Penerapan Algoritma Klasifikasi untuk Menangani Data Tidak Seimbang pada Peningkatan Kualitas Siswa

Refido Arjunal Akmal, Aliyah Kurniasih

Abstract


Keberhasilan proses belajar siswa dapat dibuktikan melalui prestasi belajar siswa yang menggambarkan kemampuan yang dicapai seorang siswa. Peningkatan kualitas siswa ini menjadi hal yang penting karena juga meningkatkan kualitas pendidikan. Banyaknya data tentang kualitas siswa membuat distribusi data menjadi tidak seimbang. Untuk menangani ketidakseimbangan distribusi kelas data dapat dilakukan dengan teknik oversampling data menggunakan metode Support Vector Machine (SVM) dan Synthetic Minority Over-Sampling Technique (SMOTE). Pemilihan algoritma oversampling ini diharapkan dapat mengurangi jumlah data serta menambah pada dataset yang kurang pada feature minoritas. Penerapan algoritma Support Vector Machine (SVM) dan Synthetic Minority Over-Sampling Technique (SMOTE) menghasilkan akurasi sebesar 71%.


Keywords


Klasifikasi, Support Vector Machine, Smote

References


A. Syafi’i, T. Marfiyanto, dan S. K. Rodiyah, “Studi Tentang Prestasi Belajar Siswa Dalam Berbagai Aspek Dan Faktor Yang Mempengaruhi,” Jurnal Komunikasi Pendidikan, vol. 2, no. 2, hlm. 115, Jul 2018, doi: 10.32585/jkp.v2i2.114.

A. Ahmadi, Teknik Belajar Yang Efektif . Jakarta: Rineka Cipta, 2004.

P. , S. M. , & K. V Tan, Introduction to Data Mining. Boston: Pearson Education., 2016.

M. Sulistiyono, Y. Pristyanto, S. Adi, dan G. Gumelar, “Implementasi Algoritma Synthetic Minority Over-Sampling Technique untuk Menangani Ketidakseimbangan Kelas pada Dataset Klasifikasi,” SISTEMASI, vol. 10, no. 2, hlm. 445, Mei 2021, doi: 10.32520/stmsi.v10i2.1303.

C. Agus Sugianto, “Analisis Komparasi Algoritma Klasifikasi Untuk Menangani Data Tidak Seimbang Pada Data Kebakaran Hutan,” 2015.

A. N. Kasanah, M. Muladi, dan U. Pujianto, “Penerapan Teknik SMOTE untuk Mengatasi Imbalance Class dalam Klasifikasi Objektivitas Berita Online Menggunakan Algoritma KNN,” Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi), vol. 3, no. 2, hlm. 196–201, Agu 2019, doi: 10.29207/resti.v3i2.945.

S. Fadia dan N. Fitri, “Problematika Kualitas Pendidikan di Indonesia,” Jurnal Pendidikan Tambusai, 2021.

C. C. Aggarwal, Data Mining. Cham: Springer International Publishing, 2015. doi: 10.1007/978-3-319-14142-8.

J. Ledolter, Data Mining and Business Analytics with R, 1st edition. Wiley, 2013.

S. Hendrian, “Algoritma Klasifikasi Data Mining Untuk Memprediksi Siswa Dalam Memperoleh Bantuan Dana Pendidikan,” Faktor Exacta, vol. 11, no. 3, Okt 2018, doi: 10.30998/faktorexacta.v11i3.2777.


Refbacks

  • There are currently no refbacks.


Copyright (c) 2023 Prosiding Seminar Nasional Mahasiswa Bidang Ilmu Komputer dan Aplikasinya

Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.