Sistem Klasifikasi Mutu Air PDAM berdasarkan Zat Terlarut, PH dan Turbidity menggunakan Metode Fuzzy Sugeno berbasis Arduino

(1)

Fakultas Ilmu Komputer

Universitas Brawijaya 3578

Sistem Klasifikasi Mutu Air PDAM berdasarkan Zat Terlarut, PH dan Turbidity menggunakan Metode Fuzzy Sugeno berbasis Arduino

Fatchullah Wahid Afifi

¹

, Hurriyatul Fitriyah

²

, Eko Setiawan

³

Program Studi Teknik Informatika, Fakultas Ilmu Komputer, Universitas Brawijaya Email:

¹

fatchullahwahid@gmail.com,

²

hfitriyah@ub.ac.id,

³

ekosetiawan@ub.ac.id

Abstrak

Beberapa ciri air minum bersih adalah air tawar, tidak berwarna dan tidak berasap. Salah satu sumber air yang dianggap bersih dan layak untuk diminum adalah melalui PDAM (Perusahaan Daerah Air Minum). Air dari PDAM dipilih karena telah melalui berbagai proses fisik dan kimiawi, sehingga air binaan PDAM dinilai cukup bersih untuk digunakan untuk kebutuhan sehari-hari di masa mendatang.

Faktor yang mempengaruhi tingkat kelayakan air biasanya ditentukan dari kandungan yang tercampur pada air tersebut. Salah satu kandungan yang digunakan oleh PDAM adalah zat klorin sebagai desinfektan untuk menjaga kebersihan air dan melindungi dari bakteri. Mengacu pada Peraturan Menteri Kesehatan RI 492 / MENKS / PER / IV / 2017, batas atas kandungan klorin pada air minum layak minum adalah 5 mg / L. Sistem klasifikasi mutu air yang dirancang dengan memanfaatkan sensor pH guna mengetahui tingkat keasaman didalam air, sensor turbidity guna mengetahui tingkat kekeruhan didalam air, dan sensor TDS guna mengetahui jumlah kandungan zat terlarut didalam air. Kemudian sistem akan menyimpan dan mengolah data inputan dari sensor menggunakan metode fuzzy model takagi-sugeno untuk mengklasifikasikan mutu air berdasarkan kandungannya kedalam tiga golongan, yaitu aman, olah dan bahaya. Saat dilakukan tahap pengujian pada sistem, dari 4 kali percobaan dengan 3 sampel air PDAM, tingkat keakurasian yang diperoleh dari sistem dan dibandingkan dengan alat yang telah ada adalah sebesar 100%.

Kata kunci: TDS, turbidity, pH, klorin, fuzzy, takagi-sugeno Abstract

Some characteristics of clean drinking water are fresh water, colorless and not smoky. One of the water sources that are considered clean and worth drinking is through PDAM (Perusahaan Daerah Air Minum). Water from PDAM was chosen because it has gone through various physical and chemical processes, so that PDAM-assisted water is considered clean enough to be used for daily needs in the future. Factors that affect the level of water feasibility are usually determined from the mixed content of the water. One of the ingredients used by PDAM is chlorine as a disinfectant to maintain water cleanliness and protect from bacteria. Referring to the Regulation of the Minister of Health of the Republic of Indonesia 492 / MENKS / PER / IV / 2017, the upper limit of chlorine content in drinking water is 5 mg / L. Water quality classification system designed by utilizing pH sensors to know the acidity level in water, turbidity sensors to know the level of turbidity in water, and TDS sensors to know the amount of dissolved substance content in water. Then the system will store and process input data from the sensor using the fuzzy method of takagi-sugeno model to classify water quality based on its content into three groups, namely safe, processed and dangerous. During the testing phase of the system, from 4 experiments with 3 PDAM water samples, the accuracy rate obtained from the system and compared to existing tools was 100%.

Keywords: TDS, turbidity, pH, chlorine, fuzzy, takagi-sugeno

1. PENDAHULUAN

Air merupakan salah satu sumber kehidupan yang paling utama bagi setiap

makhluk hidup yang ada di dunia. Bagi manusia

air memiliki berbagai kegunaan. Selain

digunakan untuk dikonsumsi, air juga

memegang peranan penting untuk membuat

(2)

Fakultas Ilmu Komputer, Universitas Brawijaya

suatu peradaban seperti bangunan, jana raya, teknologi, indussti, pembangkit tenaga listrik dan lain sebagainya. Untuk kegiatan konsumsi sendiri dibutuhkan air bersih yang dapat membantu manusia agar tetap hidup sehat.

Selain itu manusia disarankan mengkonsumsi air sebanyak 6-8 gelas atau setara dengan 2 Liter perhari. Beberapa ciri air minum bersih adalah air tawar, tidak berwarna dan tidak berasap.

Salah satu sumber air yang dianggap bersih dan layak untuk diminum adalah melalui PDAM (Perusahaan Daerah Air Minum). Air dari PDAM dipilih karena telah melalui berbagai proses fisik dan kimiawi, sehingga air binaan PDAM dinilai cukup bersih untuk digunakan untuk kebutuhan sehari-hari di masa mendatang.

(Kartini, N., 2019).

Namun, dalam beberapa kasus, air yang dipandu oleh PDAM dianggap tidak aman dan cocok untuk segera diminum. Melalui proses kimiawi, air akan diolah dan dicampur dengan berbagai bahan kimia, salah satunya klorin.

Klorin digunakan sebagai desinfektan untuk menjaga kebersihan air dan melindungi bakteri.

Kadar klorin yang tinggi tidak jauh berbeda dengan bisa serangga. Ini akan sangat berbahaya bagi konsumen. Sesuai Peraturan Menteri Kesehatan RI 492 / MENKS / PER / IV / 2017, batas atas kandungan klorin pada air minum layak minum adalah 5 mg / L. Maka dibutuhkan sebuah system dimana sistem tersebut dapat mengklasifikasikan kadar zat terlarut dan kandungan lain yang terdapat didalam air siap minum.

Faktor yang mempengaruhi tingkat kelayakan air biasanya ditentukan dari kandungan yang tercampur pada air tersebut.

Ada banyak penelitian mengenai sistem deteksi tingkat kelayakan air untuk digunakan sebagai kebutuhan konsumsi salah satunya adalah penelitian yang dilakukan oleh Novenpa dan Dzulkiflih (2020) untuk mendeteksi kualitas air dengan memanfaatkan sensor keasaman atau pH (Puissance de Hydrogen), sensor TDS (Total Dissolved Solids), dan sensor suhu sebagai parameternya. Tujuan alat ini adalah untuk mendeteksi kualitas dari air dan tingkat keasamannya dengan memanfaatkan tiga sensor tersebut menggunakan metode ADDIE (Analyse, Design, Develop, Implement, dan Evaluate).

Pada penelitian lainnya yang dilakukan oleh Achmad Rosyidi, dkk. (2019) dimana mereka merancang suuatu alat yang dinamakan smart river system yang digunakan untuk menentukan

kualitas dari air sungai dengan memanfaatkan sensor pH (Puissance de Hydrogen), sensor TDS (Total Dissolved Solids), sensordan bau.

Berdasarkan latar belakang di atas, maka suatu sistem dapat dibangun dengan menggabungkan sensor pH, sensor turbiditas dan sensor TDS dengan logika fuzzy metode Takagi-Sugeno, pada sistem ini logika tersebut dapat digunakan untuk klasifikasi. Air yang aman, telah diolah sebelumnya, atau sepenuhnya berbahaya. Logika fuzzy Takagi-Sugeno dipilih dengan alasan adanya tingkat keabu-abuan yang terdapat pada air yang akan dikonsumsi. Dimana air dinilai memiliki tingkat keabu-abuan yang tinggi tergantung darimana sumber air tersebut dan bagaimana proses pengolahan air tersebut.

2. PERSAMAAN MATEMATIKA

Langkah selanjutnya adalah melakukan fuzzifikasi pada himpunan fuzzy yang telah dibuat. Seperti yang telah dijelaskan pada bab sebelumnya, fuzzifikasi merupakan salah satu langkah untuk mengubah nilai input sistem yang berupa angka menjadi variabel linguistik yang direpresentasikan oleh himpunan fuzzy.

Berdasarkan variabel tersebut, penghitungan nilai akan diperoleh melalui beberapa fungsi yaitu:

A. Variabel pH

Variabel pH dibagi menjadi tiga bagian yaitu pengaturan asam,

pengaturan netral dan pengaturan basa.

Fungsi yang digunakan pada variabel pH terbagi menjadi tiga bagian yaitu trapesium bawah, segitiga dan trapesium naik.

1. Trapesium Turun: Asam

𝜇(𝑥) = {

0 ; 𝑥 ≥ 7 7 − 𝑥

7 − 5 ; 5 < 𝑥 < 7 1 ; 𝑥 ≤ 5

(1)

2. Segitiga: Netral

𝜇(𝑥) =

{

0 ; ≤ 6 𝑎𝑡𝑎𝑢 𝑥 ≥ 8 𝑥 − 6

8 − 6 ; 6 < 𝑥 < 8 8 − 𝑥

8 − 7 ; 7 < 𝑥 < 8 1 ; 𝑥 = 7

(2)

3. Trapesium Naik: Basa

(3)

𝜇(𝑥) = {

0 ; 𝑥 ≤ 7 𝑥 − 7

9 − 7 ; 7 < 𝑥 < 9 1 ; 𝑥 ≥ 9

(3)

B. Variabel Turbidiy

Pada variabel kekeruhan dibagi menjadi dua bagian yaitu cerah dan berawan. Fungsi yang digunakan pada variabel turbiditas terbagi menjadi dua bagian yaitu trapesium bawah dan trapesium atas.

1. Trapesium Turun: Jernih

𝜇(𝑥) = {

0 ; 𝑥 ≥ 25 25 − 𝑥

25 − 20 ; 20 < 𝑥 ≤ 25 1 ; 𝑥 < 25

(4)

2. Trapesium Naik; keruh

𝜇(𝑥) = {

0 ; 𝑥 ≤ 25 𝑥 − 25

35 − 25 ; 25 < 𝑥 ≤ 35 1 ; 𝑥 > 35

(5)

C. Variabel TDS

Variabel TDS dibagi menjadi lima bagian yaitu kelompok sangat baik, kelompok baik, kelompok layak minum, kelompok kurang dan kelompok sangat buruk. Fungsi yang digunakan pada variabel TDS dibagi menjadi tiga bagian yaitu trapesium bawah, trapesium dan trapesium atas.

1. Trapesium Turun: Sangat Baik

𝜇(𝑥) = {

0 ; 𝑥 ≥ 300 300 − 𝑥

300 − 200 ; 200 < 𝑥 < 300 1 ; 𝑥 < 200

(6)

2. Trapesium: Baik

𝜇(𝑥) =

{

0 ; ≤ 200 𝑎𝑡𝑎𝑢 𝑥 ≥ 600 𝑥 − 300

300 − 200 ; 200 < 𝑥 ≤ 300 600 − 𝑥

600 − 500 ; 500 < 𝑥 < 200 1 ; 300 < 𝑥 ≤ 600

(7)

3. Trapesium: Bisa Diminum

𝜇(𝑥) =

{

0 ; ≤ 500 𝑎𝑡𝑎𝑢 𝑥 ≥ 900 𝑥 − 600

600 − 500 ; 500 < 𝑥 ≤ 600 900 − 𝑥

900 − 800 ; 800 < 𝑥 < 900 1 ; 600 < 𝑥 ≤ 800

(8)

4. Trapesium: Buruk

𝜇(𝑥) =

{

0 ; ≤ 800 𝑎𝑡𝑎𝑢 𝑥 ≥ 1200 𝑥 − 900

900 − 800 ; 800 < 𝑥 ≤ 900 1200 − 𝑥

1200 − 1100 ; 1100 < 𝑥 < 1200 1 ; 900 < 𝑥 ≤ 1200

(9)

5. Trapesium Naik: Sangat Buruk

𝜇(𝑥) = {

0 ; 𝑥 < 1200 𝑥 − 1200

1200 − 900 ; 𝑥 = 1200 1 ; 𝑥 ≥ 1200

(10)

3. Defuzzifikasi

Langkah selanjutnya adalah mengaburkan.

Pada tahap ini, fungsi yang digunakan adalah fungsi realisasi dari nilai MIN yang menggunakan prinsip yang telah dijelaskan pada bab sebelumnya:

𝑍

= (𝑎 − 𝑣𝑎𝑟𝑖𝑎𝑏𝑒𝑙1∗ 𝑍₁) + (𝑎 − 𝑣𝑎𝑟𝑖𝑎𝑏𝑒𝑙2∗ 𝑍₂) + ⋯ + (𝑎 − 𝑣𝑎𝑟𝑖𝑎𝑏𝑒𝑙𝑛∗ 𝑍_𝑛) 𝑎 − 𝑣𝑎𝑟𝑖𝑎𝑏𝑒𝑙1+ 𝑎 − 𝑣𝑎𝑟𝑖𝑎𝑏𝑒𝑙2+ ⋯ + 𝑎 − 𝑣𝑎𝑟𝑖𝑎𝑏𝑒𝑙𝑛

4. HASIL DAN PEMBAHASAN

Berikut merupakan data hasil dari sistem yang didapatkan setelah melakukan pengujian yang dilakukan dengan cara membandingkan data yang diambil dari sensor, lalu dibangun dengan data yang diambil dari sistem yang sudah ada dipasaran:

Tabel 1 menunjukkan tingkat keakuratan sensor untuk membandingan antara sensor dan alat yang sudah ada maka peneliti juga menggunakan metode perhitungan matematis MAE (Mean Absolute Error) dan dilanjutkan dengan perhitungan MAPE (Mean Precentage Absolute Error).

Tabel 1: MAE dan MAPE Data Dari Sensor pH Dan Alat Ukur Yang Telah Ada

No

pH

Error

Takaran Klorin (Sendok

Teh) Sistem Sensor

1 7 7 0 0

2 7 7 0 1/6

3 7,4 7,1 0,3 2/6

4 8 7,8 0,2 3/6

SUM = 0,5

MAE = 0,125

MAPE = 2%

(4)

Fakultas Ilmu Komputer, Universitas Brawijaya

1 7 7 0 0

2 7 7 0 1/6

3 7,6 7 0,6 2/6

4 7,9 7,6 0,3 3/6

SUM = 0,9

MAE = 0,225

MAPE = 3%

1 7 7 0 0

2 7 7 0 1/6

3 7,2 7,2 0 2/6

4 7,4 7,2 0,2 3/6

SUM = 0,2

MAE = 0,05

MAPE = 1%

Nilai tafsir Interpretasi dari MAPE (Mean Precentage Absolute Error):

<10% = Sangat Baik 10-20% = Baik 20-50% = Wajar

>50% = Tidak Akurat

Tabel 2 menunjukkan tingkat keakuratan sensor untuk membandingan antara sensor dan alat yang sudah ada maka peneliti juga menggunakan metode perhitungan matematis MAE (Mean Absolute Error) dan dilanjutkan dengan perhitungan MAPE (Mean Precentage Absolute Error).

Tabel 2: MAE dan MAPE Data Dari Sensor TDS Dan Alat Ukur Yang Telah Ada

No

TDS

Error

Takaran Klorin (Sendok

Teh) Sensor Sistem

1 205 243 38 0

2 290 323 33 1/6

3 451 531 80 2/6

4 590 670 80 3/6

SUM = 231

MAE = 57,75

MAPE = 15%

1 172 231 59 0

2 441 520 79 1/6

3 600 656 56 2/6

4 835 950 115 3/6

SUM = 309 MAE = 77,25 MAPE = 19%

1 187 231 44 0

2 385 432 47 1/6

3 569 616 47 2/6

4 680 731 51 3/6

SUM = 189

MAE = 47,25 MAPE = 13%

Nilai tafsir Interpretasi dari MAPE (Mean Precentage Absolute Error):

<10% = Sangat Baik 10-20% = Baik 20-50% = Wajar

>50% = Tidak Akurat

Tabel 3 menunjukkan tingkat keakuratan sensor dengan cara mengamati perubahan yang terjadi pada air didalam wadah. Air akan berubah menjadi lebih keruh secara bertahap ketika ditambahkan degan bubuk klorin.

Tabel 3: Hasil Sensor Turbidity Dan Proses Pengamatan Perubahan Air

No

Turbidity Takaran Klorin (Sendok

Teh) Sistem Pengamatan

1 24 Jernih 0

2 25 Jernih 1/6

3 26 Keruh 2/6

4 26 Keruh 3/6

1 23 Jernih 0

2 26 Keruh 1/6

3 26 Keruh 2/6

4 26 Keruh 3/6

1 23 Jernih 0

2 25 Jernih 1/6

3 26 Keruh 2/6

4 26 Keruh 3/6

Setelah dilakukan pengujian dan pembandingan data sensor dan sistem yang ada, maka metode yang diterapkan adalah dengan mengambil air secara bertahap, menambahkan bubuk klorin sebagai zat terlarut, dan secara bertahap mengambil air dari 3 sampel air yang sama melalui 4 percobaan, kemudian mengklasifikasikan hasil keluarannya.

Berdasarkan hasil di atas maka tingkat akurasi dapat dihitung secara matematis dengan menggunakan rumus sebagai berikut:

Tabel 4: Hasil Pengujian Klasifikasi Kelas Asli Dengan Kelas Fuzzy

Kelas Asli

Kelas Fuzzy

Takaran Klorin (Sendok

Teh)

Aman Aman 0

Olah Olah 1/6

(5)

Olah Olah 2/6 Olah Olah 3/6

Aman Aman 0

Olah Olah 1/6 Olah Olah 2/6 Olah Olah 3/6

Aman Aman 0

Olah Olah 1/6 Olah Olah 2/6 Olah Olah 3/6

• Percobaan yang dilakukan (Ntotal)

• Sesuai dengan ketentuan (Nbenar) X=

^{𝑁𝑏𝑒𝑛𝑎𝑟}

𝑁𝑠𝑎𝑙𝑎ℎ

x100% (11)

Maka akan didapatkan hasil dari perhitungan matematis:

X=

¹²

12

x100%=100% (12)

Menurut perhitungan matematis di atas, akurasi sensor dalam kelas fuzzy adalah 100%.

Hasil yang diperoleh sensor sesuai dengan hasil yang diperoleh sistem dalam kelas asli dimana mengacu pada nilai yang telah ditetapkan oleh Peraturan Menteri Kesehatan RI 492 / MENKS / PER / IV / 2010 dan Peraturan WHO (Wolrd Health Organization), dan nilai masing-masing sensor tidak berjauhan dan masih satu kelompok.

Oleh karena itu, kami mempertimbangkan untuk menggunakan sistem klasifikasi kualitas air berbasis zat terlarut berdasarkan metode fuzzy Takagi-Sugeno dari Arduino Uno.

5. PENUTUP

Dari hasil eksperimen dan hasil uji kelulusan sistem klasifikasi kualitas air berbasis zat terlarut berbasis Arduino Uno dengan metode Fuzzu Takagi-Sugeno, dapat ditarik beberapa kesimpulan yaitu:

Penggunaan metode fuzzy Takagi-Sugeno dalam sistem klasifikasi kualitas air berbasis zat terlarut adalah dengan membuat wadah dan menggabungkannya dengan sensor untuk dijadikan sebuah perancangan perangkat keras.

Desain platform berfokus pada kualitas dan menjaganya tetap bersih dengan air yang akan diuji. Kemudian yang kedua adalah menggunakan Matlab untuk membantu pemodelan, sebagai acuan dasar pembuatan fuzzy, dan mengintegrasikannya ke dalam perancangan perangkat keras. Hal selanjutnya yang harus dilakukan adalah menggunakan Arduino IDE untuk menyelesaikan tahap

pemrograman. Ini termasuk melakukan integrasi dan obfuscation perangkat keras. Sistem prototipe akhir berdasarkan klasifikasi kualitas air dari zat terlarut kemudian dapat digunakan.

Dari hasil analisis dan perbandingan data dengan menggunakan sistem pengukuran yang ada, dapat disimpulkan bahwa nilai yang diperoleh dari sensor memiliki perbedaan yang kecil, dan kualitas air dapat diklasifikasikan dengan baik. Hal ini terlihat dari tingkat akurasi sistem klasifikasi kualitas air 100%.

6. DAFTAR PUSTAKA

Kartini, N.D., 2019. Studi Instansi Pengolahan Air Minum PDAM Tirta Mohattama Kabupaten Klungkung, Jakarta:

Universitas Pertamina.

Kurniawati, A.D., 2018. Larutan dan Konsentrasi. [online] Tersedia di: <

adelyadesi.lecture.ub.ac.id> [Diakses 3 Februari 2021].

Kusnandar, A., 2019. Rancang Sistem Monitoring Air Layak Konsumsi Menggunakan Metode Fuzzy Tsukamoto Berbasis Android, Yogyakarta:

Universitas Teknologi Yogyakarta.

Lanovia, C., 2015. Analisis TS, TDS Dan TSS, Tangerang: Surya University.

Novenpa, N.N & Dzulkiflih., 2020. Alat Pendeteksi Kualitas Ait Portable Dengan Parameter pH, TDS dan Suhu Berbasis Arduino Uno, Surabaya: Universitas Negeri Surabaya.

Originally published in Guidelines for drinking- water quality 2nd ed. Vol. 2. Tahun 2016 tentang Total dissolved solids in Drinking-water. Generva: Wolrd Health Organization

Rosyidi, A., Alfita, R & Joni, K., 2019. Rancang Bangun Smart River System Untuk Menentukan Kualitas Air Sungai, Madura: Universitas Trunojoyo Madura.

Setia, B., Ramadan, A., 2019. Penerapan Logika Fuzzy pada Sistem Cerdas, Bandar Lampung: STMIK Tunas Bangsa Bandar Lampung.