Sistem Monitoring Warna Air Menggunakan Sensor Berbasis Machine Learning
Abstract
Kualitas air merupakan aspek krusial dalam kehidupan manusia. Salah satu indikator penting dalam penilaian kualitas air adalah warna, yang dapat mencerminkan adanya kontaminasi atau perubahan komposisi kimiawi atau mikroorganisme. Pemantauan warna air secara konvensional masih banyak dilakukan secara manual yaitu dengan melihat secara langsung menggunakan mata manusia, sehingga berpotensi menimbulkan subjektivitas dan keterbatasan efisiensi. Selain itu hasil pengukuran secara manual akan kurang akurat ketika mata manusia mengalami gangguan atau sakit. Tujuan dari penelitian ini adalah membuat sistem pemantauan warna air berbasis machine learning sebagai solusi cerdas untuk mendeteksi dan mengklasifikasikan kondisi warna air secara otomatis. Kontribusi penelitian ini adalah untuk pemantauan kualitas air dengan integrasi machine learning. Metode penelitian ini menggunakan metode perancangan alat. Sistem yang dikembangkan memanfaatkan sensor warna untuk memantau warna air. Data tersebut selanjutnya digunakan untuk melatih beberapa algoritma machine learning, guna membedakan kategori warna air berdasarkan warna air. Implementasi alat ini diharapkan dapat meningkatkan efektivitas pemantauan kualitas air secara berkelanjutan dan responsif. Hasil penelitian ini memuat data referensi warna air minum yang terdiri dari berbagai warna air. Data referensi air minum dimasukkan ke dalam proses machine learning. Selanjutnya dilakukan pengambilan data warna air minum. Hasil sistem monitoring berjalan dengan baik. Kesimpulan dari penelitian ini adalah sistem dapat membedakan warna air. Selain itu, machine learning yang diterapkan berhasil mendeteksi warna air yang ada. Saran untuk penelitian selanjutnya yaitu monitoring warna air menggunakan sensor industri yang lebih akurat, sehingga hasil pemantauan lebih stabil.
Keywords
Full Text:
PDFReferences
Aji Segara, B., Uniplaita, T. K., Wuri, T. O., Sampe, A., Sinaga, A., & Elektro, T. (2024). Perancangan Sistem Monitoring untuk Prototipe Mesin Sortir Warna Produk dengan Menggunakan ESP32-CAM. Jurnal Teletronik, 22–28.
Ferdiyansyah, M., Yoga, D., & Pratama, P. (2025). Penerapan PLX-DAQ untuk Monitoring Secara Real Time pada Alat Deteksi Warna Berbasis Sensor TCS3200. SNIV: Seminar Nasional Inovasi Vokasi, 4, 624–632.
Giawa, F. A., Siambaton, Z., & Haramaini, T. (2024). E-Monitoring pada Alat Penyortiran Buah Jeruk Nipis Otomatis Berdasarkan Ukuran dan Jenis Warna Berbasis Internet of Things. Sudo Jurnal Teknik Informatika, 3(1), 41–59. https://doi.org/10.56211/sudo.v3i1.406
Khoerun, B., Apriyanto, H., Suryapringga, Z. H., Rohman, N. F., Karsid, & Fatwasauri, I. (2023). Perbandingan Lebar Penampang Untuk Alat Ukur Kekeringan Gabah Menggunakan Jembatan Wheatstone Berbasis Arduino Uno. JEECAE : Journal of Electrical, Electronic, Control and Automotive Engineering, 08(02), 07–13. https://doi.org/10.32486/jeecae.v8i2.633
Kristiyanto, A., Fikriah, F. K., Inkiriwang, R., & Andriansah, Z. (2023). Monitoring dan Klasifikasi Kualitas Air Kolam Ikan Gurami Berbasis Internet of Things Menggunakan Metode Naive Bayes. Jurnal Komtika (Komputasi Dan Informatika), 7(2), 155–167. https://doi.org/10.31603/komtika.v7i2.10200
Lamsani, M., Pangestika, R. A., Cahyanti, M., & Swedia, E. R. (2023). Sistem Identifikasi Warna Tanah Munsell Menggunakan Sensor Warna TCS3200 dan Kelembaban YL-69. Sebatik, 27(1), 379–389. https://doi.org/10.46984/sebatik.v27i1.2249
Latifah Husni, N., Rasyad, S., Putra, M. S., Hasan, Y., Al Rasyid, J., Teknik Elektro, J., & Negeri Sriwijaya Palembang, P. (2019). Pengaplikasian Sensor Warna pada Navigasi Line Tracking Robot Sampah Berbasis Mikrokontroler. Jurnal Ampere, 4(2). https://doi.org/10.31851/ampere.v4i2.3450
Maulidah, N., Maulidah, M., Supriyadi, R., Nalatissifa, H., Diantika, S., & Fauzi, A. (2024). Prediksi Kualitas Air Menggunakan Metode Random Forest, Decision Tree, dan Gradient Boosting. Jurnal Khatulistiwa Informatika, 12(1), 1–6. https://doi.org/10.31294/khatulistiwa.v12i1.10267
Muhammad Dzi Washfil Hasin, Didik Sukoco, & Ii Munadhif. (2024). Penerapan Neural Network sebagai Klasifikasi Kualitas Air Hasil Filtrasi Reverse Osmosis. Jurnal Elektronika Dan Otomasi Industri, 11(3), 668–679. https://doi.org/10.33795/elkolind.v11i3.6160
Nizomulhaq, H., & Rizki, F. A. (2024). Machine Learning Pemberian Pakan Ikan Komet Berbasis IoT Menggunakan Algoritma C4.5 pada Platform Blynk. Jurnal Jawara Sistem Informasi, 1(2), 1–7.
Peraturan Menteri Kesehatan Republik Indonesia Nomor 2 Tahun 2023 tentang Peraturan Pelaksanaan Peraturan Pemerintah Nomor 66 Tahun 2014 Tentang Kesehatan Lingkungan, Pub. L. No. 2 Tahun 2023 (2023). www.peraturan.go.id
Sabiq, A., & Budisejati, P. N. (2017). Web Monitoring System of pH Level, Temperature and Color on River Water using Wireless Sensor Network. Jurnal Teknologi Dan Sistem Komputer, 5(3), 94–100. https://doi.org/10.14710/jtsiskom.5.3.2017.94-100
Savitri, L., & Nursalim, R. (2023). Klasifikasi Kualitas Air Minum menggunakan Penerapan Algoritma Machine Learning dengan Pendekatan Supervised Learning. Diophantine Journal of Mathematics and Its Applications, 2(01), 30–36. https://doi.org/10.33369/diophantine.v2i01.28260
Stacyana Jesika, Suci Ramadhani, & Yohanna Permata Putri. (2023). Implementasi Model Machine Learning dalam Mengklasifikasi Kualitas Air. Jurnal Ilmiah Dan Karya Mahasiswa, 1(6), 382–396. https://doi.org/10.54066/jikma.v1i6.1162
Syach, I., Salma Azzahra, Y., Rayhan Seftia, S., Teknik Elektro, J., & Negeri Bandung, P. (2021). Monitoring dan Kendali Konveyor Penyortir Barang Berdasarkan Warna RGB Berbasis Supervisory Control And Data Acquisition. Jurnal Indonesia Sosial Teknologi, 2(11), 1967–1980. https://doi.org/10.36418/jist.v2i11.274
Wisjhnuadji, T. W., Narendro, A., & Wicaksono, P. (2020). Sistem Sortir Barang Otomatis Berbasis Arduino Dengan Sensor Warna Dan Monitoring Via Android. Faktor Exacta, 13(2), 106–112. https://doi.org/10.30998/faktorexacta.v13i2.6586
DOI
https://doi.org/10.21107/rekayasa.v19i1.32562Metrics
Refbacks
- There are currently no refbacks.
Copyright (c) 2026 Bobi Khoerun, Karsid ., Dwianti Westari

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.















