Polusi udara merupakan permasalahan lingkungan yang memiliki dampak serius terhadap kesehatan manusia dan kualitas hidup masyarakat. Paparan udara tercemar, baik dalam jangka pendek maupun jangka panjang, dapat menyebabkan gangguan pada sistem pernapasan, menurunkan fungsi paru-paru, serta meningkatkan risiko penyakit jantung (WHO, 2018). Dampak polusi udara juga bisa berujung kepada penurunan produktivitas dan aktivitas sehari-hari masyarakat yang mengakibatkan terhambatnya pertumbuhan ekonomi (OECD, 2016). Polusi udara juga berpengaruh terhadap lingkungan dan kenyamanan hidup di kawasan perkotaan.
Salah satu sumber utama dari polusi udara adalah aktivitas yang dilakukan oleh manusia. Aktivitas manusia seperti asap rokok, kegiatan industri, transportasi, serta pembakaran lahan atau hutan menjadi faktor utama penurunan kualitas udara (Amalia, Zaidiah dan Isnainiyah, 2022). Salah satu polusi yang tercipta dari aktivitas manusia seperti penggunaan bermotor adalah partikulat atau particulate matter (PM2,5 dan PM10), BMKG juga menjelaskan bahwa salah satu sumber dari partikulat adalah emisi kendaraan bermotor. Berdasarkan data dari Badan Pusat Statistik Nasional, jumlah kendaraan bermotor di Kota Samarinda dari tahun 2020 hingga 2024 meningkat sebesar 42,66% dengan jumlah kendaraan bermotor tercatat sebanyak 1.163.112 pada tahun 2024. Data tersebut memperlihatkan bahwa setiap tahunnya, penggunaan kendaraan bermotor di Kota Samarinda terus meningkat setiap tahunnya, menjadikan perhatian khusus pada bidang kualitas udara.
_1793591619_1.jpg)
Untuk menilai kondisi kualitas udara, pemerintah Indonesia melalui Kementerian Lingkungan Hidup dan Kehutanan (KLHK) menerapkan sistem Indeks Standar Pencemar Udara (ISPU). ISPU sendiri berdasarkan Permen LHK Nomor 14 Tahun 2020 adalah “angka yang tidak mempunyai satuan yang menggambarkan kondisi mutu udara ambien di lokasi tertentu, yang didasarkan kepada dampak terhadap kesehatan manusia, nilai estetika dan makhluk hidup lainnya”. ISPU berfungsi sebagai indikator kuantitatif yang mengukur tingkat pencemaran udara berdasarkan lima parameter utama, salah satunya adalah partikulat (PM₁₀ dan PM₂.₅) yang dapat bersumber dari kegiatan manusia. Empat parameter lainnya meliputi karbon monoksida (CO), nitrogen dioksida (NO₂), sulfur dioksida (SO₂), dan ozon (O₃). Hasil pengukuran ISPU diklasifikasikan ke dalam lima kategori, yakni baik, sedang, tidak sehat, sangat tidak sehat, dan berbahaya untuk menggambarkan tingkat risiko terhadap kesehatan manusia. Sistem ini menjadi dasar bagi pemerintah dalam memberikan informasi kepada masyarakat serta dalam merumuskan kebijakan pengendalian pencemaran udara. Pengukuran ISPU dilakukan melalui stasiun pemantauan kualitas udara otomatis yang tersebar di sejumlah daerah di Indonesia, termasuk di wilayah Kalimantan Timur.
Dalam proses pengumpulan data yang digunakan dalam perhitungan parameter ISPU, pemerintah menempatkan sensor pemantauan kualitas udara pada titik-titik lokasi tertentu yang dianggap representatif terhadap kondisi lingkungan setempat. Sensor tersebut berfungsi untuk mengukur konsentrasi pencemar udara secara berkala dan berkelanjutan sesuai dengan parameter yang ditetapkan dalam ISPU. Data hasil pengukuran dari sensor ini terintegrasi dengan sistem pemantauan yang dimiliki oleh Kementerian Lingkungan Hidup dan Kehutanan (KLHK) melalui jaringan pemantauan kualitas udara nasional. Selanjutnya, data tersebut dikelola dan dimanfaatkan oleh Dinas Lingkungan Hidup (DLH) di tingkat daerah sebagai dasar pemantauan kondisi kualitas udara, penyusunan laporan lingkungan, serta pengambilan keputusan terkait upaya pengendalian pencemaran udara di wilayah masing-masing.
Selain menggambarkan kondisi kualitas udara saat ini, data hasil pemantauan yang telah dikumpulkan juga dapat dimanfaatkan untuk keperluan prediksi atau peramalan kualitas udara di masa mendatang. Melalui penerapan metode analisis dan model peramalan, data historis kualitas udara dapat diolah untuk memprediksi kecenderungan peningkatan atau penurunan tingkat pencemaran pada periode tertentu. Hasil peramalan tersebut memberikan informasi awal bagi pemerintah dan instansi terkait untuk menyusun kebijakan yang bersifat antisipatif, seperti perencanaan pengendalian emisi, penetapan langkah mitigasi pada periode berisiko tinggi, serta penyusunan peringatan dini kepada masyarakat. Dengan pendekatan prediktif ini, kebijakan pengendalian pencemaran udara tidak hanya bersifat reaktif terhadap kondisi yang telah terjadi, tetapi lebih proaktif dalam mencegah peningkatan polusi udara dan meminimalkan dampaknya terhadap kesehatan dan lingkungan.
Dengan kebijakan yang tepat, peningkatan dari polusi udara dapat diminimalisir. Penelitian yang dilakukan oleh Vu et al (2019) memperlihatkan keberhasilan kebijakan pengendalian polusi udara pada pemerintah kota Beijing dan Chengdu. Hasil penelitian menunjukkan bahwa selama periode 2013–2017, kadar polutan utama seperti PM₂.₅ berhasil berkurang hingga 34%, PM₁₀ sebesar 24%, dan SO₂ hingga 68%, menandakan efektivitas tinggi kebijakan yang didasarkan pada hasil analisis data besar (Vu dkk., 2019). Hasil tersebut juga menunjukkan bahwa dengan kebijakan yang tepat, polusi udara dapat diminimalisir. Melalui pemanfaatan data historis dan analisis prediktif, pemerintah dapat meramalkan tren pencemaran udara, serta mengambil langkah antisipatif sebelum kondisi udara memburuk. Pendekatan ini sejalan dengan konsep data-driven policy, yang membuat kebijakan tidak lagi bersifat reaktif, melainkan proaktif dan berbasis bukti ilmiah.
Kota Samarinda sebagai ibu kota Provinsi Kalimantan Timur juga menerapkan sistem pemantauan kualitas udara berdasarkan standar ISPU. Sebagai pusat pemerintahan dan kegiatan ekonomi di provinsi ini, Samarinda mengalami peningkatan aktivitas industri, transportasi, dan pembangunan yang berdampak pada menurunnya kualitas udara. Berdasarkan hasil wawancara dengan Dinas Lingkungan Hidup Kota Samarinda, sistem pemantauan kualitas udara di wilayah ini masih menghadapi beberapa kendala teknis. Selain alat pemantau udara yang masih belum menjangkau seluruh kawasan, data kualitas udara yang diperoleh setiap harinya umumnya hanya disajikan dalam bentuk laporan nilai ISPU tanpa adanya analisis lebih lanjut untuk mengidentifikasi pola, tren, atau potensi peningkatan pencemaran udara di masa mendatang. Hal ini menyebabkan proses pengambilan keputusan terkait mitigasi dan penanganan pencemaran udara masih bersifat reaktif, bukan prediktif. Akibatnya, langkah pencegahan sering kali baru dilakukan setelah kualitas udara menurun secara signifikan.
Sebagai contoh langkah pencegahan yang telah diterapkan, DLH Kota Samarinda umumnya menyampaikan himbauan kepada masyarakat berdasarkan evaluasi kondisi kualitas udara pada tahun sebelumnya. Imbauan tersebut biasanya diberikan setelah terjadi penurunan kualitas udara yang cukup signifikan, dengan merujuk pada kejadian serupa di periode yang lalu. Pola ini menunjukkan bahwa tindakan yang diambil masih bersifat reaktif, yakni dilakukan sebagai respons atas kejadian pencemaran yang telah terjadi, bukan sebagai hasil antisipasi terhadap potensi peningkatan pencemaran di masa mendatang. Akibatnya, upaya pengendalian yang dilakukan cenderung terlambat dan kurang optimal dalam mencegah terjadinya penurunan kualitas udara, karena belum didukung oleh analisis prediktif atau peramalan yang mampu memberikan peringatan dini sebelum kondisi udara memburuk.
Melihat masalah yang dihadapi dalam menjaga kualitas udara di Kota Samarinda, belum adanya analisis data yang mampu memprediksi tingkat polusi pada periode tertentu menyebabkan kebijakan pengendalian pencemaran udara masih bersifat reaktif dan belum didukung oleh informasi yang antisipatif. Oleh karena itu, diperlukan pendekatan berbasis teknologi karena data kualitas udara dihasilkan secara kontinu, berurutan menurut waktu, dan terus bertambah, sehingga membutuhkan metode analisis yang mampu mengolah data dalam jumlah besar secara sistematis dan akurat untuk mengidentifikasi pola serta tren perubahan. Meskipun analisis regresi dapat digunakan sebagai alternatif untuk melihat hubungan antara tingkat polusi dan faktor-faktor tertentu, metode tersebut umumnya memerlukan variabel penjelas tambahan dan kurang optimal dalam menangkap dinamika perubahan data dari waktu ke waktu. Salah satu metode yang lebih sesuai untuk kondisi ini adalah time series forecasting. Time series merupakan kumpulan data yang tersusun secara kronologis berdasarkan waktu, sedangkan forecasting adalah proses memprediksi nilai masa depan menggunakan data historis (Peixeiro, 2022). Dengan demikian, time series forecasting adalah metode analisis yang memanfaatkan pola, tren, dan fluktuasi data historis untuk memperkirakan kondisi di masa mendatang. Pendekatan ini memungkinkan diperolehnya gambaran kecenderungan perubahan kualitas udara secara lebih akurat, sehingga hasil prediksi dapat dimanfaatkan sebagai dasar perumusan kebijakan pengendalian pencemaran udara yang lebih proaktif, berbasis data, dan berorientasi pada pencegahan.
Kualitas udara merupakan aspek krusial yang berpengaruh langsung terhadap kesehatan masyarakat dan keberlanjutan lingkungan, dan Kota Samarinda menghadapi tantangan yang semakin serius dalam pengendalian pencemaran udara akibat meningkatnya aktivitas industri, transportasi, dan pembangunan infrastruktur. Sistem pemantauan kualitas udara yang ada saat ini masih bersifat reaktif, karena data Indeks Standar Pencemar Udara (ISPU) harian hanya disajikan sebagai laporan deskriptif tanpa analisis prediktif untuk mengantisipasi peningkatan polutan sebelum terjadi. Penelitian ini menerapkan Metode Klasterisasi Objek dan Peramalan Artificial Neural Network untuk menganalisis pola perubahan polutan udara serta mengevaluasi kinerja model dalam memprediksi konsentrasi PM10 dan PM2,5 pada beberapa periode ke depan. Data historis polutan dari November 2024 hingga Desember 2025, yang diperoleh dari Dinas Lingkungan Hidup (DLH) Kota Samarinda, diproses melalui tahap integrasi, pembersihan, capping, dan agregasi sebelum diuji pada dua frekuensi data, yaitu 30 menit dan harian. Empat model dibandingkan, yaitu Autoregressive (AR), ARIMA static forecast, ARIMA rolling forecast, dan Extreme Gradient Boosting (XGBoost), yang dievaluasi menggunakan metrik Mean Absolute Percentage Error (MAPE) dan Root Mean Squared Error (RMSE). Hasil penelitian menunjukkan bahwa AR dan ARIMA static forecast menghasilkan prediksi yang landai dan konvergen menuju rata-rata akibat sifat linearnya, sedangkan ARIMA rolling forecast mampu menangkap sedikit fluktuasi melalui pembaruan berkala dengan data aktual. XGBoost menunjukkan performa terbaik secara keseluruhan, terutama pada data frekuensi 30 menit, dengan MAPE 10,23% dan RMSE 4,30 untuk PM10, serta MAPE 14,31% dan RMSE 3,66 untuk PM2,5. XGBoost juga terbukti paling mampu mempertahankan karakteristik fluktuatif data polutan pada prediksi out-of-sample. Hasil penelitian ini diharapkan dapat menjadi dasar bagi DLH Kota Samarinda dalam merumuskan kebijakan pengendalian kualitas udara yang berbasis data dan berorientasi pada pencegahan