Kajian empirik kinerja metode klasifikasi biner Rotation Forest pada data tidak seimbang
View/ Open
Date
2016Author
Firdaus, Reza Marta
Soleh, Agus Mohamad
Sartono, Bagus
Metadata
Show full item recordAbstract
Pemodelan klasifikasi biner dengan metode pohon gabungan rotation forest merupakan salah satu solusi untuk klasifikasi yang lebih akurat yang dapat dikembangkan. Penelitian ini mengukur kinerja metode klasifikasi biner rotation forest secara empirik pada data tidak seimbang, menggunakan data penumpang pada peristiwa tenggelamnya kapal Titanic tahun 1912. Metode ini bekerja cukup baik jika kelas dari variabel respons seimbang. Metode ini juga masih cukup baik ketika Imbalanced Ratio (IR) kurang dari 5.67 atau proporsi kelas minoritas lebih besar dari 15%. Pada kasus data dengan proporsi kelas positif atau minoritas 5%, rotation forest gagal menghasilkan kinerja klasifikasi yang lebih baik dibandingkan dengan random forest.