KLASIFIKASI KELAYAKAN AIR MINUM BAGI TUBUH MANUSIA MENGGUNAKAN METODE SUPPORT VEKTOR MACHINE DENGAN BACKWARD ELIMINATION

Abstrak

Kualitas air dapat di deteksi berdasarkan keterkaitan parameter mineral yang terkandung di dalamnya, hal ini dapat di klasifikasikan menggunakan machine learning, salah satu metode yang digunakan adalah metode Support Vektor Machine (SVM). Kurang optimalnya metode SVM dalam pemilihan parameter kelayakan air minum sehingga apakah dengan menggunakan metode Backward Elimination dapat meningkatkan akurasi. Penelitian ini dilakukan dengan beberapa skenario implementasi metode SVM dan metode SVM dengan Backward Elimination, di dalamnya dilakukan scaling dan tanpa scaling, rasio perbandingan 80:20, selanjutnya mengeliminasi setiap parameter sehingga tersisa parameter yang paling berpengaruh. Nilai akurasi tertinggi jika hanya menggunakan metode Support Vektor Machine (SVM) terdapat pada jumlah data 1000 dengan tidak menggunakan scaling akurasinya 56%, untuk jumlah data 2000 dengan tidak menggunakan scaling akurasinya 47%, dan jumlah data 3276 dengan menggunakan scaling data akurasinya 45%. Jika diterapkan Backward Elimination nilai akurasi meningkat pada jumlah data 1000 dengan menggunakan scaling akurasinya 59%, untuk jumlah data 2000 dengan menggunakan scaling akurasinya 58%, tetapi pada jumlah data 3276 akurasinya menurun 1% sehingga menjadi 44%. indikator yang mempengaruhi suatu air layak di komsumsi adalah water potability dengan nilai 0 tidak dapat di komsumsi dan 1 dapat dikomsumsi, SVM dengan Backward Elimination berhasil mengklasifikasikan air minum layak dan tidak layak di komsumsi, jika menggunakan 1000 data hasil klasifikasi kelas 0 yaitu 136 dan kelas 1 adalah 64, jika menggunakan 2000 data hasil klasifikasi kelas 0 yaitu 269 dan kelas 1 adalah 131, sedangkan menggunakan 3276 data hasil klasifikasi kelas 0 yaitu 399 dan kelas 1 adalah 257.