Rancang Bangun Aplikasi Klasifikasi Pencemaran Udara Menggunakan Algoritma XGBoost Berbasis Web

DKI Jakarta merupakan salah satu wilayah dengan tingkat pencemaran udara yang menjadi perhatian karena tingginya aktivitas transportasi, industri, dan kepadatan penduduk yang berkontribusi terhadap peningkatan konsentrasi polutan udara. Penelitian ini bertujuan mengembangkan aplikasi klasifikasi pencemaran udara berbasis web yang mengintegrasikan model machine learning sehingga pengguna dapat melakukan klasifikasi data Indeks Standar Pencemar Udara (ISPU) secara otomatis. Aplikasi dikembangkan menggunakan metode Waterfall dengan framework Laravel dan bahasa pemrograman PHP, sedangkan pengembangan model machine learning mengacu pada tahapan CRISP-DM. Dataset yang digunakan merupakan data ISPU DKI Jakarta periode 2010–2024 yang bersumber dari Portal Satu Data Jakarta. Model klasifikasi dibangun menggunakan algoritma XGBoost Classifier dengan penerapan Stratified Train-Test Split, Hyperparameter Tuning menggunakan RandomizedSearchCV, Stratified K-Fold Cross Validation, serta perbandingan tiga skenario penanganan ketidakseimbangan data, yaitu tanpa penanganan, SMOTE, dan Class Weight. Hasil pengujian menunjukkan bahwa penerapan Class Weight dengan rasio split data 80:20 menghasilkan performa terbaik dengan nilai accuracy sebesar 99,89%. Model yang dihasilkan kemudian berhasil diintegrasikan ke dalam sistem aplikasi melalui modul Python sehingga sistem mampu melakukan klasifikasi data ISPU secara konsisten sesuai dengan model machine learning.