Perbandingan Performa Algoritma KNN dan SVM dalam Klasifikasi Kelayakan Air Minum

  • Sopiatul Ulum Universitas Singaperbangsa Karawang
  • Rizal Fahmi Alifa Universitas Singaperbangsa Karawang
  • Putri Rizkika Universitas Singaperbangsa Karawang
  • Chaerur Rozikin Universitas Singaperbangsa Karawang
Abstract views: 493 , PDF downloads: 537
Keywords: Water Potability, Machine Learning, K-Nearest Neighbors, Support Vector Machine

Abstract

Air menjadi kebutuhan mendasar bagi kelangsungan makhluk hidup dan pembangunan. Saat ini, kesadaran masyarakat terhadap pola konsumsi air yang berkualitas dan bermutu semakin tinggi sehingga diperlukan penelitian terhadap kelayakan air. Dalam penelitian air tersebut menggunakan metode klasifikasi objek. Pada penelitian ini membahas perbandingan antara 2 metode Machine Learning yaitu K-Nearest Neighbors (K-NN) dengan Support Vector Machine (SVM) berdasarkan parameter yang telah ditentukan. Penelitian ini menghasilkan tingkat akurasi algoritme K-Nearest Neighbors (K-NN) sebesar 65,341% dan algoritme Support Vector Machine (SVM) menghasilkan akurasi sebesar 69,764%. Dari hasil tersebut, dapat disimpulkan bahwa algoritme Support Vector Machine (SVM) memiliki akurasi lebih tinggi daripada algoritme K-Nearest Neighbors (K-NN).

References

Gramedia. (2021). Mengenal Ciri-cifi Air Bersih Menurut WHO yang Aman Digunakan [online]. Available: https://www.gramedia.com/literasi/ciri-ciri-air-bersih/

SPARTA. (2023). Standar Kebutuhan Air Bersih Setiap Orang [online]. Available: https://www.atbbatam.com/?md=view&id=1-17070500012

WHO, “The Human Right to Water and Sanitation Media brief,” UN-Water Decad. Program. Advocacy Commun. Water Supply Sanit. Collab. Counc., no. April 2011, hal. 1–8, 2011, [Daring]. Tersedia pada: http://www.un.org/waterforlifedecade/pdf/human_right_to_water_and_sanitation_media_brief.pdf

U. Nations, “Sustainable Development Goal (SDG).” https://sdgs.un.org/

RimbaKita. (2023). Mata Air - Pengertian, Proses, Jenis, Manfaat & Pengelolaan [online]. Available: https://rimbakita.com/mata-air/

G. L. Pritalia, “Analisis Komparatif Algoritme Machine Learning pada Klasifikasi Kualitas Air Layak Minum,” vol. 2, 2022.

A. Kustanto, “Water quality in Indonesia: The role of socioeconomic indicators,” J. Ekon. Pembang., vol. 18, no. 1, pp. 47–62, Jul. 2020, doi: 10.29259/jep.v18i1.11509.

C. T. Son, N. T. H. Giang, T. P. Thao, N. H. Nui, N. T. Lam, and V. H. Cong, “Assessment of Cau River water quality assessment using a combination of water quality and pollution indices,” J. Water Supply Res. Technol.-Aqua, vol. 69, no. 2, pp. 160–172, Mar. 2020, doi: 10.2166/aqua.2020.122.

I. G. Vidiastanta, N. Hidayat, and R. K. Dewi, “Komparasi Metode K-Nearest Neighbors (K-NN) Dengan Support Vector Machine (SVM) Untuk Klasifikasi Status Kualitas Air”. [10] Kadiwal Aditya. 2021. Water Quality [online]. available: https://www.kaggle.com/datasets/adityakadiwal/water-potability

Jamari Untung. (2022, Maret 20). PENJELASAN CARA KERJA ALGORITMA K-NEAREST NEIGHBOR (KNN) [online]. available: http://labdas.si.fti.unand.ac.id/2022/03/20/ penjelasan-cara-kerja-algoritma-k-nearest-neighbor-knn/

Spyder. (2023). Ringkasan [online]. available: https://www.spyder-ide.org/

Kaggle. (2018). Oprec Ristek 2018 - Data Science [online]. available: https://www.kaggle.com/competitions/oprecristekds/overview/description

Lawton George (2022, Januari). DEFINISI prapemrosesan data [online]. available: https://www.techtarget.com/searchdatamanagement/definition/data-preprocessing

Science Data in Master's. (2023). Cara Mengatasi Data Hilang [online]. available: https://www.mastersindatascience.org/learning/how-to-deal-with-missing-data/

Afifah Lutfia (2023). Apa Itu Bias dan Variance di Machine Learning? [online]. available: https://ilmudatapy.com/apa-itu-bias-dan-variance-di-machine-learning/

Mufadhol. (2022, Mei 13). Perbedaan Data Training Dan Data Testing [online]. available: https://teknik-informatika-s1.stekom.ac.id/informasi/baca/Perbedaan-Data-Training-dan-Data-Testing/d475bd43bdae3488afe8a0f648ee5671fb6cdc40

A. R. Isnain, A. I. Sakti, D. Alita, and N. S. Marga, “SENTIMEN ANALISIS PUBLIK TERHADAP KEBIJAKAN LOCKDOWN PEMERINTAH JAKARTA MENGGUNAKAN ALGORITMA SVM,” J. Data Min. Dan Sist. Inf., vol. 2, no. 1, p.

, Feb. 2021, doi: 10.33365/jdmsi.v2i1.1021

G. Gunawan and Y. Reswan, “DESAIN APLIKASI PENGENALAN POLA TANDA TANGAN MENGGUNAKAN METODE SUPPORT VECTOR MACHINE (SVM),” J. MEDIA INFOTAMA, vol. 17, no. 1, Feb. 2021, doi: 10.37676/jmi.v17i1.1311.

Anggreany Susan Maria. (2020). Confusion Matrix [online]. available: https://socs.binus.ac.id/2020/11/01/confusion-matrix/

PlumX Metrics

Published
2023-07-31
How to Cite
Sopiatul Ulum, Alifa, R. F., Rizkika, P., & Rozikin, C. (2023). Perbandingan Performa Algoritma KNN dan SVM dalam Klasifikasi Kelayakan Air Minum. Generation Journal, 7(2), 141 -146. https://doi.org/10.29407/gj.v7i2.20270