digilib@itb.ac.id +62 812 2508 8800

Annisa Ritka May.pdf
PUBLIC Open In Flip Book Lili Sawaludin Mulyadi

Indonesia menghadapi beberapa tantangan terkait kualitas air seperti eksploitasi dan kontaminasi air yang disebabkan oleh aktivitas manusia. Pengelolaan air yang komprehensif dan berkelanjutan diperlukan untuk menjamin ketersediaannya bagi masyarakat. Pemantauan kualitas ekosistem diperlukan untuk memastikan ketersediaan sumber daya air sepanjang tahun dengan menggunakan pemodelan untuk membantu. Makalah ini memaparkan penerapan metode Artificial Neural Network (ANN) menggunakan model persepsi multilayer dengan algoritma backpropagation untuk memprediksi transparansi dan kekeruhan air di Waduk Saguling yang disediakan oleh PT Indonesia Power selama 2013-2022. Evaluasi analisis regresi (R2 ), Mean Absolute Error (MAE) dan Mean Square Error (MSE) diterapkan untuk mengetahui kinerja ANN dalam memprediksi tingkat kualitas air. Berdasarkan hasil yang diperoleh, model training data transparansi memiliki R 2 = 0,63 dengan tingkat kesalahan model yang dihasilkan MAE = 0,267 dan MSE = 0,239. Testing data transparansi memiliki R2 = 0,79 dengan tingkat kesalahan model yang dihasilkan MAE = 0,154 dan MSE = 0,165. Untuk parameter kekeruhan training data memiliki R 2 sebesar 0,8 dengan nilai MAE sebesar 0,149 dan MSE sebesar 0,124. Parameter kekeruhan testing data memiliki R2 = 0,99, MAE sebesar 0,0007 dan MSE sebesar 0,0009. Model prediksi ANN diharapkan mampu menunjukkan kemampuan prediksi yang baik ketika level parameter diubah. Dengan demikian, model yang dikembangkan terbukti menjadi alat yang efisien dalam mengklasifikasikan tingkat kualitas air dan bermanfaat bagi pemeliharaan terpadu kuantitas dan kualitas Waduk Saguling.