Klasifikasi Kualitas Air Menggunakan CNN Berbasis Warna Citra Digital

Air merupakan kebutuhan utama bagi kehidupan manusia, sehingga kualitasnya harus dijaga agar tetap aman digunakan. Namun, meningkatnya pencemaran lingkungan menyebabkan air menjadi tidak layak konsumsi dan berpotensi menimbulkan penyakit. Diperlukan upaya untuk memantau kualitas air secara efisien dan akurat, salah satunya melalui pemanfaatan teknologi pengolahan citra digital. Penelitian ini berfokus pada penerapan algoritma Convolutional Neural Network untuk mengklasifikasikan kondisi air berdasarkan warna pada citra digital. Dataset yang digunakan berjumlah 364 gambar yang diperoleh dari situs Kaggle dan Unsplash, terbagi dalam dua kategori, yaitu air bersih dan air tercemar. Proses penelitian meliputi pra-pemrosesan data melalui normalisasi dan augmentasi citra, pelatihan model dengan optimizer Adam selama 15 epoch, serta evaluasi menggunakan metrik akurasi, precision, recall, dan f1-score. Hasil pengujian menunjukkan akurasi sebesar 92,63%, precision 92,67%, recall 92,59%, dan f1-score 92,62%. Nilai tersebut menunjukkan bahwa model CNN mampu mengenali pola warna dan tekstur air dengan baik. Penerapan metode CNN terbukti efektif dalam membantu proses klasifikasi kualitas air berbasis citra digital dan dapat menjadi dasar untuk penelitian lebih lanjut di bidang pemantauan lingkungan.