Klasifikasi Kualitas Sungai Air Menggunakan Metode Pembelajaran Mesin k-Nearest Neighbour

Abstract

Kualitas air Sungai Citarum di Jawa Barat masih belum memenuhi baku mutu air sepanjang tahun, terutama pada musim kemarau. Sungai ini masih tercemar berat akibat tingginya pencemar yang berasal dari berbagai aktivitas manusia seperti pertanian, peternakan, perikanan, industri, dan kegiatan domestik. Selain itu, sungai ini juga menjadi tempat pembuangan sampah rumah tangga, meningkatkan risiko masukan bahan pencemar yang mempengaruhi kualitas air. Kondisi tersebut diindikasikan oleh kekeruhan fisik sungai dan adanya pabrik limbah industri, pembuangan tinja perumahan, serta banyaknya sampah di aliran sungai. . Fokus utama dalam penelitian ini membahas tentang pemetaan kualitas air yang kualitas air di beberapa titik aliran sungai citarum menggunakan metode kNearest Neighbour (KNN). Parameter yang digunakan sebagai masukan dalam pembelajaran KNN seperti kekeruhan, pH, zat padat terlarut, dan suhu, diperoleh dengan instalasi sensor di beberapa titik di sepanjang aliran sungai citarum dan komunikasi jarak jauh menggunakan IoT. Dataset untuk pelatihan model pembelajaran KNN diperoleh dengan mengumpulkan beberapa sampel air dan telah melakukan pengukuran dengan alat ukur standar untuk selanjutnya dilakukan proses kalibrasi dengan sensor yang digunakan. Hasil dari model pembelajaran KNN menunjukkan akurasi sebesar 85%, dengan jumlah tetangga terdekat di k = 9 menggunakan 300 dataset. Hasil pengujian di beberapa titik sungai citarum dalam beberapa kali percobaan menunjukkan variasi indeks kualitas aliran air sungai Citarum. Kata kunci— k-Nearest Neighbour, Dataset, Sensor, Akurasi, Air Sungai Citarum