Search for collections on Universitas Islam Negeri Sultan Syarif Kasim Riau Repository

PENERAPAN FUZZY LEARNING VECTOR QUANTIZATION (FLVQ) UNTUK KLASIFIKASI KUALITAS AIR SUNGAI

Dwi Mulya Sandra, - (2019) PENERAPAN FUZZY LEARNING VECTOR QUANTIZATION (FLVQ) UNTUK KLASIFIKASI KUALITAS AIR SUNGAI. Skripsi thesis, Universitas Islam Negeri Sultan Syarif Kasim Riau.

[img]
Preview
Text
LAP tanpa Bab 5.pdf

Download (5MB) | Preview
[img] Text (BAB V)
BAB V.pdf - Published Version
Restricted to Repository staff only

Download (1MB)

Abstract

Dinas Kehutanan dan Lingkungan Hidup Provinsi Riau melakukan perhitungan pencemaran air sungai dengan metode IP (Indeks Pencemaran). Hasil penelitian air sungai biasanya selesai dalam 1 minggu, dikarenakan harus menunggu hasil laboratorium. Pada penelitian ini, metode yang diterapkan adalah Fuzzy Learning Vector Quantization (FLVQ) untuk klasifikasi kualitas air sungai. Data diambil dari Dinas Kehutanan Dan Lingkungan Hidup Provinsi Riau sebanyak 136 data. Parameter yang digunakan sebanyak 15 parameter yang mempengaruhi kualitas air sungai yang dikelompokkan menjadi tiga kelas, yaitu tidak tercemar, tercemar ringan, dan tercemar sedang. Variasi parameter yang digunakan adalah mi = 2, mi = 3, mi = 4, mi = 5, dan N = 100, N = 500, dan N = 1000, dengan perbandingan data latih dan data uji 90%:10%, 80%:20%, dan 70%:30%. Hasil akhir pengujian menunjukkan hasil akurasi tertinggi yaitu 100% pada variasi parameter mi = 2 dan N = 100, N = 500, dan N = 1000, dengan perbandingan data latih dan data uji 90%:10%. Dengan demikian, dapat disimpulkan bahwa metode Fuzzy Learning Vector Quantization mampu mengenali kualitas air sungai. Kata Kunci: Fuzzy Learning Vector Quantization (FLVQ), Klasifikasi, Pencemaran Air Sungai, Storet

Item Type: Thesis (Skripsi)
Subjects: 000 Karya Umum
Divisions: Fakultas Sains dan Teknologi > Teknik Informatika
Depositing User: fsains -
Date Deposited: 15 Oct 2019 04:23
Last Modified: 15 Oct 2019 04:23
URI: http://repository.uin-suska.ac.id/id/eprint/21237

Actions (login required)

View Item View Item