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

Said, Hardiana; Matondang, Nur Hafifah; Irmanda, Helena Nurramdhani

doi:10.33633/tc.v21i2.5901

Cited by 11 publications

(14 citation statements)

References 0 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Data sebelum dilakukan Pre-processing b. Pre-Processing Proses pre-procesing yang benar akan mengasilkan informasi yang jelas dengan nilai akurasi yang baik. Proses pre-processing memiliki beberapa tahapan diantaranya, data reduction (proses mengurangi atribut yang tidak dibutuhkan), data cleaning (proses mengisi, memperbaiki, mengatur) data yang tidak sesuai dengan yang butuhkan, data selection hingga data balancing [6]. Penelitian ini melakukan reduksi dengan jumlah variable dari 9 atribut menjadi 5 yaitu nama, kabupaten atau kota, pekerjaan orang tua, jumlah alumni yang mendaftar di IIB Darmajaya, dan asal sekolah mahasiswa baru.…”

Section: Gambar 1 Alur Penelitianunclassified

“…Hasil cross validation algoritma K-Nearest Neighbor Berdasarkan Gambar 7 di atas dapat di lihat bahwa algoritma K-Nearest Neighbor memiliki nilai akurasi sebesar 99,61% hal ini dapat dibuktikan dengan perhitungan manual dengan rumus Persamaan (5). % Nilai presisi untuk prediksi label potensi sebesar 99,20% hal ini dapat dibuktikan dengan perhitungan manual dengan rumus Persamaan (6). % Nilai recall untuk prediksi label potensi sebesar 97,98% hasil tersebut dibuktikan dengan perhitungan manual dengan rumus Persamaan (7).…”

Section: Gambar 5 Hasil Dari Algoritma K-nearest Neighborunclassified

“…Berdasarkan Gambar 11 dapat di lihat bahwa algoritma Decision Tree memiliki nilai akurasi sebesar 100% hal ini dapat dibuktikan dengan perhitungan manual dengan menggunakan Persamaan (5). % Nilai presisi untuk prediksi label potensi sebesar 99,20% hal ini dapat dibuktikan dengan perhitungan manual menggunakan Persamaan (6). %…”

Section: Gambar 11 Hasil Cross Validation Algorima Decision Treeunclassified

See 2 more Smart Citations

Perbandingan Algoritma Data Mining Untuk Penentuan Lokasi Promosi Penerimaan Mahasiswa Baru Pada IIB Darmajaya Lampung

Toro

Lestari²

2023

View full text Add to dashboard Cite

Tingkat pesaing perguruan tinggi setiap tahunnya mengalami peningkatan yang sangat pesat. Dalam proses mendapatkan mahasiswa baru setiap perguruan tinggi memiliki strategi promosi yang berbeda-beda, seiring perkembangan teknologi maka pihak perguruan tinggi dapat memanfaatkan data mining dalam upaya promosi. Data mining dapat menjadi sebuah dasar atau pedoman untuk menentukan kebijakan bisnis dalam upaya peningkatan pesaing bisnis perusahaan. Dalam upaya penghematan biaya promosi maka dilakukan pemetaan lokasi promosi. Penelitian ini membandingkan tiga alogoritma klasifikasi agar mendapatkan nilai akurasi yang tinggi sehingga informasi yang dihasilkan lebih akurat. Pemetaan lokasi promosi menggunakan algoritma klasifikasi yaitu, decision tree, naïve bayes, dan k-nearest nighbour. Data set yang digunakan berjumlah 1281 record, dan menggunakan variabel, nama, total, alumni, luar kota, dan asal sekolah, denganlabel yaitu, sangat potensi, potensi, dan kurang potensi. Hasil klasifikasi dapat digunakan pihak pemasaran untuk menentukan lokasi promosi pada tahun yang akan datang. Berdasarkan hasil evaluasi crosss validation dari ketiga alogoritma tersebut maka alogoritma yang memiliki nilai akurasi tertinggi yaitu decision tree sebesar 100%, selanjutnya adalah algoritma k-nearest nighbour sebesar 99,61%, dan yang terakhir algoritma naïve bayes hanya 84,78%.

show abstract

Section: Gambar 1 Alur Penelitianunclassified

Section: Gambar 5 Hasil Dari Algoritma K-nearest Neighborunclassified

Section: Gambar 11 Hasil Cross Validation Algorima Decision Treeunclassified

See 1 more Smart Citation

Perbandingan Algoritma Data Mining Untuk Penentuan Lokasi Promosi Penerimaan Mahasiswa Baru Pada IIB Darmajaya Lampung

Toro

Lestari²

2023

View full text Add to dashboard Cite

show abstract

“…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 [16]. Ruhiat dan Effendi [11], menggunakan metode SARIMA untuk melakukan kajian mengenai pengaruh faktor musiman kemampuan model untuk meniru dan memprediksi aktivitas dari data debit sungai [17].…”

Section: Pendahuluanunclassified

Prediksi Kualitas Air Menggunakan Metode Seasonal Autoregressive Integrated Moving Average (SARIMA)

Agustin

Rahani²,

Indikawati³

2022

JAMIKA

View full text Add to dashboard Cite

Water conservation is very necessary to support the creation of clean water quality that is free from harmful substances that can disturb the environment. So a system is needed to monitor water quality to determine the level of pollution that occurs. This system will work to see water quality in real time with several quality parameters such as pH, temperature, and water turbidity. The purpose of this research is to produce a predictive model and find out the prediction results of a data mining-based system. The method used to predict water quality uses the Seasonal Autoregressive Integrated Moving Average (SARIMA) method, because the water quality data is thought to contain seasonal patterns. The results of this study indicate that the SARIMA model can be applied to the dataset used and obtain the accuracy of the forecasting results on each of the tested parameter data. The results of water quality forecasting with this parameter are the result data for testing at a dataset of a depth of 30 cm and a depth of 60 cm for temperature parameters, namely MSE<0.1, and RMSE<0.02. For pH parameters, MSE<0.1, and RMSE<0.1. As well as the turbidity parameter, the results of MSE<0.02, and RMSE<0.13. From these results indicate that this system can predict water quality with past data.

show abstract

“…Akar Ilmu Data Mining Tujuan dari algoritma ini adalah untuk mengklasifikasikan objek baru berdasarkan atribut dan contoh pelatihan. [12]. Algoritma k-NN menggunakan klasifikasi ketetanggaan sebagai nilai prediksi dari sampel ujiyang baru.…”

Section: Data Miningunclassified

Prediksi Penjualan Sparepart Mobil Terlaris Menggunakan Metode K-Nearest Neighbor

Abdy¹,

Gultom²,

Ramadhany³

et al. 2022

Jur. Ris. Kom.

View full text Add to dashboard Cite

PT. GAYA MAKMUR MULIA MEDAN is a company engaged in selling spare parts and spare parts in North Sumatra. Along with the development of technology, the increasing business competition, especially regarding the sale of spare parts. This also affects the competition between brands of goods with the quality they produce. Products offered by various brands, brands influence people to buy these products. Judging from the large number of consumer requests for spare parts products based on sales over the last 2 years, predictions are needed for sales of the best-selling spare parts products, in order to make it easier for companies to provide stock. To find out the sales of best-selling spare part product, data mining techniques and K-Nearest neighbor algorithm are used to produce predictions of the best-selling sales in the Mitsubishhi division with an accuracy of 80,00% and Isuzu accuracy of 66,67% so that acquisition targets are obtained to increase the accuracy value for the classification of best-selling product sales.PT. GAYA MAKMUR MULIA MEDAN is a company engaged in selling spare parts and spare parts in North Sumatra. Along with the development of technology, the increasing business competition, especially regarding the sale of spare parts. This also affects the competition between brands of goods with the quality they produce. Products offered by various brands, brands influence people to buy these products. Judging from the large number of consumer requests for spare parts products based on sales over the last 2 years, predictions are needed for sales of the best-selling spare parts products, in order to make it easier for companies to provide stock. To find out the sales of best-selling spare part product, data mining techniques and K-Nearest neighbor algorithm are used to produce predictions of the best-selling sales in the Mitsubishhi division with an accuracy of 80,00% and Isuzu accuracy of 66,67% so that acquisition targets are obtained to increase the accuracy value for the classification of best-selling product sales.

show abstract

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

Cited by 11 publications

References 0 publications

Perbandingan Algoritma Data Mining Untuk Penentuan Lokasi Promosi Penerimaan Mahasiswa Baru Pada IIB Darmajaya Lampung

Perbandingan Algoritma Data Mining Untuk Penentuan Lokasi Promosi Penerimaan Mahasiswa Baru Pada IIB Darmajaya Lampung

Prediksi Kualitas Air Menggunakan Metode Seasonal Autoregressive Integrated Moving Average (SARIMA)

Prediksi Penjualan Sparepart Mobil Terlaris Menggunakan Metode K-Nearest Neighbor

Contact Info

Product

Resources

About