Air Quality Monitoring System Metode KNN (K-Nearest Neighbor)untuk Mendeteksi Kondisi Kualitas Air
DOI:
https://doi.org/10.60036/8nexwz29Keywords:
Water Quality, K-Nearest Neighbor, Machine Learning, Classification, Monitoring SystemAbstract
Penelitian ini bertujuan untuk membuat sebuah system yang berguna untuk mempermudah manusia untuk mengetahui kondisi kualitas air secara manual menggunakan metode KNN (K-Nearest Neighbor). Kualitas air adalah aspek penting dalam kehidupan sehari-hari, dan upaya untuk memastikan air yang aman untuk dikonsumsi merupakan prioritas. Penelitian ini mengajukan pertanyaan utama: "Apakah metode KNN dapat memberikan pendekatan yang efektif dalam mengklasifikasikan kualitas air?" Metodologi penelitian ini melibatkan penggunaan dataset sekunder mengenai kualitas air dan menerapkan algoritma KNN untuk mengkategorikan data tersebut. Hasil dari metode KNN dibandingkan dengan metode klasifikasi lain yang umum digunakan dalam analisis kualitas air. Penelitian ini bertujuan untuk memberikan pandangan yang lebih dalam dan pemahaman yang lebih baik tentang potensi metode KNN. Dengan memakai metode KNN (KNearest Neighbor) diperoleh nilai ketelitian dari K, nilai K yang menggunakan K=5 akurasinya sebesar 97%, setelah KNN mendapatkan hasil dari deteksi, hasil tersebut akan berguna untuk mengatur tindakan dari aktuator. Hasil penelitian ini diharapkan dapat memberikan wawasan baru tentang efektivitas metode KNN dalam mengklasifikasikan kualitas air yang dapat membantu masyarakat dan pemerintah dalam mengambil tindakan respons yang lebih efisien terkait dengan potensi kontaminasi dan masalah kualitas air lainnya. Dengan demikian, penelitian ini memiliki potensi untuk memberikan kontribusi berharga pada pemahaman kita tentang kualitas air dan pemanfaatan metode KNN dalam analisisnya.
References
Aldi, M., Hartono, A., & Saputra, R. (2023). Klasifikasi kualitas air minum menggunakan Naive Bayes, Decision Tree, dan K-Nearest Neighbor. Jurnal Teknologi Informasi, 15(2), 45–52.
Han, J., Kamber, M., & Pei, J. (2012). Data Mining: Concepts and Techniques (3rd ed.). Morgan Kaufmann.
Ilyas, M., Nugroho, D., & Ramadhan, F. (2022). Penerapan algoritma Random Forest untuk klasifikasi kualitas air sumur di Jakarta. Jurnal Ilmu Komputer dan Aplikasinya, 10(1), 33– 41.
Prismahardi, R., Putra, A., & Yulianto, B. (2023). Analisis kinerja algoritma machine learning dalam klasifikasi kualitas air. Jurnal Sistem Informasi, 12(3), 60–68.
Tan, P.-N., Steinbach, M., & Kumar, V. (2018). Introduction to Data Mining (2nd ed.). Pearson Education.
UC Irvine Machine Learning Repository. (2004). Air Quality Dataset. Retrieved from https://archive.ics.uci.edu/ml/datasets/Air+Quality
Downloads
Published
Issue
Section
License
Copyright (c) 2026 Ardiyan Syah Ariansyah (Author)

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
