ANALISIS PENGARUH CUACA DAN PM2.5 TERHADAP PREVALENSI ISPA DI KOTA SEMARANG DENGAN PENDEKATAN STATISTIK DAN MACHINE LEARNING

Infeksi Saluran Pernapasan Akut (ISPA) masih menjadi masalah kesehatan masyarakat yang signifikan di Indonesia, khususnya di wilayah perkotaan pesisir tropis seperti Kota Semarang. Penelitian ini bertujuan menganalisis pengaruh kualitas udara PM2.5 dengan variabel cuaca seperti kecepatan angin, suhu, kelembaban, dan curah hujan terhadap prevalensi ISPA. Data kasus ISPA harian berdasarkan kode ICD-10 dari rumah sakit dan data meteorologi BMKG periode 2017–2024 dianalisis menggunakan Negative Binomial Regression untuk inferensi statistik, serta algoritma kecerdasan buatan yaitu Random Forest dan SVM untuk pemodelan prediktif. Hasil penelitian menunjukkan bahwa dinamika ISPA lebih dominan dipengaruhi oleh faktor temporal kasus sebelumnya, dengan variabel kasus harian selama seminggu (cases_ma_7 dan total_kasus_lag7) sebagai prediktor terpenting. Variabel lingkungan berperan sebagai modulator sekunder, di mana suhu (TAVG_lag9) berpengaruh negatif, sedangkan kecepatan angin (FF_AVG_lag0) berpengaruh positif langsung. Model Random Forest menunjukkan kinerja prediksi terbaik dengan score R² = 0,4443, RMSE = 4,98, MAE = 3,88, dan MAPE = 35,77%. Kesimpulan penelitian ini membuktikan bahwa pendekatan ensemble learning dengan Random Forest lebih akurat dibanding model SVM dan Statistik untuk prediksi ISPA. Penelitian ke depan dapat dilakukan dengan prediksi dan klasifikasi model kecerdasan buatan hybrid sehingga dapat menjadi dasar pengembangan sistem peringatan dini berbasis data cuaca untuk mendukung kebijakan mitigasi kesehatan masyarakat khususnya ISPA.