Selama 25 tahun, Departemen Lingkungan Hidup (DOE) Malaysia telah menerapkan Indeks Kualitas Air (WQI) yang menggunakan enam parameter kualitas air utama: oksigen terlarut (DO), Kebutuhan Oksigen Biokimia (BOD), Kebutuhan 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 akibat polusi dan memastikan kepatuhan terhadap peraturan lingkungan. Hal ini meningkatkan kebutuhan untuk mendefinisikan metode analisis yang efektif. Salah satu tantangan utama komputasi saat ini adalah membutuhkan serangkaian perhitungan subindeks yang memakan waktu, kompleks, 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 mengatasi kompleksitas proses saat ini. Potensi pemodelan berbasis data, yaitu mesin vektor pendukung fungsi basis Nu-Radial (SVM) berdasarkan validasi silang 10x, dikembangkan dan dieksplorasi untuk meningkatkan prediksi WQI di cekungan Langat. Analisis sensitivitas komprehensif dilakukan di bawah enam skenario untuk menentukan efisiensi model dalam prediksi WQI. Pada 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). Pada skenario kedua, proses pemodelan menunjukkan bahwa WQI dapat diestimasi tanpa enam parameter. Dengan demikian, parameter DO merupakan faktor terpenting dalam menentukan WQI. pH memiliki pengaruh paling kecil terhadap WQI. Selain itu, Skenario 3 hingga 6 menunjukkan efisiensi model dalam hal waktu dan biaya dengan meminimalkan jumlah variabel dalam kombinasi input 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, menjadikan data lebih mudah diakses dan dipahami tanpa campur tangan manusia.
1 Pendahuluan
Istilah “pencemaran air” merujuk pada pencemaran beberapa jenis air, termasuk air permukaan (samudra, danau, dan sungai) dan air tanah. Faktor penting dalam pertumbuhan masalah ini adalah bahwa polutan tidak diolah secara memadai sebelum dilepaskan secara langsung atau tidak langsung ke badan air. Perubahan kualitas air memiliki dampak signifikan tidak hanya pada lingkungan laut, tetapi juga pada ketersediaan air tawar untuk pasokan air publik dan pertanian. Di negara berkembang, pertumbuhan ekonomi yang pesat adalah hal biasa, dan setiap proyek yang mendorong pertumbuhan ini dapat membahayakan lingkungan. Untuk pengelolaan sumber daya air jangka panjang dan perlindungan masyarakat dan lingkungan, pemantauan dan penilaian kualitas air sangat penting. Indeks Kualitas Air, juga dikenal sebagai WQI, 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. WQI adalah indeks tanpa dimensi. Indeks ini terdiri dari parameter kualitas air tertentu. WQI menyediakan metode untuk mengklasifikasikan kualitas badan air di masa lalu dan saat ini. Nilai WQI yang bermakna dapat memengaruhi keputusan dan tindakan para pengambil keputusan. Pada skala 1 hingga 100, semakin tinggi indeksnya, semakin baik kualitas airnya. Secara umum, kualitas air di stasiun sungai dengan skor 80 ke atas memenuhi standar sungai bersih. Nilai WQI di bawah 40 dianggap terkontaminasi, sedangkan nilai WQI antara 40 dan 80 menunjukkan bahwa kualitas air memang sedikit terkontaminasi.
Secara umum, perhitungan WQI memerlukan serangkaian transformasi subindeks yang panjang, kompleks, dan rawan kesalahan. Terdapat interaksi nonlinier yang kompleks antara WQI dan parameter kualitas air lainnya. Perhitungan WQI bisa sulit dan memakan waktu lama karena WQI yang berbeda menggunakan rumus yang berbeda, yang dapat menyebabkan kesalahan. Salah satu tantangan utama adalah tidak mungkin menghitung rumus untuk WQI jika satu atau lebih parameter kualitas air hilang. Selain itu, beberapa standar memerlukan prosedur pengumpulan sampel yang memakan waktu dan menyeluruh yang harus dilakukan oleh para profesional terlatih untuk menjamin pemeriksaan sampel yang akurat dan penyajian hasil. Terlepas dari peningkatan teknologi dan peralatan, pemantauan kualitas air sungai secara temporal dan spasial yang ekstensif terhambat oleh biaya operasional dan manajemen yang tinggi.
Diskusi ini menunjukkan bahwa tidak ada pendekatan global untuk WQI. Hal ini menimbulkan kebutuhan untuk mengembangkan metode alternatif untuk menghitung WQI secara efisien dan akurat secara komputasi. Perbaikan 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 dengan cepat menghasilkan hasil WQI. Algoritma pembelajaran mesin berbasis AI semakin populer karena arsitektur non-liniernya, kemampuannya untuk memprediksi peristiwa kompleks, kemampuannya untuk mengelola kumpulan data besar termasuk data dengan berbagai ukuran, dan ketidakpekaan terhadap data yang tidak lengkap. Kekuatan prediktifnya sepenuhnya bergantung pada metode dan ketelitian pengumpulan dan pengolahan data.
Waktu posting: 21 November 2024