Analisis Pengaruh Gain Ratio Untuk Algoritma K-Nearest Neighbor Pada Klasifikasi Data Banjir di Kota Samarinda
DOI:
https://doi.org/10.33084/jsakti.v6i1.5472Keywords:
Banjir, K-Nearest Neighbor, 5-Fold Cross-Validation, Euclidean Distance, Gain RatioAbstract
Berdasarkan data yang diperoleh dari BMKG dan BPBD Kota Samarinda, diketahui bahwa telah terjadi bencana banjir pada periode tahun 2019 - 2020 di Kota Samarinda. Penelitian ini bertujuan untuk melakukan klasifikasi data banjir di Kota Samarinda menggunakan algoritma K-Nearest Neighbor dan pembagian data menerapkan teknik 5-Fold Cross-Validation serta perhitungan rumus jarak Euclidean Distance. Kemudian, dilakukan seleksi fitur pada algoritma KNN menggunakan metode Gain Ratio guna mengetahui pengaruhnya terhadap akurasi dari KNN. Hasil penelitian menunjukkan bahwa peningkatan akurasi tertinggi setelah menerapkan Gain Ratio didapatkan oleh K=7 dengan persentase kenaikan akurasi sebesar 5,95%, diikuti oleh K=5 dengan persentase kenaikan akurasi 5,81%, K=3 dengan persentase kenaikan akurasi 5,68%, K=9 sebesar 3,61%, K=11 sebesar 2,44%, dan K=13 sebesar 1,23%. Hanya ada satu akurasi yang tidak mengalami peningkatan atau penurunan akurasi, yaitu K=15.
Downloads
References
Lain-lain
BPS. (2023). Jumlah Desa /Kelurahan yang Mengalami Bencana Alam (Banjir) Menurut Kecamatan di Kota Samarinda 2018-2021. https://samarindakota.bps.go.id/indicator/153/207/1/jumlah-desa-kelurahan-yang-mengalami-bencana-alam-banjir-menurut-kecamatan-di-kota-samarinda.html
Buku
Taghfirul Azhima Yoga Siswa, S.Kom., M. K. (2023). DATA MINING: MENGUPAS TUNTAS ANALISIS DATA DENGAN METODE KLASIFIKASI HINGGA DEPLOYMENT APLIKASI MENGGUNAKAN PYTHON. UMKT PRESS.
Jurnal/Prosiding/Disertasi/Tesis/Skripsi
Tarasova, L., Merz, R., Kiss, A., Basso, S., Blöschl, G., Merz, B., Viglione, A., Plötner, S., Guse, B., Schumann, A., Fischer, S., Ahrens, B., Anwar, F., Bárdossy, A., Bühler, P., Haberlandt, U., Kreibich, H., Krug, A., Lun, D., … Wietzke, L. (2019). Causative classification of river flood events. Wiley Interdisciplinary Reviews: Water, 6(4), 1–23. https://doi.org/10.1002/wat2.1353
Tarigan, P. M. S., Hardinata, J. T., Qurniawan, H., Safii, M., & Winanjaya, R. (2022). Implementasi Data Mining Menggunakan Algoritma Apriori Dalam Menentukan Persediaan Barang. Jurnal Janitra Informatika Dan Sistem Informasi, 2(1), 9–19. https://doi.org/10.25008/janitra.v2i1.142
Tempola, F., Muhammad, M., & Khairan, A. (2018). Perbandingan Klasifikasi Antara KNN dan Naive Bayes pada Penentuan Status Gunung Berapi dengan K-Fold Cross Validation. Jurnal Teknologi Informasi Dan Ilmu Komputer, 5(5), 577. https://doi.org/10.25126/jtiik.201855983
Zamri, D. (2022). … Metode Data Mining untuk Prediksi Banjir Dengan Algoritma Naïve Bayes dan KNN: Comparison of Data Mining Methods for Predition of Floods with Naïve Bayes …. SENTIMAS: Seminar Nasional Penelitian Dan …, 40–48. https://journal.irpi.or.id/index.php/sentimas/article/view/353%0Ahttps://journal.irpi.or.id/index.php/sentimas/article/download/353/132
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2023 septa intan permata sari septa intan permata sari
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
All rights reserved. This publication may be reproduced, stored in a retrieval system, or transmitted in any form or by any means, electronic, mechanical, photocopying, recording.
