Suci Hermayeni, - (2021) PENERAPAN METODE MODIFIED K-NEAREST NEIGHBOR UNTUK KLASIFIKASI KUALITAS AIR SUNGAI. Skripsi thesis, Universitas Islam Negeri Sultan Syarif Kasim Riau.
|
Text
repositori 12.pdf Download (1MB) | Preview |
|
Text (Bab IV dan V)
repositori 4-5.pdf - Published Version Restricted to Repository staff only Download (2MB) |
Abstract
Sungai adalah sumber air permukaan yang sangat bermanfaat pada kehidupan manusia. Kualitas air sungai akan mengalami perubahan sesuai dengan perkembangan lingkungan sungai yang dipengaruhi oleh berbagai aktivitas dan kehidupan manusia. Penentuan status mutu dapat dilakukan dengan metode manual yaitu dengan metode Indeks Pencemaran (IP) dan STORET. Tetapi metode tersebut memiliki kendala waktu dan biaya yang cukup tinggi. Untuk mengatasi permasalahan penentuan status mutu kualitas air sungai, dalam penelitian ini telah dibangun sistem yang menerapkan sebuah metode data mining yaitu Modified k-Nearest Neighbor dalam melakukan klasifikasi kualitas air sungai. Adapun data masukan yang digunakan yaitu 390 data dengan 14 parameter. Data tersebut akan dibagi menjadi data latih dan data uji kemudian dilakukan proses normalisasi dan proses klasifikasi. Hasil keluaran berupa 3 kelas target data yaitu kondisi baik, cemar ringan dan cemar sedang. Tahapan pengujian dilakukan dengan dua cara yaitu confussion matrix dan blackbox. Hasil pengujian menggunakan confussion matrix metode MK-NN menunjukkan akurasi tertinggi pada k =3 dan k=5 sebesar 97.44%. Pengujian blackbox dilakukan secara menyeluruh terhadap interface sistem agar mendapatkan hasil yang optimal dan fungsi-fungsi pada sistem telah berjalan sesuai dengan fungsinya.
Item Type: | Thesis (Skripsi) |
---|---|
Subjects: | 000 Karya Umum > 004 Pemrosesan Data, Ilmu Komputer, Teknik Informatika |
Divisions: | Fakultas Sains dan Teknologi > Teknik Informatika |
Depositing User: | fsains - |
Date Deposited: | 25 Feb 2021 10:58 |
Last Modified: | 25 Feb 2021 10:58 |
URI: | http://repository.uin-suska.ac.id/id/eprint/46683 |
Actions (login required)
View Item |