Analisis Sederhana Pada Kualitas Air Minum Berdasarkan Akurasi Model Klasifikasi Dengan Menggunakan Lucifer Machine Learning

Abstract

Air merupakan salah satu mineral yang sangat penting untuk kebutuhan hidup, terutama kelangsungan hidup manusia. Kualitas air dapat dideteksi berdasarkan keterkaitan parameter mineral yang terkandung dalamnya. Indikator yang sangat mempengaruhi suatu air layak dikonsumsi adalah water potability dengan nilai 0 tidak dapat dikonsumsi dan nilai 1 dapat dikonsumsi. Hal ini dapat diprediksi dengan menggunakan metode machine learning. Salah satu metode semi-supervised machine learning yaitu Teknik Lucifer Machine Learning. Metode tersebut mengembangkan sebuah library pada python yang mencakup exploratory data analysis, skewness correction, dan klasifikasi model untuk mendapatkan tingkat akurasi yang tinggi secara mudah. Dengan menggunakan database terbuka, data yang kami oleh dengan menggunakan Teknik Lucifer Machine Learning mendapatkan hasil yang akurat. Model klasifikasi menghasilkan beragam tingkat akurasi diatas 50%. Hasil akurasi tertinggi didapatkan dari model klasifikasi Random Forest Classifier dengan tingkat akurasi sebesar 72,81%. Analisis sederhana pada model klasifikasi dengan menggunakan LuciferML sangat mudah dipahami, oleh karena itu dalam penelitian ini menghasilkan analisis yang sangat sederhana tetapi memudahkan pembaca untuk memahami secara fundamental.