PENERAPAN IMPUTASI PPCA, PENYEIMBANGAN KELAS SMOTE-N PADA KLASIFIKASI HEPATITIS MENGGUNAKAN NAIVE BAYES

(Oleh: Siti Fathmah; Pembimbing: Dwi Kartini, S.Kom., M.Kom. dan Friska Abadi, S.Kom, M.Kom. ; 2024;  halaman)

Ketersediaan data yang lengkap dalam penelitian merupakan hal yang sangat penting terutama pada tahap awal penelitian. Data Hepatitis yang digunakan dalam penelitian ini memiliki permasalahan yaitu ditemukan beberapa data yang hilang dan data yang tidak seimbang sehingga data tidak dapat digunakan secara maksimal. Metode yang digunakan untuk mengisi data hilang ialah metode Imputasi PPCA, setelah dilakukan pengisian data yang hilang, dilanjutkan dengan menyeimbangkan data menggunakan metode penyeimbangan kelas SMOTE-N, dan diklasifikasi menggunakan Gaussian Naïve Bayes. Tujuan dari penelitian ini ialah melakukan  perbandingan evaluasi klasifikasi penyakit hepatitis menggunakan Naive Bayes dengan pendekatan imputasi PPCA serta penyeimbangan class SMOTE-N. Hasil terbaik dari setiap skenario didapatkan nilai AUC pada skenario pertama adalah 0.833 pada pembagian data training dan testing 80:20 dan skenario kedua sebesar 0.875 pada pembagian data training dan testing 90:10. Nilai AUC tertinggi diperoleh  pada penerapan imputasi PPCA dengan penyeimbangan kelas SMOTE-N menggunakan Klasifikasi Naive Bayes. Hal ini membuktikan bahwa penerapan imputasi PPCA dengan penyeimbangan kelas SMOTE-N memberikan pengaruh yang lebih baik pada performa klasifikasi Naïve Bayes.

Kata kunci: klasifikasi, naïve bayes, ppca, smote-n, hepatitis.