PERBANDINGAN PERFORMA METODE KLASIFIKASI BERBASIS MACHINE LEARNING DALAM PENENTUAN TINGKAT PENCEMARAN AIR

Arby, Wahyu Muhammad (2026) PERBANDINGAN PERFORMA METODE KLASIFIKASI BERBASIS MACHINE LEARNING DALAM PENENTUAN TINGKAT PENCEMARAN AIR. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

[img] Text (COVER-ABSTRAK)
COVER.pdf - Published Version
Download (933kB)
[img] Text (BAB I)
BAB I.pdf - Published Version
Download (225kB)
[img] Text (BAB II)
BAB II.pdf - Published Version
Restricted to Registered users only
Download (667kB)
[img] Text (BAB III)
BAB III.pdf - Published Version
Restricted to Registered users only
Download (455kB)
[img] Text (BAB IV)
BAB IV.pdf - Published Version
Restricted to Registered users only
Download (2MB)
[img] Text (BAB V)
BAB V.pdf - Published Version
Download (99kB)
[img] Text (DAFTAR PUSTAKA - LAMPIRAN)
Daftar Pustaka dan Lampiran.pdf - Published Version
Restricted to Registered users only
Download (240kB)
[img] Archive (SOURCE CODE)
Sourcecode - 22.12.2553.zip - Published Version
Restricted to Repository staff only
Download (1MB)
[img] Text (PUBLIKASI)
Publikasi.pdf - Published Version
Restricted to Repository staff only
Download (860kB)

Abstract

Penilaian pencemaran air merupakan tugas yang sangat penting dalam pemantauan lingkungan karena dampaknya yang langsung terhadap kesehatan manusia dan keberlanjutan ekosistem. Penelitian ini menganalisis kinerja metode klasifikasi berbasis machine learning dalam menentukan tingkat pencemaran air menggunakan data kualitas air yang tersedia secara publik. Beberapa algoritma supervised learning, antara lain Decision Tree, Random Forest, Support Vector Machine , K-Nearest Neighbor, dan Naïve Bayes, diterapkan untuk mengklasifikasikan tingkat pencemaran berdasarkan parameter fisikokimia air. Dataset dievaluasi menggunakan skema pembagian data latih dan data uji dengan rasio 90:10, serta kinerja model dinilai menggunakan metrik accuracy, precision, Recall, F1-Score, dan ROC-AUC. Hasil eksperimen menunjukkan bahwa pengklasifikasi berbasis ensemble menghasilkan kinerja klasifikasi yang lebih unggul dibandingkan pengklasifikasi tunggal, terutama dalam menangkap hubungan nonlinier antar indikator kualitas air. Temuan ini sejalan dengan penelitian-penelitian terkini yang menekankan efektivitas teknik machine learning dalam klasifikasi kualitas air dan penilaian pencemaran air.

Item Type: Thesis (S1 - Sarjana)
Contributor:
Pembimbing
Aminuddin, Afrig
Uncontrolled Keywords: pencemaran air, machine learning, klasifikasi, analisis performa, kualitas air, Water pollution, classification, performance analysis.
Subjects: 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 000 Ilmu komputer, informasi dan pekerjaan umum
Divisions: Fakultas Ilmu Komputer > Sistem Informasi
Depositing User: RC Universitas AMIKOM Yogyakarta
Date Deposited: 09 Jul 2026 07:10
Last Modified: 09 Jul 2026 07:10
URI: http://eprints.amikom.ac.id/id/eprint/32043

Actions (login required)

View Item View Item