Optimasi Metode CART Menggunakan Metode Bagging Pada Studi Kasus Data Imbalance Berbasis Metode Adasyn

Khana Pujiyanti

doi:10.26555/jim.v10i1.30874

Authors

Khana Pujiyanti

DOI:

https://doi.org/10.26555/jim.v10i1.30874

Keywords:

Data Imbalance,, CART,, ADASYN,, BAGGING,

Abstract

Penelitian ini membahas mengenai permasalahan data imbalance yang menyebabkan kinerja dari model klasifikasi menjadi tidak optimal. Dalam penelitian ini menerapkan metode Adaptive Synthetic Sampling (ADASYN) untuk menangani permasalahan data imbalance, metode Classification and Regression Tree (CART) diterapkan sebagai metode klasifikasi pada dataset penyakit stroke, dan metode Boostrap Agregating (Bagging) untuk mengoptimalkan metode Cart. Penelitian ini bertujuan untuk mengetahui cara kerja dan performa dari penerapan metode Adasyn, Cart, dan Bagging dengan membangun tiga model klasifikasi yaitu model Cart, model Cart Adasyn, dan model Cart Adasyn Bagging. Hasil penelitian menunjukan model Cart menghasilkan nilai akurasi sebesar 94%, G-mean sebesar 0%, dan AUC sebesar 50%. Model Cart Adasyn menghasilkan nilai akurasi 78%, G-Mean 74% dan AUC 74%. Model Cart Adasyn Bagging menghasilkan nilai akurasi 78%, G-mean 76%, dan AUC 76%. Oleh karena itu, dapat disimpulkan bahwa kombinasi metode Cart, Adasyn, dan Bagging memberikan performa terbaik dalam mengatasi data tidak seimbang untuk klasifikasi penyakit stroke. Model Cart Adasyn Bagging terbukti lebih baik dalam memprediksi kedua kelas mayoritas dan kelas minoritas.

References

B. Krawczyk, “Learning from imbalanced data: open challenges and future directions,” Prog. Artif. Intell., vol. 5, no. 4, pp. 221–H. He, Y. Bai, E. A. Garcia, and S. Li, “ADASYN: Adaptive synthetic sampling approach for imbalanced learning,” Proceedings of the International Joint Conference on Neural Networks, 2008, pp. 1322–1328. doi: 10.1109/IJCNN.2008.4633969.

N. G. Ramadhan, “Comparative Analysis of ADASYN-SVM and SMOTE-SVM Methods on the Detection of Type 2 Diabetes Mellitus,” Sci. J. Informatics, vol. 8, no. 2, pp. 276–282, 2021, doi: 10.15294/sji.v8i2.32484.

S. N. Lathifah, F. Nhita, A. Aditsania, and D. Saepudin, “Rainfall forecasting using the classification and regression tree (CART) algorithm and adaptive synthetic sampling (study case: Bandung regency).,” in 2019 7th International Conference on Information and Communication Technology (ICoICT), 2019, pp. 1–5. doi: 10.1109/ICoICT.2019.8835308.

S. Gocheva-Ilieva, H. Kulina, and A. Ivanov, “Assessment of students’ achievements and competencies in mathematics using cart and cart ensembles and bagging with combined model improvement by mars,” Mathematics, vol. 9, no. 1, pp. 1–17, 2021, doi: 10.3390/math9010062.

R. Kustiawan, A. Adiwijaya, and M. D. Purbolaksono, “A Multi-label Classification on Topic of Hadith Verses in Indonesian Translation using CART and Bagging,” J. Media Inform. Budidarma, vol. 6, no. 2, p. 868, 2022, doi: 10.30865/mib.v6i2.3787.

H. Kulina and S. Gocheva-Ilieva, “CART Ensemble and Bagging Algorithm for Estimating of FactorsInﬂuencing the Furniture Market - Pending to add,” no. August, 2023.

W. Imtiyaz, N. Satyahadewi, and H. Perdana, “Application of Bagging Cart in the Classification of on-Time Graduation of Students in the Statistics Study Program of Tanjungpura University,” BAREKENG J. Ilmu Mat. dan Terap., vol. 17, no. 4, pp. 2243–2252, 2023, doi: 10.30598/barekengvol17iss4pp2243-2252.