Rosyad, Galih Adhi Kuncoro (2022) IMPLEMENTASI METODE OVERSAMPLING UNTUK MENINGKATKAN KINERJA ALGORITMA KLASIFIKASI PADA KASUS IMBALANCED DATASET. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.
![[img]](https://eprints.amikom.ac.id//style/images/fileicons/text.png) |
Text (COVER-ABSTRAK)
COVER.pdf Download (997kB) |
|
Text (BAB I)
BAB I.pdf Download (289kB) |
|
Text (BAB II)
BAB II.pdf Restricted to Registered users only Download (994kB) |
|
Text (BAB III)
BAB III.pdf Restricted to Registered users only Download (682kB) |
|
Text (BAB IV)
BAB IV.pdf Restricted to Registered users only Download (568kB) |
|
Text (BAB V)
BAB V.pdf Download (91kB) |
|
Text (DAFTAR PUSTAKA)
Daftar Pustaka.pdf Restricted to Registered users only Download (211kB) |
![[img]](https://eprints.amikom.ac.id//style/images/fileicons/other.png) |
Other (SOURCE CODE)
Source Code 17.11.1440 Galih Adhi Kuncoro Rosyad.rar Restricted to Repository staff only Download (2kB) |
|
Text (PUBLIKASI)
Publikasi 17.11.1440 Galih Adhi Kuncoro Rosyad.pdf Restricted to Repository staff only Download (703kB) |
Abstract
Permasalahan yang dilakukan dalam penelitian ini adalah ketidakseimbangan kelas, hal ini dapat menimbulkan resiko kesalahan dalam melakukan klasifikasi dikarenakan jumlah kelas mayoritas yang lebih mendominasi serta menjadikan kelas minoritas sebagai noise sample. Penelitian ini menggunakan metode Adaptive Synthetic dan Synthetic Minority Oversampling Technique dalam menangani ketidakseimbangan pada kelas dataset. Penelitian ini melibatkan dua dataset yang berbeda serta dievaluasi berdasarkan nilai balance accuracy dan geometric-mean. Pengujian evaluasi balance accuracy maupun geometric-mean pada dataset wine_quality diperoleh hasil yang optimal pada metode ADASYN dengan menggunakan algoritma klasifikasi Naïve Bayes dengan balance accuracy 0,751718 dan geometric-mean 0,749367 . Sedangkan pada dataset us_crime diperoleh hasil yang optimal pada metode SMOTE dengan menggunakan algoritma klasifikasi Naïve Bayes dengan balance accuracy 0,901907 dan geometric – mean 0,899661. Dengan peningkatan hasil balance accuracy dan geometric-mean, maka kemampuan klasifikasi dan kepekaan terhadap data minoritas meningkat, sehingga hasil penelitian ini diharapkan dapat digunakan sebagai acuan penanganan kasus ketidakseimbangan kelas.
| Item Type: | Thesis (S1 - Sarjana) | ||
|---|---|---|---|
| Contributor: |
|
||
| Uncontrolled Keywords: | Adaptive Synthetic, Synthetic Minority Oversampling Technique, K – Nearest Neighbor, Naïve Bayes, geometric – mean, ketidakseimbangan kelas. | ||
| Subjects: | 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 004 Pemrosesan data dan ilmu komputer 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 005 Pemrograman komputer, program dan data |
||
| Divisions: | Fakultas Ilmu Komputer > Informatika | ||
| Depositing User: | RC Universitas AMIKOM Yogyakarta | ||
| Date Deposited: | 10 Oct 2022 04:28 | ||
| Last Modified: | 01 Aug 2023 04:07 | ||
| URI: | http://eprints.amikom.ac.id/id/eprint/8601 |
Actions (login required)
 |
View Item |