Penerapan Safe-level Synthetic Minority Oversampling Technique (Safe-level SMOTE) pada Analisis Klasifikasi dengan Data Tidak Seimbang

Oktavia Marwatin Hudanti, Drs. Danardono, MPH., Ph.D.

2023 | Skripsi | STATISTIKA

Analisis klasifikasi merupakan salah satu metode yang cukup populer dalam machine learning. Namun pada penerapannya, masih sering ditemukan analisis klasifikasi dengan data tidak seimbang. Data tidak seimbang merupakan kondisi di mana distribusi kelas data tidak seimbang, yakni jumlah pengamatan pada salah satu kelas lebih banyak dibandingkan dengan kelas lainnya. Data tidak seimbang dapat menyebabkan kesalahan klasifikasi, dimana kelas minoritas salah diklasifikasikan menjadi kelas mayoritas. Sehingga proses klasifikasi dilakukan hanya berdasarkan kelas mayoritas saja tanpa memperhatikan kelas minoritas. Oleh karena itu diperlukan penanganan data tidak seimbang, diantaranya dengan melakukan undersampling atau oversampling. Safe-level SMOTE merupakan salah satu teknik oversampling hasil pengembangan dari SMOTE. Safe-level SMOTE membangkitkan data sintetis berdasarkan kriteria yang disebut dengan safe level ratio. Pada studi kasus ini dilakukan penerapan Safe-level SMOTE pada dua jenis data yakni data simulasi dengan proporsi kelas minoritas berbeda-beda dan data Indian Liver Patient Dataset.

Classification analysis is one of popular method in machine learning. However, in its applications classification analysis is often found with imbalanced data. Imbalanced data is a condition which the distribution of classes data is unbalance, the number of observations in one class is more than the other class. Imbalanced data can cause misclassification, where minority class is incorrectly classified as majority class. So the classification process is only based on majority class without notice minority class. There are several methods for handling this imbalanced data problem, including undersampling and oversampling. Safe-level SMOTE is one of the oversampling techniques developed by SMOTE. Safe-level SMOTE generate the synthetic data based on criterion called safe-level ratio. In this case study, Safe-level SMOTE applied with two types of data, simulation data with different minority class proportion and Indian Liver Patient Dataset. 

Kata Kunci : klasifikasi, data tidak seimbang, SMOTE, Safe-level SMOTE