Penerapan SMOTE pada Random Forest dan Naive Bayes untuk Klasifikasi Status Vaksinasi HB Provinsi Aceh
View/ Open
Date
2020Author
Putri, Vinka Marisa
Masjkur, Mohammad
Suhaeni, Cici
Metadata
Show full item recordAbstract
Klasifikasi terhadap status vaksinasi Hepatitis B pada balita penting untuk melindungi dari terjangkit penyakit Hepatitis B dan memperoleh penyelesaian permasalahan secara efektif dan efisien. Tujuan penelitian ini adalah mengetahui peranan SMOTE pada metode random forest dan naive Bayes untuk klasifikasi status vaksinasi Hepatitis B di Provinsi Aceh dan mengetahui faktor-faktor yang memengaruhinya. Data yang digunakan adalah data Survei Sosial Ekonomi Nasional (Susenas) BPS tahun 2017. Status vaksinasi Hepatitis B memiliki proporsi tidak seimbang. Oleh karena itu, pada penelitian ini dilakukan penyeimbangan data dengan Synthetic Minority Oversampling Technique (SMOTE). Hasil penelitian menunjukkan bahwa penerapan SMOTE pada random forest dan naive Bayes mampu meningkatkan ketepatan status tidak vaksin Hepatitis B masing-masing sebesar 30.08% dan 26.09% dibandingkan tanpa dilakukan SMOTE. Metode random forest dengan SMOTE merupakan model terbaik pada pengklasifikasian status vaksinasi Hepatitis B. Lima faktor paling berpengaruh dalam status pemberian vaksin Hepatitis B di Provinsi Aceh yaitu (1) pendidikan terakhir ibu, (2) pekerjaan ibu, (3) pekerjaan ayah, (4) pendidikan terakhir ayah, dan (5) jumlah fasilitas kesehatan.