Penggunaan Machine Learning untuk Memprediksi Paparan PM2.5 dan Dampaknya terhadap Kesehatan
Abstract
Penurunan kualitas udara di Indonesia akibat penggunaan bahan bakar fosil menyebabkan tingginya konsentrasi PM2.5, yang berisiko bagi kesehatan masyarakat. Penelitian ini menggunakan metode machine learning untuk menganalisis faktor-faktor yang mempengaruhi kualitas udara terhadap kesehatan serta memprediksi paparan PM2.5 dan biaya kesejahteraan akibat kematian dini karena polusi udara. Metode penelitian yang digunakan CRISP-DM yang meliputi pengumpulan, pemahaman, dan persiapan data, pemodelan, evaluasi, serta penerapan. Data diambil dari OECD periode 1994–2022. Hasil analisis menunjukkan peramalan paparan PM2.5 diproyeksikan meningkat dalam 8 tahun mendatang, memicu peningkatan biaya kesejahteraan akibat dampak kesehatan yang dapat menyebabkan gangguan pernapasan dan kematian dini. Model ARIMA digunakan untuk memprediksi paparan PM2.5, sedangkan ARIMAX+ETS memprediksi biaya kesejahteraan, dengan peningkatan akurasi setelah hyperparameter tuning. Untuk mengatasi hal ini, direkomendasikan kebijakan seperti penerapan teknologi ramah lingkungan, transisi energi bersih, pengelolaan limbah, dan pembangunan kota hijau sehingga diharapkan dapat mengurangi polusi udara dan menekan biaya kesejahteraan di masa depan.
In order to be accepted and published by Journal Agribest, author(s) submitting the article manuscript should complete all the review stages. By submitting the manuscript the author(s) agreed to these following terms:
- The copyright of received articles shall be assigned to Journal Agribest as the publisher of the journal. The intended copyright includes the right to publish articles in various forms (including reprints). Journal Agribest maintain the publishing rights to the published articles.
- Authors are permitted to disseminate published article by sharing the link/DOI of the article at Journal Agribest. authors are allowed to use their articles for any legal purposes deemed necessary without written permission from Journal Agribest with an acknowledgement of initial publication to this journal.
- Users/public use of this website will be licensed to Creative Commons Attribution 4.0 International License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.
