Komparasi Algoritma Kasifikasi dengan Pendekatan Level Data untuk Menangani Data Kelas Tidak Seimbang

Ahmad Ilham
Journal article Jurnal Ilmiah Ilmu Komputer • April 2017

Download full text
(Bahasa Indonesia, 6 pages)

Abstract

Masalah data kelas tidak seimbang memiliki efek buruk pada ketepatan prediksi data. Untuk menangani masalah ini, telah banyak penelitian sebelumnya menggunakan algoritma klasifikasi menangani masalah data kelas tidak seimbang. Pada penelitian ini akan menyajikan teknik under-sampling dan over-sampling untuk menangani data kelas tidak seimbang. Teknik ini akan digunakan pada tingkat preprocessing untuk menyeimbangkan kondisi kelas pada data. Hasil eksperimen menunjukkan neural network (NN) lebih unggul dari decision tree (DT), linear regression (LR), naïve bayes (NB) dan support vector machine (SVM).

Metrics

  • 9 views
  • 0 downloads

Journal

Jurnal Ilmiah Ilmu Komputer

Jurnal Ilmiah Ilmu Komputer is a journal that contains scientific writings on scientific research... see more