Rizqi, Muhammad Fathur (2022) IMPLEMENTASI SMOTE DAN PERBANDINGAN KINERJA ALGORITMA KLASIFIKASI PADA KASUS IMBALANCE CLASS. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.
![[img]](https://eprints.amikom.ac.id//style/images/fileicons/text.png) |
Text (COVER-ABSTRAK)
COVER.pdf Download (595kB) |
|
Text (BAB I)
BAB I.pdf Download (137kB) |
|
Text (BAB II)
BAB II.pdf Restricted to Registered users only Download (578kB) |
|
Text (BAB III)
BAB III.pdf Restricted to Registered users only Download (517kB) |
|
Text (BAB IV)
BAB IV.pdf Restricted to Registered users only Download (547kB) |
|
Text (BAB V)
BAB V.pdf Download (75kB) |
|
Text (DAFTAR PUSTAKA)
Daftar Pustaka.pdf Restricted to Registered users only Download (87kB) |
![[img]](https://eprints.amikom.ac.id//style/images/fileicons/archive.png) |
Archive (SOURCE CODE)
Source Code 19.11.2757 Muhammad Fathur Rizqi.zip Restricted to Repository staff only Download (86kB) |
|
Text (PUBLIKASI)
Publikasi 19.11.2757 Muhammad Fathur Rizqi.pdf Restricted to Repository staff only Download (321kB) |
Abstract
Permasalahan pada kasus klasifikasi data mining yang cukup sering terjadi yaitu adanya imbalance class pada suatu dataset yang dapat mempengaruhi kualitas klasifikasi pada model machine learning sehingga model tidak dapat memprediksi dengan benar kedua kelas secara seimbang. Penelitian ini bertujuan mengaplikasikan algoritma SMOTE oversampling untuk menangani permasalahan imbalance class pada dataset stroke prediction dan melakukan perbandingan hasil pada algoritma klasifikasi yang diimplementasikan SMOTE dan tanpa SMOTE. Algoritma yang digunakan yakni Naïve Bayes Classifier, C4.5 dan K-Nearest Neighbor. Uji evaluasi dilakukan menggunakan g-mean, confusion matrix dan akurasi. Hasil yang didapatkan dari penelitian ini adalah SMOTE mempengaruhi penurunan nilai akurasi pada tiap algoritma klasifikasi seperti pada algoritma C4.5 terjadi penurunan nilai akurasi sebesar 3%, KNN dengan penurunan nilai akurasi sebesar 12% dan NBC turun sebesar 16%. Namun disisi lain nilai g-mean pada algoritma klasifikasi yang telah dilakukan SMOTE mengalami peningkatan seperti pada algoritma C4.5 mengalami peningkatan nilai g-mean setelah diimplementasikan SMOTE sebesar 13%, KNN dengan peningkatan yang cukup tinggi yakni 45% dan NBC dengan peningkatan yang sedikit yaitu 4%.
| Item Type: | Thesis (S1 - Sarjana) | ||
|---|---|---|---|
| Contributor: |
|
||
| Uncontrolled Keywords: | Data Mining, Imbalance Class, Klasifikasi, Oversampling, Syntethic Minority Over-sampling Technique (SMOTE) | ||
| Subjects: | 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 000 Ilmu komputer, informasi dan pekerjaan umum 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 004 Pemrosesan data dan ilmu komputer |
||
| Divisions: | Fakultas Ilmu Komputer > Informatika | ||
| Depositing User: | RC Universitas AMIKOM Yogyakarta | ||
| Date Deposited: | 01 Feb 2023 06:13 | ||
| Last Modified: | 28 Jul 2023 06:47 | ||
| URI: | http://eprints.amikom.ac.id/id/eprint/15715 |
Actions (login required)
 |
View Item |