Text
SKRIPSI OPTIMASI KITOSAN KULIT UDANG WINDU UNTUK MENGURANGI BAKTERI COLIFORM DAN KESEIMBANGAN PH PADA AIR MENGGUNAKAN ADAPTIVE NEURO FUZZY INFERENCE SYSTEM (ANFIS)
Pencemaran air bersih oleh bakteri Coliform masih menjadi persoalan serius, sementara koagulan kimia berpotensi meninggalkan residu berbahaya bagi lingkungan. Metode optimasi berbasis statistik memiliki keterbatasan dalam memodelkan hubungan nonlinier antarvariabel proses koagulasi. Penelitian ini bertujuan mengintegrasi metode statistik dan machine learning untuk optimasi kitosan kulit udang windu dalam menurunkan kadar bakteri Coliform dan menjaga keseimbangan pH menggunakan metode Adaptive Neuro Fuzzy Inference System (ANFIS) Sugeno. Penelitian dilakukan secara eksperimental di laboratorium menggunakan sampel air tercemar melalui metode jar test. Rancangan percobaan disusun menggunakan metode statistik dengan 15 kombinasi dosis kitosan (10–120 ppm), waktu pengadukan (10–30 menit), dan kecepatan pengadukan (40–60 rpm). Data Coliform dan pH dinormalisasi dengan metode Z-Score dan dioptimasi menggunakan ANFIS Sugeno untuk memperoleh kondisi operasi optimum, kemudian dilakukan validasi laboratorium dengan jar test. Hasil penelitian menunjukkan bahwa optimasi ANFIS menghasilkan prediksi yang mendekati hasil jar test untuk Coliform dan pH masing-masing sebesar 98,644% dan 99,9939%. Nilai RMSE Coliform dan pH masing-masing sebesar 1,3702 dan 0,1924, serta R² masing-masing sebesar 0,9578 dan 0,8922 menunjukkan kinerja model yang baik. Faktor dosis menjadi variabel paling dominan dalam penurunan Coliform dan keseimbangan pH. Dengan demikian, integrasi model efektif dalam mengurangi Coliform dan menjaga keseimbangan pH mata air
Tidak tersedia versi lain