Integrasi IoT dan Algoritma CatBoost untuk Deteksi Kualitas Udara Secara Real-Time di Wilayah Kota Padang

Abstract

Penelitian ini mengembangkan sistem monitoring kualitas udara berbasis Internet of Things (IoT) dan algoritma machine learning CatBoost untuk mendeteksi tingkat pencemaran udara di Kota Padang secara real-time. Sistem ini menggunakan sensor Nova PM (PM2.5 dan PM10) dan MQ-7 (karbon monoksida/CO) yang dihubungkan ke mikrokontroler Wemos D1, lalu mengirimkan data secara otomatis ke Google Sheets sebagai basis penyimpanan. Data yang terkumpul diproses melalui tahapan preprocessing menggunakan StandardScaler, kemudian dilatih menggunakan model CatBoost. Hasil evaluasi menunjukkan bahwa model CatBoost mampu mengklasifikasikan lima kategori kualitas udara (Baik, Sedang, Tidak Sehat, Sangat Tidak Sehat, dan Berbahaya) dengan akurasi mencapai 95%, serta nilai precision dan f1-score rata-rata di atas 0.90. Sistem ini juga diimplementasikan dalam bentuk antarmuka pengguna (GUI) berbasis Streamlit yang menampilkan data sensor terkini dan hasil prediksi secara visual. Hasil penelitian ini menunjukkan bahwa integrasi IoT dan machine learning dapat menjadi solusi yang efektif dalam mendeteksi dan memantau kualitas udara secara real-time di kawasan perkotaan.