<![CDATA[Tujuan penelitian ini adalah untuk merancang dan mengembangkan sebuah aplikasi berbasis teknologi yang mampu melakukan pemantauan dan prediksi kualitas air sungai secara otomatis dan real-time. Sistem ini menggabungkan teknologi Internet of Things (IoT) dengan algoritma machine learning, yaitu XGBoost Regressor dan Random Forest Classifier, guna meningkatkan akurasi dan efisiensi dalam pengolahan data lingkungan. Permasalahan penurunan kualitas air sungai yang disebabkan oleh pencemaran industri, domestik, dan pertanian menjadi latar belakang utama dari penelitian ini. Data yang digunakan merupakan data historis kualitas air, yang mencakup parameter pH, suhu, dan kekeruhan, dikumpulkan oleh perangkat IoT berbentuk pelampung yang dikembangkan oleh Pusat Riset Fotonika – BRIN. Data tersebut diolah menggunakan algoritma XGBoost Regressor untuk memprediksi nilai parameter air di masa mendatang, dan Random Forest Classifier untuk mengklasifikasikan tingkat kelayakan air seperti Tidak Layak, Cukup Layak, Layak, dan Sangat Layak. Aplikasi ini dikembangkan dalam dua platform, yaitu mobile (menggunakan React Native) dan website (menggunakan React JS), dengan backend Node.js dan database MySQL. Hasil pengujian menunjukkan bahwa sistem mampu memberikan informasi secara akurat, cepat, dan responsif, serta dapat digunakan langsung oleh pengguna untuk pengambilan keputusan. Sistem ini tidak hanya berfungsi sebagai alat monitoring, tetapi juga sebagai sarana edukasi dan pengawasan lingkungan berbasis teknologi digital yang berkelanjutan. Penelitian ini memberikan kontribusi penting dalam pengembangan sistem monitoring lingkungan berbasis data yang adaptif, presisi, dan dapat diakses oleh berbagai kalangan masyarakat.]]>
Copyrights © 2025
