PREDIKSI AQI HARIAN YOGYAKARTA MENGGUNAKAN RANDOM FOREST DAN XGBOOST

Abstract

Kualitas udara merupakan faktor penting yang memengaruhi kesehatan masyarakat, sementara sistem pemantauan yang tersedia umumnya hanya memberikan informasi kondisi saat ini tanpa kemampuan prediksi. Penelitian ini bertujuan membandingkan performa algoritma Random Forest dan XGBoost dalam peramalan AQI harian di Kota Yogyakarta. Penelitian ini menggunakan data polutan dan meteorologi harian periode 1 Januari 2021 hingga 19 November 2024. Setelah tahap prapemrosesan dan pembentukan fitur, diperoleh 1.411 observasi yang digunakan dalam pemodelan.Nilai AQI dihitung berdasarkan PermenLHK No. 14 Tahun 2020 sebagai target prediksi, kemudian model dibangun menggunakan fitur lag, rolling statistics, dan fitur temporal.. Evaluasi model menggunakan MAE, RMSE, dan R², serta uji Diebold–Mariano. Hasil penelitian menunjukkan bahwa Random Forest menghasilkan MAE 4,3095, RMSE 6,3869, dan R² 0,7756, sedangkan XGBoost menghasilkan MAE 5,0629, RMSE 7,6771, dan R² 0,6757. Uji Diebold–Mariano menunjukkan bahwa perbedaan performa kedua model signifikan secara statistik (p = 0,0087). Sebagai pembanding, model persistensi menghasilkan MAE 3,1476, RMSE 5,9883, dan R² 0,8027, yang menunjukkan adanya autokorelasi temporal yang kuat pada data AQI Kota Yogyakarta. Analisis Feature Importance dan SHAP menunjukkan bahwa AQI_Hari_Ini_Feature, AQI_Lag1, dan PM2.5_Lag1 merupakan fitur yang paling berpengaruh terhadap hasil prediksi