Implementasi Algoritma Random Forest Classifier Dalam Klasifikasi Kelayakan Air Minum

Abstract

Air merupakan komponen esensial bagi tubuh manusia karena berperan penting dalam menjaga keseimbangan fisiologis, metabolisme, serta fungsi organ vital. Kualitas air minum yang tidak memenuhi standar kelayakan dapat berdampak negatif terhadap kesehatan, sehingga diperlukan metode yang efektif untuk mengklasifikasikan kelayakan air minum secara akurat. Salah satu pendekatan yang dapat digunakan adalah machine learning, khususnya algoritma Random Forest Classifier, yang mampu menganalisis pola data dan menghasilkan prediksi yang andal. Penelitian ini bertujuan untuk membangun model klasifikasi kelayakan air minum menggunakan algoritma Random Forest Classifier serta mengevaluasi tingkat akurasi yang dihasilkan oleh model tersebut. Dataset yang digunakan adalah drinking water potability yang diperoleh dari situs Kaggle, yang terdiri dari berbagai parameter kualitas air. Tahapan penelitian meliputi pengumpulan data, praproses data, pemodelan, dan evaluasi model. Proses praproses mencakup penanganan missing value, seleksi fitur, serta pembagian data menjadi data latih dan data uji. Pemodelan dilakukan menggunakan bahasa pemrograman Python dengan bantuan platform Google Colaboratory. Evaluasi model dilakukan menggunakan confusion matrix dan classification report untuk mengukur performa model berdasarkan metrik accuracy, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa algoritma Random Forest Classifier mampu mengklasifikasikan kelayakan air minum dengan tingkat akurasi sebesar 82%, sehingga model ini dapat digunakan sebagai metode yang efektif dalam mendukung proses klasifikasi kualitas air minum secara otomatis dan berbasis data.