Polusi udara merupakan salah satu tantangan global yang paling signifikan, dengan dampak yang serius terhadap kesehatan makhluk hidup. Di Indonesia, khususnya di kota-kota besar seperti Jakarta dan Surabaya, peningkatan Indeks Kualitas Udara selama beberapa tahun terakhir mengindikasikan kondisi kualitas udara yang semakin memburuk. Penurunan kualitas udara ini disebabkan oleh peningkatan aktivitas industri, emisi kendaraan bermotor, dan penggundulan hutan. Meningkatnya Tingkat Indeks Kualitas Udara menimbulkan risiko kesehatan yang parah, termasuk penyakit pernapasan dan kardiovaskular, serta menghadirkan tantangan besar bagi perencanaan kota, manajemen kesehatan masyarakat, dan kebijakan lingkungan. Untuk mengatasi masalah ini, diperlukan upaya bersama untuk menerapkan praktik-praktik berkelanjutan, mengurangi emisi, dan meningkatkan manajemen kualitas udara. Meningkatnya tingkat polusi udara mengindikasikan perlunya pendekatan yang lebih efektif untuk mengidentifikasi dan mengklasifikasikan hasil indeks kualitas udara dengan tingkat keberhasilan yang relevan tanpa menggunakan alat pendeteksi indeks kualitas udara yang relatif mahal. Penelitian ini bertujuan untuk mengklasifikasikan indeks kualitas udara menggunakan model Deep Neural Network yang didasarkan pada perluasan fitur berbasis waktu dan analisis spasial-temporal. Model Deep Neural Network digunakan untuk mengekstraksi pola kompleks dan fitur tersembunyi dalam data dan membantu menghasilkan klasifikasi polusi udara yang lebih akurat.