Skripsi
Perbandingan Metode Decision Tree Dan K-Nearest Neighbor Untuk Klasifikasi Kualitas Air Baku Pada Produksi Air PDAM Kota Makassar
ABSTRAK
MUH. AGUNG ARUANG SULYA, Perbandingan Metode Decision Tree dan K-Nearest Neighbor Untuk Klasifikasi Kualitas Air Baku Pada
Produksi Air PDAM Kota Makassar (dibimbing oleh Annisa Nurul Puteri dan Amran Amiruddin)
Permasalahan yang terjadi pada PDAM Kota Makassar adalah sulitnya menjaga kualitas air baku akibat tantangan seperti polusi lingkungan,
perubahan iklim, dan aktivitas manusia. Penelitian ini bertujuan untuk menganalisis kualitas air baku menggunakan algoritma K-Nearest
Neighbour (KNN) dan Decision Tree guna menghasilkan model klasifikasi yang akurat. Data ini diperoleh melalui penelitian menggunakan metode
pengumpulan data observasi dan wawancara, yang memberikan gambaran menyeluruh mengenai kondisi dan tantangan yang dihadapi
PDAM Kota Makassar. Metode yang digunakan dalam penelitian ini adalah algoritma KNN dan Decision Tree, yang dievaluasi menggunakan
confusion matrix serta classification report. Hasil penelitian ini menunjukkan bahwa algoritma Decision Tree memberikan akurasi 100%,
sedangkan KNN menghasilkan akurasi 97%. Decision Tree terbukti lebih unggul dalam menangani kompleksitas data dan menghasilkan klasifikasi
yang akurat. Sementara itu, KNN juga menunjukkan kinerja yang baik, tetapi sedikit terpengaruh oleh distribusi data. Hasil penelitian ini
menunjukkan bahwa penerapan algoritma Decision Tree dan KNN dapat membantu PDAM Kota Makassar dalam meningkatkan efektivitas
pemantauan dan pengelolaan kualitas air baku demi memastikan pasokan air minum yang aman dan berkualitas bagi masyarakat.
Kata Kunci: Klasifikasi, Decision Tree, K-Nearest Neighbor, Kualitas Air Baku, PDAM Kota Makassar.
Tidak tersedia versi lain