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.