PREDIKSI INDEKS KUALITAS UDARA OZON (ISPU O3) MENGGUNAKAN RANDOM FOREST DAN REGRESI VEKTOR DUKUNGAN: STUDI PERBANDINGAN PADA DATA TAHUN 2022

Syaeful Bachri Barelang (Teknik Informatika, Universitas Esa Unggul)
Ase Ananda Putra (Teknik Informatika, Universitas Esa Unggul)
Jundana Abdullah Hanif (Teknik Informatika, Universitas Esa Unggul)
Muhammad Rayyan Ardiano (Teknik Informatika, Universitas Esa Unggul)
Muhammad Athallah Izma (Teknik Informatika, Universitas Esa Unggul)
Vitri Tundjungsari (Teknik Informatika, Universitas Esa Unggul)

JATI (Jurnal Mahasiswa Teknik Informatika)
Vol. 10 No. 2 (2026): JATI Vol. 10 No. 2

Penurunan kualitas udara merupakan permasalahan lingkungan yang semakin serius, khususnya di wilayah perkotaan dengan aktivitas industri dan transportasi yang tinggi. Ozon (O₃) sebagai salah satu parameter utama dalam Indeks Standar Pencemar Udara (ISPU) memiliki dampak signifikan terhadap kesehatan manusia dan lingkungan, sehingga diperlukan metode prediksi yang akurat untuk mendukung sistem peringatan dini. Permasalahan utama dalam prediksi O₃ terletak pada kompleksitas hubungan nonlinier antar polutan yang sulit dimodelkan menggunakan pendekatan konvensional. Oleh karena itu, penelitian ini bertujuan untuk memprediksi nilai ISPU O₃ serta membandingkan kinerja metode supervised learning Random Forest dan Support Vector Regression (SVR) menggunakan data kualitas udara tahun 2022. Metode penelitian meliputi tahap praproses data, pemilihan fitur PM10, SO₂, CO, dan NO₂, pelatihan model, serta evaluasi menggunakan metrik MAE, RMSE, MSE, dan koefisien determinasi (R²). Hasil penelitian menunjukkan bahwa model Random Forest memberikan performa terbaik dengan nilai R² sebesar 0,49, sedangkan model pembanding menghasilkan nilai R² sebesar 0,38. Temuan ini menunjukkan bahwa pendekatan supervised learning efektif untuk prediksi ISPU O₃, meskipun masih diperlukan penambahan variabel meteorologi untuk meningkatkan akurasi model.