Prediksi ISPU Kualitas Udara Jakarta

Latar Belakang Masalah

Jakarta secara konsisten berada di antara kota-kota dengan kualitas udara terburuk di dunia. Prediksi ISPU yang akurat membantu warga dan pemerintah mengambil keputusan yang tepat waktu.

Pendekatan

Membandingkan 5 algoritma: Logistic Regression, Decision Tree, Random Forest, SVM, dan KNN. Menggunakan SHAP untuk menjelaskan mengapa model membuat prediksi tertentu dan bukan hanya berapa akurasinya.

Temuan Utama

• Random Forest mencapai akurasi 94.2%, mengalahkan model lainnya secara konsisten
• PM2.5 adalah fitur dengan pengaruh terbesar terhadap prediksi
• Model cenderung underpredict pada level “Sangat Tidak Sehat” atau data imbalanced

Yang Saya Pelajari

Akurasi tinggi tidak cukup. Model yang tidak bisa dijelaskan sulit dipercaya di domain kesehatan publik. SHAP mengubah cara saya memikirkan validasi model.