Rahman, Maulana Aditya (2018) Komparasi Metode Data Mining K-Nearest Neighbor Dengan Naive Bayes Untuk Klasifikasi Kualitas Air Bersih (Studi Kasus Pdam Tirta Kencana Kabupaten Jombang). Sarjana thesis, Universitas Brawijaya.
Abstract
Air adalah merupakan senyawa kimia yang sangat dibutuhkan bagi kelangsungan hidup makhluk hidup yang ada di bumi. Wilayah terluas di planet bumi merupakan air yang menutupi hampir 71% wilayah yang ada di bumi. Air juga merupakan zat yang sangat penting yang ada di bumi yang sangat dibutuhkan oleh semua makhluk hidup mulai dari tumbuhan, hewan dan manusia. Tumbuhan memerlukan air sebagai salah satu senyawa dalam proses fotosintesis. Hewan membutuhkan air untuk proses pencernaan makanan dan sebagai tempat tinggal. Air juga dibutuhkan manusia untuk keperluan sehari-hari seperti memasak, mencuci, mandi dan lain-lainnya. Air juga rentan terkontaminasi oleh bakteri-bakteri dan zat mineral yang berbahaya bagi tubuh manusia. Hal tersebut bisa terjadi dikarenakan tercemarnya sumber air atau tercemarnya lingkungan di sekitar sumber air. Dibutuhkan pengawasan dan pengolahan lingkungan sekitar sumber air sehingga dapat menghasilkan kualitas air yang bersih sesuai dengan standar kualitas air bersih dan memenuhi standar air yang layak dikonsumsi oleh manusia. Untuk menentukan klasifikasi kualitas air bersih terdapat banyak metode yang dapat digunakan. Untuk memilih metode klasifikasi yang paling cocok, dapat dilakukan komparasi antara beberapa metode. Penelitian ini melakukan komparasi antara metode K-Nearest Neighbor dan Naive Bayes. Berdasarkan dari beberapa penelitian sebelumnya, metode K-Nearest Neighbor dan Naive Bayes merupakan metode yang cukup baik dan menghasilkan tingkat akurasi yang cukup tinggi. Berdasarkan hasil pengujian, diperoleh rata-rata nilai akurasi metode K-Nearest Neighbor sebesar 82.42% dan rata-rata nilai akurasi metode Naive Bayes sebesar 70.32%. Dapat disimpulkan bahwa metode yang paling baik untuk klasifikasi kualitas air bersih adalah metode K-Nearest Neighbor
English Abstract
Water is a chemical compound that is needed for the survival of living things on earth. The widest area on planet earth is water that covers almost 71% of the region on earth. Water is also a very important substance on earth that is needed by all living things from plants, animals and humans. Plants require water as one of the compounds in the process of photosynthesis. Animals need water for food digestion and as a place to live. Water is also needed humans for everyday purposes such as cooking, washing, bathing and others. Water is also vulnerable to contamination by bacteria and mineral substances that are harmful to the human body. This can happen due to pollution of water sources or contaminated environment around the water source. It takes the supervision and processing of the environment around the water source so as to produce clean water quality in accordance with the standard of clean water quality and meet the standard of water that is suitable for human consumption. To determine the classification of clean water quality there are many methods that can be used. To choose the best classification method, it can be comparated between several methods. This study comparing the K-Nearest Neighbor and Naive Bayes methods. Based on several studies, the K-Nearest Neighbor and Naïve Bayes methods are quite good and yield a high degree of accuracy. Based on the test result, the average accuracy value of K-Nearest Neighbor method is 82.42% and the average accuracy of Naive Bayes method is 70.32%. It can be concluded that the best method for water quality classification is K-Nearest Neighbor method.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FTIK/2018/489/051808298 |
| Uncontrolled Keywords: | kualitas air bersih, data mining, klasifikasi, komparasi metode, k-nearest neighbor, naive bayes water quality, data mining, classification, comparison method, k-nearest neighbor, naïve bayes |
| Subjects: | 000 Computer science, information and general works > 006 Special computer methods > 006.3 Artificial intelligence > 006.31 Machine learning > 006.312 Data mining |
| Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
| Depositing User: | Budi Wahyono Wahyono |
| Date Deposited: | 20 Mar 2019 08:37 |
| Last Modified: | 21 Oct 2021 01:56 |
| URI: | http://repository.ub.ac.id/id/eprint/162070 |
Preview |
Text
Maulana Aditya Rahman.pdf Download (24MB) | Preview |
Actions (login required)
 |
View Item |