-, Fitrahdin (2021) IMPLEMENTASI SMOTE UNTUK MENGATASI CLASS IMBALANCE PADA DATA MULTILABEL DENGAN ALGORITMA KNN. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.
![[img]](https://eprints.amikom.ac.id//style/images/fileicons/text.png) |
Text (COVER-ABSTRAK)
COVER.pdf Download (719kB) |
|
Text (BAB I)
BAB I.pdf Download (229kB) |
|
Text (BAB II)
BAB II.pdf Restricted to Registered users only Download (587kB) |
|
Text (BAB III)
BAB III.pdf Restricted to Registered users only Download (468kB) |
|
Text (BAB IV)
BAB IV.pdf Restricted to Registered users only Download (430kB) |
|
Text (BAB V)
BAB V.pdf Download (55kB) |
|
Text (DAFTAR PUSTAKA)
Daftar Pustaka.pdf Restricted to Registered users only Download (84kB) |
![[img]](https://eprints.amikom.ac.id//style/images/fileicons/other.png) |
Other (SOURCE CODE)
Source Code-16.11.0390-Fitrahdin - Fitrahdin Fitrahdin.rar Restricted to Repository staff only Download (9kB) |
|
Text (PUBLIKASI)
Publikasi-16.11.0390 -Fitrahdin - Fitrahdin Fitrahdin.pdf Restricted to Repository staff only Download (683kB) |
Abstract
Permasalahan ketidak seimbangan kelas akan terus ada karena data tidak dapat dipaksa untuk selalu seimbang. Ketidak seimbangan kelas memberikan dampak yang tidak baik pada hasil klasifikasi dimana kelas minoritas sering disalah klasifikasikan sebagai kelas mayoritas. Hal ini dapat menurunkan nilai accuracy hasil klasifikasi. SMOTE merupakan salah satu turunan teknik over-sampling untuk menanggulangi ketidakseimbangan kelas dengan menyeimbangkan dataset dengan meningkatkan ukuran kelas minor. SMOTE diterapkan pada klasifikasi dataset car evolution menggunakan algoritma klasifikasi KNN. Hasil klasifikasi dievaluasi akurasinya menggunakan 10 fold-cross validation dengan membandingkan hasil klasifikasi yang hanya menggunakan KNN dan menggunakan KNN dan SMOTE. Hasil penelitian menunjukkan bahwa penggunaan SMOTE mampu mengatasi imbalance class dengan menaikkan nilai akurasi sebesar 2%. Dimana awalnya akurasi yang yang hanya menggunakan KNN adalah sebesar 92% meningkat menjadi 94%. Nilai k pada klasifikasi K-NN sangat berpengaruh terhadap tingkat akurasi. Berdasarkan hasil uji dengan k=3, k=5 dan k=10, maka akurasi klasifikasi tertinggi K-NN adalah k=5.
| Item Type: | Thesis (S1 - Sarjana) | ||
|---|---|---|---|
| Contributor: |
|
||
| Uncontrolled Keywords: | Klasifikasi, K-NN, SMOTE, Imbalance Class, classification | ||
| Subjects: | 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 003 Sistem-sistem 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: | 13 Jun 2022 02:06 | ||
| Last Modified: | 09 Aug 2023 01:36 | ||
| URI: | http://eprints.amikom.ac.id/id/eprint/788 |
Actions (login required)
 |
View Item |