PREDIKSI WATER QUALITY INDEX (WQI) MENGGUNAKAN ALGORITMA REGRESSI DENGAN HYPER-PARAMETER TUNING

Authors

  • Muhammad Radhi Sistem Informasi Fakultas Teknologi dan Ilmu Komputer Universitas Prima Indonesia
  • Amalia Amalia Sistem Informasi Fakultas Teknologi dan Ilmu Komputer Universitas Prima Indonesia
  • Stiven Hamonangan Sinurat Sistem Informasi Fakultas Teknologi dan Ilmu Komputer Universitas Prima Indonesia
  • Daniel Ryan Hamonangan Sitompul Prodi Sistem Informasi Fakultas Teknologi dan Ilmu Komputer Universitas Prima Indonesia
  • Evta Indra Sistem Informasi Fakultas Teknologi dan Ilmu Komputer Universitas Prima Indonesia

DOI:

https://doi.org/10.34012/jurnalsisteminformasidanilmukomputer.v5i1.2492

Keywords:

Machine Learning, Hyper-Parameter Tuning, Water Potability, Regression Algorithm

Abstract

Air merupakan salah satu sumber daya alam esensial untuk kelangsungan hidup seluruh makhluk hidup di dunia ini. Kita memerlukan air untuk kebutuhan kita sehari-hari, begitu juga dengan tanaman dan hewan yang memerlukan air untuk kelangsungan hidupnya. Indeks Kualitas Air (Water Quality Index/WQI) merupakan satuan untuk mengetahui apakah air dapat dinyatakan layak minum (Potable) atau tidak. Pada penelitian ini, untuk membuat prediksi nilai WQI lebih akurat dan memiliki tingkat akurasi model yang lebih tinggi, dirancang sebuah algoritma regresi yang kemudian akan dikonfigurasi kembali dengan tuning algoritma. Model machine learning yang telah dibuat memiliki nilai yang berbeda, namun pada penelitian ini telah ditentukan bahwasanya model Linear Regression yang dipakai sebagai model utama karena memiliki nilai R2 lebih tinggi (0.9965 / 96,5%). Sesuai dengan hasil plotting dari Linear Regression, data diprediksi dengan baik dan persebaran data masih berdekatan dengan prediksi model (robust).

Downloads

Published

2022-02-28

How to Cite

[1]
M. Radhi, A. Amalia, S. H. Sinurat, D. R. H. Sitompul, and E. Indra, “PREDIKSI WATER QUALITY INDEX (WQI) MENGGUNAKAN ALGORITMA REGRESSI DENGAN HYPER-PARAMETER TUNING”, JUSIKOM PRIMA, vol. 5, no. 1, pp. 44 - 50, Feb. 2022.