Lewati ke konten
SDGs Center UDINUS

Catatan bukti · UDINUS · SDGs

Optimalisasi Hasil Klasifikasi dengan Meminimalkan Ketidakseimbangan Kelas pada Algoritma Decision Tree

Rektorat UDINUS 2022 Terbit 2026-10-30

Catatan bukti · UDINUS · SDGs

Unit
Rektorat UDINUS
Periode
2022
Tujuan
Nomor
74800d08-9690-4bc1-880b-fae0a244a7a2
Terbit
2026-10-30

Universitas Dian Nuswantoro melaksanakan studi mengenai optimalisasi hasil klasifikasi dengan meminimalkan ketidakseimbangan kelas pada algoritma Decision Tree. Kegiatan ini melibatkan Budiman, Fikri; Saputro, Irwan Agus; Purwanto, Purwanto; dan Andono, Pulung Nurtantio sebagai peserta dari UDINUS. Studi tersebut membahas ketidakseimbangan jumlah dataset pelatihan pada setiap kelas, yang berkaitan dengan akurasi batas klasifikasi dan akurasi klasifikasi yang tidak maksimal.

Kegiatan ini mengkaji kebutuhan untuk meningkatkan akurasi klasifikasi pada data minoritas tanpa menyebabkan penurunan akurasi klasifikasi pada data mayoritas. Untuk menangani dataset pelatihan minoritas, studi ini menerapkan suatu metode pada klasifikasi menggunakan algoritma Decision Tree. Dataset yang digunakan adalah Breast Cancer, dengan 286 instance dan dua kelas. Kelas no-recurrence-events terdiri atas 201 instance, sedangkan kelas recurrence-events terdiri atas 85 instance.

Metode ensemble classifier yang diterapkan untuk mengatasi ketidakseimbangan kelas menggunakan kombinasi algoritma AdaBoost, Bagging, dan SMOTE. Studi ini menguji kombinasi algoritma tersebut dan membandingkan hasil klasifikasi yang diperoleh. Kombinasi AdaBoost, Bagging, dan SMOTE menghasilkan nilai akurasi tertinggi yang dilaporkan dalam sumber, yaitu 84,3%. Melalui kegiatan ini, UDINUS melaksanakan penelitian klasifikasi menggunakan data Breast Cancer, kelas minoritas dan mayoritas, algoritma Decision Tree, serta kombinasi ensemble classifier. Fokus studi ini adalah penanganan ketidakseimbangan kelas dan perbandingan kombinasi algoritma.

Rujukan https://www.scopus.com/pages/publications/85128218825?origin=resultslist