Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Jiko (Jurnal Informatika dan komputer)
Ariani Indrawati
Lembaga Ilmu Pengetahuan Indonesia
Computer Science & IT

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
PENERAPAN TEKNIK KOMBINASI OVERSAMPLING DAN UNDERSAMPLING UNTUK MENGATASI PERMASALAHAN IMBALANCED DATASET Ariani Indrawati
JIKO (Jurnal Informatika dan Komputer) Vol 4, No 1 (2021)
Publisher : Journal Of Informatics and Computer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33387/jiko.v4i1.2561

Abstract

Salah satu permasalahan pada machine learning yang cukup sering terjadi adalah ketidakseimbangan data yang digunakan atau sering disebut dengan imbalanced dataset. Cukup banyak penelitian yang melaporkan bahwa imbalanced dataset ini seringkali memberikan hasil yang keliru. Perlu ada penanganan khusus sebelum imbalanced dataset tersebut dapat digunakan pada machine learning. Cara paling populer dan efektif dalam mengatasi permasalahan imbalanced dataset adalah melakukan resampling, baik oversampling, undersampling, ataupun kombinasi keduanya. Pada penelitian ini akan dilakukan uji coba teknik kombinasi dengan menggabungkan teknik oversampling Synthetic Minority Oversampling Technique (SMOTE) dengan teknik undersampling Edited Nearest Neighbors (ENN) dan TomekLinks terhadap Support Vector Machine (SVM). Tiga public dataset UCI yaitu Breast Cancer Wisconsin, Pima Indian Diabetes, dan Heart Disease Detection digunakan pada penelitian ini dengan Python sebagai alat bantu pemrograman. Berdasarkan hasil uji coba yang dilakukan diketahui bahwa teknik kombinasi dapat membantu mengatasi permasalahan imbalanced dataset pada machine learning, SMOTE-ENN dapat meningkatkan performa akurasi dari SVM sebesar 2% hingga 23%.
Co-Authors Andre Sihombing Hendro Subagyo Sjaeful Afandi Wagiyah Wagiyah