Analisis Dampak Paparan PM2.5 terhadap Kesehatan Masyarakat Menggunakan Pendekatan Spatio-Temporal Clustering

Abstract

Pencemaran udara akibat partikulat halus PM2.5 merupakan salah satu permasalahan lingkungan utama di wilayah perkotaan padat penduduk seperti Provinsi DKI Jakarta. Berdasarkan laporan Dinas Lingkungan Hidup DKI Jakarta, kualitas udara Jakarta pada periode 2023–2025 didominasi oleh polutan PM2.5 yang beberapa kali melampaui baku mutu udara ambien. Sebagian besar penelitian terdahulu masih berfokus pada analisis konsentrasi PM2.5 dan belum secara eksplisit mengaitkannya dengan distribusi penduduk yang terpapar maupun dampak kesehatan masyarakat. Penelitian ini bertujuan mengidentifikasi pola spasio-temporal PM2.5 menggunakan ST-DBSCAN, menentukan parameter ST-DBSCAN yang optimal, menghitung Relative Exposure Risk (RER) berdasarkan distribusi spasial PM2.5 dan populasi, menganalisis hubungan RER dengan kejadian ISPA, serta menganalisis karakteristik cluster berdasarkan volume lalu lintas dan faktor meteorologi. Penelitian menggunakan data sekunder tahun 2025 dari Pemerintah Provinsi DKI Jakarta. Data PM2.5 harian dari 115 titik pemantauan dibersihkan, diagregasi menjadi rata-rata harian, dan diinterpolasi menggunakan Inverse Distance Weighting (IDW) pada grid 1 km × 1 km yang mencakup wilayah daratan Jakarta. Pengelompokan spasio-temporal dilakukan dengan ST-DBSCAN, sedangkan estimasi risiko paparan dihitung melalui pendekatan RER yang mengintegrasikan konsentrasi PM2.5 dan jumlah penduduk. Hubungan RER dengan ISPA dianalisis pada tingkat kecamatan, dan faktor asosiasi variasi PM2.5 diidentifikasi menggunakan model Random Forest. Kombinasi parameter eps1 = 1,5 km, eps2 = 60 hari, dan MinPts = 30 menghasilkan 64 cluster spasio-temporal dengan silhouette score 0,703 dan noise 0,58%. Cluster berkategori tinggi terkonsentrasi pada wilayah dengan kepadatan penduduk dan aktivitas lalu lintas tinggi, khususnya di Jakarta Pusat dan Jakarta Timur. Grid dengan RER tinggi juga terkonsentrasi di wilayah tengah dan timur Jakarta. Nilai RER berkorelasi sangat kuat terhadap jumlah penduduk (r = 0,948). Hubungan antara RER dan angka ISPA pada tingkat kecamatan tergolong lemah dan tidak signifikan secara statistik (Pearson r = 0,052; p = 0,745). Hasil ini mengindikasikan ISPA dipengaruhi oleh faktor lain di luar paparan PM2.5. Model Random Forest mengidentifikasi curah hujan, kepadatan penduduk, volume lalu lintas, dan kecepatan kendaraan sebagai faktor yang paling berpengaruh terhadap variasi PM2.5, sedangkan kecepatan angin menunjukkan asosiasi temporal terkuat. Hasil penelitian menunjukkan bahwa integrasi pendekatan ST-DBSCAN dan RER efektif mengarakterisasi kondisi spasio-temporal kualitas udara perkotaan di Jakarta dan dapat dimanfaatkan sebagai dasar penyusunan strategi pengendalian pencemaran udara.