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 — 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” — 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.