Penggunaan Hutan Acak Untuk Menilai Pengaruh Parameter Kualitas Air Terhadap Status Biologis Air Permukaan

Dicka Widya Purnama 

Studi ini mengevaluasi penggunaan metode random forest dalam machine learning untuk menilai pengaruh parameter kualitas air terhadap status biologis perairan permukaan di Hungaria. Hasilnya menunjukkan bahwa random forest berpotensi sebagai alat yang berguna dalam klasifikasi biologis dan peringkat variabel fisiko-kimia berdasarkan dampaknya pada elemen biologis. Meskipun tidak menggantikan penilaian status biologis, metode ini dapat melengkapi data dan mendukung perencanaan sistem pemantauan biologis, dibandingkan dengan regresi logistik.

Alasan Penelitian Ini Dilakukan 

Penelitian ini bertujuan mengatasi tantangan dalam menilai pengaruh stresor antropogenik terhadap kualitas biologis sungai. Metode statistik konvensional kurang efektif dalam hal ini, sehingga digunakan metode machine learning seperti random forest untuk memodelkan hubungan kompleks dan non-linear antara parameter kualitas air dan status biologis perairan. Meskipun metode ini memiliki keunggulan dalam kemampuan pemodelan, penggunaannya masih terbatas dalam manajemen kualitas air, meskipun dapat diterapkan dengan mudah pada sistem dengan banyak stresor.

 

GAP Dalam Penelitian 

meskipun random forest menunjukkan potensi dalam mendukung klasifikasi dan peringkat variabel fisiko-kimia berdasarkan pengaruhnya pada elemen biologis, penelitian menyatakan bahwa metode ini tidak dapat menggantikan penilaian status biologis secara keseluruhan. Walaupun bermanfaat untuk melengkapi data dan perencanaan pemantauan biologis, masih diperlukan penelitian lebih lanjut guna mengembangkan metode yang lebih akurat dalam memprediksi pengaruh parameter kualitas air pada status biologis perairan permukaan.

Instrumen Yang Digunakan Dalam Penelitian 

Instrumen yang digunakan sebagai panduan dalam penelitian ini adalah Water Framework Directive (WFD). Penggunaan pendekatan berbasis model dalam penelitian ini memungkinkan untuk memperkirakan kondisi elemen kualitas dengan lebih baik, terutama ketika kepercayaan dan presisi rendah dapat menyebabkan kesalahan dalam klasifikasi. Dengan menerapkan metode prediksi, upaya pemantauan dapat dikelola dengan lebih efisien, dan dengan prediksi yang lebih akurat, celah data dapat diminimalkan.

Hasil 

Penelitian ini menggunakan metode random forest sebagai alat untuk mendukung klasifikasi biologis dalam pemantauan biologis perairan. Metode ini digunakan untuk merangking variabel fisiko-kimia berdasarkan pengaruhnya pada elemen biologis. Hasil dari random forest dibandingkan dengan regresi logistik untuk mengevaluasi kinerjanya dalam memprediksi status biologis perairan. Meskipun random forest tidak menggantikan sepenuhnya penilaian status biologis, namun mampu mengisi celah dalam data dan mendukung perencanaan sistem pemantauan biologis. Penelitian ini menggunakan data sungai dan kualitas air di Hungaria sebagai basisnya.