Hamidi, Rifwan (2017) Implementasi Learning Vector Quantization (Lvq) Untuk Klasifikasi Kualitas Air Sungai. Sarjana thesis, Universitas Brawijaya.
Abstract
Air merupakan sumber daya alam yang sangat penting dan menjadi kebutuhan bagi aktivitas dan kelangsungan mahluk hidup, baik manusia, hewan maupun tumbuh-tumbuhan. Air sungai merupakan salah satu sumber air baku dari berbagai alternatif sumber air yang ada untuk dilakukan proses pengolahan. Namun seiring pertambahan penduduk, pertumbuhan industri, perkembangan ekonomi dan peningkatan standar hidup menyebabkan penurunan mutu atau kualitas air sungai itu sendiri. Pencemaran air sungai terjadi apabila di dalam air sungai terdapat berbagai macam zat atau kondisi yang dapat menurunkan standar kualitas air yang telah ditentukan, sehingga tidak dapat digunakan untuk kebutuhan tertentu. Oleh karena itu perlu adanya upaya untuk menjaga kualitas, kuantitas dan kontinuitas air sungai dengan melakukan pemantauan dan pengukuran kualitas air sungai. Sebelumnya telah dilakukan pengukuran dan penentuan kualitas air sungai menggunakan metode manual seperti Indeks Pencemaran (IP), Water Quality Index (WQI) dan STORET dengan kendala waktu dan biaya yang cukup tinggi. Sehingga diperlukan metode lain yang untuk mempercepat proses perhitungan secara efektif dan efisien yaitu menggunakan metode Learning Vector Quantization (LVQ) yang dapat mengklasifikasikan data menjadi 4 kelas kualitas air sungai berdasarkan 7 parameter masukan. Proses implementasi LVQ untuk klasifikasi air sungai diawali dengan tahapan pembagian dataset, pelatihan data dan pengujian serta klasifikasi data yang akan menghasilkan kelas berupa kelas memenuhi baku mutu, tercemar ringan, sedang dan berat. Hasil akurasi rata-rata terbaik didapatkan sebesar 81.13% dengan menggunakan alfa 0.1, decrement alfa 0.4, perbandingan data latih dan data uji 100:35 dari total 135 dataset, maksimal epoch 10 dan minimal epoch 0.001.
English Abstract
Water is a one of the natural resources which is very important and necessary for the activity and survival of living things, as humans, animals and plants. River is one of the source from various alternative sources of water available for processing. But nowadays as growth of population grows, industrial growth, economic development and rising standard of living cause degradation of quality of water itself. Pollution of river occurs when in the water there are various substances or conditions that can reduce water quality standards that have been determined, so it can’t be used for certain needs. Therefore, there is an effort to maintain the quality, quantity and continuity of river water by monitoring and measuring the quality of water. Previously, river water quality and measurement were measured using manual methods such as Water Pollution Index (IP), Water Quality Index (WQI) and STORET with high time and cost constraints. So that another method is needed to speed up the calculation process effectively and efficiently using Learning Vector Quantization (LVQ) method which can classify data into 4 water quality class of river based on 7 input parameters. The LVQ implementation process for river water classification begins with the dataset division, data training, data testing and classification that will result in a class of normal, mild, moderate and heavy contaminated classes. The best average accuracy result is 81.13% using alpha 0.1, decrement alpha 0.4, comparison of training data and testing data 100: 35 from 135 total dataset, maximum epoch 10 and minimum epoch 0.001.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FTIK/2017/354/051706867 |
| Uncontrolled Keywords: | klasifikasi, air sungai, kualitas air, Learning Vector Quantization, LVQ |
| Subjects: | 000 Computer science, information and general works > 006 Special computer methods > 006.3 Artificial intelligence > 006.32 Neural nets (neural networks) |
| Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
| Depositing User: | Budi Wahyono Wahyono |
| Date Deposited: | 22 Aug 2017 02:18 |
| Last Modified: | 21 Sep 2020 04:08 |
| URI: | http://repository.ub.ac.id/id/eprint/1470 |
Preview |
Text
Rifwan Hamidi.pdf Download (5MB) | Preview |
Actions (login required)
 |
View Item |