan, dengan tiga metode imputasi yang digunakan yaitu metode imputasi mean, median, dan KNN.Setelah memprediksi data menggunakan setiap imputasi, analisis regresi linier berganda digunakan untuk menghitung RMSE. Imputasi rata-rata menghasilkan RMSE 2566,76, sedangkan median menghasilkan nilai RMSE 5943,59 dan KNN memiliki RMSE
4314,44, menyiratkan bahwa metode rata-rata adalah metode terbaik untuk melakukan imputasi pada dataset faktor yang mempengaruhi perubahan iklim di Tenggara Asia..
Kata kunci: Perubahan Iklim, data hilang, mean imputation, median imputation, imputasi KNN, RMSE.
1. PENDAHULUAN
Climate changes atau perubahan iklim menjadi salah satu isu lingkungan yang paling dibicarakan di seluruh dunia saat ini. Merujuk pada Undang Undang Republik Indonesia Nomor 31 Tahun 2009 tentang Meteorologi, Klimatologi, dan Geofisika, perubahan iklim adalah berubahnya iklim dan diakibatkan, langsung atau tidak langsung, oleh aktivitas manusia yang menyebabkan perubahan komposisi atmosfer secara global serta perubahan variabilitas iklim alamiah yang teramati pada kurun waktu yang dapat dibandingkan.
Salah satu penyebab dari terjadinya perubahan iklim adalah pencemaran udara yang terjadi akibat pembuangan gas-gas beracun yang dihasilkan oleh kegiatan-kegiatan manusia yang akhirnya dapat menyebabkan efek emisi rumah kaca (Ardhitama et al., 2017). Perubahan iklim akibat pemanasan global telah mengakibatkan ketidakstabilan atmosfer dari lapisan bawah, terutama yang dekat dengan permukaan bumi, yang baru dapat diketahui setelah jangka waktu yang lama.
Rositasari et al (2011) memprediksi akibat dari perubahan iklim dunia menyebabkan erosi yang semakin luas di daerah pesisir Cirebon yang mengakibatkan kerugian lebih dari 1 triliun rupiah akibat hilangnya lahan produktif. Pabalik et al. (2015) juga melakukan penelitian terhadap dampak yang diakibatkan oleh perubahan iklim dunia terhadap curah hujan yang ada di kota Makassar. Hasil yang didapatkan dari penelitiannya adalah terjadinya curah hujan ekstrim yang mengakibatkan terjadinya banjir bandang di Kota Makassar pada tahun 2002.Analisis faktor-faktor yang menjadi penyebab terjadinya perubahan iklim diperlukan untuk meminimalisir bahkan mencegah kerugian yang lebih besar di tahun-tahun mendatang, namun dalam melakukan analisis tidak jarang menjumpai dataset yang tidak lengkap atau memiliki data hilang.
Missing data atau data hilang pada dataset dapat mempengaruhi hasil analisis sehingga diperlakukan cara mengatasi data hilang yang tepat. Mengatasi data hilang dapat dilakukan dengan tiga cara yakni Listwise deletion, pairwaise deletion dan Imputasi (Davey & Savla, 2009). Penggunaan Listwise deletion dan pairwaise deletion untuk mengatasi data hilang menyebabkan hasil yang kurang baik karena jika terjadi pada sebagian besar data maka akan menyebabkan hilangnya berbagai informasi yang penting.
Imputasi data adalah tindakan untuk memperkirakan lalu mengganti data yang hilang dengan menggunakan analisis statistika yang bertujuan untuk menghasilkan dataset yang utuh agar dapat dianalisis (Galli, 2020).
Penelitian terdahulu yang dilakukan oleh Noor et al. (2015) membandingkan metode imputasi interpolasi linear dengan metode mean imputation pada dataset polusi udara di Penang, Malaysia. Peneliti menggunakan tiga macam uji akurasi yakni Mean
Absolute Error (MAE), Root Mean Squared Error (RMSE), dan Coefficient of Determination (R2). Penelitian tersebut menunjukkan bahwa metode imputasi dengan menggunakan metode interpolasi linear lebih baik dibandingkan metode lainnya.
Penelitian lain yang dilakukan oleh Jadhav et al. (2019) membandingkan tujuh metode imputasi yakni mean imputation, median imputation, Knn imputation, Predictive Mean Matching, Regresi Linear, Regresi Linear Bayesian, dan sample imputation pada lima dataset berbeda yang dihapus dengan ketentuan 10%, 20%, 30%, 40%, dan 50%
kemudian dibandingkan data hasil imputasi dengan data asli yang dianalisis dengan menggunakan Normalized root mean square error (NRMSE) sehingga didapatlah bahwa KNN imputation memiliki hasil NRMSE terkecil.
2. MEAN IMPUTATION, MEDIAN IMPUTATION, METODE IM[UTASI DENGAN KNN, DAN RMSE
Mean Imputation atau imputasi dengan menggunakan nilai rata-rata adalah imputasi dengan memasukkan nilai rata-rata aritmatika pada data hilang (Mohammed et al., 2021). Persamaan 1 adalah metode mean imputation untuk mengestimasi nilai 𝑥̅:
𝑥 = 1 𝑛∑ 𝑥𝑖
𝑛
𝑖 (1)
dengan,
𝑥̅ : mean populasi 𝑛 : banyak observasi
𝑥𝑖 : observasi ke-i, untuk i = 1, 2, …, n
Nilai 𝑥̅ yang didapat dari persamaan 1 dijadikan sebagai nilai yang mengisi data hilang yang terdapat pada masing-masing variabel.
Median Imputation atau imputasi dengan menggunakan nilai tengah dari dataset untuk mengisi data hilang (Mohammed et al., 2021). Rumus untuk menghitung median mengikuti persamaan berikut :
𝑀𝑒𝑑 = {
𝑋(𝑛+1) 2
, jika 𝑛 ganjil 1
2(𝑋𝑛
2 + 𝑋𝑛
2+1), jika 𝑛 genap (2)
dengan,
X : data set
𝑛 : banyak observasi
K-Nearest Neighbor (KNN) imputation bekerja dengan cara menggantikan nilai data hilang dengan nilai tetangga terdekat dihitung dari estimasi jarak terdekat (Jadhav et al., 2019). Metode KNN melakukan klasifikasi terhadap objek berdasarkan d jaraknya data terdekat dengan objek tersebut. KNN bekerja dengan menghitung jarak antara data latih dengan data yang sudah diketahui kelasnya menggunakan jarak Euclidean. Penggunaan metode KNN sebagai imputasi untuk mengatasi data hilang dimulai dengan menentukan jumlah tetangga terdekat yang disimbolkan dengan K, lalu mencari jarak terkecil dari setiap observasi yang memiliki data lengkap (Jadhav et al., 2019). Langkah-langkah imputasi dengan metode KNN untuk mengatasi data hilang adalah sebagai berikut (Batista et al., 2002):
1. Menentukan jumlah parameter K terdekat.
2. Menghitung jarak data hilang terhadap data lengkap yang sesuai menggunakan rumus Euclidean.
3. Urutkan nilai jarak pengamatan.
4. Menentukan K pengamatan terdekat dengan nilai jarak terkecil.
5. Melakukan imputasi dengan menghitung estimasi rata-rata berbobot pada K terdekat yang memiliki data lengkap.
Root Mean Square error (RMSE) memiliki kesamaan dengan Mean Square Error (MSE) dimana perbedaan yang terdapat pada RMSE adalah dengan adanya akar kuadrat pada rata-rata error (Jeff, 2012). Root Mean Square Error (RMSE) dapat dihitung dengan rumus berikut :
𝑅𝑀𝑆𝐸 = √𝑛1∑𝑛𝑖=1𝐸2 ,
(3)
dengan,
𝐸2 : nilai error yang dikuadratkan 𝑛 : banyak observasi.
3. METODOLOGI PENELITIAN
Artikel ini dilakukan dengan menggunakan data faktor-faktor yang mempengaruhi perubahan iklim pada 10 negara di Kawasan Asia Tenggara dari tahun 1990-2020 dengan lima variabel yakni total emisi karbon dioksida, total emisi nitrit oksida, emisi metana, emisis gas rumah kaca, dan total produksi listik. Tahapan-tahapan dalam artikel ini adalah sebagai berikut:
1. Melakukan pengumpulan data data website Kaggle.com, worldbank.com dam BMKG.
2. Melakukan imputasi dengan menggunakan Mean, Median, dan metode KNN (dengan K=3).
3. Analisis data imputasi dengan menggunakan regresi linear berganda , dengan emisi gas rumah kaca sebagai variabel dependen dan variabel lainnya sebagai variabel independent.
4. Menggunakan hasil yang diperoleh dari model regresi untuk membuat prediksi.
5. Menghitung nilai RMSE dari model regresi yang didapat dari hasil prediksi dan data yang diimputasi dari setiap metode.
6. Membandingkan nilai RMSE dari setiap metode.
7. Menentukan metode terbaik.
4. IMPUTASI DATASET FAKTOR-FAKTOR PENYEBAB PERUBAHAN IKLIM DI ASIA TENGGARA
Jumlah data hilang yang ada pada setiap variabel penelitian di setiap negara ditunjukkan pada tabel 1.
Tabel 1. Jumlah Missing Value Country Total
Emissions of Carbon Dioxide
Total of Nitric Oxide
Total of Methana
Total Of Greenhouse
Gases
Total Electricity Production Indonesia
2 2 2 2 5
Brunei
Darussalam 2 2 2 2 5
Myanman
2 2 2 2 5
Malaysia 2 2 2 2 5
Thailand
2 2 2 2 5
Singapore
2 2 2 2 5
Vietnamese
2 2 2 2 5
Philippines
2 2 2 2 5
Cambodia 2 2 2 2 10
Laos 2 2 2 2 31
Dari Tabel 1 dapat dilihat bahwa terdapat total sebanyak 161 data yang perlu diimputasi.
Negara Laos menjadi negara yang mempunyai data hilang terbanyak dengan variabel total produksi listrik memiliki jumlah data hilang sebanyak 31 data.
Mean imputation bekerja dengan mencari nilai rata-rata untuk setiap variabel pada setiap negara dengan menggunkan persamaan (1) yang kemudian hasil rata-rata yang didapat akan mengisi data hilang, sedangkan untuk variabel yang keselurahn datanya merupakan data hilang akan diisi dengan 0.
Tabel 2. Hasil Mean Imputation
Country Total
Emissions of Carbon Dioxide
Total of Nitric Oxide
Total of Methana
Total Of Greenhouse
Gases
Total Electricity Production Indonesia
343978.6 73835.5 291565.2 710897.2 4.494
Brunei
Darussalam 5507.93 118.96 10753.1 16498.62 0.048404 Myanman
11068.97 15343.79 54920.69 81334.83 0
Malaysia
152013.8 9614.828 38006.55 202946.6 0.368069 Thailand
196079 17856.55 75235.17 301627.5 1.4684 Singapore
40133.45 7514.483 2426.9 52538 1.232955 Vietnamese 98366.55 18705.52 70702.76 189429.7 0.108231 Philippines
79248.62 11464.48 58264.83 151096.2 18.827 Cambodia
3900.69 4017.24 16955.17 25059.66 1.182202 Laos
3455.172 2085.862 6.298.28 11872.07 0
Tabel 2 adalah hasil rata-rata setiap variabel pada setiap negara yang menggantikan nilai hilang sehingga menghasilkan data set baru yang memiliki data lengkap.
Tabel 3. Hasil Median Imputation Country Total
Emissions of Carbon Dioxide
Total of Nitric Oxide
Total of Methana
Total Of Greenhouse
Gases
Total Electricity Production Indonesia
343160 70830 293680 703480 4.82987
8 Brunei
Darussalam 5090 120 10550 16700 0
Myanmar
8580 14880 54710 80120 0
Malaysia
157470 10250 38600 208590 0.00106
9 Thailand
208810 17520 76630 309750 0.97482
Singapore
39500 8180 2150 51750 1.29515
9
Vietnamese
88460 19150 73140 178680 0
Philippines 74930 11770 60080 146690 18.3261
2 Cambodia
2380 3870 16440 22650 0.93245
4 Laos
1210 2010 5.950 9290 0
Tabel 3 merupakan hasil nilai median dari setiap variabel pada setiap negara yang mengisi nilai untuk data hilang sehingga menghasilkan data set baru. Tabel 4 adalah hasil dari imputasi dengan menggunakan KNN dengan k=3 untuk mengestimasi data hilang pada 10 negara di Asia tenggara.
Tabel 5. Hasil KNN Imputation Total Emissions
of Carbon Dioxide
Total of Nitric Oxide
Emissions of Methane
Emissions of Greenhouse
Gases
Total Electricity Production
93375.27 16055.724 62512.862 174329.896 3.067
Setelah memiliki data set lengkap yang didapat dari setiap metode imputasi selanjutnya menganalisis performa dengan menggunakan regresi linear berganda yang kemudian dihitung nilai RMSE dari setiap model regresi yang didapat.
Tabel 6. Hasil RMSE
Methods RMSE
Mean Imputation
2566.76 Median Imputation
5943.59
k-NN Imputation (k=3) 4314.44
Tabel 6 adalah nilai RMSE dari setiap metode imputasi yang digunakan. Imputasi yang memiliki nilai RMSE terkecil dari data faktor-faktor perubahan iklim di Asia Tenggara adalah metode imputasi dengan menggunakan mean imputation.
5. KESIMPULAN
Berdasarkan hasil penelitian menggunakan berbagai metode imputasi untuk mengatasi data hilang pada data set faktor-faktor perubahan iklim di Asia Tenggara dengan mencakup lima variabel yakni total emisi karbon dioksida, total emisis oksida nitrat, emisi gas rumah kaca, dan total produksi listrik disimpulkan bahwa metode imputasi dengan metode mean imputation memiliki nilai RMSE terkecil yakni sebesar 2566,76 yang
menyiratkan bahwa mean imputation adalah metode terbaik untuk melakukan imputasi dibandingkan metode lainnya.
DAFTAR PUSTAKA
Ardhitama A., Siregar Y. I., Nofrizal. (2017). Analisis pengaruh konsentrasi gas rumah kaca terhadap kenaikan suhu udara di Kota Pekanbaru dan Kota Padang. Jurnal Ilmu Lingkungan, 11(1), 36-42.
Batista, G. E., & Monard, M. C. (2002). A study of K-Nearest Neighbour as an imputation method. His, 87(48), 251-260.
Davey, A., & Savla, J. (2009). Statistical power analysis with missing. New York:
Routledge.
Galli, S. (2020). Python feature engineering cookbook: Over 70 recipes for creating, engineering, and transforming features to build machine learning models.
Birmingham: Packt Publishing Ltd.
Jeff, H. (2012). Introduction to the math of neural networks. Chesterfield: Heaton Research. Inc.
Jadhav, A., Pramod, D., & Ramanathan, K. (2019). Comparison of performance of data imputation methods for numeric dataset. Applied Artificial Intelligence, 33(10), 913–933.
Mohammed, M. B., Zulkafli, H. S., Adam, M. B., Ali, N., & Baba, I. A. (2021).
Comparison of five imputation methods in handling missing data in a continuous frequency table. AIP Conference Proceedings 2355(1).
Noor, N. M., Al Bakri Abdullah, M. M., Yahaya, A. S., & Ramli, N. A. (2015).
Comparison of linear interpolation method and mean method to replace the missing values in environmental data set. Materials Science Forum. 803, 278–281.
Pabalik, I., Ihsan, N., & Arsyad, M. (2015). Analisis fenomena perubahan iklim dan karakteristik curah hujan ekstrim di Kota Makassar. Jurnal Sains dan Pendidikan Fisika, 11(1), 88-92.
Rositasari, R., Setiawan, W. B., Supriadi, I. H., & Prayuda, B. (2011). Kajian dan prediksi kerentanan pesisir terhadap perubahan iklim: Studi kasus di pesisir Cirebon coastal.
Jurnal Ilmu dan Teknologi Kelautan Tropis, 3(1), 53.
Undang-undang Republik Indonesia Nomor 31 Tahun 2009 tentang meteorologi, klimatologi, dan geofisika.
