Prediksi Ispu PM2,5 Dengan Model Time Series Multiple Linear Regression dan Random Forest DI Kota Jakarta Pusat Dan Kabupaten Sidoarjo

Abstract

Meningkatnya aktivitas industri, transportasi, dan konsumsi bahan bakar fosil telah berkontribusi terhadap penurunan kualitas udara akibat peningkatan partikulat halus (PM₂.₅), yang menimbulkan risiko kesehatan yang signifikan. Konsentrasi PM₂.₅ dipengaruhi tidak hanya oleh emisi antropogenik tetapi juga oleh faktor meteorologis, termasuk suhu, kelembapan relatif, curah hujan, kecepatan angin, dan arah angin. Penelitian ini bertujuan untuk memprediksi Indeks Standar Pencemar Udara (ISPU) PM₂.₅ di Jakarta Pusat dan Kabupaten Sidoarjo serta menganalisis pengaruh variabel meteorologis terhadap kadar PM₂.₅. Data harian ISPU PM₂.₅ dan data meteorologis dianalisis menggunakan dua metode penanganan data yang hilang: *Multiple Imputation by Chained Equations* (MICE) berbasis *Random Forest* dan *listwise deletion*. Model prediksi dikembangkan menggunakan *Multiple Linear Regression* (MLR) dan *Random Forest* (RF) dengan pembagian data latih-uji sebesar 70:30 dan 80:20. Kinerja model dievaluasi menggunakan *Mean Absolute Error* (MAE), *Mean Absolute Percentage Error* (MAPE), dan *Adjusted R²*, diikuti dengan agregasi peringkat untuk menentukan model dengan kinerja terbaik. Model terpilih kemudian digunakan untuk memprediksi ISPU PM₂.₅ selama tujuh hari ke depan, sementara analisis kepentingan fitur mengidentifikasi variabel meteorologis yang paling berpengaruh. Hasil penelitian menunjukkan bahwa *Random Forest* mencapai kinerja terbaik di kedua wilayah studi, dengan metode *listwise deletion* memberikan hasil terbaik di Jakarta Pusat dan imputasi MICE di Kabupaten Sidoarjo. Curah hujan diidentifikasi sebagai prediktor yang paling berpengaruh, dan prediksi tujuh hari menunjukkan bahwa ISPU PM₂.₅ akan tetap berada dalam kategori kualitas udara sedang.