Identifikasi Tingkat Kekeruhan Air Minum Menggunakan Machine Learning

Abstract

Penelitian ini mengidentifikasi tingkat kekeruhan air menggunakan metode machine learning, yaitu Regresi Linear, Random Forest, dan Decision Tree. Data diperoleh dari sensor Total Dissolved Solids (TDS) dan citra yang diolah menggunakan MATLAB. Hasil penelitian menunjukkan bahwa Decision Tree memiliki performa terbaik dengan akurasi 85%, RMSE 0.79, dan R² 0.95, sedangkan Regresi Linear mencapai akurasi 83.89%, RMSE 0.83, dan R² 0.96, tetapi kurang optimal dalam menangani hubungan non-linear. Model Random Forest memiliki akurasi 83.33%, RMSE 1, dan R² 1, menunjukkan stabilitas prediksi meskipun dengan error sedikit lebih tinggi dibandingkan Decision Tree. Hasil ini diharapkan dapat mendukung pemantauan kualitas air secara lebih akurat dan efisien.