View/Open

Author
ISTI, DINA FEBRIYANTI

Date Published
29 Jun 2026

Advisor
Rifka Noor Azizah S.T., M.T.,
Nur Faizaturrohmah, S.P., M.Sc.,

Subject
Teknik Lingkungan

Publisher

Konsentrasi nitrat (NO₃⁻) merupakan indikator pencemaran nitrogen yang kritis pada sungai-sungai tropis, terutama di kawasan bantaran agro-akuakultur di mana kombinasi limpasan pupuk pertanian dan limbah budidaya perairan menciptakan beban nutrien yang kompleks dan sulit diprediksi oleh metode konvensional seperti Indeks Pencemaran dan STORET. Penelitian ini bertujuan menganalisis kinerja model Radial Basis Function Neural Network (RBFNN) berbasis pendekatan ensemble learning yang mengintegrasikan Gradient Boosting dan Random Forest dalam memprediksi konsentrasi nitrat, sekaligus mengidentifikasi parameter kualitas air yang paling sensitif terhadap konsentrasi nitrat melalui analisis sensitivitas. Sebanyak 129 data parameter fisika-kimia yang mencakup suhu, pH, TDS, TSS, DO, BOD, COD, nitrit, amonia, dan daya hantar listrik diperoleh dari kajian literatur pada sungai-sungai tropis berbantaran agro-akuakultur. Model menghasilkan nilai R² sebesar 0,9954, dan analisis sensitivitas dengan nitrit sebagai parameter paling dominan (39,2 persen), diikuti daya hantar listrik (26,4 persen) dan TDS (16,6 persen). Temuan ini mengindikasikan bahwa pendekatan RBFNN ensemble berpotensi dikembangkan sebagai instrumen pemantauan berbasis data dan sistem peringatan dini pencemaran nitrat untuk mendukung pengelolaan sungai tropis secara berkelanjutan.

URI
https://repo.itera.ac.id/depan/submission/SB2607010035

Keyword
radial basis fuction nitrat sungai tropis kualitas air agro-akuakultur