PREDIKSI KONSENTRASI POLUTAN UDARA PM 2,5 BERBASIS MACHINE LEARNING SERTA ANALISIS DAMPAKNYA TERHADAP KESEHATAN MASYARAKAT
Jibran Haykal Ramadhan, Teguh Budi Prayitno, Muhayatun Santoso

Universitas Negeri Jakarta, Badan Riset dan Inovasi Nasional

Abstract

Praktik Kerja Lapangan (PKL) ini dilaksanakan di Badan Riset dan Inovasi Nasional (BRIN) dengan fokus pada penerapan algoritma machine learning untuk memprediksi konsentrasi polutan udara PM2.5 dan menganalisis dampaknya terhadap kesehatan masyarakat. Penelitian dilakukan dengan menggunakan data kualitas udara dan parameter meteorologi dari wilayah Jakarta Pusat pada periode 2021-2024. Model prediksi dibangun dengan algoritma seperti Forecasting LSTM, dan Prophet. Hasil menunjukkan bahwa konsentrasi PM2.5 mengalami peningkatan signifikan secara musiman dan diperkirakan akan terus meningkat hingga pertengahan 2025. Temuan ini selaras dengan tren peningkatan kasus Infeksi Saluran Pernapasan Akut (ISPA), menunjukkan hubungan erat antara kualitas udara dan kesehatan masyarakat. Faktor meteorologis seperti suhu tinggi, kelembapan rendah, dan kecepatan angin yang rendah juga memperparah akumulasi PM2.5 di atmosfer. Studi ini menegaskan pentingnya pemanfaatan teknologi prediktif berbasis data lingkungan untuk mendukung pengambilan kebijakan dan mitigasi risiko polusi udara. Selain itu, kegiatan ini juga memperkuat kompetensi mahasiswa dalam analisis data, pemodelan prediktif, dan penerapan ilmu fisika secara aplikatif dalam isu-isu lingkungan perkotaan.

Keywords: PM2.5, machine learning, Prophet, kualitas udara, ISPA.

Topic: Energy and Environmental Physics