Klasifikasi kualitas air bersih di Kabupaten Bojonegoro menggunakan Xgboost

INDONESIA:

Kualitas air bersih merupakan kebutuhan dasar yang sangat vital bagi kesehatan, namun beberapa sumber air sumur warga di Kabupaten Bojonegoro terindikasi memiliki kadar parameter fisik yang melebihi ambang batas aman. Penelitian ini bertujuan untuk mengembangkan arsitektur model klasifikasi kelayakan kualitas air bersih yang paling andal menggunakan algoritma Extreme Gradient Boosting (XGBoost) melalui pengujian variasi rasio pembagian data dan optimasi hyperparameter. Pengumpulan data primer dilakukan secara langsung menggunakan perangkat Internet of Things (IoT) pada tiga lokasi sumur, menghasilkan 3.511 baris data observasi yang terdiri dari parameter pH, suhu, kekeruhan, dan Total Dissolved Solids (TDS). Pengelompokan status kelayakan air dilakukan berdasarkan aturan standar baku mutu kesehatan lingkungan yang berlaku. Proses pelatihan dan pengujian model menerapkan teknik optimasi hyperparameter menggunakan GridSearchCV dan divalidasi dengan 5-Fold Cross Validation pada empat skenario pembagian dataset. Hasil penelitian menyimpulkan bahwa arsitektur model terbaik dicapai pada skenario rasio data latih dan uji 70:30, menggunakan konfigurasi max_depth = 7, learning_rate = 0.01, dan n_estimators = 300. Arsitektur tersebut menghasilkan performa klasifikasi yang superior dengan tingkat Akurasi 98,77%, Precision 98,88%, Recall 99,50%, dan F1-Score 99,19%. Model ini juga terbukti sangat presisi dan aman karena berhasil menekan tingkat kesalahan klasifikasi fatal (False Positive) menjadi hanya 9 kasus dari total 1.054 sampel uji. Secara keseluruhan, algoritma XGBoost terbukti sangat andal dan stabil dalam mengklasifikasikan kualitas air, sehingga layak diimplementasikan sebagai instrumen cerdas untuk mendukung pemantauan kelayakan air bersih di masyarakat.

ENGLISH:

Clean water quality is a highly vital basic need for health, but several residential well water sources in Bojonegoro Regency indicate physical parameter levels that exceed safe thresholds. This study aims to develop the most reliable clean water quality classification model architecture using the Extreme Gradient Boosting (XGBoost) algorithm through testing variations in data split ratios and hyperparameter optimization. Primary data collection was conducted directly using Internet of Things (IoT) devices at three well locations, generating 3,511 rows of observation data consisting of pH, temperature, turbidity, and Total Dissolved Solids (TDS) parameters. The grouping of water feasibility status was carried out based on applicable environmental health quality standard rules. The model training and testing process applied hyperparameter optimization techniques using GridSearchCV and was validated with 5-Fold Cross Validation across four dataset split scenarios. The research results conclude that the best model architecture (Best Estimator) was achieved in the 70:30 train-test data ratio scenario, using the configuration of max_depth = 7, learning_rate = 0.01, and n_estimators = 300. This architecture produced superior classification performance with an Accuracy of 98.77%, Precision of 98.88%, Recall of 99.50%, and an F1-Score of 99.19%. This model also proved to be highly precise and safe because it successfully suppressed the fatal classification error rate (False Positives) to only 9 cases out of a total of 1,054 test samples. Overall, the XGBoost algorithm proved to be highly reliable and stable in classifying water quality, making it feasible to be implemented as an intelligent instrument to support the monitoring of clean water feasibility in the community.

ARABIC:

تعد جودة المياه النظيفة حاجة أساسية وحيوية للغاية للصحة، إلا أن بعض مصادر مياه الآبار الخاصة بالسكان في مقاطعة بوجونيجورو تشير إلى وجود مستويات من المعلمات الفيزيائية تتجاوز الحدود الآمنة. تهدف هذه الدراسة إلى تطوير بنية نموذج تصنيف صلاحية جودة المياه النظيفة الأكثر موثوقية باستخدام خوارزمية Extreme Gradient Boosting (XGBoost) من خلال اختبار تباين نسب تقسيم البيانات وتحسين المعلمات الفائقة. تم جمع البيانات الأولية مباشرةً باستخدام أجهزة إنترنت الأشياء (IoT) في ثلاثة مواقع للآبار، مما أسفر عن 3,511 صفًا من بيانات المراقبة التي تتألف من معلمات الرقم الهيدروجيني (pH)، ودرجة الحرارة، والعكارة، وإجمالي المواد الصلبة الذائبة (TDS). وتم تصنيف حالة صلاحية المياه بناءً على القواعد القياسية المعمول بها لجودة الصحة البيئية. استخدمت عملية تدريب النموذج واختباره تقنية تحسين المعلمات الفائقة باستخدام GridSearchCV، وتم التحقق من صحتها من خلال «التحقق المتقاطع الخماسي» (5-Fold Cross Validation) في أربعة سيناريوهات لتقسيم مجموعة البيانات. وخلصت نتائج البحث إلى أن أفضل بنية للنموذج تم تحقيقها في السيناريو الذي تبلغ فيه نسبة البيانات التدريبية إلى البيانات الاختبارية 70:30، باستخدام التكوين التالي: max_depth = 7، و learning_rate = 0.01، و n_estimators = 300. وقد حققت هذه البنية أداءً تصنيفيًّا متميزًا بمعدل دقة (Accuracy) بلغ 98,77%، ودقة تحديد (Precision) بلغت 98,88%، ومعدل استرجاع (Recall) بلغ 99,50%، ومؤشر F1-Score بلغ 99,19%. كما أثبت هذا النموذج دقة وأمانًا فائقين، حيث نجح في خفض معدل الأخطاء الفادحة في التصنيف (النتائج الإيجابية الخاطئة) إلى 9 حالات فقط من إجمالي 1,054 عينة اختبار. وبشكل عام، أثبتت خوارزمية XGBoost موثوقيتها واستقرارها الفائقين في تصنيف جودة المياه، مما يجعلها جديرة بالتطبيق كأداة ذكية لدعم مراقبة صلاحية المياه النظيفة في المجتمعات المحلية