SELEKSI FITUR AIR MENGGUNAKAN RANK SPEARMAN DAN PRODUCT MOMENT PEARSON PADA PENGENALAN POLA STATUS MUTU AIR SUNGAI

YUDHA RIWANTO, 15650013 (2019) SELEKSI FITUR AIR MENGGUNAKAN RANK SPEARMAN DAN PRODUCT MOMENT PEARSON PADA PENGENALAN POLA STATUS MUTU AIR SUNGAI. Skripsi thesis, UIN Sunan Kalijaga.

Preview	Text (SELEKSI FITUR AIR MENGGUNAKAN RANK SPEARMAN DAN PRODUCT MOMENT PEARSON PADA PENGENALAN POLA STATUS MUTU AIR SUNGAI) 15650013_BAB-1_IV-atau-V_DAFTAR-PUSTAKA.pdf - Published Version Download (13MB) | Preview
	Text (SELEKSI FITUR AIR MENGGUNAKAN RANK SPEARMAN DAN PRODUCT MOMENT PEARSON PADA PENGENALAN POLA STATUS MUTU AIR SUNGAI) 15650013_BAB-II_sampai_SEBELUM-BAB-TERAKHIR.pdf - Published Version Restricted to Registered users only Download (628kB)

Abstract

Air sungai merupakan salah satu komoditas penting dalam kehidupan. Pemantauan kualitas air sangat perlu dilakukan untuk menjamin mutu baku air. Pada saat ini pengujian mutu baku air dilakukan dengan banyak parameter sehingga membuat biaya semakin meningkat dan memakan banyak waktu. Penelitian ini menggunakan data yang diperoleh peneliti dari PT JASA TIRTA 1 yaitu kualitas mutu baku sungai Brantas. Data yang diberikan menggunakan 22 parameter penentuan mutu baku air sehingga dirasakan jika nantinya dikembangkan suatu sistem maka akan memakan banyak memori dan membuat biaya semakin meningkat. Sehingga diperlukan pengurangan jumlah parameter namun tingkat akurasi yang dihasilkan tidak jauh berbeda. Berdasarkan hal tersebut peneliti mencoba melakukan seleksi fitur untuk menentukan parameter berpengaruh menggunakan metode Rank Spearman dan Product Moment Pearson. Proses klasifikasi dilakukan dengan Learning Vektor Quantization. Dari penelitian yang dilakukan di dapatkan 5 parameter paling berpengaruh yaitu “DHL, BOD, COD, TSS, NO2N”. Pada proses klasifikasi didapat Tingkat akurasi sebelum seleksi fitur adalah tertinggi dengan α 0.5 dan reduce α 0.5 sebesar 66,625%, dan terendah α 1 reduce α 0.25 sebesar 56,65 %. Dan Tingkat akurasi setelah seleksi fitur dengan mengguakan metode LVQ adalah tertinggi dengan α 0.5 dan reduce α 0.5 sebesar 67,475 % serta nilai terendah α 1 dan reduce α 0.25 sebesar 61,55 %. Dari peneltian ini disimpulkan bahwa metode Rank Spearman dan Product Moment Pearson dapat digunakan sebagai metode seleksi fitur kualitas mutu baku air karena memiliki tingkat akurasi yang mendekati sama dengan sebelum dilakukan seleksi fitur. Kata kunci : Pengenalan Pola, Seleksi Fitur, Rank Spearman, Product Moment Pearson, Learning Vektor Quantization

Share this knowledge with your friends :

Actions (login required)

View Item