Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Almantiq
Syarifuddin, Mochammad Nur
Unknown Affiliation
Computer Science & IT Decision Sciences, Operations Research & Management

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Klasifikasi Kualitas Air Pada Program Penyediaan Air Minum Dan Sanitasi Berbasis Masyarakat Desa Semenpinggir Dengan Metode Algoritma K-Nearest Neighbor Syarifuddin, Mochammad Nur
Multidisciplinary Applications of Quantum Information Science (Al-Mantiq) Vol. 2 No. 1 (2022): Februari Multidisciplinary Applications of Quantum Information Science (Al-Mant
Publisher : Al-Mantiq

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32665/almantiq.v1i2.1991

Abstract

Air bersih merupakan kebutuhan yang sangat penting bagi semua manusia, tersedianya air adalah kebutuhan mutlak untuk menunjang hidup sehat. Penelitian ini memiliki tujuan untuk membuat sebuah aplikasi yang dapat di gunakan mengklasifikasikan kualitas air menggunakan sistem informasi yang dikombinasikan dengan algoritma K-Nearest Neighbor (KNN). Salah satu metode yang di gunakan untuk melakukan klasifikasi adalah Algoritma K-Nearest Neighbor (KNN). Dengan mengunakan data yang dikelompokkan berdasarkan jarak terhadap tetangga terdekat lalu di lakukan perhitungan dengan menggunakan Perhitungan Euclidean untuk kemudian dihitung dan di urutkan yang ada dalam kelompok tersebut. algoritma tersebut diaplikasikan untuk membuat pengelolaan sistem klasifikasi kualitas air yang ada pada Penyediaan Air Minum Dan Sanitasi Berbasis Masyaraka Desa Semenpingir, Kualitas air yang diuji untuk menghasilkan output berupa klasifikasi menjadi memenuhi syarat dan tidak memenuhi syarat menggunakan parameter berupa Suhu, PH, TDS, Warna, Rasa dan Bau Berdasarkan hasil pengujian diperoleh. Dari hasil perhitungan dengan algoritma K-Nearest Neighbor menggunakan 27 record data, berupa 19 data training dan 8 data testing diperoleh 6 data yang di prediksi memenuhi syarat dan 2 data tidak memenuhi syarat dengan perhitungan menggunakan tetangga terdekat K = 3. System identifikasi mendapatkan tingkat akurasi 80% berdasarkan perhitungan Confusion Matrix.
Co-Authors