KLASIFIKASI KUALITAS AIR MENGGUNAKAN METODE EXTREME LEARNING MACHINE (ELM)

Abstract

Air merupakan senyawa yang penting bagi semua makhluk hidup di bumi. Air memiliki peran dan fungsi biologis, ekologis, sosial ekonomi dan sumberdaya untuk keberlangsungan kehidupan. Kebutuhan air bersih meningkat seiring dengan berjalannya waktu, hal tersebut berbanding terbalik dengan ketersediannya di alam. Hal ini disebabkan karena banyaknya pembangunan tanpa memperhatikan keseimbangan lingkungan sekitar sehingga semakin sedikitnya daerah resapan air terutama di daerah perkotaan. Selain itu, penyebab dari kurangnya ketersediaan air yaitu pengambilan air secara berlebihan, tingkatnya pencemaran terhadap sumber-sumber air, adanya konflik kepentingan ekonomi yang didukung ole kebijakan yang kurang tepat. Hal tersebut dapat berakibat dengan penurunan kualitas air yang menyebabkan urgensi kebutuhan untuk mengawasi, menilai, dan mengklasifikasi kualitas air yang layak untuk dikonsumsi. Standar kualitas air yang layak diminum yaitu jernih, tidak berbauh, tidak berasa, bersuhu wajar, bersih dari bakteri dan kuman serta mengandung sedikit jumlah mineral. Pemeriksaan kualitas dari air merupakan salah satu upaya untuk mengkontrol ada tidaknya penyakit, bakteri maupun kuman dalam air sehingga dapat mengelompokkan air yang layak diminum dan tidak. tujuan dari penelitian ini adalah untuk mengklasifikasi kualitas air berdasarkan parameter meliputi zat dalam air yang diperoleh dari sumber air tawar dengan menggunakan metode ELM untuk mengklasifikasi air yang dapat diminum atau tidak. Data yang digunakan pada penelitian ini diperoleh dari web kaggle. Dari jumlah data yang dimiliki pada kedua kelas tidak seimbang atau dapat disebut dengan imbalance data sehingga perlu diatasi dengan menggunakan metode SMOTE. Pada penelitian ini melakukan uji coba perbandingan data parameter node hidden. Berdasarkan uji coba diperoleh model optimum pada k-fold 10 dan node hidden 100 menghasilkan akurasi 97.873%, sensitifitas 96.4789%, dan spesifisitas 98.6408%. Hal tersbut membuktikan bahwa metode SMOTE berpengaruh terhadap hasil uji coba.