Optimasi Metode Ensemble Stacking Dalam Klasifikasi Kualitas Air Berbasis Algoritma XGBoost, LightGBM, dan CatBoost
Abstract
Kualitas air merupakan isu lingkungan yang berdampak langsung terhadap kesehatan manusia dan keberlanjutan ekosistem, sehingga diperlukan sistem deteksi kualitas air yang akurat, cepat, dan andal untuk mendukung pengambilan keputusan. Penelitian ini bertujuan mengoptimalkan kinerja klasifikasi kualitas air dengan menerapkan metode Ensemble Stacking berbasis algoritma XGBoost, LightGBM, dan CatBoost, dengan Random Forest sebagai meta-learner. Proses penelitian meliputi pemuatan dataset kualitas air, eksplorasi data, tahap preprocessing, pelatihan model dasar, serta pembentukan skema stacking. Untuk meningkatkan performa model, diterapkan mekanisme passthrough atau penambahan fitur asli yang dikombinasikan dengan optimasi hyperparameter menggunakan RandomizedSearchCV guna memperoleh konfigurasi model terbaik. Hasil pengujian menunjukkan bahwa metode Ensemble Stacking mampu mencapai akurasi sebesar 97,06%. Setelah dilakukan optimasi melalui passthrough dan tuning hyperparameter, performa model meningkat dengan akurasi tertinggi sebesar 97,12% dan nilai precision mencapai 90,48%. Model yang diusulkan terbukti mampu menurunkan kesalahan prediksi, khususnya False Positive, sehingga lebih aman dalam penentuan status kualitas air. Dengan demikian, penelitian ini menghasilkan model prediksi yang andal dan berpotensi diterapkan pada instansi lingkungan, fasilitas pengolahan air, serta sistem pemantauan kualitas air berbasis data.
Keywords
Full Text:
References
N. Akmal, M. Faez, A. Jalal, K. Chowdhury, and N. Hafizah, “Water pollution and the assessment of water
quality parameters : a review,” Desalin. Water Treat., vol. 294, pp. 79–88, 2023, doi: 10.5004/dwt.2023.29433.
I. Juwana, S. V. Lazuardi, and H. Herdiansyah, “Investigating the Factor of Water Consumption Regarding
the Impact and Implementation of Water Governance in Urban Areas,” vol. 7, no. 1, pp. 55–64, 2024.
W. P. Anggraini, D. I. Kusumastuti, E. P. Wahono, T. Sipil, and U. Lampung, “Sistem Informasi Kualitas Air
Sungai di Wilayah Sungai Seputih,” vol. 9, no. 4, pp. 964–978, 2024.
H. Zhang et al., “Natural and anthropogenic imprints on seasonal river water quality trends across China,”
, doi: 10.1038/s41545-025-00481-3.
M. Zhu et al., “A review of the application of machine learning in water quality evaluation,” Eco-Environment
Heal., vol. 1, no. 2, pp. 107–116, Jun. 2022, doi: 10.1016/j.eehl.2022.06.001.
U. Rohima Zalti, D. Rose Darmakusuma, M. Ridwansyah, and E. Ismanto, “Analisis dan Prediksi Kelayakan
Air Minum Menggunakan Algoritma Random Forest,” J. FASILKOM, vol. 15, no. 2, pp. 312–317, Aug. 2025,
doi: 10.37859/jf.v15i2.9906.
T. Z. Jasman, M. A. Fadhlullah, A. L. Pratama, and R. Rismayani, “Analisis Algoritma Gradient Boosting,
Adaboost dan Catboost dalam Klasifikasi Kualitas Air,” J. Tek. Inform. dan Sist. Inf., vol. 8, no. 2, Aug. 2022,
doi: 10.28932/jutisi.v8i2.4906.
M. Dava Maulana, A. Id Hadiana, and F. Rakhmat Umbara, “Algoritma Xgboost Untuk Klasifikasi Kualitas
Air Minum,” JATI (Jurnal Mhs. Tek. Inform., vol. 7, no. 5, pp. 3251–3256, 2024, doi: 10.36040/jati.v7i5.7308.
Prasetya Widiharso, Siti Sendari, Anik Nur Handayani, and Nastiti Susetyo Fanani Putri, “Performa Metode
Klasifikasi Tunggal dan Ensemble Model dalam Identifikasi Baku Mutu Air,” Infotekmesin, vol. 13, no. 2, pp.
–211, Jul. 2022, doi: 10.35970/infotekmesin.v13i2.1529.
B. M. Karomah, “PENERAPAN METODE STACKING DALAM MENGKLASIFIKASIKAN
PENDERITA PENYAKIT DIABETES,” J. Publ. Ilmu Komput. dan Multimed., vol. 1, no. 3, pp. 188–194, Jan. 1970, doi: 10.55606/jupikom.v1i3.522.
E. Prasetyo and K. Nugroho, “Optimasi Klasifikasi Data Stunting Melalui Ensemble Learning pada Label
Multiclass dengan Imbalance Data,” Techno.Com, vol. 23, no. 1, pp. 1–10, Feb. 2024, doi: 10.62411/tc.v23i1.9779.
M. Hermansyah, A. Saikhu, and B. Amaliah, “Pemodelan data radiosonde menggunakan stacking ensemble untuk klasifikasi hujan,” vol. 10, no. 2, pp. 1678–1687, 2025.
M. Kumar, S. Singhal, S. Shekhar, B. Sharma, and G. Srivastava, “Optimized Stacking Ensemble Learning
Model for Breast Cancer Detection and Classification Using Machine Learning,” Sustainability, vol. 14, no.
, p. 13998, Oct. 2022, doi: 10.3390/su142113998.
A. S. Alfath and A. K. Wardhana, “Hypertension Risk Prediction Using Stacking Ensemble of CatBoost ,
XGBoost , and LightGBM : A Machine Learning Approach,” vol. 9, no. 6, pp. 3146–3156, 2025.
F. M. Model, “Stacking Ensemble Learning : Combining XGBoost , LightGBM , CatBoost , and AdaBoost
with Random,” 2025.
A. A. Saputra, B. N. Sari, and C. Rozikin, “Penerapan Algoritma Extreme Gradient Boosting (Xgboost) Untuk
Analisis Risiko Kredit,” vol. 05, no. 01, pp. 53–64, 2022.
F. I. Kurniadi and P. D. Larasati, “Light Gradient Boosting Machine untuk Deteksi Penyakit Stroke,” J.
SISKOM-KB (Sistem Komput. dan Kecerdasan Buatan), vol. 6, no. 1, pp. 67–72, 2022, doi: 10.47970/siskomkb.v6i1.328.
A. Fahmi, L. Ptr, M. M. Siregar, and I. Daniel, “Journal of Computer Networks , Architecture and High
Performance Computing Analysis of Gradient Boosting , XGBoost , and CatBoost on Mobile Phone
Classification Journal of Computer Networks , Architecture and High Performance Computing,” vol. 6, no. 2, pp. 661–670, 2024.
D. Feby, “Serba Serbi Machine Learning Model Random Forest.” [Online]. Available: https://dqlab.id/serbaserbi-machine-learning-model-random-forest
A. D. Rachmatsyah, T. Sugihartono, and K. Irfan, “PERBANDINGAN TEKNIK OPTIMASI GRID
SEARCH DAN RANDOMIZED SEARCH DALAM MENINGKATKAN AKURASI METODE KLASIFIKASI SVM PADA SENTIMEN ULASAN PENGGUNA APLIKASI JKN MOBILE,” SKANIKA
Sist. Komput. dan Tek. Inform., vol. 8, no. 1, pp. 13–22, Dec. 2024, doi: 10.36080/skanika.v8i1.3328.
S. Q. Sultan, N. Javaid, and N. Alrajeh, “Machine Learning-Based Stacking Ensemble Model for Prediction
of Heart Disease with Explainable AI and K-Fold Cross-Validation : A Symmetric Approach,” no. Cvd, pp.
–26, 2025.
H. S. Silva et al., “The Impact of Feature Scaling In Machine Learning : Effects on Regression and
Classification Tasks,” 2025, doi: 10.1109/ACCESS.2025.3635541.
C. Paramita, C. S. Simbolon, A. S. Pamungkas, J. M. Triono, P. W. Utomo, and E. R. Subhiyakto, “Jurnal
Informatika : Jurnal pengembangan IT Analisis Pengaruh SMOTE terhadap Kinerja Model KNN untuk
Prediksi Risiko Stroke,” vol. 10, no. 4, pp. 978–988, 2025, doi: 10.30591/jpit.v10i4.8809.
K. S. Hasanah, Uswatun Agus Mohamad Soleh, “Effect of Random Under sampling , Oversampling , and
SMOTE on the Performance of Cardiovascular Disease Prediction Models terhadap Kinerja Model Prediksi
Penyakit Kardiovaskular,” vol. 21, no. 1, pp. 88–102, 2024, doi: 10.20956/j.v21i1.35552.
G. Erutjahjo and A. Supriyanto, “Jurnal Informatika : Jurnal pengembangan IT Prediksi Tinggi Gelombang
Laut di Perairan Semarang – Demak dengan Menggunakan Random Forest dan XGBoost,” vol. 10, no. 4, pp. 869–881, 2025, doi: 10.30591/jpit.v10i4.9315.
DOI: https://doi.org/10.30591/jpit.v11i2.10090
Refbacks
- There are currently no refbacks.
This work is licensed under a Creative Commons Attribution 4.0 International License.
JPIT INDEXED BY
 |  |  |  |
 |  |  |  |
 |  | ||
This work is licensed under a Creative Commons Attribution 4.0 International License.
