<![CDATA[Kualitas air sangat penting untuk kehidupanmanusia, namun tidak semua sumber air aman untukdikonsumsi. Oleh karena itu, diperlukan identifikasi kelayakanair minum yang akurat dan cepat. Metode manual sepertiSTORET dan Indeks Pencemaran kurang efisien karenamemakan waktu dan biaya yang tinggi. Oleh karena itu,digunakan teknologi Machine Learning dengan algoritmaDecision Tree dan teknik SMOTE untuk menyeimbangkandata. Hasil penelitian menunjukkan bahwa model Decision Treedengan max_depth = 4 menghasilkan performa yang palingoptimal. Pada max_depth ini, model mencapai akurasi trainingsebesar 99.9% dan akurasi testing mencapai 100%. Waktu yangdibutuhkan untuk proses training adalah 0.03570 detik,sedangkan waktu testing adalah 0.00223 detik. Hasil evaluasilainnya juga menunjukkan nilai AUC sebesar 1.00. Selain ituevaluasi juga dilakukan menggunakan classification report dandidapatkan hasil bahwa model memiliki presisi (precision) danrecall sebesar 1.00 untuk kelas "Air Layak Minum" dan "AirTidak Layak Minum". Nilai f1-score juga sebesar 1.00 untukkedua kelas, menunjukkan bahwa model memiliki performayang sangat baik dalam mengklasifikasikan data positif dannegatif. Kata kunci—Decision Tree, Evaluasi. Kualitas Air, TeknologiMachine Learning]]>
Copyrights © 2024
