Klasifikasi Indeks Kualitas Udara Kota Bandung Menggunakan Algoritma XGBoost: Studi Kasus Data Stasiun Pemantauan Tahun 2024

Abstract

Penyusunan strategi pengendalian pencemaran udara yang tepat sasaran memerlukan data pengukuran kualitas udara dan analisis hasilnya yang akurat. Kota Bandung sebagai salah satu metropolitan terbesar di Indonesia menghadapi tantangan serius terkait polusi udara dari sektor transportasi dan industri. Dalam pelaksanaannya diperlukan penentuan indeks kualitas udara yang terpantau terus menerus dengan mengolah data hasil pengukuran Stasiun Pemantauan Kualitas Udara (SPKU) tahun 2024 yang tersebar di Kota Bandung. Penelitian ini diusulkan dengan tujuan menganalisis data Indeks Kualitas Udara (PM10, PM2.5, SO2, CO, O3, dan NO2) di Kota Bandung dan menentukan klasifikasi indeks kualitas udara dengan metode XGBoost berbasis machine learning. Hasil penelitian menunjukkan bahwa model XGBoost mencapai akurasi sebesar 95,1% dengan nilai precision, recall, dan F1-score yang sangat baik. Analisis kepentingan fitur menunjukkan bahwa PM2.5 menjadi parameter paling dominan dalam menentukan kualitas udara di Bandung, diikuti oleh PM10 dan SO2. Polusi udara di Bandung sebagian besar disumbang oleh sektor transportasi dari kendaraan bermotor, diikuti sektor industri manufaktur dan energi dari kawasan industri di sekitar Bandung seperti Majalaya dan Rancaekek, dan terakhir sektor rumah tangga dari pembakaran sampah dan pemakaian bahan bakar fosil.