Penerapan Algoritma K-Nearest Neighbor Untuk Memprediksi Kualitas Air Yang Dapat Dikonsumsi

Authors

  • Hardiana Said Universitas Pembangunan Nasional Veteran Jakarta
  • Nur Hafifah Matondang Universitas Pembangunan Nasional Veteran Jakarta
  • Helena Nurramdhani Irmanda Universitas Pembangunan Nasional Veteran Jakarta

DOI:

https://doi.org/10.33633/tc.v21i2.5901

Keywords:

Kualitas Air, Prediksi, Klasifikasi, K-Nearest Neighbor

Abstract

Kualitas air yang aman untuk dikonsumsi sangatlah penting bagi kesehatan masyarakat luas di setiap daerah, namun kualitas air diberbagai daerah semakin menurun terutama untuk kebutuhan manusia dalam hal air minum, dampak dari kualitas air yang tidak aman untuk dikonsumsi dapat menyebabkan penyakit seperti kolera, diare, hepatitis A dan lainnya, hal ini dikarenakan air yang memiliki sanitasi yang buruk dan zat-zat yang melebihi kadar standar. Penelitian ini dilakukan untuk mengetahui hasil evaluasi dari model yang dihasilkan untuk dapat memprediksi kualitas air yang dapat dikonsumsi atau tidaknya dengan menerapkan algoritma klasifikasi data mining yaitu adalah algoritma K-Nearest Neighbor. Algoritma ini diterapkan untuk menghitung probabilitas kualitas air yang aman atau tidak untuk dikonsumsi berdasarkan data rekaman yang diambil dari lingkungan sekitar terutama di daerah padat penduduk. Kumpulan data diperoleh dari website kaggle, hasil pemodelan diukur menggunakan tabel Confusion Matrix untuk menghitung akurasi. Setelah diuji, model ini memiliki tingkat akurasi tertinggi 85,52% dengan nilai k (tetangga terdekat) = 3.

Author Biographies

Hardiana Said, Universitas Pembangunan Nasional Veteran Jakarta

Ilmu Komputer, S1 Sistem Informasi

Nur Hafifah Matondang, Universitas Pembangunan Nasional Veteran Jakarta

Dosen FIK UPNVJ

Helena Nurramdhani Irmanda, Universitas Pembangunan Nasional Veteran Jakarta

Dosen FIK UPNVJ

References

Saraswati, Rieke, 2020, Ini 6 Penyakit Akibat Pencemaran Air Yang Perlu Diwaspadai, https://www.sehatq.com/artikel/penyakit-akibat-pencemaran-air-yang-perlu-diwaspadai,diakses tgl 2 Maret 2022.

Nurmahaludin, dan Cahyano G.R., 2019, Klasifikasi Kualitas Air PDAM Menggunakan Algoritma KNN Dan K-Means, Prosiding SNRT (Seminar Nasional Riset Terapan), Politeknik Negeri Banjarmasin, 7 November.

Armono, R.A., Saptomo, W.L.Y., dan Harsadi, P. 2018. Implementasi Algoritma K-Nearest Neighbor Untuk Identifikasi Kualitas Air (Studi Kasus: PDAM Kota Surakarta). Jurnal TIKomSIN, No.1, Vol.6, 2338-4018.

Vidiastanta, I.G., Hidayat, N., dan Dewi, R.K., 2020, Komparasi Metode K-Nearest Neighbor (K-NN) Dengan Support Vector Machine (SVM) Untuk Klasifikasi Status Kualitas Air, Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, No. 1, Vol .4, 312-319, :https://j-ptiik.ub.ac.id/index.php/j-ptiik.

Intermedia, Beon, 2020, Data Mining: Definisi, Fungsi, Metode dan Penerapannya, https://ww.jagoanhosting.com/blog/apa-itu-data-mining/, diakses tgl 2 maret 2022.

Henny, Chandra, 2021, Data Preprocessing adalah/ pengertian, Tahapan Kerja dan Manfaatnya, https://id.linkedin.com/pulse/data-preprocessing-adalah-pengertian-tahapan-kerja-dan-chandra-henny, diakses tgl 2 maret 2022.

Advernesia, 2017, Pengertian dan Cara kerja Algoritma K-Nearest Neighbor (KNN), https://www.advernesia.com/blog/data-science/pengertian-dan-cara-kerja-algoritma-k-nearest-neighbours-knn/, diakses tgl 2 maret 2022.

Nugroho, Kuncahyo Setyo, 2019, Confusion Matrix untuk Evaluasi Model pada Supervised Learning, https://ksnugroho.medium.com/confusion-matrix-untuk-evaluasi-model-pada-unsupervised-machine-learning-bc4b1ae9ae3f, diakses tgl 2 maret 2022.

Prijono, Benny, 2019, Pengenalan dan panduan Jupyther Notebook untuk Pemula, https://indoml.com/2019/09/29/pengenalan-dan-panduan-jupyter-notebook-untuk-pemula/, diakses tgl 2 maret 2022.

Downloads

Published

2022-05-27

Issue

Vol. 21 No. 2 (2022): Mei 2022

Section

Articles

License

Copyright (c) 2022 Hardiana Said

Creative Commons License

This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.

 

License Terms

All articles published in Techno.COM Journal are licensed under the Creative Commons Attribution-NonCommercial 4.0 International (CC BY-NC 4.0). This means:

1. Attribution

Readers and users are free to:

  • Share – Copy and redistribute the material in any medium or format.

  • Adapt – Remix, transform, and build upon the material.

As long as proper credit is given to the original work by citing the author(s) and the journal.

2. Non-Commercial Use

  • The material cannot be used for commercial purposes.

  • Commercial use includes selling the content, using it in commercial advertising, or integrating it into products/services for profit.

3. Rights of Authors

  • Authors retain copyright and grant Techno.COM Journal the right to publish the article.

  • Authors can distribute their work (e.g., in institutional repositories or personal websites) with proper acknowledgment of the journal.

4. No Additional Restrictions

  • The journal cannot apply legal terms or technological measures that restrict others from using the material in ways allowed by the license.

5. Disclaimer

  • The journal is not responsible for how the published content is used by third parties.

  • The opinions expressed in the articles are solely those of the authors.

For more details, visit the Creative Commons License Page:
? https://creativecommons.org/licenses/by-nc/4.0/

 

Most read articles by the same author(s)

Obs.: This plugin requires at least one statistics/report plugin to be enabled. If your statistics plugins provide more than one metric then please also select a main metric on the admin's site settings page and/or on the journal manager's settings pages.