Deteksi Lokasi Pencemaran Air Sungai Citarum Berbasis Internet of Things menggunakan Klasifikasi Naive Bayes

Authors

  • Annisa Marwa Nursantoso Telkom University
  • Novian Anggis Suwastika Telkom University
  • Rahmat Yasirandi Telkom University

DOI:

https://doi.org/10.34818/INDOJC.2020.5.1.317

Abstract

Keberadaan lebih dari 500 industri dan pemukiman untuk kurang lebih 5 juta penduduk yang menghasilkan sekitar 200 ton limbah perharinya dibuang ke sungai Citarum tanpa melalui proses instalasi pengolahan air limbah (IPAL), merupakan sumber utama dari pencemaran sungai Citarum. Upaya pemerintah terhadap Citarum telah dilakukan selama 5 tahun dalam berbagai bentuk program, namun hasilnya belum signifikan. Salah satu kendala dalam program, untuk menanggulangi pencemaran air sungai Citarum adalah tidak ada data informasi yang menunjukan tingkat pencemaran dan lokasi pencemaran. Untuk mengatasi kendala tersebut, diperlukan sebuah sistem yang mampu melakukan pembacaan secara terus menerus dan menentukan lokasi yang diindentifikasi sebagai sumber pencemaran. Sistem yang dibangun untuk mendeteksi pencemaran dan lokasi pencemaran berbasis IoT dan klasifikasi naive bayes. Metode naive bayes dipilih karena dalam teknik data mining yang menerapkan teori Bayes dalam klasifikasi dengan asumsi  yang sangat kuat (naif) akan independensi dari masing-masing kondisi kejadian. Hasil penelitian menunjukkan penggunaan metode klasifikasi naive bayes pada proses klasifikasi pencemaran air sungai memiliki tingkat akurasi sebesar 96%. Hasil ini dapat diterima untuk akurasi klasifikasi.

Downloads

Download data is not yet available.

References

PUSTAKA

Riyadh Arridha. Design and implementation of iot-big data analytic for smart environment monitoring system. 2018

Saeful Bachrein. Pengembangan daerah aliran sungai (das) cikapundung: Diagnostik wilayah. Jurnal Bina Praja: Journal of Home Affairs Governance, 4(4):227–236, 2015

Pablo Bermejo, José A Gámez, and José M Puerta. Speeding up in cremental wrapper feature subset selection with naïve bayes classifier. Knowledge-Based Systems, 55:140–147, 2014

Nana Terangna Bukit and Iskandar A Yusuf. Beban pencemaran limbah industri dan status kualitas air sungai citarum. J. Teknologi Lingungan, 3(2):98–106, 2002

Hefni Effendi. Telaah kualitas air, bagi pengelolaan sumber daya dan lingkungan perairan. Kanisius, 2003.

Dewan Md Farid and Mohammad Zahidur Rahman. Anomaly network intrusion detection based on improved self adaptive bayesian algorithm. JCP, 5(1):23–31, 2010.

S Geetha and S Gouthami. Internet of things enabled real time water quality monitoring system. Smart Water, 2(1):1, 2016.

Hartatik Hartatik, Andri Syafrianto, and Wiwi Widayani. Perbandingan klasifikasi pecemaran air sungai dengan metode backpropagation dan naïve bayes. Data Manajemen dan Teknologi Informasi (DASI), 18(4):67–71, 2018.

Donald L Johnson, Stanley H Ambrose, Thomas J Bassett, Merle L Bowen, Donald E Crummey, Jeffry S Isaacson, Daniel N Johnson, Peter Lamb, Mahir Saul, and Alex E Winter-Nelson. Meanings of environmental terms. Journal of environmental quality, 26(3):581–589, 1997.

Ali Masduqi, Eddy S Soedjono, Noor Endah, and Wahyono Hadi. Prediction of rural water supply systems sustainability using a mathematical model. Jurnal Purifikasi, 10(2):155–164, 2009.

Burhan Alfironi Muktamar, Noor Akhmad Setiawan, and Teguh Bharata Adji. Analisis perbandingan tingkat akurasi algoritma naïve bayes classifier dengan correlated-naïve bayes classifier. SEMNASTEKNOMEDIA ONLINE, 3(1):2–1, 2015.

Alieja Muhammad Putrada, Maman Abdurohman, and Aji Gautama Putrada. Increasing smoke classifier accuracy using naive bayes method on internet of things. Kinetik: Game Technology, Information System, Computer Network, Computing, Electronics, and Control, 4(1):19–26, 2018.

Utomo Sarjono Putro. Drama theory sebagai model dari dinamika konflik dalam permasalahan das citarum. Journal of Technology Management, 4(2), 2005.

Mohamad Sakizadeh. Assessment the performance of classification methods in water quality studies, a case study in karaj river. Environmental monitoring and assessment, 187(9):573, 2015.

Alfa Saleh. Implementasi metode klasifikasi naive bayes dalam memprediksi besarnya penggunaan listrik rumah tangga. Creative Information Technology Journal, 2(3):207–217, 2015.

Hilmi Salim. Beban pencemaran limbah domestic dan pertanian di das citarum hulu. Jurnal Teknlogi Lingkungan, 3(2):107– 111, 2002.

Budi Santosa. Data mining teknik pemanfaatan data untuk keperluan bisnis. Yogyakarta: Graha Ilmu, 978(979):756, 2007.

Ade Sudradjat. Peran industri dan produk tekstil pada kelestarian sumberdaya lingkungan perairan das citarum. Jurnal Teknologi Lingkungan, 3(2):92–97, 2002.

Sritrusta Sukaridhoto, Dadet Pramadihanto, Muhammad Alif, Andrie Yuwono, Nobuo Funabiki, et al. A design of radio- controlled submarine modification for river water quality monitoring. In 2015 International Seminar on Intelligent Technology and Its Applications (ISITIA), pages 75–80. IEEE, 2015.

Sritrusta Sukaridhoto, Rahardhita Widyatra Sudibyo, Widi Sarinastiti, Rizky Dharmawan, Atit Sasono, Ahmad Andika Saputra, and Shiori Sasaki. Design and development of a portable low-cost cots-based water quality monitoring system. In 2016 International Seminar on Intelligent Technology and Its Applications (ISITIA), pages 635–640. IEEE, 2016.

Pilipus A Urbasa, Suzanne L Undap, and Robert J Rompas. Dampak kualitas air pada budi daya ikan dengan jaring tancap di desa toulimembet danau tondano. e-Journal BUDIDAYA PERAIRAN, 3(1), 2015.

Savitri Wanabuliandari and Sekar Dwi Ardianti. Pengaruh modul e-jas edutainment terhadap karakter peduli lingkungan dan tanggung jawab. Scholaria: Jurnal Pendidikan Dan Kebudayaan, 8(1):70–79, 2018.

Shumei Wang, Zhaoji Zhang, Zhilong Ye, Xiaojun Wang, Xiangyu Lin, and Shaohua Chen. Application of environmental internet of things on water quality management of urban scenic river. International Journal of Sustainable Development & World Ecology , 20(3):216–222, 2013

Xindong Wu and Vipin Kumar. The top ten algorithms in data mining. CRC press, 2009.

Daniela Xhemali, Chris J Hinde, and Roger G Stone. Naïve bayes vs. decision trees vs. neural networks in the classification of training web pages. 2009.

Chongsheng Zhang, Changchang Liu, Xiangliang Zhang, and George Almpanidis. An up-to-date comparison of state-of-the-art classification algorithms. Expert Systems with Applications, 82:128–150, 2017.

Downloads

Additional Files

Published

2020-04-14

How to Cite

Nursantoso, A. M., Suwastika, N. A., & Yasirandi, R. (2020). Deteksi Lokasi Pencemaran Air Sungai Citarum Berbasis Internet of Things menggunakan Klasifikasi Naive Bayes. Indonesian Journal on Computing (Indo-JC), 5(1), 1–14. https://doi.org/10.34818/INDOJC.2020.5.1.317

Issue

Vol. 5 No. 1 (2020): Maret, 2020

Section

Computer Science

License

  • Manuscript submitted to IndoJC has to be an original work of the author(s), contains no element of plagiarism, and has never been published or is not being considered for publication in other journals. 
  • Copyright on any article is retained by the author(s). Regarding copyright transfers please see below.
  • Authors grant IndoJC a license to publish the article and identify itself as the original publisher.
  • Authors grant IndoJC commercial rights to produce hardcopy volumes of the journal for sale to libraries and individuals.
  • Authors grant any third party the right to use the article freely as long as its original authors and citation details are identified.
  • The article and any associated published material is distributed under the Creative Commons Attribution 4.0License

Most read articles by the same author(s)