Model Prediktif Pertumbuhan Fitoplankton di Waduk Saguling Berbasis Artificial Neural Network

Abstract

Pemodelan memiliki peran penting dalam prediksi kualitas air, khususnya dalam pemantauan lingkungan, kelestarian ekosistem dan akuakultur. Dalam studi ini mengusulkan metode artificial neural network (ANN) model multilayer perceptron dengan jenis algoritma backpropagation untuk memprediksi variabel kualitas air terhadap pembentukan fitoplankton di perairan Waduk Saguling menggunakan data dari PT Indonesia Power dari tahun 2007-2009. Hasil penelitian menjelaskan bahwa adanya pengaruh yang kuat antara variabel kualitas air khususnya nitrat (NO3-N) dan amonium terhadap pembentukan fitoplankton di Waduk Saguling. Namun, temperatur mempunyai pengaruh yang terbalik dengan variabel lainnya, dimana meningkatnya suhu pada musim kemarau membuat fitoplankton mengalami gangguan produktivitas sehingga membuatnya susah untuk tumbuh. Dari hasil prediksi tingkat pertumbuhan fitoplankton, data prediksi musim hujan menunjukkan performa yang lebih bagus dibandingkan dengan musim kemarau dengan nilai korelasi R2 = 0.99 dan tingkat error prediksinya sangat rendah yaitu MAE = 0.021, MSE= 0.0012, sedangkan data musim kemarau R2 = 0.97 dengan nilai errornya MAE = 0.025, MSE= 0.0015. Dari hasil analisa, model prediksi ANN yang dihasilkan menjadi salah satu alat penting untuk memahami pengaruh variabel kualitas air terhadap pembentukan fitoplankton di Waduk Saguling, sehingga model ANN ini diharapkan dapat digunakan sebagai alat untuk menjaga kesehatan ekosistem Waduk Saguling.

Keywords

• fitoplankton, waduk saguling, parameter kualitas air, model prediksi, artificial neural network