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)

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