Pengembangan Sistem Klasifikasi Kualitas Air Minum Berbasis Web Menggunakan Algoritma Decision Tree

Abstract

Kualitas air sangat penting untuk kehidupan manusia, namun tidak semua sumber air aman untuk dikonsumsi. Oleh karena itu, diperlukan identifikasi kelayakan air minum yang akurat dan cepat. Metode manual seperti STORET dan Indeks Pencemaran kurang efisien karena memakan waktu dan biaya yang tinggi. Oleh karena itu, digunakan teknologi Machine Learning dengan algoritma Decision Tree dan teknik SMOTE untuk menyeimbangkan data. Hasil penelitian menunjukkan bahwa model Decision Tree dengan max_depth = 4 menghasilkan performa yang paling optimal. Pada max_depth ini, model mencapai akurasi training sebesar 99.9% dan akurasi testing mencapai 100%. Waktu yang dibutuhkan untuk proses training adalah 0.03570 detik, sedangkan waktu testing adalah 0.00223 detik. Hasil evaluasi lainnya juga menunjukkan nilai AUC sebesar 1.00. Selain itu evaluasi juga dilakukan menggunakan classification report dan didapatkan hasil bahwa model memiliki presisi (precision) dan recall sebesar 1.00 untuk kelas "Air Layak Minum" dan "Air Tidak Layak Minum". Nilai f1-score juga sebesar 1.00 untuk kedua kelas, menunjukkan bahwa model memiliki performa yang sangat baik dalam mengklasifikasikan data positif dan negatif.

Kata kunci—Decision Tree, Evaluasi. Kualitas Air, TeknologiMachine Learning