Skripsi Statistik

Penanganan ketidakseimbangnya data menggunakan algoritma Synthetic Minority Oversampling Technique (SMOTE) pada klasifikasi menggunakan metode decision tree

---

Salah satu program pemerintah dalam menaggulangi kemiskinan adalah bantuan beras miskin. Penelitian ini menerapkan metode klasifikasi dengan decision tree yang menghasilkan pohon keputusan untuk mengambil keputusan secara tepat, namun terdapat masalah yang sering ditemui yaitu ketidakseimbangan data. Guna mengatasi hal ini diperlukan penanganan dengan menggunakan algoritma Synthetic Minority Oversampling Technique (SMOTE) agar tidak terjadi masalah accuracy paradox, artinya menyatakan suatu kelas yang diteliti cenderung terdistribusi lebih banyak atau lebih sedikit dibandingkan kelas yang lain. Data sintesis diseimbangkan menjadi 356 data, dengan 192 untuk data 0 (tidak menerima bantuan beras miskin) dan 172 untuk data 1 (menerima bantuan beras miskin). Dikatakan seimbang karena memiliki jumlah kelas tidak jauh satu sama lainnya, sehingga pada saat dilakukan pengklasifikasian menghasilkan tingkat specificity dan precision sebesar 56,25% dan 88,5%. Algoritma SMOTE dapat memperbaiki hasil klasifikasi menjadi lebih baik untuk tingkat rata-rata ketepatan pada data penerima bantuan beras miskin di Kota Palu tahun 2018.
Kata kunci: Decision Tree, SMOTE, Ketidakseimbangan Data

---

Ketersediaan

Informasi Detail

Judul Seri

-

No. Panggil

519.072 AYU p

Penerbit

Palu : FMIPA Universitas Tadulako Jurusan Matematika Prodi Statistika., 2022

Deskripsi Fisik

xv, 94 hlm,; ilus.; 30 cm

Bahasa

Indonesia

ISBN/ISSN

G 501 15 012

Klasifikasi

519.072

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

-

Subjek

-

Info Detail Spesifik

-

Pernyataan Tanggungjawab

Ayu Rara Lesye Lubalu

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar