<![CDATA[Pencemaran udara di DKI Jakarta telah menjadi isu lingkungan kritis dengan fluktuasi konsentrasi polutan yang kompleks, menuntut metode pemantauan yang lebih presisi dibandingkan pendekatan konvensional. Penelitian ini bertujuan untuk mengklasifikasikan tiga kategori utama Indeks Standar Pencemaran Udara (ISPU) menggunakan algoritma Machine Learning Random Forest. Studi ini memanfaatkan dataset harian terbaru periode Januari hingga Agustus 2025 yang mencakup parameter PM10, PM2.5, SO2, CO, O3, dan NO2. Guna mengatasi ketidakseimbangan distribusi kelas pada data kategori ISPU, diterapkan teknik Synthetic Minority Over-sampling Technique (SMOTE) pada tahap pra-pemrosesan. Hasil evaluasi model menunjukkan kinerja yang sangat impresif dengan tingkat akurasi mencapai 99,50% pada data pengujian. Analisis feature importance mengidentifikasi bahwa PM2.5 merupakan parameter paling dominan dengan kontribusi pengaruh sebesar 30,68% terhadap penentuan kualitas udara. Temuan ini memvalidasi efektivitas Random Forest sebagai instrumen sistem peringatan dini yang andal serta menekankan urgensi kebijakan pengendalian emisi partikulat di Jakarta.]]>
Copyrights © 2026
