2020 : PERBANDINGAN NAIVE BAYES DAN K NEAREST NEIGHBORS DALAM MENGKLASIFIKASIKAN KUALITAS TANAH

Iis Dewi Ratih S.Si., M.Si.

Year

2020

Published in

-

External link

Type

RESEARCH

Keywords

-


Abstract

Perusakan atau penurunan mutu dari material akibat bereaksi dengan lingkungan disebut dengan korosi. Sifat korosif yang dimiliki oleh tanah dapat menyebabkan bencana alam seperti longsor, tanah juga menjadi permasalah serius dalam kegiatan industri dan infrastruktur. Korosivitas tanah menjadi permasalah di PT. IPMOMI, karena banyaknya pipa logam yang ditanam di bawah tanah yang berfungsi untuk mengalirkan fluida berupa air laut sebagai bahan utama produksi uap. PT. IPMOMI ingin menanam pipa logam di bawah tanah, oleh karena itu PT. IPMOMI membutuhkan informasi mengenai keadaan korosivitas tanah pada lokasi tersebut, agar dapat mengatasinya dengan memasang proteksi katodik pada bagian tanah dengan korosivitas tinggi. Salah satu upaya awal untuk menangani hal tersebut adalah dengan melakukan pemetaan zona korosi bawah permukaan. Sebelum melakukan pemetaan zona korosi, maka perlu mengetahui tingkat korosivitas tanah apakah sangat tinggi, tinggi, sedang, ringan, atau sangat ringan. Sehingga untuk mengetahui tingkat korosivitas tanah apakah sangat tinggi, tinggi, sedang, ringan, atau sangat ringan diperlukan metode klasifikasi. Pada penelitian ini, metode klasifikasi yang digunakan adalah metode klasifikasi nonparamterik, yaitu Naïve Bayes dan K Nearest Neigbours. Sehingga nanti didapatkan klasifikasi kualitas tanah berdasarkan tingkat korosivitas tanah dengan memilik model terbaik dari kedua metode klasifikasi tersebut yang disajikan dalam pemetaan korosivitas tanah. Tahapan dalam penelitian ini adalah memodelkan klasifikasi korosivitas tanah menggunakan algoritma Decision Tree, Naive Bayes dan K Nearest Neighbors, kemudian melakukan klasifikasi dengan data testing, mendapatkan Confusion matrix, Specificity, Sensitivity dan AUC, mendapatkan Importance Variable dan memilih Model terbaik. Penelitian ini ditargetkan minimal dapat dipublikasikan pada jurnal nasional. Kata Kunci : Chargeability, Data Mining, Kedalaman, Klasifikasi, K Nearest Neughbors, Korosivitas, Naïve Bayes , Resistivitas