Oleh kerana pendedahan terhadap PM10 telah membawa kesan kesihatan yang serius, maka keperluan pemodelan PM10 menjadi amat penting bagi tujuan meramal aras kepekatannya terhadap alam sekitar. Kajian ini adalah bagi menentukan statistik berperihalan bagi PM10, korelasi antara PM10 dengan parameter gas dan meteorologi serta bagi mencapai tujuan utama kajian ini iaitu mendapatkan kategori peramalan terbaik (sihat, sederhana, tidak sihat) menggunakan kaedah analisis regresi logistik. Kajian ini dilaksanakan menggunakan data cerapan harian sekunder yang diperolehi dari Jabatan Alam Sekitar Malaysia bagi stesen cerapan kualiti udara berterusan di Jerantut, Klang, Nilai dan Shah Alam dari tahun 2010 hingga 2012. Keputusan statistik berperihalan menunjukkan stesen Klang mempunyai nilai purata yang tinggi berbanding stesen cerapan lain sepanjang tahun 2010 hingga 2012. Korelasi positif kuat diperolehi antara PM10 dengan ozon (O3) di stesen Jerantut manakala korelasi positif kuat diperolehi antara PM10 dan karbon monoksida (CO) pada stesen-stesen lain. Keputusan bagi analisis regresi logistik di stesen Jerantut memberikan peratus peramalam betul melebihi 90% bagi data percubaan dan data pengesahan bagi analisis mengikut tahun dan analisis untuk keseluruhan tahun. Model fungsi logistik paling baik yang diperolehi di Jerantut adalah pada tahun 2010 dengan nilai R2 sebanyak 0.565. Bagi stesen Klang, Nilai dan Shah Alam, model fungsi logistik paling baik diperolehi pada tahun 2012 dengan nilai R2 sebanyak 0.597, 0.366 dan 0.320 bagi setiap stesen. Kategori sihat merupakan kategori ramalan yang paling baik bagi semua stesen (Jerantut, Nilai Klang dan Shah Alam) dengan peratus ramalan betul melebihi 85% yang di perolehi dari keputusan analisis keseluruhan tahun dan analisis setiap tahun.
_______________________________________________________________________________________________________
As exposure to particulate matter with an aerodynamic diameter less than 10μm (PM10) has been consistently associated with serious health outcomes, the prediction and modelling of PM10 has become important for forecasting its concentration level exposure to environment. This study is to determine the characteristics of PM10, relationship between PM10 with gaseous parameters (nitrogen dioxide, sulphur dioxide, carbon monoxide, ozone) and meteorological parameters (temperature, relative humidity), and the major aim is to obtain the best prediction category (healthy, moderate, unhealthy) using logistic regression analysis. A study is done using secondary data obtained from Department of Environment Malaysia at four Continuous Air Quality Monitoring Stations (CAQMS) of Jerantut, Klang, Nilai and Shah Alam from 2010 to 2012. The result of descriptive statistics shows that Klang station has highest mean value from 2010 to 2012 compared to other stations. Strong positive correlation is obtained between PM10 and ozone (O3) at Jerantut station while strong positive correlation is obtained between PM10 and carbon monoxide (CO) for other stations. The result of logistic regression analysis at Jerantut station gives percentage of classification more than 90% for training and validation data for overall and each year. The best logistic regression model obtained at Jerantut station is in 2010 with R2 value of 0.565. For Klang, Nilai and Shah Alam station, the best logistic regression model is obtained in 2012 with R2 values of 0.597, 0.366 and 0.320 respectively. Healthy is the best prediction category for all stations (Jerantut, Klang, Nilai and Shah Alam) with the percentage correct of more than 85% obtained for the result of overall and each year analysis.
Prediction of pm10 using logistic regression analysis / Mohamad Hazlami Abdul Hamid