Catatan bukti · UDINUS · SDGs
- Unit
- Rektorat UDINUS
- Periode
- 2026
- Tujuan
- Nomor
- 0087e2b3-7e48-491a-b911-dbe6973d97e3
- Terbit
- 2026-10-30
Universitas Dian Nuswantoro melaksanakan penelitian mengenai klasifikasi peristiwa langka pada data tabular yang berisik dan sangat tidak seimbang, dengan Minardi, Joko; Budiman, Fikri; Fanani, Ahmad Zainul; dan Rijati, Nova berpartisipasi sebagai peneliti. Penelitian ini membahas catatan pemantauan pertumbuhan rutin yang digunakan untuk skrining berskala besar terhadap kekurangan gizi berat pada anak. Penelitian tersebut menjelaskan bahwa pembelajaran yang andal sulit dilakukan karena kasus berat jarang terjadi dan pengukuran rutin menimbulkan noise pada fitur dan label.
Kegiatan ini mengusulkan TAMS-DCSL sebagai kerangka dua tahap. Topology-Aware Minority Sampling menghasilkan contoh sintetis dari kelas minoritas dengan mempertahankan struktur lingkungan lokal. Pengambilan sampel dibatasi pada wilayah inti yang aman dari kelas minoritas berdasarkan kepadatan lingkungan dan konsistensi label, sehingga mengurangi noise dan tumpang tindih kelas. Dynamic Cost-Sensitive Learning memperbarui biaya kesalahan klasifikasi selama pelatihan menggunakan umpan balik validasi untuk mengatasi kelemahan rasio biaya statis.
UDINUS mengevaluasi kerangka tersebut pada dataset pemantauan pertumbuhan anak yang berisi 47.964 catatan dan label kegagalan antropometrik berat komposit berdasarkan kriteria z-score berat WHO. Hasil stratified k-fold meningkatkan recall kelas minoritas dari 0,643 menjadi 0,785 dan GMean dari 0,801 menjadi 0,863 dibandingkan XGBoost standar dengan spesifisitas tetap tinggi. Benchmark publik mengonfirmasi ketahanan pada ketidakseimbangan ekstrem dan kondisi label yang berisik. Kegiatan ini merupakan upaya penelitian kelembagaan untuk meningkatkan deteksi kegagalan antropometrik berat dalam data pemantauan rutin.