Optimization of the Random Forest Algorithm Using Random Search for Potable Water Quality Classification

Adi Fajri Firmansyah; Basuki Rahmat; Muhammad Muharrom Al Haromainy

doi:10.59934/jaiea.v5i1.1221

Authors

Adi Fajri Firmansyah UPN V JATIM
Basuki Rahmat UPN V JATIM
Muhammad Muharrom Al Haromainy UPN V JATIM

DOI:

https://doi.org/10.59934/jaiea.v5i1.1221

Keywords:

Classification, Machine Learning, Random Forest, Random Search, Water Quality.

Abstract

Air minum yang layak untuk dikonsumsi merupakan kebutuhan dasar manusia yang memegang peranan penting dalam kesehatan. Di Indonesia, tantangan terkait kualitas dan aksesibilitas air masih cukup signifikan akibat keterbatasan infrastruktur dan pencemaran lingkungan. Penelitian ini bertujuan untuk membandingkan efektivitas optimasi algoritma Random Forest menggunakan Random Search dalam klasifikasi kualitas air bersih. Dataset yang digunakan adalah dataset “Water Quality and Potability” dari Kaggle yang terdiri dari 3.276 data, 9 parameter kimia air, dan 1 target potabilitas. Semua proses dilakukan menggunakan platform Google Colab. Hasil evaluasi menunjukkan bahwa model Random Forest default mencapai akurasi sebesar 84,12% dengan waktu komputasi 3 detik. Model yang dioptimalkan Random Search mencapai akurasi 84,38% dalam waktu 2 jam 2 menit dan 54 detik. Secara keseluruhan, optimasi hiperparameter dapat meningkatkan kinerja klasifikasi. Namun, peningkatan ini dibarengi dengan peningkatan waktu komputasi yang cukup besar, yang harus dipertimbangkan saat memilih metode optimasi.

Downloads

Download data is not yet available.

Author Biographies

Basuki Rahmat, UPN V JATIM

Dr. Basuki Rahmat, S.Si., MT.

Muhammad Muharrom Al Haromainy, UPN V JATIM

Muhammad Muharrom Al Haromainy, S.Kom., M.Kom.

References

NICEF EAST ASIA AND PACIFIC REGIONAL OFFICE (EAPRO), “WATER, SANITATION AND HYGIENE (WASH) Prepared by the: UNICEF EAST ASIA AND PACIFIC REGIONAL OFFICE (EAPRO),” 2020, doi: www.unicef.org/eapro

Utami. Widya dkk, “PENGAMANAN KUALITAS AIR MINUM,” 2023.

F. Yusa Rahman, I. Indah Purnomo, N. Hijriana, dan I. Kalimantan Muhammad Arsyad Al Banjari, “PENERAPAN ALGORITMA DATA MINING UNTUK KLASIFIKASI KUALITAS AIR,” 2022.

Kementerian Kesehatan Republik Indonesia, “4 Permenkes-No-492-Tahun-2010-tentang-Persyaratan-Kualitas-Air-Minum,” 2010.

M. Lowe, R. Qin, dan X. Mao, “A Review on Machine Learning, Artificial Intelligence, and Smart Technology in Water Treatment and Monitoring,” Water (Switzerland), vol. 14, no. 9, Mei 2022, doi: 10.3390/w14091384.

M. M. Mutoffar dkk., “KLASIFIKASI KUALITAS AIR SUMUR MENGGUNAKAN ALGORITMA RANDOM FOREST,” vol. 04, 2022.

K. Abdi, A. Warjaya, I. Muthmainnah, dan P. H. Pahutar, “Penerapan Algoritma Random Forest dalam Prediksi Kelayakan Air Minum,” Jurnal Ilmu Komputer dan Informatika, vol. 3, no. 2, hlm. 81–88, Jan 2024, doi: 10.54082/jiki.81.

L. Savitri dan R. Nursalim, “Klasifikasi Kualitas Air Minum menggunakan Penerapan Algoritma Machine Learning dengan Pendekatan Supervised Learning,” Jun 2023. [Daring]. Tersedia pada: https://ejournal.unib.ac.id/diophantine,

F. Firdiani, S. Mandala, Adiwijaya, dan A. H. Abdullah, “WaQuPs: A ROS-Integrated Ensemble Learning Model for Precise Water Quality Prediction,” Applied Sciences (Switzerland), vol. 14, no. 1, Jan 2024, doi: 10.3390/app14010262.

U. Sunarya dan T. Haryanti, “Perbandingan Kinerja Algoritma Optimasi pada Metode Random Forest untuk Deteksi Kegagalan Jantung,” Jurnal Rekayasa Elektrika, vol. 18, no. 4, Des 2022, doi: 10.17529/jre.v18i4.26981.

P. R. Togatorop, M. Sianturi, D. Simamora, dan D. Silaen, “Optimizing Random Forest using Genetic Algorithm for Heart Disease Classification,” Lontar Komputer : Jurnal Ilmiah Teknologi Informasi, vol. 13, no. 1, hlm. 60, Agu 2022, doi: 10.24843/lkjiti.2022.v13.i01.p06.