Penerapan Metode Ensemble Untuk Meningkatkan Kinerja Algoritme Klasifikasi Pada Imbalanced Dataset

Pristyanto, Yoga

doi:10.33365/jti.v13i1.184

Cited by 18 publications

(21 citation statements)

References 11 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…PSO is used as a feature selection tool, with PSO particles will be able to provide a combination of features in a problem space [34]. Next is Adaboost, a learning ensemble often used in boosting algorithms [35]. Boosting can be combined with other classifier algorithms to improve classification performance [36].…”

Section: Preprocessing Datamentioning

confidence: 99%

Framework for Analyzing Netizen Opinions on BPJS Using Sentiment Analysis and Social Network Analysis (SNA)

Anam¹,

Mahendra

Agustin³

et al. 2022

intensif

View full text Add to dashboard Cite

The Social Security Administrative Body is a legal entity established to administer social security programs. News about BPJS policies is often found online and social media that has received responses from netizens as a form of public opinion on the policy. One of them is the opinion of netizens on social media Twitter. Ideas can be positive, neutral, or negative. These opinions are processed using the Support Vector Machine (SVM) method, in some SVM studies still getting unsatisfactory results, with rates below 60%. For this reason, it is necessary to have feature selection or a combination with the other methods to obtain higher accuracy. To see the actors who influence the opinion of netizens on the topic of BPJS, the Social Network Analysis (SNA) method is used. Based on the SVM Method's test results, the best accuracy results are obtained in combining the SVM Method with Adaboost, with an accuracy rate of 92%. Compared to the pure SVM method by 91%, the Combination of SVM Particle Swarm Optimization (PSO) by 87% and SVM using Feature Selection Genetic Algorithm (GA) by 86%.

show abstract

Section: Preprocessing Datamentioning

confidence: 99%

Framework for Analyzing Netizen Opinions on BPJS Using Sentiment Analysis and Social Network Analysis (SNA)

Anam¹,

Mahendra

Agustin³

et al. 2022

intensif

View full text Add to dashboard Cite

show abstract

“…Data preprocessing merupakan tahapan dimana data akan dilakukan pengisian data yang kosong, menghilangkan duplikasi data, memeriksa inkonsistensi data, pembersihan data serta memperbaiki kesalahan pada data [14]. Datasets dari American Sign Language (ASL) memiliki ukuran sebesar 400 x 400 pixel dan akan menjadi ukuran yang sangat besar untuk melakukan proses training data.…”

Section: Preprocessing Datasetsunclassified

Pembangunan Aplikasi Penerjemah Bahasa Isyarat Dengan Metode CNN Berbasis Android

Alfikri

Utomo

Februariyanti

et al. 2022

JTI

View full text Add to dashboard Cite

Tunawicara merupakan keadaan dimana seseorang tidak memiliki kemampuan untuk mendengar ataupun berbicara. Karena adanya permasalahan tersebut, individu dengan penyandang tunawicara menggunakan bahasa isyarat sebagai bahasa yang digunakan untuk melakukan komunikasi dengan individu lainnya. Bahasa isyarat adalah bahasa yang menggunakan gerak bibir, tubuh, dan juga tangan untuk mengekspresikan maksud dalam komunikasi. Sebagian besar masyarakat di Indonesia tidak memahami dan enggan belajar mengenai penggunaan bahasa isyarat, sehingga hal tersebut mengakibatkan adanya batasan dalam melakukan komunikasi jika bertemu dengan individu penyandang tunawicara. Penelitian ini memiliki tujuan agar masyarakat umum dapat melakukan komunikasi dengan individu penyandang tunawicara dengan melakukan proses penerjemahan bahasa isyarat dan belajar mengenai penggunaan bahasa isyarat dengan aplikasi penerjemah bahasa isyarat berbasis Android yang dikembangkan oleh peneliti. Aplikasi penerjemah bahasa isyarat dikembangkan pada platform Android, dengan tujuan agar dapat digunakan oleh masyarakat secara luas. Peneliti mengembangkan model Tensorflow Lite sebagai model penerjemah bahasa isyarat, dengan mengimplementasikan metode Convolutional Neural Network (CNN) dan jumlah total datasets bahasa isyarat sebanyak 1820 data. Jenis bahasa isyarat yang digunakan oleh peneliti pada pengembangan model tersebut adalah berjenis American Sign Language (ASL). Peneliti menggunakan 3 total Epoch ketika melakukan proses training model, diantaranya adalah 100 Epoch, 150 Epoch, dan 200 Epoch. Training model tersebut memiliki hasil akurasi dan Training Loss, dengan hasil akurasi tertinggi didapatkan oleh 200 Epoch. Namun, setelah model penerjemah bahasa isyarat dilakukan deployment pada aplikasi berbasis Android, akurasi turun hingga 73% dengan permasalahan beberapa beberapa bahasa isyarat mengalami salah prediksi. Penerjemahan bahasa isyarat masih dapat dilakukan, walaupun terdapat beberapa bahasa isyarat yang mengalami salah prediksi. Aplikasi penerjemah bahasa isyarat telah dikembangkan oleh peneliti dengan berbagai fitur pendukung yang dapat digunakan oleh users. Beberapa fitur tersebut diantaranya adalah login, register, forgot password, home, translation, dictionary, profile, edit profile, about me, dan yang terakhir adalah bookmarks. Users dapat menggunakan fitur translation untuk melakukan proses penerjemahan bahasa isyarat, dan fitur dictionary untuk belajar menggunakan bahasa isyarat.

show abstract

“…Namun dari beberapa penelitian sebelumnya peneliti tidak memperhitungkan keseimbangan distribusi kelas pada dataset. Oleh sebab itu penilitian ini berfokus pada penerapan ensemble classifier yang memiliki kelebihan dalam menangani kasus imbalanced class yang banyak ditemukan dalam domain dunia nyata (real world problem) [6].…”

Section: Pendahuluanunclassified

Penerapan Ensemble Classifier Dalam Penentuan Persetujuan Kredit Bank

Akbar¹,

Hidayat²

2020

artificial_intelligence_network_technology

View full text Add to dashboard Cite

The development of information technology in the banking business sector is urgently needed to improve service quality by providing comfort, security, and convenience, one of which is the credit product available at a bank. The banking sector is facing a problem, namely that it must increase the volume of lending, but must also reduce the risk of problem loans. To minimize non-performing loans, banks are required to carry out the proper analysis. One of these problems can overcome by utilizing information technology to support decision-making, in the form of data mining applications. Ensemble Classifier with majority voting is offered as a solution with an average accuracy score of 88.75% which has been tested for imbalanced class problems. After implementing 274 customer data testing, a decision was obtained that 109 customers were declared APPROVED and 165 customers were declared REJECTED..

show abstract

Penerapan Metode Ensemble Untuk Meningkatkan Kinerja Algoritme Klasifikasi Pada Imbalanced Dataset

Cited by 18 publications

References 11 publications

Framework for Analyzing Netizen Opinions on BPJS Using Sentiment Analysis and Social Network Analysis (SNA)

Framework for Analyzing Netizen Opinions on BPJS Using Sentiment Analysis and Social Network Analysis (SNA)

Pembangunan Aplikasi Penerjemah Bahasa Isyarat Dengan Metode CNN Berbasis Android

Penerapan Ensemble Classifier Dalam Penentuan Persetujuan Kredit Bank

Contact Info

Product

Resources

About