<![CDATA[Peningkatan polusi udara di wilayah perkotaan berdampak signifikan terhadap kesehatan masyarakat, sehingga prediksi kualitas udara menjadi krusial untuk mitigasi risiko polusi. Penelitian ini mengembangkan model prediksi Air Quality Index (AQI) berbasis Gaussian Process Regression (GPR) yang dioptimasi menggunakan Genetic Algorithm (GA) guna memperoleh hyperparameter terbaik. Dataset berasal dari kota-kota besar di India dengan 1.672 hasil pembersihan data, meliputi fitur polutan seperti PM2.5, PM10, NO?, O?, dan lainnya. Proses preprocessing mencakup penghapusan missing values, outlier dan pembersihan noise, serta pemilihan fitur terbaknya. Evaluasi menunjukkan bahwa GA memberikan peningkatan kinerja pada model GPR, dimana R², RMSE, MAPE, MAE dengan nilai 0.95, 18.65, 9.06, dan 12,71. Keunggulan penelitian ini dibandingkan penelitian sebelumnya terletak pada kemampuan model untuk menghasilkan kesalahan prediksi absolut dan kuadrat rata-rata yang lebih rendah (RMSE dan MAE), meskipun nilai R² lebih rendah. Hal ini membuktikan bahwa integrasi GA pada GPR tidak hanya meningkatkan efisiensi hyperparameter tuning, tetapi juga meminimalkan error secara signifikan. Dengan demikian, model ini lebih efektif dalam mengurangi kesalahan prediksi, stabil terhadap variasi data, dan relevan untuk pengambilan keputusan terkait kualitas udara di wilayah perkotaan.]]>
Copyrights © 2025
