RARE EVENT WEIGHTED LOGISTIC REGRESSION UNTUK KLASIFIKASI IMBALANCED DATA STUDI KASUS KLASIFIKASI DESA TERTINGGAL DI PROVINSI JAWA TIMUR

Salah satu permasalahan dalam klasifikasi data adalah komposisi data yang tidak seimbang imbalanced data. Pada klasifikasi imbalanced data classifier cenderung memprediksi kelas yang memiliki komposisi data lebih besar sehingga didapatkan akurasi prediksi yang baik terhadap kelas data training yang banyak kelas mayoritas dan akurasi prediksi yang buruk untuk kelas data training yang sedikit kelas minoritas. Oleh karena itu diperlukan metode yang tepat untuk melakukan klasifikasi pada imbalanced data. Rare Event Weighted Logistic Regression RE-WLR adalah metode klasifikasi imbalanced data untuk data berukuran besar dan rare event. RE-WLR dikembangkan dari Truncated Regularized Iteratively Re-weighted Least Square TR-IRLS dengan rare event correction pada Regresi Logistik. Penelitian ini bertujuan untuk mengkaji dan menerapkan RE-WLR untuk klasifikasi imbalanced data dengan studi kasus klasifikasi desa tertinggal di Provinsi Jawa Timur tahun 2014 serta untuk membandingkan tingkat ketepatan klasifikasi antara metode RE-WLR dan TRIRLS pada kasus tersebut. Hasil penelitian menunjukkan bahwa secara deskriptif RE-WLR memberikan kinerja klasifikasi yang lebih baik dibandingkan TR-IRLS namun dengan perbedaan yang tidak signifikan. Rata-rata nilai sensitifity RE-WLR juga lebih tinggi daripada TR-IRLS. Hal ini menunjukkan bahwa RE-WLR bisa memprediksi kelas minoritas rare event atau desa tertinggal dengan lebih baik dibandingkan TR-IRLS.


ABSTRACT

One of the problems in data classification is the composition of the data that is out of balance imbalanced data. In the classification of imbalanced data most of the classifier are biased towards the major class and have very poor classification rates on minor class. Rare Event Weighted Logistic Regression RE-WLR is a method of classification applied to large imbalanced data and rare event. REWLR is developed from Truncated Regularized Iteratively Re-weighted Least Squares TR-IRLS with rare event correction to Logistic Regression. This study aims to assess and apply the RE-WLR to the classification of imbalanced data with study case classification of underdeveloped rural in East Java Province in 2014 and to compare the accuracy between RE-WLR method and TR-IRLS in that case. The results shows that RE-WLR provides better classification performance than TR-IRLS but the difference is not significant. The average value of RE-WLRs sensitifity is also higher than TR-IRLS. This shows that the RE-WLR could predict the minority class rare event or underdeveloped rural better than TR-IRLS.

1.  ITS-Master-41270-1314201714-Abstract_id.pdf - 245 KB
2.  ITS-Master-41270-1314201714-Abstract_en.pdf - 285 KB
3.  ITS-Master-41270-1314201714-Conclusion.pdf - 488 KB

• STUDI PERBANDINGAN METODE REGRESI RIDGE DENGAN KUADRAT TERKECIL PARSIAL TERHADAP PENCILAN
• PENGEMBANGAN MODEL EVALUASI PERANCANGAN POLA DISTRIBUSI BAHAN BAKAR MINYAK YANG OPTIMAL UNTUK MEMENUHI KEBUTUHAN ENERGI DI WILAYAH KERJA PERTAMINA UPPDN V
• PENENTUAN MEAN MODEL DAN VARIANCE MODEL DENGAN MENERAPKAN MODEL INTERVENSl DAN ARCH-GARCH PADA DATA INFLASI DAN NILAI TUKAR
• PENGGUNAAN KRITERIA INFORMATION COMPLEXITY (ICOMP) UNTUK MODEL REGRESI
• PEMILIHAN BANDWIDTH DAN SELANG KEPERCAYAAN DALAM REGRESI NONPARAMETRIK