Claim Missing Document
Check
Articles

Found 1 Documents
Search

Evaluasi Potensi Overload Kapasitas Pengolahan Air Limbah dengan Metode Regresi Linear berbasis Python Haris Isyanto; Yanuar Ghita Tri Nugroho Subiyanto; Wahyu Ibrahim
RESISTOR (Elektronika Kendali Telekomunikasi Tenaga Listrik Komputer) Vol. 8 No. 2 (2025): RESISTOR (Elektronika Kendali Telekomunikasi Tenaga Listrik Komputer)
Publisher : Universitas Muhammadiyah Jakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24853/resistor.8.2.149-154

Abstract

ABSTRAK Industri pengolahan air limbah digunakan untuk mengolah air limbah dan memurnikan air limbah. Pengolahan air limbah melibatkan serangkaian proses fisik, kimia dan biologis untuk menghilangkan kontaminan dari air limbah, sehingga air yang dihasilkan aman untuk dibuang atau dapat digunakan kembali. Pengolahan air limbah tentunya mempunyai kapasitas tertentu dalam proses pengolahannya, dimana kapasitas tersebut akan sangat dipengaruhi oleh jumlah penduduk dan debit harian manusia per harinya. Pada Penelitian ini dilakukan prediksi kapan waktu terjadinya overload dengan menggunakan parameter jumlah penduduk dan record data flow meter di plant Gunung Salak Lippo Karawaci dengan menggunakan perbandingan metode regresi linear dan regresi ridge. Berdasarkan data yang diperoleh pada awal tahun 2019 sampai dengan akhir tahun 2022 yang diperoleh. Dengan adanya data jumlah penduduk dalam kawasan Lippo Karawaci Tangerang dan data flow meter harian tersebut, dipergunakan untuk menentukan nilai mean square error. Dengan nilai mean square error terkecil pada algoritma regresi linear digunakan untuk memprediksi kapan waktu terjadinya overload kapasitas 95% pengolahan air limbah. Sehingga pemilik kawasan dapat merencanakan untuk upgrade atau penambahan plant pengolahan air limbah. Dalam penentuan metode yang digunakan untuk prediksi didapatkan nilai keakuratan dari algoritma regresi linear yang diukur dengan MSE yaitu 0.352 dan MAPE sebesar 0.1481%.Penelitian dengan menggunakan algoritma regresi linear menghasilkan prediksi waktu, jumlah penduduk dan debit tahunan terjadinya overload kapasitas 95% pada plant Gunung Salak Lippo Karawaci terjadi pada tahun 2065 dengan jumlah penduduk 81869 jiwa dan debit air limbah 152 liter/second, dengan nilai MSE 1.00092. Kata kunci : Prediksi overload, regresi linear, Regresi Ridge, MSE, MAPE ABSTRACT The wastewater treatment industry is used to treat wastewater and purify wastewater. Wastewater treatment involves a series of physical, chemical and biological processes to remove contaminants from wastewater, so that the resulting water is safe to dispose of or can be reused. Wastewater treatment certainly has a certain capacity in the processing process, where this capacity will be greatly influenced by the population and daily human discharge per day. In this research, predictions were made about when the overload occurred using population parameters and record flow meter data on the Mount Salak Lippo Karawaci plant using a comparison of linear regression and ridge regression methods. Based on data obtained from the beginning of 2019 to the end of 2022 obtained. With population data in the Lippo Karawaci area of Tangerang and daily flow meter data, it is used to determine the mean square error value. With the smallest mean square error value in the linear regression algorithm, it is used to predict when overload capacity occurs, 95% of wastewater treatment. So that area owners can plan to upgrade or add wastewater treatment plants. In determining the method used for prediction, the accuracy value of the linear regression algorithm measured by MSE was obtained, namely 0.352 and MAPE was 0.1481%.Research using a linear regression algorithm produces predictions of time, population and annual discharge of 95% capacity overload on the Mount Salak Lippo Karawaci plant, which occurred in 2065 with a population of 81869 people and a wastewater discharge of 152 liters/second, with an MSE value of 1.00092. Keywords: Overload prediction, linear regression, Ridge Regression, MSE, MAPE