Prediksi Karbon Monoksida Menggunakan Model Machine Learning Berdasarkan Perbandingan Model Time Series Studi Kasus DKI Jakarta: Carbon Monoxide Prediction Using Machine Learning Model Based on Time Series Model Comparison DKI Jakarta Case Study

Ni Made Orcidia Wulaning Sari Sari (Program Studi Meteorologi, STMKG)
Hani Elindra (Program Studi Meteorologi, STMKG)
Agung Hari Saputra (Program Studi Meteorologi, STMKG)

Jurnal Kolaboratif Sains
Vol. 7 No. 3: MARET 2024

DKI Jakarta sebagai pusat kegiatan ekonomi, merupakan daerah dengan dinamika aktivitas dan tingkat kepadatan penduduk yang sangat tinggi, yang mana berpengaruh terhadap kualitas udara yang ada di wilayah tersebut. Rata - rata partikel PM 2.5 di Jakarta sebesar 160, level yang termasuk berbahaya bagi kesehatan manusia. Penelitian ini bertujuan untuk mengetahui dan menguji coba tingkat keakuratan model prediksi time series yang didapatkan dari proses perbandingan model pada library Pycaret yang dilakukan pada dalam memprediksi parameter pencemar udara berupa gas karbon monoksida di wilayah DKI Jakarta. Data yang digunakan pada penelitian ini adalah data ISPU DKI Jakarta selama 11 tahun dari 2010 hingga 2021. Hasil penelitian menunjukkan bahwa perbandingan dari model Machine Learning dimana didapatkan 3 model terbaik yaitu model Huber Regressor, model Linear Regressor dan Ridge Regressor untuk memprediksi karbon monoksida. Dari hasil keseluruhan, model Huber Regressor masih belum dapat menghasilkan prediksi yang akurat dan optimal. Terbukti dari nilai MAE sebesar 5.3187, nilai RMSE sebesar 8.9838, nilai MASE sebesar 0.5699, nilai RMSSE sebesar 0.6571, serta sebesar 0.2364 dan 0.2061 untuk MAPE dan SMAPE. Model masih memiliki banyak keterbatasan, terutama dalam menangani outlier atau peristiwa tak terduga sehingga model dan metode pada penelitian ini masih membutuhkan penyesuaian serta pengembangan lebih lanjut.