Dampak Perubahan Musim terhadap Comprehensive Water Quality Assessment Berdasarkan Jejak Fluoresensi Data Kualitas Air di Jepang

Abstract

Perubahan musim memiliki dampak signifikan terhadap kualitas air, terutama dalam hal kandungan bahan kimia yang tidak terolah. Penelitian ini bertujuan untuk menganalisis perbedaan kualitas air antara musim panas dan musim dingin menggunakan spektroskopi fluoresensi berbasis Excitation-Emission Matrix (EEM). Metode yang digunakan mencakup analisis multivariat seperti Principal Component Analysis (PCA) dan Hierarchical Cluster Analysis (HCA), serta model machine learning deteksi anomali menggunakan Deep Support Vector Data Description (DeepSVDD). Hasil penelitian menunjukkan bahwa intensitas fluoresensi air pada musim panas lebih tinggi dibandingkan musim dingin, yang kemungkinan disebabkan oleh aktivitas mikrobiologi yang lebih besar pada suhu yang lebih hangat. Analisis PCA menunjukkan bahwa air minum cenderung terkelompok dalam satu wilayah, sedangkan air non-minum lebih tersebar. Model machine learning deteksi anomali yang hanya menggunakan data musim panas sebagai data latih menghasilkan akurasi yang lebih rendah dibandingkan dengan model yang menggabungkan data dari kedua musim. Dengan menambahkan data musim dingin, sensitivitas dan spesifisitas model meningkat, memungkinkan identifikasi anomali kualitas air yang lebih akurat. Penelitian ini menegaskan bahwa perubahan musim berpengaruh terhadap kualitas air dan efektivitas model deteksi anomali.