SAIFUR YUSUF KURNIAWAN, - (2024) KLASIFIKASI KELAYAKAN AIR MINUM DENGAN BACKPROPAGATION NEURAL NETWORK BERBASIS PENANGANAN MISSING VALUE DAN NORMALISASI. Journal of Information System Research (JOSH), 6 (1). pp. 87-95. ISSN 2686-228X

Preview

Text JURNAL - SAIFUR YUSUF KURNIAWAN.pdf Download (3MB) | Preview

Abstract

Permasalahan kualitas air minum yang layak untuk dikonsumsi menjadi isu penting dalam kehidupan sehari-hari, khususnya dalam upaya menjaga kesehatan masyarakat. Penelitian serupa mengenai klasifikasi kelayakan air minum masih belum memberikan hasil yang memuaskan. Tujuan penelitian ini adalah mengklasifikasi data kelayakan air minum menggunakan metode backpropagation neural network guna memastikan air yang dikonsumsi memenuhi standar keamanan. Data yang digunakan adalah data publik dari open repository yang berjumlah 3276 data. Atribut parameter kualitas air berjumlah 9, yaitu pH, Hardness, Solids, Chloramines, Sulfate, Conductivity, Organic carbon, Trihalomethanes, dan Turbidity. Pra-pemrosesan data yang dilakukan adalah penghapusan missing value, mengganti missing value dengan nilai rata-rata atribut, normalisasi menggunakan metode MinMax Scaler dan Z-score. Model arsitektur jaringan syaraf tiruan terdiri dari neuron input, hidden layer, dan output. Hasil skenario arsitektur yang terbaik adalah [9;[17;15;10];1] atau 9 neuron input, 17 neuron pada hidden layer pertama, 15 neuron pada hidden layer kedua, 10 neuron pada hidden layer ketiga dan 1 neuron output. Hasil evaluasi menunjukkan bahwa model ini berhasil mengklasifikasi data kelayakan air minum dengan tingkat akurasi sebesar 0,6579. Hasil penelitian ini menunjukkan akurasi yang dicapai masih perlu ditingkatkan untuk aplikasi yang lebih andal, hasil ini menunjukkan potensi yang baik dari metode BPNN dalam melakukan klasifikasi data kualitas air minum.

Actions (login required)

View Item