Perbandingan Teknik Pembagian Data untuk Klasifikasi Sarana Akses Air pada Algoritma K-Nearest Neighbor dan Naïve Bayes Classifier

Said Thaufik Rizaldi
Mustakim Mustakim (Universitas Islam Negeri Sultan Syarif Kasim Riau, Indonesia)

Seminar Nasional Teknologi Informasi Komunikasi dan Industri
2020: SNTIKI 12

Indonesia menduduki peringkat keempat pertumbuhan penduduk terbesar di dunia. Namun, pertumbuhan penduduk tersebut tidak diikuti dengan pertumbuhan infrastruktur. Sehingga, terjadi fenomena excess demand khususnya sarana akses air. Akses air menjadi prioritas pembangunan strategis pada Rencana Pembangunan Jangka Menengah Nasional (RPJMN) 2020-2024. Menurut WHO tahun 2019 indikator rekomendasi sarana akses air yakni pelayanan dasar, pelayanan terbatas, dan tidak ada akses. Penelitian ini mengklasifikasikan data sarana akses air menggunakan studi kasus di tingkat sekolah untuk mengetahui indikator kelayakan dalam menentukan rekomendasi akses air. Penelitian ini membandingkan teknik pembagian data K-Means Clustering, K-Medoid dan Hold-out pada algoritma klasifikasi K-Nearest Neighbor dan Naïve Bayes Classifier menghasilkan K-Medoid sebagai pemodelan pembagian data terbaik  dengan nilai akurasi 89,39% pada algoritma K-Nearest Neighbor dengan parameter K = 10 pada penelitian ini.