APLIKASI CERDAS UNTUK DETEKSI KUALITAS AIRSUNGAI MENGGUNAKAN MACHINE LEARNING
Keywords:
Aplikasi cerdas, kualitas air, machine learning, SVM, PCAAbstract
Pencemaran air merupakan masalah lingkungan kritis yang sering disebabkan oleh limbah rumah tangga dan industri. Pemantauan kualitas air secara real-time sangat penting untuk mengurangi kerusakan lingkungan. Penelitian ini bertujuan untuk mengembangkan aplikasi cerdas yang mampu mendeteksi kualitas air sungai menggunakan teknik machine learning. Sistem ini memanfaatkan sensor untuk mengumpulkan data pH, suhu, gas (MQ135), dan warna (RGB). Data yang terkumpul diproses menggunakan Principal Component Analysis (PCA) untuk ekstraksi fitur dan reduksi dimensi, dilanjutkan dengan Support Vector Machine (SVM) untuk klasifikasi. Metode penelitian meliputi pengambilan sampel air sungai tercemar dan tidak tercemar, ekstraksi fitur, dan pelatihan model untuk mengenali pola. Hasil penelitian menunjukkan bahwa aplikasi cerdas dapat mengklasifikasikan kondisi air dengan akurasi tinggi, mencapai 100% pada tahap pengujian. Sistem ini menawarkan solusi efisien untuk pemantauan kualitas air otomatis dari jarak jauh
References
Kementerian Lingkungan Hidup dan Kehutanan Republik Indonesia. (2019). Peraturan Menteri Lingkungan Hidup dan Kehutanan tentang pengelolaan kualitas air dan pengendalian pencemaran air.
. Warlina, L. (2013). Pencemaran air: Sumber, dampak, dan penanggulangannya. Jurnal Sumberdaya Air.
. Hamidi, R., Furqon, M. T., & Rahayudi, B. (2017). Implementasi learning vector quantization untuk klasifikasi kualitas air sungai. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer..
. Kusnandar, A. (2019). Monitoring air menggunakan fuzzy Tsukamoto..
. Jolliffe, I. T., & Cadima, J. (2016). Principal component analysis: A review and recent developments. Philosophical Transactions of the Royal Society A, 374
. Cortes, C., & Vapnik, V. (1995). Support-vector networks. Machine Learning, 20, 273–297.
. Wahidah Al Idrus, S. (2018). Analisis kadar karbon dioksida di sungai. Jurnal Pijar MIPA.
. Kim, J., et al. (2021). IoT-based water quality monitoring systems: A review. Sensors, 21(11), 3650. https://doi.org/10.3390/s21113650
. Pambudi, A. D., & Wulandari, S. A. (2022). Sistem monitoring sungai berbasis IoT. Elektrika..
. Al-Adhaileh, M. H., & Waselallah, A. (2021). Water quality classification using machine learning techniques. Applied Water Science, 11(2). https://doi.org/10.1007/s13201-021-01356-1
.Nunung parawata, Rasiban,(2022) “Klasifikasi Penyakit Daun Bayam Dengan Menggunakan Metode Support Vector Machine (SVM)”. Jurnal Jupiter, Vol. 14 No. 2, Hal. 238 - 245
. Rasiban, R., et al. (2023). Penerapan algoritma bubble sort pada sistem peminjaman buku berbasis web di Perpustakaan SMPN 158 Jakarta Timur. Jurnal Informatika Teknologi dan Sains (Jinteks), 5(3), 328–333
Downloads
Published
Issue
Section
License
Copyright (c) 2025 Rasiban (Author)
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
