PENERAPAN MODEL KLASIFIKASI DAN VISUALISASI DATA AIR SUMUR DI DKI JAKARTA

RAMADHAN AMANNU, . (2025) PENERAPAN MODEL KLASIFIKASI DAN VISUALISASI DATA AIR SUMUR DI DKI JAKARTA. Sarjana thesis, UNIVERSITAS NEGERI JAKARTA.

	Text COVER.pdf Download (958kB)
	Text BAB I.pdf Download (212kB)
	Text BAB II.pdf Restricted to Registered users only Download (871kB) | Request a copy
	Text BAB III.pdf Restricted to Registered users only Download (513kB) | Request a copy
	Text BAB IV.pdf Restricted to Registered users only Download (2MB) | Request a copy
	Text BAB V.pdf Restricted to Registered users only Download (192kB) | Request a copy
	Text DAFTAR PUSTAKA.pdf Download (323kB)
	Text LAMPIRAN.pdf Restricted to Registered users only Download (4MB) | Request a copy

Abstract

Air merupakan kebutuhan pokok bagi manusia. Salah satu sumber mata air yang digunakan adalah air sumur. Di DKI Jakarta, 35% penduduknya mengandalkan air sumur untuk pemenuhan air baku. Penelitian ini bertujuan untuk mengklasifikasikan kualitas air sumur di DKI Jakarta tahun 2023 menggunakan algoritma K-Nearest Neighbors (KNN). Penelitian ini dilakukan dengan metodologi Knowledge Discovery in Database (KDD), yang mencakup Data Selection, Preprocessing, Transformation, Data Mining, serta Interpretation & Evaluation. Proses seleksi fitur menggunakan metode analisis Chi-Square untuk data kategorikal dan Spearman Rho untuk data numerikal. Kemudian untuk memperbaiki keseimbangan data, digunakan SMOTE (Synthetic Minority Over-sampling Technique), sehingga data memiliki distribusi kelas data target yang seimbang dimana masing-masing berjumlah 248 baris. Data akan dibagi menjadi dua bagian dengan proporsi 80% (908 baris) untuk data latih dan dan 20% (228 baris) untuk data uji. Hasil dari pelatihan model dengan data latih dibantu dengan 5-Fold Cross Validation menghasilkan nilai rata-rata akurasi sebesar 96%. Model yang telah dilatih, selanjutnya akan di evaluasi dengan data uji dan dihasilkan nilai akurasi 95%, presisi 95%, recall 95%, f1-score 95%, balance accuracy 96% serta AUC-ROC 95% yang dihitung secara Macro average. Hasil penelitian dari penelitian ini kemudian di interpretasikan dalam bentuk visualisasi data yang dapat diakses secara publik. ***** Water is essential for life, and in DKI Jakarta, 35% of the population depends on ground water. This study aimed to classify the quality of ground water in the area using the K-Nearest Neighbors (KNN) algorithm. The research followed the Knowledge Discovery in Database (KDD) methodology, which includes steps like Data Selection, Preprocessing, Transformation, Data Mining, and Interpretation & Evaluation. For feature selection, Chi-Square analysis was used for categorical data and Spearman Rho for numerical data. To improve data balance, SMOTE (Synthetic Minority Over-sampling Technique) was used, resulting in a balanced class distribution with 248 rows each. The dataset was split into 80% training data (908 rows) and 20% test data (228 rows). The model, trained with 5-Fold Cross Validation, achieved an average accuracy of 96%. When evaluated with test data, the model showed an accuracy of 95%, precision of 95%, recall of 96%, F1-score of 95%, balance accuracy of 96%, and an AUC-ROC of 95%, all calculated as macro averages. The findings were then presented through publicly accessible data visualizations.

Item Type:	Thesis (Sarjana)
Additional Information:	1). Murien Nugraheni, S.T., M.Cs. 2). Lipur Sugiyanta, Ph.D.
Subjects:	Karya Umum > Karya Tulis Perguruan TInggi Sains > Matematika > Ilmu Komputer Sains > Geologi Sains > Statistika Teknologi dan Ilmu Terapan > Teknik Komputer
Divisions:	FT > S1 Sistem dan Teknologi Informasi
Depositing User:	Ramadhan Amannu .
Date Deposited:	12 Feb 2025 05:01
Last Modified:	12 Feb 2025 05:01
URI:	http://repository.unj.ac.id/id/eprint/52736

Actions (login required)

View Item