<![CDATA[COVID-19 masih menjadi tantangan kesehatan global, dan Jakarta termasuk kota dengan beban kasus tinggi sekaligus kualitas udara yang buruk. Hubungan keduanya menarik untuk dieksplorasi, karena polutan udara berpotensi memperburuk penyebaran dan keparahan penyakit. Dengan pendekatan machine learning adaptif, penelitian ini menganalisis lima parameter polutan (PM10, SO₂, CO, O₃, dan NO₂) serta indikator epidemiologis berupa kasus sembuh, meninggal, dan isolasi mandiri di lima wilayah Jakarta. Delapan algoritma diuji melalui cross-validation dengan tiga skema pembagian data (90:10, 80:20, dan 70:30) menggunakan RapidMiner Studio. Hasilnya menunjukkan bahwa Gradient Boosted Trees consistently unggul, memberikan akurasi tertinggi dan stabil di hampir semua kategori. Analisis korelasi lebih lanjut menegaskan peran CO dan NO₂ yang berkorelasi positif dengan peningkatan kasus COVID-19, sedangkan O₃ justru berkorelasi negatif. Temuan ini menghadirkan bukti empiris bahwa model prediksi adaptif yang mempertimbangkan karakteristik lokal dapat menjadi dasar ilmiah bagi kebijakan kesehatan dan lingkungan yang lebih efektif di perkotaan.]]>
Copyrights © 2026
