IMPLEMENTASI META-ENSEMBLE UNTUK PREDIKSI INDEKS KUALITAS UDARA DI KOTA MEDAN

Kualitas udara di Kota Medan saat ini hanya dapat diakses dalam bentuk informasi real-time atau historis tanpa adanya model peringatan dini yang mampu memprediksi kondisi udara di masa depan. Penelitian ini bertujuan mengembangkan model prediksi meta-ensemble stacking yang menggabungkan Multiple Linear Regression sebagai base model dan Random Forest Regressor sebagai meta-model untuk memprediksi Indeks Kualitas Udara Kota Medan 1 hingga 7 hari ke depan. Data yang digunakan merupakan data kualitas udara dan meteorologi Kota Medan periode 2023–2025 dari OpenAQ dan BMKG dengan total 1.095 hari data harian. Model meta-ensemble dibangun melalui dua tahap: pelatihan MLR untuk menangkap hubungan linear, kemudian prediksi MLR digunakan sebagai fitur input untuk melatih RFR sebagai meta-model yang mengoreksi residu non-linear. Hasil evaluasi menunjukkan model stacking ensemble memperoleh MAE 3,6645, RMSE 4,6543, dan R² 0,8899 pada data testing, lebih baik dibandingkan MLR dan RFR. Sebagai bentuk implementasi, model diintegrasikan ke dalam prototipe website berbasis Django yang menyajikan prediksi AQI dalam bentuk nilai numerik, kategori dengan kode warna, rekomendasi kesehatan, serta data historis. Penelitian ini berhasil mengembangkan model meta-ensemble stacking yang akurat dan konsisten untuk prediksi AQI multi-hari.