Keywords
Decission Tree
K-Nearest Neigbors
How to Cite
Abstract
Air merupakan kebutuhan yang sangat penting bagi mahkluk hidup termasuk manusia, namun tidak semua air aman untuk dikonsumsi, sehingga perlu adanya identifikasi terkait kualitas air yang baik untuk dikonsumsi. Oleh karena itu sangat penting mengembangkan strategi yang tepat untuk memprediksi atau meramlkan kualitas air yang dapat dikonsumsi. Pada penelitian ini akan menggunakan perhitungan Decission Tree dan K-Nearest Neigbors untuk klasifikasi sifat air yang layak dikonsumsi. Kualitas air yang baik sangat penting untuk kesehatan manusia, dan prediksi yang akurat dapat membantu orang memilih jumlah air yang tepat untuk diminum. Kedua algoritma ini akan dilakukan perbandingan pada proses klasifikasi data untuk mengetahui metode mana yang paling akurat, dilihat dari tingkat akurasi yang paling tinggi. Hasil penelitian ini menunjukkan metode Decision Tree sebesar 75.69%, sedangkan metode K-nearest Neighbors memiliki tingkat akurasi sebesar 79,39%, yang merupakan metode yang paling baik untuk klasifikasi data
References
E. W. Annisa Weningtyas, “Pengelolaan Sumber Daya Air Berbasis Kearifan Lokal Sebagai Modal Untuk Pembangunan Berkelanjutan”.
L. Savitri and R. Nursalim, “Klasifikasi Kualitas Air Minum menggunakan Penerapan Algoritma Machine Learning dengan Pendekatan Supervised Learning.” [Online]. Available: https://ejournal.unib.ac.id/diophantine,
P. Bidang Komputer Sains dan Pendidikan Informatika, D. Akademi Perekam dan Informasi Kesehatan Iris Padang Jl Gajah Mada No, and S. Barat, “Jurnal Edik Informatika Data Mining : Klasifikasi Menggunakan Algoritma C4.5 Yuli Mardi”.
H. Said, N. Matondang, H. Nurramdhani Irmanda, and S. Informasi, “Penerapan Algoritma K-Nearest Neighbor Untuk Memprediksi Kualitas Air Yang Dapat Dikonsumsi Application of K-Nearest Neighbor Algorithm to Predict Consumable Water Quality.” [Online]. Available: www.kaggle.com
F. Yusa Rahman, I. Indah Purnomo, N. Hijriana, and I. Kalimantan Muhammad Arsyad Al Banjari, “PENERAPAN ALGORITMA DATA MINING UNTUK KLASIFIKASI KUALITAS AIR,” 2022.
A. W. Saputra, A. I. Purnamasari, and I. Ali, “IMPLEMENTASI ALGORITMA NAÏVE BAYES UNTUK MEMPREDIKSI KUALITAS AIR YANG DAPAT DI KONSUMSI,” 2024.
C. Riang, S. U. Al, and A. Mandar, “Teknik Data Mining Menggunakan Classification Dalam Sistem Penunjang Keputusan Peminatan SMA Negeri 1 Polewali,” Online.
LAKSIKA THARMALINGAM, “Water Quality and Potability,” kaggle.com.
K. Akmal, A. Faqih, and F. Dikananda, “PERBANDINGAN METODE ALGORITMA NAÏVE BAYES DAN K-NEAREST NEIGHBORS UNTUK KLASIFIKASI PENYAKIT STROKE,” 2023. [Online]. Available: www.researchgate.net
D. Fitrianah, S. Dwiasnati, H. H. H, and K. A. Baihaqi, “Penerapan Metode Machine Learning untuk Prediksi Nasabah Potensial menggunakan Algoritma Klasifikasi Naïve Bayes,” Faktor Exacta, vol. 14, no. 2, p. 92, Aug. 2021, doi: 10.30998/faktorexacta.v14i2.9297.
A. Yoga Pratama et al., “Analisis Sentimen Media Sosial Twitter Dengan Algoritma K-Nearest Neighbor Dan Seleksi Fitur Chi-Square (Kasus Omnibus Law Cipta Kerja),” 2021.
A. Agung, A. Daniswara, I. Kadek, and D. Nuryana, “Data Preprocessing Pola Pada Penilaian Mahasiswa Program Profesi Guru,” Journal of Informatics and Computer Science, vol. 05, 2023.
H. Junaedi et al., “Prosiding Konferensi Nasional ‘Inovasi dalam Desain dan Teknologi’-IDeaTech 2011 DATA TRANSFORMATION PADA DATA MINING”.
A. Muzakir and R. A. Wulandari, “Model Data Mining sebagai Prediksi Penyakit Hipertensi Kehamilan dengan Teknik Decision Tree,” Scientific Journal of Informatics, vol. 3, no. 1, 2016, [Online]. Available: http://journal.unnes.ac.id/nju/index.php/sji
W. Yustanti, “Algoritma K-Nearest Neighbour untuk Memprediksi Harga Jual Tanah,” 2012.
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Copyright (c) 2024 Deri Fitriono, Saylendra Arga Wardani, M Nizar Bahri Al Varuq, Aidina Ristyawan, Erna Daniati