Perbandingan Algoritma Deep Q-Network dan Local Outlier Factor Untuk Deteksi Anomali Konsumsi Air Minum Pelanggan PUDAM Kabupaten Banyuwangi

Daniswara, Andhika Ahnaf (2024) Perbandingan Algoritma Deep Q-Network dan Local Outlier Factor Untuk Deteksi Anomali Konsumsi Air Minum Pelanggan PUDAM Kabupaten Banyuwangi. Undergraduate thesis, UPN Veteran Jawa Timur.

	Text (Cover) 19081010124-cover.pdf Download (1MB)
	Text (Bab 1) 19081010124-bab1.pdf Download (151kB)
	Text (Bab 2) 19081010124-bab2.pdf Restricted to Repository staff only until 19 July 2026. Download (494kB)
	Text (Bab 3) 19081010124-bab3.pdf Restricted to Repository staff only until 19 July 2026. Download (239kB)
	Text (Bab 4) 19081010124-bab4.pdf Restricted to Repository staff only until 19 July 2026. Download (2MB)
	Text (Bab 5) 19081010124-bab5.pdf Download (64kB)
	Text (Daftar Pustaka) 19081010124-daftarpustaka.pdf Download (198kB)
	Text (Lampiran) 19081010124-lampiran.pdf Restricted to Registered users only until 19 July 2026. Download (218kB)

Abstract

Air merupakan kebutuhan dasar hidup manusia baik untuk minum, masak, mandi, mencuci, dll. Ketersediaan air minum yang memenuhi aspek 3K (Kuantitas, Kualitas dan Kontinuitas), sangat diperlukan untuk meningkatkan kualitas hidup manusia. Untuk mewujudkannya, diperlukan Sistem Penyediaan Air Minum (SPAM) yang merupakan satu kesatuan sarana dan prasarana penyediaan air minum yang merupakan kewajiban dan tanggung jawab PUDAM Kabupaten Banyuwangi, salah satu permasalahan yang dihadapi dalam SPAM adalah Air Tak Berekening (ATR). Salah satu cara untuk menangani permasalahan tersebut yakni dengan mendeteksi anomali pada data konsumsi air minum pelanggan. Dalam membantu menangani permasalahan tersebut dapat dilakukan dengan menggunakan pendekatan machine learning dengan menggunakan algoritma Deep Q-Network dan Local Outlier Factor. Berdasarkan penjelasan tersebut penulis melakukan penelitian untuk membandingkan metode Deep Q-Network dan Local Outlier Factor dalam mendeteksi anomali pada data konsumsi air pelanggan PUDAM Kabupaten Banyuwangi untuk mengetahui hasil analisa perbandingan kedua metode tersebut dibandingkan dengan perhitungan manual menggunakan Microsoft Excel dengan metode interquartile range (IQR) . Pada penelitian ini mendapatkan hasil performa model terbaik menggunakan algoritma Local Outlier Factor dengan nilai F1-Score sebesar 36 %. Hasil analisa dapat disimpulkan bahwa algoritma DQN kurang cocok untuk mendeteksi anomali jika dibandingkan dengan algoritma Local Outlier Factor, terbukti dengan adanya kesalahan deteksi pada algoritma Deep Q-Network, sedangkan untuk hasil pengujian performa kedua algoritma tersebut masih tergolong rendah, karena adanya perbedaan pendekatan dalam mendeteksi anomali antara algoritma Deep Q-Network dan Local Outlier Factor, dengan perhitungan manual menggunakan Microsoft Excel dengan metode interquartile range (IQR). Kata Kunci : Air Tak Berekening, Konsumsi air, Anomali, DQN, LOF, IQR

Item Type:	Thesis (Undergraduate)
Contributors:	Contribution Contributors NIDN/NIDK Email Thesis advisor Rahmat, Basuki NIDN basukirahmat.if@upnjatim.ac.id Thesis advisor Puspaningrum, Eva Yulia NIDN evapuspaningrum.if@upnjatim.ac.id
Subjects:	T Technology > T Technology (General)
Divisions:	Faculty of Computer Science > Departemen of Informatics
Depositing User:	Andhika Andhika Ahnaf
Date Deposited:	19 Jul 2024 03:13
Last Modified:	19 Jul 2024 03:13
URI:	https://repository.upnjatim.ac.id/id/eprint/26622

Actions (login required)

View Item