GENETIK PROGRAMMING UNTUK MENGOPTIMALKAN KINERJA ALGORITMA RANDOM FOREST PADA SET DATA TIDAK BALANCED PENIPUAN TRANSAKSI KARTU KREDIT MENGGUNAKAN COLABS GOOGLE
Suhartono; Totok Chamidy; Syahiduz Zaman
Telah di baca oleh 0 pemustaka, dengan total durasi baca 00:00:00
Deskripsi Buku
Pada penelitian klasifikasi penipuan transaksi kartu kredit Data yang dikumpulkan dari kondisi real sering kali tidak seimbang artinya distribusi data di seluruh kelas bersifat bias atau tidak seimbang Saat menggunakan model klasifikasi pada data yang tidak seimbang maka kinerja model klasifikasi cenderung lebih rendah karena model klasifikasi dirancang menggunkan kelas seimbang atau jumlah fitur yang relatif sama untuk setiap kelas Untuk mengatasi masalah ini kami menggunakan teknik prapemrosesan data yaitu under sampling random Data dibentuk dengan melakukan pengambilan sampel acak pada kumpulan data yang tidak seimbang Pada penelitian klasifikasi penipuan transaksi kartu kredit Data yang dikumpulkan dari kondisi real sering kali tidak seimbang artinya distribusi data di seluruh kelas bersifat bias atau tidak seimbang Saat menggunakan model klasifikasi pada data yang tidak seimbang maka kinerja model klasifikasi cenderung lebih rendah karena model klasifikasi dirancang menggunkan kelas seimbang ...atau jumlah fitur yang relatif sama untuk setiap kelas Untuk mengatasi masalah ini kami menggunakan teknik prapemrosesan data yaitu under sampling random Data dibentuk dengan melakukan pengambilan sampel acak pada kumpulan data yang tidak seimbang
