penerapan algoritma K-NN dalam klasifikasi kualitas air yang aman
Total View This Week0
Total View This Week0
Institusion
Universitas Dinamika Bangsa
Author
Otmanda, Ody
Subject
Aplikasi Sistem Pengolahan Data
Datestamp
2025-01-15 07:57:31
Abstract :
Pengembangan machine learning (ML) memberikan kontribusi besar dalam pengolahan data dan prediksi berbagai tugas. Klasifikasi data sebagai bagian dari ML, menjadi penting dalam memberikan prediksi nilai berdasarkan atribut-atribut tertentu. Penelitian ini fokus pada penerapan algoritma K-Nearest Neighbor (KNN) pada dataset water quality dengan tujuan mengklasifikasikan air yang aman dan tidak aman, Perhatian khusus pada kualitas air menjadi aspek penting dalam kehidupan manusia dan ekosistem. Klasifikasi kualitas air memainkan peran vital dalam pengelolaan sumber daya air, perlindungan lingkungan dan pengambilan keputusan terkait pengolahan air. Dari hasil penelitian klasifikasi mendapatkan akurasi sebesar 92%, dengan Hasil evaluasi model mencakup akurasi, presisi, recall, dan F1-score. Hasil ini menunjukkan peningkatan akurasi model dari penelitian sebelumnya. Perbandingan dengan penelitian sejenis dan modifikasi metode seperti pencarian nilai K terbaik, preprocessing, dan teknik validasi yang berbeda turut berkontribusi pada hasil yang lebih baik.
Pengembangan machine learning (ML) memberikan kontribusi besar dalam pengolahan data dan prediksi berbagai tugas. Klasifikasi data sebagai bagian dari ML, menjadi penting dalam memberikan prediksi nilai berdasarkan atribut-atribut tertentu. Penelitian ini fokus pada penerapan algoritma K-Nearest Neighbor (KNN) pada dataset water quality dengan tujuan mengklasifikasikan air yang aman dan tidak aman, Perhatian khusus pada kualitas air menjadi aspek penting dalam kehidupan manusia dan ekosistem. Klasifikasi kualitas air memainkan peran vital dalam pengelolaan sumber daya air, perlindungan lingkungan dan pengambilan keputusan terkait pengolahan air. Dari hasil penelitian klasifikasi mendapatkan akurasi sebesar 92%, dengan Hasil evaluasi model mencakup akurasi, presisi, recall, dan F1-score. Hasil ini menunjukkan peningkatan akurasi model dari penelitian sebelumnya. Perbandingan dengan penelitian sejenis dan modifikasi metode seperti pencarian nilai K terbaik, preprocessing, dan teknik validasi yang berbeda turut berkontribusi pada hasil yang lebih baik.
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
