Prediksi Indeks Standar Pencemar Udara (ISPU) DKI Jakarta Menggunakan Metode Stacked Long Short-Term Memory (Stacked-LSTM)

Kualitas udara merupakan salah satu faktor yang memengaruhi kesehatan manusia dan kelestarian lingkungan. Peningkatan aktivitas industri, transportasi, dan kepadatan penduduk di DKI Jakarta menyebabkan meningkatnya konsentrasi polutan udara yang diukur menggunakan Indeks Standar Pencemar Udara (ISPU). Meskipun data ISPU harian telah tersedia, informasi tersebut hanya menggambarkan kondisi kualitas udara saat ini sehingga belum mampu memberikan gambaran kondisi pada masa mendatang. Oleh karena itu, penelitian ini bertujuan membangun model prediksi ISPU harian satu hari ke depan menggunakan metode Stacked Long Short-Term Memory (Stacked LSTM) dengan membandingkan pengaruh tiga metode penanganan outlier, yaitu Interquartile Range (IQR), Local Outlier Factor (LOF), dan Hampel Filter, terhadap performa model. Dataset yang digunakan berasal dari stasiun pemantauan kualitas udara DKI1 Bundaran HI periode Januari 2024 hingga November 2025 sebanyak 699 data harian dengan enam parameter polutan, yaitu PM2.5, PM10, SO₂, CO, O₃, dan NO₂. Penelitian ini menerapkan tahapan CRISP-DM, meliputi Business Understanding, Data Understanding, Data Preparation, Modeling, Evaluation, dan Deployment. Model Stacked LSTM dibangun menggunakan tiga lapisan LSTM untuk mempelajari pola temporal dan hubungan nonlinier antarparameter polutan. Evaluasi menggunakan metrik Root Mean Squared Error (RMSE) menunjukkan bahwa metode Hampel Filter menghasilkan performa terbaik dengan nilai RMSE 7,645279, lebih baik dibandingkan metode IQR dan LOF. Model terbaik kemudian diimplementasikan dalam aplikasi berbasis web menggunakan Streamlit untuk menampilkan prediksi konsentrasi polutan, nilai ISPU, dan kategori kualitas udara sesuai standar Peraturan Menteri Lingkungan Hidup dan Kehutanan (MENLHK).