The Klasifikasi Kualitas Air Menggunakan Metode KNN, Naïve Bayes, dan Decision Tree

Abstract

Air merupakan kebutuhan yang sangat penting bagi kehidupan manusia, namun tidak semua air dapat dikategorikan sebagai air yang aman untuk diminum oleh karena itu perlu adanya identifikasi pengklasifikasian antara air yang aman dan tidak aman untuk diminum. Penelitian ini bertujuan untuk mengetahui tingkat akurasi kualitas air sebanyak 3.276 data dengan proses pre-processing untuk menghasilkan data yang konsisten. Dalam penelitian ini penulis membandingkan tiga metode dalam proses klasifikasi data yaitu K-nearest neighbors, Naïve Bayes, dan Decision Tree untuk mengetahui metode yang paling akurat dengan tingkat akurasi yang paling maksimal. Hasil penelitian menunjukkan bahwa tingkat akurasi yang paling besar adalah metode K-nearest neighbors dengan tingkat akurasi sebesar  71.19% dimana class precision untuk pred. nol (pred. negative) adalah 72.89%, pred. satu (pred.positive) adalah 67.16% , sedangkan metode Naïve Bayes sebesar 62.99% dimana class precision untuk pred. nol (pred. negative) adalah 64.26%, pred satu (pred.positive) adalah 56.28% , dan Decision tree sebesar 61.77% dimana class precision untuk pred. nol (pred. negative) adalah 61.47%, pred satu (pred.positive) adalah 100.00%.