Implementasi Algoritme CTGAN (Conditional Tabular Generative Adversarial Network) dalam Menangani Imbalance Data Citra Multispektral untuk Klasifikasi Kesuburan Lahan.

Abstract

Masalah ketidakseimbangan data sering kali terjadi ketika melakukan pengumpulan dan pengambilan data. Proses pengambilan data pada lahan sawah sering menghadapi masalah ketidakseimbangan data akibat kondisi tanaman padi yang tidak merata pada lahan tersebut. Distribusi data yang tidak seimbang akan sangat mempengaruhi kinerja sebuah algoritma machine learning ketika dilakukan pelatihan model. Oleh karena itu, dalam penelitian ini, masalah tersebut akan diatasi dengan teknik oversampling menggunakan algoritme CTGAN (Conditional Tabular Generative Adversarial Network). Penerapan CTGAN menunjukkan hasil yang baik dalam mengklasifikasikan kondisi kebutuhan pupuk tanaman padi. Dibandingkan dengan model machine learning yang belum diterapkan CTGAN, performa hasil klasifikasi pada model yang telah diterapkan CTGAN mengalami peningkatan sebesar 36.6%. Hasil Penelitian ini menunjukkan bahwa data sintetis yang dihasilkan oleh model CTGAN telah mampu mereplika pola dan karakteristik dari data asli untuk memperbanyak data minoritas.