<![CDATA[Penelitian ini mengembangkan sistem klasifikasi kelayakan donor darah berbasis metode data mining dengan fitur penanganan ketidakseimbangan data untuk meningkatkan akurasi prediksi. Sistem ini menggunakan algoritma SVM (Support Vector Machine) sebagai model klasifikasi utama dan metode SMOTE (Synthetic Minority Over-sampling Technique) untuk menyeimbangkan distribusi data antar kelas. Dataset donor darah yang diperoleh dari PMI Samarinda tahun 2024–2025 diolah melalui tahap pembersihan, normalisasi, serta validasi silang (Cross-validation) untuk mencegah Overfitting. Prototipe model diuji untuk memastikan kinerja klasifikasi terhadap data minoritas dan mayoritas dapat berjalan optimal. Hasil pengujian menunjukkan bahwa penerapan SMOTE berhasil meningkatkan akurasi hingga 96,05%, serta mengurangi kesalahan klasifikasi pada data minoritas. Penelitian ini berkontribusi dalam menyediakan solusi analitik berbasis Machine learning yang dapat diterapkan untuk permasalahan serupa, khususnya dalam meningkatkan akurasi klasifikasi pada data yang tidak seimbang.]]>
Copyrights © 2025
