PENGGUNAAN K-MEANS CLUSTERING UNTUK MENGATASI IMBALANCE DATA DENGAN ELM (EXTREME LEARNING MACHINE) SEBAGAI CLASSIFIER

MAHDIYAH, UMI and KASIH, PATMI PENGGUNAAN K-MEANS CLUSTERING UNTUK MENGATASI IMBALANCE DATA DENGAN ELM (EXTREME LEARNING MACHINE) SEBAGAI CLASSIFIER. Prosiding Seminar Nasional Matematika dan Pembelajarannya. ISSN 978-623-96664-0-8

	Text PEREVIEW_PENGGUNAAN K-MEANS CLUSTERING UNTUK MENGATASI IMBALANCE DATA DENGAN ELM (EXTREME LEARNING MACHINE) SEBAGAI CLASSIFIER.pdf Download (1MB)
	Text ARTIKEL PENGGUNAAN K-MEANS CLUSTERING UNTUK MENGATASI IMBALANCE DATA DENGAN ELM (EXTREME LEARNING MACHINE) SEBAGAI CLASSIFIER (2).pdf Download (1MB)
	Text Turnitin_PENGGUNAAN K-MEANS CLUSTERING UNTUK MENGATASI IMBALANCE DATA DENGAN ELM (EXTREME LEARNING MACHINE) SEBAGAI CLASSIFIER.pdf Download (785kB)

Abstract

Masalah imbalanced data (data yang tidak seimbang) selama ini masih menjadi masalah yang cukup penting pada masalah klasifikasi. Data real pada kehidupan sehari-hari umumnya bersifat imbalance, sehingga untuk melakukan klasifikasi butuh proses yang optimal untuk mendapatkan hasil yang optimal pula. Karena data yang tidak seimbang menyebabkan proses klasifikasi menjadi tidak optimal. Pada artikel ini dilakukan proses undersampling dengan memanfaatkan algoritma clustering yaitu K-Means. Selanjutnya, data yang sudah dilakukan proses undersampling dimasukkan pada proses klasifikasi menggunakan Extreme Learning Machine. Data yang digunakan merupakan benchmark data set yang bersifat imbalance. Hasil yang didapatakan dalam penelitian ini cukup baik, dilihat dari nilai rata-rata precision, recall,dan akurasinya.

Actions (login required)

View Item