Analisis dan Prediksi Kelayakan Air Minum Menggunakan Algoritma Random Forest
DOI:
https://doi.org/10.37859/jf.v15i2.9906
Abstract
Air merupakan komponen pembangun tubuh manusia yang paling penting. Pada tubuh manusia dewasa, hingga 60% terdiri dari air. Konsumsi air yang tidak layak konsumsi dapat berefek buruk terhadap kesehatan karena dapat menyebabkan diare, keracunan, dan bahkan penyakit serta infeksi akibat bakteri seperti Escherichia coli. Oleh karena itu, penting untuk memiliki sistem yang mampu memprediksi kelayakan air secara akurat dan efisien. Water potability merujuk pada tingkat keamanan air untuk dikonsumsi manusia tanpa menyebabkan risiko kesehatan. Namun, hasil evaluasi kualitas air dapat bervariasi tergantung dari parameter yang digunakan, seperti pH, kadar klorin, dan zat kimia lainnya. Artikel ini menyajikan studi komparatif berbagai algoritma klasifikasi machine learning untuk memprediksi kelayakan air berdasarkan indikator kimia yang terdapat dalam dataset Water Potability. Model yang digunakan antara lain Logistic Regression, Decision Tree, Random Forest, dan Extra Trees Classifier. Hasil pengujian menunjukkan bahwa algoritma Random Forest menghasilkan akurasi terbaik sebesar 66,6%, sehingga direkomendasikan untuk digunakan dalam tugas klasifikasi kelayakan air minum secara otomatis dan berbasis data.
Downloads
References
K. Kunci, “Prediksi Kualitas Air Menggunakan Metode Random Forest , Decision Tree , Dan Gradient Boosting Diterima : Diterbitkan :,” vol. 12, no. 1, pp. 1–6, 2024.
Pipit Muliyah, Kualitas Air, vol. 7, no. 2. 2020.
M. Djana, “Analisis Kualitas Air Dalam Pemenuhan Kebutuhan Air Bersih Di Kecamatan Natar Hajimena Lampung Selatan,” J. Redoks, vol. 8, no. 1, pp. 81–87, 2023, doi: 10.31851/redoks.v8i1.11853.
T. Z. Jasman, M. A. Fadhlullah, A. L. Pratama, and R. Rismayani, “Analisis Algoritma Gradient Boosting, Adaboost dan Catboost dalam Klasifikasi Kualitas Air,” J. Tek. Inform. dan Sist. Inf., vol. 8, no. 2, pp. 392–402, 2022, doi: 10.28932/jutisi.v8i2.4906.
U. Zaky, A. Naswin, and A. W. Murdiyanto, “Performance Analysis of the Decision Tree Classification Algorithm on the Water Quality and Potability Dataset,” vol. 4, no. 3, pp. 145–150, 2023.
H. Gao, Y. Li, H. Lu, and S. Zhu, “Water Potability Analysis and Prediction,” vol. 16, pp. 70–77, 2022.
P. A. Riyantoko, T. M. Fahrudin, and K. M. Hindrayani, “Analisis Sederhana Pada Kualitas Air Minum Berdasarkan Akurasi Model Klasifikasi Dengan Menggunakan Lucifer Machine Learning,” Pros. Semin. Nas. Sains Data, vol. 1, no. 01, pp. 12–18, 2021, doi: 10.33005/senada.v1i01.20.
A. Sudin, M. Salmin, M. Fhadli, and ..., “Klasifikasi Kelayakan Air Minum Bagi Tubuh Manusia Menggunakan Metode Support Vektor Machine Dengan Backward Elimination,” J. Jar. dan …, vol. 3, no. 1, pp. 87–95, 2023, doi: 00.0000/jati.
A. Kustanto, U. Sultan, and A. Tirtayasa, “Dinamika Pertumbuhan Penduduk Dan Kualitas,” vol. 20, no. 1, 2020.
Generosa Lukhayu Pritalia, “Analisis Komparatif Algoritme Machine Learning dan Penanganan Imbalanced Data pada Klasifikasi Kualitas Air Layak Minum,” KONSTELASI Konvergensi Teknol. dan Sist. Inf., vol. 2, no. 1, pp. 43–55, 2022, doi: 10.24002/konstelasi.v2i1.5630.
R. G. De Luna et al., “A Comparative Study of Machine Learning Techniques for Water Potability Classification,” IEEE Reg. 10 Annu. Int. Conf. Proceedings/TENCON, pp. 1345–1350, 2023, doi: 10.1109/TENCON58879.2023.10322335.
A. Tangkelayuk, “The Klasifikasi Kualitas Air Menggunakan Metode KNN, Naïve Bayes, dan Decision Tree,” JATISI (Jurnal Tek. Inform. dan Sist. Informasi), vol. 9, no. 2, pp. 1109–1119, 2022, doi: 10.35957/jatisi.v9i2.2048.
G. A. D. Sri Ari Ningsih and C. Pramartha, “Klasifikasi Kualitas Air Layak Minum menggunakan Algoritma Random Forest Classifier dan GridsearchCV,”JELIKU (Jurnal Elektron. Ilmu Komput. Udayana), vol. 13, no. 1, p. 217, 2024, doi: 10.24843/jlk.2024.v13.i01.p22.
V. Yolanda and E. Setiawan, “Klasifikasi Air Layak Konsumsi Berdasarkan pH, Kekeruhan, dan Konsentrasi Zat Terlarut Berbasis Arduino Menggunakan Random Forest,” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 1, no. 1, p. 3, 2017.
L. Savitri and R. Nursalim, “Klasifikasi Kualitas Air Minum menggunakan Penerapan Algoritma Machine Learning dengan Pendekatan Supervised Learning,” Diophantine J. Math. Its Appl., vol. 2, no. 01, pp. 30–36, 2023, doi: 10.33369/diophantine.v2i01.28260.
Downloads
Published
Issue
Section
License
Copyright (c) 2025 Ulfani Rohima Zalti, Dinda Rose Darmakusuma, Muhammad Ridwansyah, Edi Ismanto
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Copyright Notice
An author who publishes in the Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer) agrees to the following terms:
- Author retains the copyright and grants the journal the right of first publication of the work simultaneously licensed under the Creative Commons Attribution-ShareAlike 4.0 License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal
- Author is able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book) with the acknowledgement of its initial publication in this journal.
- Author is permitted and encouraged to post his/her work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of the published work (See The Effect of Open Access).
Read more about the Creative Commons Attribution-ShareAlike 4.0 Licence here: https://creativecommons.org/licenses/by-sa/4.0/.
_(1).png)
