BSIBSI

Computer Science (CO-SCIENCE)Computer Science (CO-SCIENCE)

Kualitas udara perkotaan yang buruk merupakan isu kesehatan masyarakat yang serius, terutama di wilayah dengan urbanisasi tinggi. Penelitian ini bertujuan memprediksi risiko kesehatan akibat polusi udara menggunakan metode pembelajaran mesin berbasis variabel lingkungan. Dataset yang digunakan adalah Urban Air Quality and Health Impact, terdiri atas 1.000 baris dan 46 kolom, mencakup suhu, kelembapan, kecepatan angin, titik embun, indeks ultraviolet (UV), dan skor risiko kesehatan dari kota-kota besar di Amerika Serikat. Sebagai peningkatan dari studi sebelumnya yang menggunakan regresi linier dan Random Forest (R-squared 0,89; Mean Squared Error/MSE 0,65), penelitian ini menerapkan model Extreme Gradient Boosting (XGBoost) yang dioptimasi menggunakan teknik Randomized Search terhadap beberapa hiperparameter utama. Model ini dilatih dan diuji dengan pembagian data 80:20, menghasilkan R-squared sebesar 0,9692 dan MSE sebesar 0,0122. Titik embun dan kecepatan angin merupakan fitur paling berpengaruh. Dataset yang digunakan bersifat sintetis namun menyerupai pola lingkungan di kota-kota Indonesia. Penelitian ini tidak menggunakan kerangka text mining, melainkan pendekatan regresi terawasi berbasis data lingkungan. Kebaruan utama terletak pada penerapan pertama XGBoost yang dioptimasi dengan fitur kompleks seperti suhu terasa untuk estimasi risiko kesehatan perkotaan. Keterbatasan penelitian ini meliputi belum adanya validasi dengan data lokal serta belum dianalisisnya hubungan antarvariabel secara mendalam.

Penelitian ini menunjukkan bahwa XGBoost Regression yang dioptimasi mampu memprediksi risiko kesehatan masyarakat perkotaan dengan akurasi tinggi (MSE = 0,0122.Model secara konsisten mengidentifikasi dew point dan wind gust sebagai fitur dominan, yang mencerminkan pentingnya kombinasi tekanan termal dan variabilitas atmosfer dalam mempengaruhi beban kesehatan.Temuan ini berkontribusi secara teoretis pada literatur pemodelan prediktif berbasis lingkungan, sekaligus memberikan implikasi praktis berupa peluang penerapan sistem peringatan dini dan pemantauan risiko berbasis data, terutama di wilayah urban tropis seperti kota-kota besar di Indonesia.

Berdasarkan hasil penelitian ini, terdapat beberapa arah studi lanjutan yang dapat dilakukan. Pertama, validasi model dengan data lokal dari berbagai kota di Indonesia sangat penting untuk memastikan akurasi dan relevansi model dalam konteks spesifik Indonesia. Kedua, perlu dilakukan analisis lebih mendalam mengenai interaksi antara variabel lingkungan dan faktor sosio-ekonomi, seperti tingkat pendapatan dan kepadatan penduduk, untuk memahami secara komprehensif faktor-faktor yang mempengaruhi risiko kesehatan. Ketiga, pengembangan model prediktif yang dapat mengintegrasikan data real-time dari sensor kualitas udara dan catatan medis akan memungkinkan pemantauan risiko kesehatan secara berkelanjutan dan responsif. Dengan demikian, penelitian lanjutan ini diharapkan dapat memberikan kontribusi signifikan dalam pengembangan sistem peringatan dini dan perencanaan kota yang lebih adaptif terhadap risiko lingkungan.

  1. Interactive effects between extreme temperatures and PM2.5 on cause-specific mortality in thirteen U.S.... doi.org/10.1088/1748-9326/ad97d1Interactive effects between extreme temperatures and PM2 5 on cause specific mortality in thirteen U S doi 10 1088 1748 9326 ad97d1
  2. HUBUNGAN POLUTAN UDARA AMBIEN DENGAN KEJADIAN ISPA PADA BALITA | Jurnal Kesehatan Tambusai. hubungan... doi.org/10.31004/jkt.v6i2.44236HUBUNGAN POLUTAN UDARA AMBIEN DENGAN KEJADIAN ISPA PADA BALITA Jurnal Kesehatan Tambusai hubungan doi 10 31004 jkt v6i2 44236
  3. European Journal of Engineering and Applied Sciences » Submission » Comprehensive Analysis... doi.org/10.55581/ejeas.1581494European Journal of Engineering and Applied Sciences A Submission A Comprehensive Analysis doi 10 55581 ejeas 1581494
Read online
File size561.96 KB
Pages8
DMCAReport

Related /

ads-block-test