Perbandingan Performa Algoritma KNN dan SVM dalam Klasifikasi Kelayakan Air Minum

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).