Comparative Study on SARIMA and LSTM Models in Forecasting Air Quality Index in Kemang, South Jakarta

Memburuknya kualitas udara di Indonesia menuntut kami untuk meninjau dan meningkatkan pendeteksian dan prediksi kualitas udara untuk menghasilkan indikator yang lebih akurat untuk manajemen kualitas udara, khususnya dalam sistem peringatan kesehatan. Oleh karena itu, penelitian ini bertujuan untuk membandingkan dua metode peramalan yaitu SARIMA dan LSTM dalam memprediksi indeks kualitas udara (AQI) di Kemang, Jakarta. Menurut penelitian sebelumnya, metode deep learning LSTM mengungguli SARIMA dalam memprediksi AQI di wilayah metropolitan. Namun, metode SARIMA yang lebih sederhana dapat memberikan prediksi yang lebih baik di wilayah pesisir. Dengan itu, peneliti melakukan riset untuk menemukan metode peramalan yang tepat untuk daerah Kemang, Jakarta Selatan. Prosedur penelitian ini dimulai dengan memastikan data time-series stasioner, kemudian melakukan time-series train-test split, dilanjutkan dengan tuning hiperparameter dengan menggunakan metode Bayes atau random search kemudian membandingkan kedua metode prediksi tersebut berdasarkan nilai RMSE dari masing-masing metode untuk menarik kesimpulan. Ditemukan bahwa metode LSTM lebih cocok untuk data dengan granularitas yang lebih tinggi seperti data per jam, namun jika menggunakan data per hari metode seperti SARIMA/ARIMA bisa digunakan untuk meramal indeks kualitas udara di Kemang.