PREDIKSI KEAMANAN AIR UNTUK DIKONSUMSI DENGAN PERBANDINGAN PERFORMA ALGORITMA NAÏVE BAYES DAN K- NEAREST NEIGHBOUR

Kualitas air yang aman untuk dikonsumsi merupakan aspek penting dalam
kesehatan masyarakat. Ada beberapa standar kualitas air yang diterapkan, seperti
Standar Nasional Indonesia (SNI) 01-3553-2006 dan Peraturan Pemerintah Nomor
122 Tahun 2015. Pada penelitian ini bertujuan untuk menganalisis prediksi
keamanan air untuk dikonsumsi agar lebih cepat dan efisien tanpa hasur menunggu
lama hasil laboratorium uji keamanan. Pada penelitian ini menerapkan dua
algoritma machine learning naïve bayes dan k-nearest neighbour (knn). Dataset
yang digunakan dalam penelitian ini mencakup berbagai parameter kulaitas air
seperti, aluminium, ammonia, arsenic, barium, cadmium, chloramin, chromium,
copper, flouride, bacteria, viruses, lead, nitrates, nitrites, mercury, perchlorate,
radium, selenium, silver, uranium, dan is_safe. Dalam penelitian ini, dilakukan
analisis dan pemrosesan data awal untuk memastikan data yang digunakan bersih
dan relevan. Selanjutnya, model naïve bayes dan knn dikembangkan dan dievaluasi
menggunakan metrik akurasi, presisi, recall, dan F1-score. Hasil analisis
menunjukkan bahwa kedua algoritma memiliki keunggulan masing-masing dalam
konteks yang berbeda, dengan k-nearest neighbour (knn) menunjukkan performa
yang lebih baik dalam hal akurasi yaitu 0.9125 sedangkan naïve bayes 0.8525. Pada
tahap pengujian sistem, pengujian white-box dan black-box menghasilkan tingkat
keberhasilan 100%, dan UAT menghasilkn presentse rata-rata 89%. Maka
berdasarkan hasil pengujian dapat disimpulkan bahwa sistem ini berjalan sesuai.
Kata Kunci : Keamanan air, Naïve Bayes, K-Nearest Neighbour (knn), Prediksi