IMPLEMENTASI KOMBINASI K-MEANS DAN SMOTE (K-MEANS SMOTE) UNTUK KLASIFIKASI DATA TIDAK SEIMBANG

Zulfah Zuhrotunnisa, Drs. Danardono, MPH., Ph.D.

2024 | Skripsi | STATISTIKA

Data merupakan aspek penting dalam proses pengambilan keputusan dalam berbagai bidang. Dalam bidang medis, analisis klasifikasi merupakan salah satu analisis yang sangat umum digunakan dalam pengolahan data. Namun salah satu permasalahan yang sering ditemui pada proses pengolahan data khususnya data untuk analisis klasifikasi yaitu adanya persebaran jumlah observasi di setiap kelompok yang tidak merata (imbalanced data). Imbalanced data ini dapat menyebabkan analisis klasifikasi bersifat bias karena adanya kelompok mayoritas dan kelompok minoritas. Untuk mengatasi hal tersebut dapat dilakukan metode oversampling data menggunakan SMOTE yang akan membentuk instance sintesis pada kelas minoritas. Akan tetapi SMOTE memiliki kekurangan dimana SMOTE dapat mengakibatkan overfitting pada antar kelasnya karena instance kelas minoritas yang ditambahkan akan berada di bagian kelas mayoritas ataupun sebaliknya. Oleh karena itu, dikombinasikan SMOTE dengan analisis clustering KMeans untuk mengatasi kekurangan dari SMOTE sehingga hasil yang diperoleh akan lebih representatif dan menghasilkan performa yang lebih baik. Pada skripsi ini dilakukan analisis klasifikasi Naïve Bayes pada data haberman dan breast cancer yang dikombinasikan dengan SMOTE dan KMeans SMOTE. Untuk menentukan jumlah cluster terbaik digunakan Indeks Davies Bouldin.

Data is an important aspect in the decision-making process in various fields. In the medical field, classification analysis is one of the analyzes that is very commonly used in data processing. However, one of the problems that is often encountered in the data processing process, especially data for classification analysis, is the uneven distribution of the number of observations in each group (imbalanced data). This imbalanced data can cause biased classification analysis due to the existence of majority groups and minority groups. To overcome this, a data oversampling method can be used using SMOTE which will form synthetic instances in the minority class. However, SMOTE has a drawback in that it does not look at the data structure and can result in overfitting between classes. Therefore, SMOTE is combined with KMeans clustering analysis to overcome the shortcomings of SMOTE so that the results obtained will be more representative and produce better performance. In this thesis, a Naïve Bayes classification analysis was carried out on Haberman and breast cancer data combined with SMOTE and KMeans SMOTE. To determine the best number of clusters used Davies Bouldin Index. 

Kata Kunci : klasifikasi, imbalanced data, SMOTE, KMeans SMOTE, Naïve Bayes, Indeks Davies Bouldin.