eprintid: 31765
rev_number: 7
eprint_status: archive
userid: 12
dir: disk0/00/03/17/65
datestamp: 2026-06-29 02:01:48
lastmod: 2026-06-29 02:01:48
status_changed: 2026-06-29 02:01:48
type: thesis
metadata_visibility: show
creators_name: Izzi, Hizbul
creators_nim: 22.55.1206
contributors_name: Setyanto, Arief
corp_creators: Universitas AMIKOM Yogyakarta
title: PENINGKATAN RECOGNITION RATE KELAS MINORITAS ALGORITMA
NAIVE BAYES DENGAN METODE SMOTE PADA DATA NUMERIK
ispublished: pub
subjects: 000.000.000A
divisions: PJJ
full_text_status: public
keywords: Data Numerik, Klasifikasi, K-Fold Cross Validation, Naïve Bayes,
SMOTE, Classification
abstract: Pada penelitian ini akan mengklasifikasikan data numerik yaitu data loan
yang diambil dari Kaggle. Data yang digunakan berjumlah 9578 dataset yang
meliputi kelas data dengan peminjam dapat menyelesaikan kredit sebanyak
8045 record dan peminjaman yang tidak dapat menyelesaikan kredit sebanyak
1533 record. Dari jumlah data tersebut terdapat ketidakseimbangan kelas
sehingga perlu dilakukan penyeimbangan agar mendapatkan hasil klasifikasi
yang lebih akurat. Tujuan dari penelitian ini adalah meningkatkan akurasi
algoritma Naïve Bayes dalam mengklasifikasikan data numerik. Penipuan
dalam transaksi keuangan adalah contoh kasus data tidak seimbang, di mana
jumlah transaksi yang sah jauh lebih banyak dibandingkan yang merupakan
penipuan.
Optimalisasi akurasi pada kelas minoritas (penipuan) sangat penting untuk
menghindari kerugian. Metode yang digunakan untuk meningkatkan akurasi
algoritma yaitu Syntetic Minority Oversampling Tecnique (SMOTE) dengan
cara meng-over sampling minoritas dataset. Selain itu juga menggunakan metoe
K-Fold Cross Validation untuk mengevaluasi performa dari proses algoritma
yang digunakan. Praproses data dilakukan untuk membersihkan data dari nilai-
nilai yang hilang dan tidak valid serta menormalisasi data supaya semua fitur
berada dalam skala yang sama dan sesuai untuk analisis klasifikasi.
Berdasarkan hasil analisis yang dilakukan, sebelum penerapan SMOTE
kemampuan model mengenali kelas minoritas sebesar 16.1%, sedangkan setelah
penerapan SMOTE kemampuan model mengenali kelas minoritas menjadi
48.8%. Selain itu juga sebelum penerapan SMOTE model mampu memprediksi
kelas minoritas dengan benar sebanyak 10 kasus sedangkan setelah penerapan
SMOTE, model mampu memprediksi kelas minoritas dengan benar sebanyak
102 kasus. Sehingga dapat disimpulkan bahwa teknik SMOTE mampu
meningkatkan kemampuan model
date: 2025-08-27
date_type: published
institution: Universitas AMIKOM Yogyakarta
department: PJJ Magister Informatika
thesis_type: masters
thesis_name: tesis
citation:   Izzi, Hizbul  (2025) PENINGKATAN RECOGNITION RATE KELAS MINORITAS ALGORITMA NAIVE BAYES DENGAN METODE SMOTE PADA DATA NUMERIK.  S2 - Magister thesis, Universitas AMIKOM Yogyakarta.   
document_url: https://eprints.amikom.ac.id/id/eprint/31765/1/22.55.1206%20%20Hizbul%20Izzi.pdf