Optimasi klasifikasi imbalanced data penyakit kelainan genetik multifaktorial dengan algoritma ensemble

Ketidakseimbangan data adalah masalah yang sering terjadi dalam klasifikasi. Ketidakseimbangan data terjadi ketika jumlah sampel pada salah satu kelas, jumlahnya jauh lebih sedikit atau jauh lebih besar dibanding kelas lain. Hal ini dapat menyebabkan model klasifikasi menjadi tidak akurat dan cenderung memprediksi kelas mayoritas. Untuk mengatasi masalah ketidakseimbangan data, metode resampling dapat digunakan. Sehingga penelitian ini bertujuan mengatasi permasalahan ketidakseimbangan data dalam klasifikasi data kelainan genetik multifaktorial. Penelitian ini menguji penerapan beberapa metode resampling, antara lain Random Undersampling, NearMiss, SMOTE, ADASYN, dan SMOTE-ENN, untuk meningkatkan kinerja model pada dataset yang tidak seimbang. Selain itu, diterapkan Principal Component Analysis (PCA) untuk seleksi fitur. Penerapan metode resampling tersebut diuji menggunakan algoritma klasifikasi Random Forest dan XGBoost. Dari hasil ujicoba, hasil terbaik pengujian didapatkan dalam penerapan SMOTE-ENN pada algoritma Random Forest dengan hasil accuracy sebesar 98%, spesificity sebesar 98.9%, sensitivity sebesar 94.9%, dan AUC sebesar 96.9%.