ANALISIS PENGARUH KUALITAS UDARA PADA PASIEN COVID-19 DI KOTA JAKARTA, BERLIN DAN HOKKAIDO (IMPLEMENTASI MODEL KLASIFIKASI: NAÏVE BAYES, K-NN, DECISION TREE DAN RANDOM FOREST)

Abstract

Kualitas udara mempengaruhi kesehatan masyarakat yang tinggal di kota-kota besar terutama penyakit pernafasan dan kardiovaskular. Penelitian ini bertujuan untuk melihat hubungan antara kualitas udara terhadap tingkat keparahan pasien sindrom pernapasan akut berat (SARS-CoV-2) atau COVID-19 yang baru muncul di wilayah asia timur. Memanfaatkan algoritma klasifikasi Naïve Bayes, K-nearest Neighbor, Decision Tree dan Random Forest untuk mengetahui kontribusi kualitas udara terhadap pasien covid-19. Hasil accuracy terbaik K-Nearest Neighbor dikota berlin kasus dirawat sebesar 99%, precision 79,05% dan recall 79,09%, akurasi Decision Tree kategori positif dikota hokkaido sebesar 88%, precision 70% dan recall 71% dan akurasi Random Forest kasus meninggal dikota jakarta 71%, precision 57% dan recall 59%. K-Nearest Neighbor merupakan model yang efektif dalam menangkap pola data yang kompleks dan Decision Tree dan Random Forest merupakan model yang konsisten dalam mengenali pola data dengan variabilitas data yang tinggi. Hasil identifikasi kualitas udara terhadap tingkat keparahan pasien Covid-19, mengindikasikan korelasi yang kuat terutama di kota jakarta dengan tingkat polusi udara yang relatif tinggi. Disisi lain berlin yang memiliki kualitas udara lebih baik dibanding jakarta, menunjukkan bahwa, meskipun kualitas udara berlin yang relatif baik namun masih berkontribusi terutama untuk kasus dirawat. Kualitas udara dikota Hokkaido yang lebih baik dibanding jakarta dan berlin, mengindikasikan bahwa kualitas udara yang baik dapat memberikan kontribusi dalam mengurangi tingkat keparahan pasien Covid-19.