SVM-Driven ISPU Prediction for Jakarta's Sustainable Future

Abstract

Polusi udara di Jakarta menimbulkan risiko kesehatan yang signifikan, dengan transportasi sebagai kontributor utamanya. Studi ini menangani kebutuhan mendesak untuk peramalan kualitas udara yang akurat dengan mengembangkan model Support Vector Machine (SVM) untuk memprediksi kategori Indeks Standar Pencemaran Udara (ISPU). Menggunakan data kualitas udara yang luas, mencakup konsentrasi PM10, PM2.5, SO2, CO, dan O3, kami menerapkan metode pemilihan fitur yang canggih dan optimisasi hiperparameter. Model SVM mencapai akurasi keseluruhan yang luar biasa sebesar 94% dalam memprediksi kategori ISPU, menunjukkan kinerja yang kuat di berbagai metode cross-validation. Metodologi yang tepat ini jauh melampaui teknik-teknik saat ini, menyediakan instrumen yang efektif untuk pengendalian kualitas udara perkotaan. Kemampuan model untuk memprediksi tingkat polusi yang signifikan dengan tepat memfasilitasi intervensi kesehatan masyarakat yang lebih baik dan pendekatan perencanaan kota. Penelitian ini memajukan domain yang berkembang dari aplikasi pembelajaran mesin dalam pemantauan lingkungan dengan menawarkan kerangka kerja yang dapat direplikasi untuk megacity dengan masalah kualitas udara yang serupa. Upaya di masa depan akan berfokus pada integrasi waktu nyata dan penelitian pendekatan ensemble untuk meningkatkan kapasitas prediktif, sehingga meningkatkan standar kesehatan populasi Jakarta melalui pengendalian kualitas udara yang lebih baik.