Klasifikasi Kualitas Air Sungai Dengan Metode Random Forest

Abstract

Kualitas air sungai memegang peranan penting bagi kesehatan publik dan pelayanan perkotaan, namun banyak sungai di Indonesia menunjukkan indikasi pencemaran. Studi ini menerapkan algoritma Random Forest untuk mengklasifikasikan mutu air tiga sungai di Kota Medan berdasarkan data pemantauan sekunder tahun 2023–2024 dari Dinas Lingkungan Hidup. Dataset berisi 72 observasi dengan sembilan parameter utama, yaitu TSS, pH, BOD, COD, DO, Nitrat, Nitrit, Total Coliform, dan Amonia. Skema pemodelan meliputi pra pengolahan data, pembagian latih–uji 80:20 secara terstratifikasi, pelatihan Random Forest dengan 100 pohon, serta evaluasi menggunakan akurasi dan matriks kebingungan pada subset uji. Hasil menunjukkan akurasi keseluruhan 100 persen pada data uji, dengan ketepatan penuh pada kedua kelas yang dikaji (Kelas II dan Kelas III). Analisis kepentingan fitur mengindikasikan bahwa Total Coliform dan COD merupakan penentu paling dominan, diikuti Nitrat dan DO, sedangkan TSS, pH, Ammonia, dan parameter lain memberi kontribusi menengah hingga rendah. Temuan ini menegaskan efektivitas Random Forest untuk tugas klasifikasi mutu air sungai dan memberikan wawasan prioritas parameter bagi pengendalian pencemaran. Secara praktis, pendekatan ini dapat mendukung pemantauan berbasis data dan pengambilan keputusan pengelolaan kualitas air di tingkat daerah.