KLASIFIKASI MULTIVARIATE ADAPTIVE REGRESSION SPLINE (MARS) PADA DATA IMBALANCED CLASS MENGGUNAKAN BOOTSTRAP AGGREGATING (BAGGING) DAN SYNTHETIC MINORITY OVER-SAMPLING TECHINIQUE (SMOTE) (Studi Kasus: Status Kemiskinan Rumah Tangga di Provinsi Bengkulu Tahun 2022)

ESTHER, DAMAYANTI SIHOMBING and Idhia, Sriliana and Winalia, Agwil (2024) KLASIFIKASI MULTIVARIATE ADAPTIVE REGRESSION SPLINE (MARS) PADA DATA IMBALANCED CLASS MENGGUNAKAN BOOTSTRAP AGGREGATING (BAGGING) DAN SYNTHETIC MINORITY OVER-SAMPLING TECHINIQUE (SMOTE) (Studi Kasus: Status Kemiskinan Rumah Tangga di Provinsi Bengkulu Tahun 2022). Undergraduated thesis, Universitas Bengkulu.

Archive (Thesis) Skripsi_Esther Damayanti Sihombing_F1F020028 - Esther Damayanti.pdf - Bibliography Restricted to Repository staff only Available under License Creative Commons GNU GPL (Software). Download (3MB)

Abstract

Klasifikasi merupakan metode statistika yang bertujuan untuk memprediksi kelas dari objek yang label kelasnya tidak diketahui. Metode klasifikasi Multivariate Adaptive Regression Spline (MARS) merupakan suatu model klasifikasi yang melibatkan beberapa basis fungsi yang memuat variabel prediktor yang berpengaruh. Data yang digunakan pada penelitian ini adalah data hasil Survei Sosial Ekonomi Nasional (SUSENAS) rumah tangga di Provinsi Bengkulu tahun 2022 yang bersumber dari Badan Pusat Statistik Provinsi Bengkulu. Variabel respon yang digunakan yaitu status kemiskinan rumah tangga yang digolongkan menjadi rumah tangga miskin dan rumah tangga tidak miskin serta beberapa variabel prediktor yang terdiri dari beberapa aspek. Ketidakseimbangan kelas terjadi pada data status kemiskinan, sehingga pada penelitian ini menggunakan metode Bootstrap Aggregating (BAGGING) dan Synthethic Minority Over-sampling Technique (SMOTE). Metode BAGGING bekerja dengan mereplikasi data agar memperkuat stabilitas akurasi klasifikasi. Metode SMOTE bekerja dengan membuat data sintesis dari kelas data minoritas. Hasil dari penelitian ini menunjukkan bahwa dari ketiga metode yaitu MARS, BAGGING MARS dan SMOTE-MARS diperoleh bahwa metode SMOTE-MARS merupakan model klasifikasi yang terbaik dengan nilai sensitivity yang menunjukkan nilai terbaik di antara ketiga metode yaitu 85,36%. Kata kunci: Klasifikasi, MARS, BAGGING-MARS, SMOTE-MARS, Imbalanced Class, Kemiskinan

Actions (login required)

View Item