Kajian Algoritma Machine Learning Untuk Klasifikasi Polusi Udara di DKI Jakarta

Polusi udara di DKI Jakarta merupakan masalah serius, dengan tingkat polusi tertinggi di Asia Tenggara. Sumber utamanya berasal dari transportasi, industri, dan pembakaran sampah. Keterbatasan sistem pemantauan konvensional mendorong pemanfaatan kecerdasan buatan, khususnya algoritma machine learning, untuk meningkatkan akurasi klasifikasi kualitas udara. Penelitian ini membandingkan performa empat algoritma Support Vector Machine (SVM), Gradient Boosting, Random Forest, dan Decision Tree dalam mengklasifikasikan tingkat polusi udara di Jakarta. Data yang digunakan berupa 1.675 data ISPU dari Dinas Lingkungan Hidup Jakarta (Januari–November 2024), mencakup parameter PM10, PM2.5, SO2, CO, O3, dan NO2. Proses penelitian meliputi pembersihan data, normalisasi, reduksi dimensi dengan Principal Component Analysis, pembangunan model dengan pembagian data latih dan uji (80:20), serta evaluasi menggunakan metrik akurasi, presisi, recall, dan F1-score. Hasil menunjukkan seluruh algoritma menghasilkan akurasi tinggi, dengan Random Forest mencapai performa terbaik 93,71%, diikuti Decision Tree 93,41%, Gradient Boosting 92,81% serta SVM 92,51%. Temuan ini mendukung penerapan machine learning sebagai solusi pemantauan polusi udara yang lebih efektif di Jakarta.

Kata Kunci : Polusi Udara, Jakarta, Machine learning, ISPU, Klasifikasi