Nugraha, Fega Yudistira (2026) analisis klasifikasi kelayakan air minum menggunakan metode Artificial Neural Network (ANN) dan random forest. Sarjana thesis, UIN Sunan Gunung Djati Bandung.
|
Text (COVER)
1_cover (1).pdf Download (60kB) | Preview |
|
|
Text (ABSTRAK)
3_abstrak.pdf Download (27kB) | Preview |
|
|
Text (PLAGIARISME)
2_plagiarism.pdf Download (427kB) | Preview |
|
|
Text (DAFTAR ISI)
4_daftarisi (1).pdf Download (139kB) | Preview |
|
|
Text (BAB I)
5_bab1 (1).pdf Download (385kB) | Preview |
|
![[img]](https://digilib.uinsgd.ac.id/style/images/fileicons/text.png) |
Text (BAB II)
6_bab2.pdf Restricted to Registered users only Download (334kB) | Request a copy |
|
|
Text (BAB III)
7_bab3.pdf Restricted to Registered users only Download (189kB) | Request a copy |
|
|
Text (BAB IV)
8_bab4.pdf Restricted to Registered users only Download (503kB) | Request a copy |
|
|
Text (BAB V)
9_bab5.pdf Restricted to Registered users only Download (292kB) | Request a copy |
|
|
Text (BAB VI)
10_bab6.pdf Restricted to Registered users only Download (28kB) | Request a copy |
|
|
Text (DAFTAR PUSTAKA)
11_daftarpustaka.pdf Restricted to Registered users only Download (94kB) | Request a copy |
Abstract
Kelayakan air minum merupakan aspek penting yang berpengaruh terhadap kesehatan masyarakat sehingga diperlukan metode yang akurat dalam proses klasifikasinya. Penelitian ini bertujuan untuk menganalisis kelayakan air minum menggunakan metode Artificial Neural Network (ANN) dan Random Forest berdasarkan parameter kualitas air. Data yang digunakan melalui tahapan prapemrosesan sebelum dilakukan pelatihan dan pengujian model. Hasil pengujian menunjukkan bahwa metode ANN menghasilkan tingkat akurasi sebesar 70%, sedangkan metode Random Forest memperoleh akurasi sebesar 67%. ANN menunjukkan kemampuan yang cukup baik dalam memodelkan hubungan nonlinier antarparameter kualitas air, namun masih menghasilkan beberapa kesalahan klasifikasi. Sementara itu, Random Forest memberikan performa yang relatif stabil serta mampu menekan kesalahan klasifikasi air tidak layak sebagai air layak minum. Berdasarkan hasil tersebut, kedua metode dapat digunakan dalam analisis kelayakan air minum, dengan ANN memiliki akurasi yang sedikit lebih tinggi dan Random Forest unggul dalam stabilitas hasil klasifikasi.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Additional Information: | tidak ada lampiran |
| Uncontrolled Keywords: | Kelaykan Air Minum; Random Forest; Artificial Neural Network (ANN); Akurasi |
| Subjects: | Applied Physics > Electrical Engineering |
| Divisions: | Fakultas Sains dan Teknologi > Program Studi Teknik Elektro |
| Depositing User: | nugraha fega yudistira |
| Date Deposited: | 15 Jun 2026 04:12 |
| Last Modified: | 15 Jun 2026 04:12 |
| URI: | https://digilib.uinsgd.ac.id/id/eprint/132558 |
Actions (login required)
 |
View Item |
