Repository Institut teknologi Sumatera


Evaluasi SMOTE dan ADASYN dalam Mengatasi Imbalance Data pada Machine Learning Classification Ahmad Fadillah / Meida Cahyo Untoro, S.Kom., M.Kom / Teknik Informatika, 2024 Ketidakseimbangan data adalah kondisi di mana jumlah instance dalam satu kelas jauh lebih banyak dibandingkan dengan kelas lainnya, yang mengakibatkan kesalahan klasifikasi (misclassification) pada model machine learning. Misclassification terdiri dari False Positive dan False Negative. False Pos...
Pengaruh Variasi Oversampling dan Konfigurasi SVM Pada Metode HOUM Terhadap Data Klasifikasi Tidak Seimbang RIZKI ALFARIZ RAMADHAN / Meida Cahyo Untoro, S.Kom., M.Kom / Teknik Informatika, 2026 Ketidakseimbangan distribusi kelas merupakan permasalahan yang sering dihadapi dalam klasifikasi machine learning, menyebabkan model cenderung bias terhadap kelas mayoritas dan gagal mendeteksi kelas minoritas. HOUM (Hybrid Oversampling and Undersampling Method) merupakan metode hibrida yang menggab...

Evaluasi SMOTE dan ADASYN dalam Mengatasi Imbalance Data pada Machine Learning Classification

Ahmad Fadillah / Meida Cahyo Untoro, S.Kom., M.Kom / Teknik Informatika, 2024

Ketidakseimbangan data adalah kondisi di mana jumlah instance dalam satu kelas jauh lebih banyak dibandingkan dengan kelas lainnya, yang mengakibatkan kesalahan klasifikasi (misclassification) pada model machine learning. Misclassification terdiri dari False Positive dan False Negative. False Pos...

Pengaruh Variasi Oversampling dan Konfigurasi SVM Pada Metode HOUM Terhadap Data Klasifikasi Tidak Seimbang

RIZKI ALFARIZ RAMADHAN / Meida Cahyo Untoro, S.Kom., M.Kom / Teknik Informatika, 2026

Ketidakseimbangan distribusi kelas merupakan permasalahan yang sering dihadapi dalam klasifikasi machine learning, menyebabkan model cenderung bias terhadap kelas mayoritas dan gagal mendeteksi kelas minoritas. HOUM (Hybrid Oversampling and Undersampling Method) merupakan metode hibrida yang menggab...