Perpustakaan Digital ITB

Konsentrasi PM2.5 di DKI Jakarta berfluktuasi tinggi dan dikendalikan oleh proses meteorologi berskala jam seperti dispersi angin, washout hujan, dan siklus diurnal lapisan batas atmosfer. Penelitian ini mengevaluasi enam skenario model prediksi PM2.5 satu jam ke depan, yaitu arsitektur LSTM, CNN 1D, dan hybrid CNN1D- LSTM tanpa dan dengan dekomposisi hybrid residual. Data per jam periode 3 Februari hingga 25 Agustus 2025 mencakup PM2.5 dari sensor IQAir, variabel meteorologi permukaan BMKG Soekarno Hatta yang dikoreksi dengan profil angin logaritmik, serta curah hujan satelit GPM IMERG Final Run. Model dilatih pada jendela masukan 24 jam dengan pembagian kronologis dan dievaluasi menggunakan R2, MAE, RMSE, dan F1 score, dilengkapi uji sensitivitas lead time dan parameter meteorologi, uji Diebold Mariano, serta analisis galat masukan. Hasil menunjukkan dekomposisi meningkatkan kinerja arsitektur tunggal secara signifikan, dan model LSTM dengan dekomposisi menjadi model terbaik dengan R2 tertinggi sebesar 0,6102 dan RMSE terendah sebesar 10,3822 ?g/m3 sekaligus paling tahan terhadap galat masukan, sementara metrik klasifikasi keenam model tidak berbeda signifikan. Informasi meteorologi dimanfaatkan terutama melalui pola diurnal dan musiman, sedangkan kontribusi langsung variabel sesaat pada horizon satu jam kecil karena prediksi didominasi persistensi. Dengan demikian, model LSTM dengan dekomposisi layak menjadi dasar sistem peringatan dini kualitas udara di Jakarta.