Perpustakaan Digital ITB

Penelitian ini bertujuan untuk menganalisis kandungan logam berat pada air sumur di tujuh kecamatan di Kabupaten Bandung. Terdapat sepuluh jenis logam berat yang terkandung di 160 titik sumur, yaitu timbal (Pb), kobalt (Co), kromium (Cr), besi (Fe), mangan (Mn), kadmium (Cd), seng (Zn), merkuri (Hg), dan arsen (As) yang dijadikan sebagai variabel pengamatan. Data yang digunakan adalah data multivariat. Metode statistik yang digunakan pada penelitian ini adalah metode analisis multivariat. Data pada studi kasus memiliki dimensi yang tinggi (sepuluh dimensi), yang dapat menyulitkan proses analisis, pemodelan, dan visualisasi serta variabel dari data berupa variabel bebas (sepuluh jenis logam berat) tanpa variabel respons (terikat) yang berarti tidak ada variabel terikat yang dapat digunakan untuk memprediksi atau menjelaskan variabel bebas. Untuk mengatasi hal ini, diperlukan analisis multivariat yang dapat mengidentifikasi pola dan struktur dalam data serta mengelompokkan data. Metode analisis multivariat yang digunakan adalah Analisis Komponen Utama (AKU) dan analisis klaster. AKU digunakan untuk mereduksi dimensi karakteristik dari data dan mengidentifikasi komponen utama yang paling berpengaruh terhadap variansi kandungan logam berat dalam air sumur. Metode AKU menggunakan dekomposisi nilai singular (DNS) yang merupakan metode dekomposisi untuk memecah satu matriks menjadi tiga buah matriks lainnya. Selain itu, AKU juga digunakan untuk mendeteksi data pencilan multivariat. Analisis klaster digunakan untuk mengelompokkan data ke dalam beberapa klaster yang memiliki kesamaan karakteristik. Metode klaster yang digunakan adalah algoritma K-Means dan metode penghitungan jarak antar objek ke centroid menggunakan jarak Euclid. AKU memiliki asumsi bahwa data harus berdistribusi multivariat normal dan bebas dari pencilan. Data pada penelitian ini tidak memenuhi asumsi multivariat normal dan memiliki banyak data pencilan, sehingga dilakukan transformasi. Jenis transformasi yang digunakan adalah transformasi Box-Cox. Transformasi dilakukan agar data berdistribusi normal dan mengurangi banyak data pencilan. Analisis klaster K-Means dari data awal berhasil mengelompokkan titik-titik sumur ke dalam dua klaster yang berbeda berdasarkan kandungan logam beratnya. Klaster 1 memiliki kandungan logam yang relatif lebih rendah dibandingkan klaster 2, terutama pada logam Fe, Mn, dan Cr. Hasil AKU mereduksi data awal dari sepuluh variabel menjadi enam variabel baru (enam komponen utama) dengan keterserapan informasi sebesar 86,87%. Penggunaan K-Means pada data hasil AKU memperlihatkan klasterisasi yang berbeda berdasarkan nilai transformasi Fe, Mn, dan Cr. Klaster 1 memiliki kandungan logam Fe, Mn, dan Cr yang lebih rendah setelah transformasi. Kedua metode menunjukkan bahwa kandungan logam Fe, Mn, dan Cr adalah faktor penting dalam pengelompokan titik-titik sumur. Analisis klaster K-Means dari data hasil transformasi tanpa pencilan multivariat mengelompokkan titik-titik sumur ke dalam dua klaster yang berbeda berdasarkan kandungan logam beratnya. Klaster 1 memiliki kandungan logam yang relatif lebih rendah dibandingkan klaster 2, terutama pada logam Cd dan Pb. Metode AKU dan K-Means ini memberikan cara yang efektif untuk mengidentifikasi dan mengelompokkan titik-titik sumur berdasarkan karakteristik kandungan logam beratnya, memberikan wawasan yang lebih mendalam tentang distribusi dan variabilitas logam berat di air sumur.