Kualitas udara di kawasan perkotaan seperti DKI Jakarta menjadi isu krusial karena tingginya konsentrasi polutan yang berdampak buruk terhadap kesehatan masyarakat. Bukti epidemiologis menunjukkan bahwa paparan jangka panjang terhadap partikulat halus dan gas pencemar meningkatkan risiko penyakit respiratorik dan kardiovaskular secara signifikan. Untuk mengantisipasi eskalasi dampak tersebut, penelitian ini mengembangkan model prediktif berbasis arsitektur Long Short-Term Memory (LSTM), dengan tujuan utama mengestimasi konsentrasi harian enam parameter polusi udara dominan. Selain itu, luaran model digunakan untuk menyusun estimasi risiko paparan polusi udara secara temporal guna mendukung pengambilan keputusan dalam sistem mitigasi risiko berbasis data.

Dataset yang digunakan terdiri dari observasi harian kualitas udara yang dikumpulkan dari lima Stasiun Pemantauan Kualitas Udara (SPKU) yang mewakili distribusi spasial wilayah DKI Jakarta. Rentang data mencakup periode longitudinal dari 1 Januari 2010 hingga 30 November 2023, memungkinkan karakterisasi tren jangka panjang dan pola musiman. Model dikembangkan  menggunakan pendekatan LSTM, dan berfokus pada enam parameter: PM10, PM2.5, SO2, CO, O3, dan NO2. Studi ini tidak melibatkan prediktor meteorologis maupun dimensi spasial lanjutan, sehingga hasil analisis merepresentasikan estimasi berbasis temporal murni.

Evaluasi performa model menunjukkan bahwa algoritma LSTM memiliki akurasi prediksi yang baik dan stabil untuk seluruh parameter yang dianalisis. Di antara keenam parameter tersebut, PM2.5 memberikan hasil prediksi terbaik dengan nilai RMSE sebesar 0,0297, MAE sebesar 0,0101, dan MAPE sebesar 1,01%. Disusul oleh parameter PM10 dengan nilai MAPE sebesar 5,25?n SO2 sebesar 2,42%. Parameter lainnya yaitu CO, O3, dan NO2 juga menunjukkan performa yang memadai dengan rentang MAPE antara 2,93% hingga 6,38%. Hasil ini menegaskan bahwa model LSTM memiliki kapabilitas tinggi dalam menangkap kompleksitas temporal data kualitas udara dan dapat digunakan sebagai landasan sistem prediktif jangka pendek untuk keperluan peringatan dini dan intervensi kebijakan lingkungan di kawasan urban.