Top Keyword
... 794
Banjir... 81
Sistem Informasi... 80
Black Box Testing... 79
website... 69
System Usability Scal... 67
Adsorpsi... 60
Resistivitas... 58
Bandar Lampung... 58
Lampung... 57
Pengaruh Variasi Oversampling dan Konfigurasi SVM Pada Metode HOUM Terhadap Data Klasifikasi Tidak Seimbang
View/Open
Author
RIZKI, ALFARIZ RAMADHAN
Date Published
18 Jun 2026
Advisor
Meida Cahyo Untoro, S.Kom., M.Kom,
Subject
Teknik Informatika
Publisher
Author
RIZKI, ALFARIZ RAMADHAN
Date Published
18 Jun 2026
Advisor
Meida Cahyo Untoro, S.Kom., M.Kom,
Subject
Teknik Informatika
Publisher
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 menggabungkan Safe-Level SMOTE untuk oversampling dan SVM untuk undersampling secara iteratif. Namun, penelitian sebelumnya belum mengeksplorasi pengaruh variasi parameter regularisasi
URI
https://repo.itera.ac.id/depan/submission/SB2606180245
Keyword
HOUM Oversampling Undersampling ADASYN Safe-Level SMOTE SVM Imbalanced Data
URI
https://repo.itera.ac.id/depan/submission/SB2606180245
Keyword
HOUM Oversampling Undersampling ADASYN Safe-Level SMOTE SVM Imbalanced Data