Polusi udara di kota besar menjadi masalah bagi lingkungan. World Health Organitation (WHO) dan Kesehatan menyimpulkan bahwa 2,4 juta orang meninggal setiap tahun karena polusi udara. Polusi udara tidak hanya berdampak buruk pada kesehatan manusia tetapi juga pada lingkungan yang dapat menyebabkan hujan asam, kabut asap, memburuknya lapisan ozon dan pemanasan global. Oleh karena itu, salah satu upaya pencegahan yang dapat dilakukan adalah memprediksi polusi udara. Pada penelitian ini, dilakukan prediksi polusi udara dengan memanfaatkan data historis polusi udara PM2.5 dan PM10 untuk wilayah kota Jakarta Pusat dari tahun 2015-2020 milik Air Quality Index (AQICN). Data yang diproses melalui tahap preprocessing, mulai dari groupby, resample, dan mengisi data yang bernilai kosong (null), dan data uji untuk diproses ke dalam Model Autoregressive Integrated Moving Average (ARIMA) menggunakan metode Time Series Analysis. Proses ARIMA melalui beberapa tahap yang perlu dilakukan untuk mendapatkan model yang paling sesuai, dengan melakukan decompose, differencing, melihat plot ACF dan PACF, dan menguji beberapa model. Sehingga diperoleh akurasi tertinggi pada prediksi PM2.5 tahun 2020 dan 2021 dengan model SARIMA(5,1,5)(1,1,1)12 yaitu 90,05% dan 94.67%, sedangkan untuk PM10 prediksi pertama menggunakan model SARIMA(5,1,4)(1,1,1)12 dengan akurasi 85,36 % dan prediksi kedua dengan model SARIMA(4,1,4)(1,1,1)12 dengan akurasi 88,49%. Dari penelitian ini disimpulkan bahwa model ARIMA terbaik akan didapatkan dengan melakukan “multipel hipotesis” dengan menguji beberapa model yang memiliki skor AIC terkecil.