| Summary: | Data yang tidak seimbang dapat menyebabkan kesalahan klasifikasi, menurunkan kinerja dan akurasi. Pengelompokan pada MWMOTE dapat dioptimalkan untuk meningkatkan kinerja pembangkitan data sintetis menjadi representatif serta meningkatkan kinerja MWMOTE. Penelitian ini bertujuan untuk mengoptimalkan kinerja algoritme MWMOTE pada proses klasterisasi dalam pembuatan data sintetik dengan complete linkage (CL). Dataset yang digunakan memiliki beragam rasio data dengan tujuan menangangani data yang tidak seimbang. Decision tree digunakan untuk mengetahui kinerja dari oversampling MWMOTE dan CL-MWMOTE. Hasil evaluasi CL-MWMOTE memberikan kinerja yang lebih baik dan optimal daripada MWMOTE serta meningkatkan presisi sebesar 0,53 %, sensitivitas 0,67 %, f-measure 0,66 %, dan akurasi 0,67 %.
|
|---|
