Perpustakaan Digital ITB

Air tanah merupakan sumber daya vital yang berperan penting dalam pemenuhan kebutuhan domestik dan industri. Pengelolaan air tanah di Provinsi Jawa Barat menghadapi tantangan kompleksnya kondisi hidrogeologi dan pemanfaatan yang cukup intensif oleh pengguna air tanah. Pemodelan konvensional berbasis fisik sulit menangkap dinamika air tanah akibat faktor eksternal seperti perubahan iklim dan aktivitas manusia secara real time. Penelitian ini bertujuan untuk mengoptimalkan pengelolaan air tanah dengan menerapkan pendekatan data-driven melalui teknik data mining khususnya pada Cekungan Air Tanah (CAT) Bandung-Soreang. Data yang digunakan mencakup periode Januari 2022 hingga Desember 2025, terdiri atas data Muka Air Tanah (MAT), volume pengambilan air tanah, curah hujan, cuaca/meteorologi dan sungai/runoff. Metode yang digunakan meliputi featurebased clustering dengan Agglomerative Hierarchical Clustering (AHC) untuk mengelompokkan pola dinamika MAT dan Long Short-Term Memory (LSTM) untuk memprediksi dinamika MAT pada masing-masing cluster. Clustering menghasilkan enam cluster dengan karakteristik dinamika air tanah yang berbeda. Evaluasi model prediksi menunjukkan bahwa model LSTM berbasis cluster memiliki performa lebih baik dibandingkan model keseluruhan, ditunjukkan oleh nilai Root Mean Square Error (RMSE) yang lebih kecil serta nilai Nash- Sutcliffe Efficiency Coefficient (NSE) dan Pearson Correlation Coefficient (PR) yang lebih besar. Rekomendasi tindak lanjut pada Cluster 1 diarahkan pada recovery air tanah dan pembatasan ketat, Cluster 2 pada pengendalian transisi, Cluster 3 pada pengelolaan banjir dan limpasan, Cluster 4 pada pencegahan penurunan MAT wilayah urban, Cluster 5 pada perlindungan daerah resapan dan Cluster 6 pada evaluasi efektivitas intervensi kebijakan. Hasil penelitian ini menunjukkan bahwa pendekatan berbasis data mining dapat digunakan sebagai instrumen pendukung keputusan untuk melengkapi pendekatan hidrogeologi konvensional oleh Pemerintah Provinsi Jawa Barat.