Sistem Deteksi Dini Kebocoran Air Menggunakan Metode Anomaly Detection Berbasis Machine Learning pada PDAM Cabang Semarang Timur

Abstract

Pemantauan konsumsi air pelanggan secara manual di PDAM Tirta Moedal Cabang Semarang Timur terbukti tidak memadai dalam mendeteksi berbagai penyimpangan, seperti kebocoran pipa, lonjakan pemakaian mendadak, dan ketidakwajaran pola konsumsi secara tepat waktu. Penelitian ini bertujuan mengembangkan sistem peringatan dini berbasis web bernama SIPADMA (Sistem Deteksi Anomali Pemakaian Air Pelanggan) dengan menerapkan metode Z-Score yang diintegrasikan bersama rule-based scoring guna mengidentifikasi penyimpangan pola pemakaian air secara otomatis. Sistem dibangun menggunakan bahasa pemrograman Python dengan framework Flask dan dikembangkan mengikuti model SDLC Waterfall. Pengujian dilakukan terhadap 3.996 data rekening pelanggan dalam rentang waktu enam bulan. Hasil pengujian menunjukkan sistem mampu mengidentifikasi 163 rekening anomali (4,1%), yang diklasifikasikan ke dalam tiga jenis, yaitu Tidak Wajar, Penurunan Drastis, dan Lonjakan, serta tiga tingkat risiko yakni rendah, sedang, dan tinggi. Seluruh hasil analisis dapat diakses melalui dashboard interaktif dan diekspor dalam format laporan Excel terstruktur. Sistem ini terbukti efektif dalam mengotomatisasi proses deteksi anomali, mendukung prioritisasi inspeksi lapangan, serta mengurangi ketergantungan terhadap pemantauan manual di lingkungan operasional PDAM.