Analisis Prediktif Menggunakan Metode Hybrid Seasonal Autoregressive Integrated Moving Average – Artificial Neural Network pada Data Konsentrasi PM2.5 Harian di DKI Jakarta

I Kadek Pasek Kusuma Adi Putra (Universitas Airlangga, Indonesia)
Sediono (Universitas Airlangga, Indonesia)
M. Fariz Fadillah Mardianto (Universitas Airlangga, Indonesia)
Elly Pusporani (Universitas Airlangga, Indonesia)

G-Tech : Jurnal Teknologi Terapan
Vol 8 No 1 (2024): G-Tech, Vol. 8 No. 1 Januari 2024

Polusi udara, khususnya PM2.5 merupakan ancaman tingkat global yang sulit untuk ditangani. Partikulat ini memberikan dampak yang serius secara lingkungan, kesehatan, dan juga ekonomi di DKI Jakarta. Tujuan dari penelitian ini adalah untuk memprediksi konsentrasi PM2.5 dengan sangat akurat. Penelitian ini menghadirkan model prediksi inovatif, yaitu Hybrid ARIMA-ANN. Dibandingkan dengan ARIMA dan ANN secara terpisah, model ini menunjukkan kinerja luar biasa dengan R2 mencapai 0,9012, MAPE 13,603%, dan RMSE 4,061 pada data train. Evaluasi pada data uji menghasilkan RMSE 5,961 dan MAPE 7,622%, menandakan kemampuan prediksi yang sangat baik selama 14 periode ke depan. Temuan ini memberikan panduan penting bagi pemerintah untuk memprediksi kualitas udara di masa depan dan meningkatkan kebijakan penanganan polusi udara di DKI Jakarta. Implikasi kesimpulan ini juga mendukung pencapaian SDGs, terutama poin ke-3, ke-13, dan ke-15.