Selama 25 tahun, Departemen Lingkungan Hidup Malaysia (DOE) telah menerapkan Indeks Kualitas Air (WQI) yang menggunakan enam parameter kualitas air utama: oksigen terlarut (DO), Permintaan Oksigen Biokimia (BOD), Permintaan Oksigen Kimia (COD), pH, nitrogen amonia (AN) dan padatan tersuspensi (SS). Analisis kualitas air merupakan komponen penting dari pengelolaan sumber daya air dan harus dikelola dengan baik untuk mencegah kerusakan ekologis dari polusi dan memastikan kepatuhan terhadap peraturan lingkungan. Hal ini meningkatkan kebutuhan untuk menentukan metode yang efektif untuk analisis. Salah satu tantangan utama komputasi saat ini adalah memerlukan serangkaian perhitungan subindeks yang memakan waktu, rumit, dan rawan kesalahan. Selain itu, WQI tidak dapat dihitung jika satu atau lebih parameter kualitas air hilang. Dalam studi ini, metode optimasi WQI dikembangkan untuk kompleksitas proses saat ini. Potensi pemodelan berbasis data, yaitu Nu-Radial basis function support vector machine (SVM) berdasarkan 10x cross-validation, dikembangkan dan dieksplorasi untuk meningkatkan prediksi WQI di cekungan Langat. Analisis sensitivitas komprehensif dilakukan dalam enam skenario untuk menentukan efisiensi model dalam prediksi WQI. Dalam kasus pertama, model SVM-WQI menunjukkan kemampuan yang sangat baik untuk mereplikasi DOE-WQI dan memperoleh tingkat hasil statistik yang sangat tinggi (koefisien korelasi r > 0,95, efisiensi Nash Sutcliffe, NSE > 0,88, indeks konsistensi Willmott, WI > 0,96). Dalam skenario kedua, proses pemodelan menunjukkan bahwa WQI dapat diperkirakan tanpa enam parameter. Dengan demikian, parameter DO merupakan faktor terpenting dalam menentukan WQI. pH memiliki efek paling kecil pada WQI. Selain itu, Skenario 3 hingga 6 menunjukkan efisiensi model dalam hal waktu dan biaya dengan meminimalkan jumlah variabel dalam kombinasi masukan model (r > 0,6, NSE > 0,5 (baik), WI > 0,7 (sangat baik)). Secara keseluruhan, model ini akan sangat meningkatkan dan mempercepat pengambilan keputusan berbasis data dalam pengelolaan kualitas air, membuat data lebih mudah diakses dan menarik tanpa campur tangan manusia.
1 Pendahuluan
Istilah "pencemaran air" mengacu pada pencemaran beberapa jenis air, termasuk air permukaan (laut, danau, dan sungai) dan air tanah. Faktor signifikan dalam meningkatnya masalah ini adalah polutan tidak diolah secara memadai sebelum dilepaskan secara langsung maupun tidak langsung ke badan air. Perubahan kualitas air berdampak signifikan tidak hanya pada lingkungan laut, tetapi juga pada ketersediaan air tawar untuk pasokan air publik dan pertanian. Di negara-negara berkembang, pertumbuhan ekonomi yang pesat merupakan hal yang umum, dan setiap proyek yang mendorong pertumbuhan ini dapat membahayakan lingkungan. Untuk pengelolaan sumber daya air jangka panjang dan perlindungan manusia serta lingkungan, pemantauan dan penilaian kualitas air sangat penting. Indeks Kualitas Air, juga dikenal sebagai Indeks Kualitas Air (IQW), diturunkan dari data kualitas air dan digunakan untuk menentukan status kualitas air sungai saat ini. Dalam menilai tingkat perubahan kualitas air, banyak variabel yang harus dipertimbangkan. Indeks Kualitas Air (IQW) adalah indeks tanpa dimensi. Indeks ini terdiri dari parameter kualitas air tertentu. IQW menyediakan metode untuk mengklasifikasikan kualitas badan air historis dan saat ini. Nilai Indeks Kualitas Air (WQI) yang signifikan dapat memengaruhi keputusan dan tindakan para pengambil keputusan. Dalam skala 1 hingga 100, semakin tinggi indeksnya, semakin baik kualitas airnya. Secara umum, kualitas air stasiun sungai dengan skor 80 ke atas memenuhi standar sungai bersih. Nilai WQI di bawah 40 dianggap terkontaminasi, sementara nilai WQI antara 40 dan 80 menunjukkan bahwa kualitas air memang sedikit terkontaminasi.
Secara umum, penghitungan WQI memerlukan serangkaian transformasi subindeks yang panjang, rumit, dan rawan kesalahan. Terdapat interaksi nonlinier yang kompleks antara WQI dan parameter kualitas air lainnya. Menghitung WQI bisa sulit dan memakan waktu lama karena setiap WQI menggunakan rumus yang berbeda, yang dapat menyebabkan kesalahan. Salah satu tantangan utama adalah mustahilnya menghitung rumus WQI jika satu atau lebih parameter kualitas air tidak ada. Selain itu, beberapa standar memerlukan prosedur pengumpulan sampel yang memakan waktu dan menyeluruh yang harus dilakukan oleh tenaga profesional terlatih untuk menjamin keakuratan pemeriksaan sampel dan tampilan hasilnya. Meskipun terdapat peningkatan teknologi dan peralatan, pemantauan kualitas air sungai secara temporal dan spasial yang ekstensif terhambat oleh tingginya biaya operasional dan manajemen.
Diskusi ini menunjukkan bahwa belum ada pendekatan global untuk WQI. Hal ini menimbulkan kebutuhan untuk mengembangkan metode alternatif untuk menghitung WQI secara komputasional dan akurat. Peningkatan tersebut dapat bermanfaat bagi pengelola sumber daya lingkungan untuk memantau dan menilai kualitas air sungai. Dalam konteks ini, beberapa peneliti telah berhasil menggunakan AI untuk memprediksi WQI; pemodelan pembelajaran mesin berbasis AI menghindari perhitungan sub-indeks dan menghasilkan hasil WQI dengan cepat. Algoritma pembelajaran mesin berbasis AI semakin populer karena arsitektur non-liniernya, kemampuannya untuk memprediksi peristiwa kompleks, kemampuannya untuk mengelola set data besar termasuk data dengan berbagai ukuran, dan sifatnya yang tidak sensitif terhadap data yang tidak lengkap. Daya prediksinya sepenuhnya bergantung pada metode dan presisi pengumpulan dan pemrosesan data.
Waktu posting: 21-Nov-2024