Article Per Year (5 Year)
p-Index From 2019 - 2024
1.554
P-Index
This Author published in this journals
All Journal Sainmatika: Jurnal Ilmiah Matematika dan Ilmu Pengetahuan Alam Jurnal Aplikasi Statistika & Komputasi Statistik Jurnal Riset Pembelajaran Matematika Sekolah Jurnal Statistika dan Aplikasinya Journal of Medives: Journal of Mathematics Education IKIP Veteran Semarang STATISTIKA
Qorry Meidianingsih
Universitas Negeri Jakarta
Agriculture, Biological Sciences & Forestry Chemistry Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Mathematics Physics Social Sciences Other

Published : 9 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : Jurnal Aplikasi Statistika

 1 
ANALISIS PERBANDINGAN PERFORMA METODE ENSEMBLE DALAM MENANGANI IMBALANCED MULTI-CLASS CLASSIFICATION Qorry Meidianingsih; Devi Eka Wardani Meganingtyas
Jurnal Aplikasi Statistika & Komputasi Statistik Vol 14 No 1 (2022): Jurnal Aplikasi Statistika dan Komputasi Statistik
Publisher : Pusat Penelitian dan Pengabdian kepada Masyarakat Politeknik Statistika STIS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34123/jurnalasks.v14i2.335

Abstract

Penelitian ini fokus pada membandingkan kinerja beberapa metode ensemble dalam mengatasi imbalanced multi-class classification dimana metode dekomposisi one-versus-one (OVO) diterapkan sehingga metode klasifikasi Support Vector Machine yang standar dapat digunakan. Data penelitian merupakan hasil bangkitan software R yang dirancang berdasarkan level persentase kelas minoritas, yaitu menjadi kategori extreme, moderate, dan mild. Selain itu, dirancang pula kombinasi jumlah kelas mayoritas dan minoritas yang mungkin terjadi sehingga terdapat sembilan jenis data simulasi. Hasil penelitian menunjukkan bahwa secara umum rata-rata ketepatan klasifikasi paling rendah diperoleh ketika data simulasi bersifat moderate dengan sebaran gugus data terbagi menjadi 2 kelas mayoritas dan 1 kelas minoritas. Metode safe-level SMOTEBagging memberikan performa yang paling baik bagi semua jenis data simulasi, terutama ketika gugus data bersifat ekstrim, yaitu ditunjukkan dengan nilai rata-rata akurasi yang diperoleh sebesar 98.60 persen. Kinerja metode klasifikasi SVM cukup baik dimana nilai rata-rata tingkat akurasi setiap kelas berkisar antara 67.80-98.60 persen.
Co-Authors Aan Setiawan Afifah Nur Mutia Afifah Nur Mutia Bagus Sumargo Cucun Wahyuni Devi Eka Wardani Devi Eka Wardani Meganingtyas Dwi Antari Wijayanti Ellis Salsabila, Ellis Leny Dhianti Haeruman Lina Nafisah Nimas Ayu Hapsari Nurlailatul Qiram Pinta Deniyanti Sampoerno Vera Maya Santi