Kualitas udara merupakan kadar kandungan udara berdasarkan konsentrasi
polutan di lokasi tertentu. Kualitas udara dapat disesuaikan dengan Indeks Kualitas
Udara atau Air Quality Index (AQI). Kualitas udara yang buruk dapat
menyebabkan berbagai masalah kesehatan, seperti asma, gangguan pernapasan,
bahkan kanker. Penelitian ini bertujuan untuk membahas perbandingan antara
model BiLSTM dengan model XGBoost. Dataset yang digunakan dalam
penelitian ini adalah Dataset AQI 34 Ibukota Provinsi Negara Indonesia yang
bersumber dari situs Weatherbit. Terdapat 6 indikator utama untuk mencapai hasil
terbaik dalam penelitian ini, yaitu jumlah units, batch size, epoch, dan learning
rate untuk BiLSTM. Sedangkan untuk XGBoost menggunakan max depth,
estimators, dan learning rate. Berdasarkan hasil pengujian, menunjukkan bahwa
hasil terbaik didapatkan model BiLSTM dengan nilai RMSE sebesar 13.47402 dan
R-squared sebesar 0.97283 dengan menggunakan hyperparameter units sebesar
64, batch size sebesar 64, epoch sebesar 20, dan learning rate sebesar 0.001.
Sedangkan untuk model XGBoost, hasil terbaik didapatkan dengan nilai RMSE
sebesar 13.66277 dan R-squared sebesar 0.97206 dengan menggunakan
hyperparameter max depth sebesar 5, estimators sebesar 500, dan learning rate
sebesar 0.01. Hasil pengujian membuktikan bahwa semua indikator yang
digunakan dalam pengujian memiliki pengaruh terhadap nilai RMSE dan
R-squared.