PREDIKSI KEAMANAN AIR UNTUK DIKONSUMSI DENGAN
PERBANDINGAN PERFORMA ALGORITMA NAÃVE BAYES DAN K-
NEAREST NEIGHBOUR
Total View This Week0
Total View This Week0
Institusion
Universitas PGRI Semarang
Author
KUSUMANINGRATRI, PANCA WIJAYA
Subject
T Technology (General)
Datestamp
2024-09-25 03:20:10
Abstract :
Kualitas air yang aman untuk dikonsumsi merupakan aspek penting dalam kesehatan masyarakat. Ada beberapa standar kualitas air yang diterapkan, seperti Standar Nasional Indonesia (SNI) 01-3553-2006 dan Peraturan Pemerintah Nomor 122 Tahun 2015. Pada penelitian ini bertujuan untuk menganalisis prediksi keamanan air untuk dikonsumsi agar lebih cepat dan efisien tanpa hasur menunggu lama hasil laboratorium uji keamanan. Pada penelitian ini menerapkan dua algoritma machine learning naïve bayes dan k-nearest neighbour (knn). Dataset yang digunakan dalam penelitian ini mencakup berbagai parameter kulaitas air seperti, aluminium, ammonia, arsenic, barium, cadmium, chloramin, chromium, copper, flouride, bacteria, viruses, lead, nitrates, nitrites, mercury, perchlorate, radium, selenium, silver, uranium, dan is_safe. Dalam penelitian ini, dilakukan analisis dan pemrosesan data awal untuk memastikan data yang digunakan bersih dan relevan. Selanjutnya, model naïve bayes dan knn dikembangkan dan dievaluasi menggunakan metrik akurasi, presisi, recall, dan F1-score. Hasil analisis menunjukkan bahwa kedua algoritma memiliki keunggulan masing-masing dalam konteks yang berbeda, dengan k-nearest neighbour (knn) menunjukkan performa yang lebih baik dalam hal akurasi yaitu 0.9125 sedangkan naïve bayes 0.8525. Pada tahap pengujian sistem, pengujian white-box dan black-box menghasilkan tingkat keberhasilan 100%, dan UAT menghasilkn presentse rata-rata 89%. Maka berdasarkan hasil pengujian dapat disimpulkan bahwa sistem ini berjalan sesuai. Kata Kunci : Keamanan air, Naïve Bayes, K-Nearest Neighbour (knn), Prediksi
Kualitas air yang aman untuk dikonsumsi merupakan aspek penting dalam kesehatan masyarakat. Ada beberapa standar kualitas air yang diterapkan, seperti Standar Nasional Indonesia (SNI) 01-3553-2006 dan Peraturan Pemerintah Nomor 122 Tahun 2015. Pada penelitian ini bertujuan untuk menganalisis prediksi keamanan air untuk dikonsumsi agar lebih cepat dan efisien tanpa hasur menunggu lama hasil laboratorium uji keamanan. Pada penelitian ini menerapkan dua algoritma machine learning naïve bayes dan k-nearest neighbour (knn). Dataset yang digunakan dalam penelitian ini mencakup berbagai parameter kulaitas air seperti, aluminium, ammonia, arsenic, barium, cadmium, chloramin, chromium, copper, flouride, bacteria, viruses, lead, nitrates, nitrites, mercury, perchlorate, radium, selenium, silver, uranium, dan is_safe. Dalam penelitian ini, dilakukan analisis dan pemrosesan data awal untuk memastikan data yang digunakan bersih dan relevan. Selanjutnya, model naïve bayes dan knn dikembangkan dan dievaluasi menggunakan metrik akurasi, presisi, recall, dan F1-score. Hasil analisis menunjukkan bahwa kedua algoritma memiliki keunggulan masing-masing dalam konteks yang berbeda, dengan k-nearest neighbour (knn) menunjukkan performa yang lebih baik dalam hal akurasi yaitu 0.9125 sedangkan naïve bayes 0.8525. Pada tahap pengujian sistem, pengujian white-box dan black-box menghasilkan tingkat keberhasilan 100%, dan UAT menghasilkn presentse rata-rata 89%. Maka berdasarkan hasil pengujian dapat disimpulkan bahwa sistem ini berjalan sesuai. Kata Kunci : Keamanan air, Naïve Bayes, K-Nearest Neighbour (knn), Prediksi
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
