Teknologi

Dosen Universitas BSI Kampus Tegal Temukan Algoritma Terbaik Prediksi Kualitas Air: Random Forest, Solusi Aman untuk Konsumsi Air Bersih

×

Dosen Universitas BSI Kampus Tegal Temukan Algoritma Terbaik Prediksi Kualitas Air: Random Forest, Solusi Aman untuk Konsumsi Air Bersih

Sebarkan artikel ini

Prediksi Kualitas Air

Karawang, Karawanghitz — Dalam menghadapi krisis ketersediaan air bersih di berbagai belahan dunia, penggunaan teknologi untuk memprediksi kualitas air semakin krusial. Dosen Universitas BSI (Bina Sarana Informatika) Kampus Tegal telah mengambil langkah penting dalam memastikan ketersediaan air bersih melalui penelitian teknologi machine learning yang akurat dan praktis.

Mereka mengembangkan model prediksi kualitas air dengan membandingkan tiga algoritma machine learning—Random Forest, Decision Tree, dan Gradient Boosting—untuk mengetahui metode terbaik dalam memprediksi kualitas air yang layak konsumsi.

Penelitian yang bertajuk “Prediksi Kualitas Air Menggunakan Metode Random Forest, Decision Tree, dan Gradient Boosting” ini melibatkan enam peneliti, yakni Nurlaelatul Maulidah, Mawadatul Maulidah, Riki Supriyadi, Hiya Nalatissifa, Sri Diantika, dan Ahmad Fauzi.

Dengan menggunakan dataset water_potability dari Kaggle, penelitian ini bertujuan mengidentifikasi metode machine learning yang paling efektif dalam mengklasifikasikan kualitas air.

Hasil penelitian menunjukkan bahwa algoritma Random Forest menjadi pilihan terbaik dengan akurasi mencapai 88,33%. Algoritma ini berhasil mengungguli metode Decision Tree yang mencatatkan tingkat akurasi sebesar 80,83% dan Gradient Boosting dengan 73,33%. Dengan keunggulannya, Random Forest terbukti sebagai solusi praktis dalam menilai kualitas air, khususnya untuk memastikan bahwa air yang akan dikonsumsi aman dan memenuhi standar kesehatan.

Menurut Nurlaelatul Maulidah, salah satu anggota tim penelitian menjelaskan bahwa penelitian ini memberikan solusi nyata untuk menghadapi tantangan terkait air bersih, yang sangat penting bagi kesehatan masyarakat.

“Dengan Random Forest, kita dapat memperkirakan kualitas air dengan lebih akurat, yang sangat penting dalam upaya menjaga kesehatan masyarakat,” jelasnya.

Kontribusi penelitian ini tidak hanya bersifat akademis tetapi juga aplikatif, memberikan peluang bagi pengembangan teknologi dalam memantau dan menjaga kualitas air secara otomatis dan terukur. Selain itu, penelitian ini diharapkan dapat memotivasi peneliti muda lainnya untuk turut berinovasi dalam memanfaatkan teknologi untuk solusi masalah global, khususnya di bidang kesehatan dan lingkungan.

Temuan ini membuka peluang bagi pemanfaatan teknologi prediksi air di berbagai sektor, terutama dalam mendukung ketersediaan air bersih yang sangat dibutuhkan oleh masyarakat.