PENERAPAN SYNTHETIC MINORITY OVERSAMPLING TECHNIQUE TERHADAP DATA TIDAK SEIMBANG PADA MODEL MULTIVARIATE ADAPTIVE REGRESSION SPLINE
| Main Author: | Hatta, Eka Fahreza |
|---|---|
| Format: | Article |
| Terbitan: |
, 2017
|
| Subjects: | |
| Online Access: |
http://repository.unhas.ac.id/handle/123456789/25596 |
Daftar Isi:
- Mutivariate Adaptive Regression Spline (MARS) merupakan model yang mengasumsikan bentuk hubungan fungsional antara variabel respon dan prediktor yang tidak diketahui, dan mempunyai bentuk fungsional yang fleksibel, mampu mengolah data berdimensi tinggi dan berukuran besar, serta mengolah data dengan variabel respon berbentuk kontinu ataupun biner, sesuai dengan permasalahan klasifikasi. MARS akan membangun suatu model terbaik sebagai model klasifikasi yang melibatkan beberapa fungsi basis yang memuat variabel prediktor yang berpengaruh. Jumlah pekerja anak diketahui jauh lebih rendah daripada jumlah anak pada suatu wilayah. Ketimpangan proporsi pada kelas peubah respon disebut dengan data tidak seimbang. Klasifikasi rentan terhadap data yang tidak seimbang karena menghasilkan model dengan akurasi yang rendah pada kelas minoritas. Metode untuk menangani data yang tidak seimbang yaitu Syntethic Minority Oversampling Technique (SMOTE) yang dapat menyeimbangkan data antara kelas minoritas dan kelas mayoritas. Berdasarkan analisis klasifikasi model MARS yang dilakukan diperoleh kesimpulan bahwa variabel prediktor yang paling berpengaruh terhadap pekerja anak di Provinsi Sulawesi Selatan pada tahun 2013 adalah Partisipasi sekolah. Sementara variabel prediktor yang berpengaruh lainnya yaitu Tinggal dengan Orang tua Kandung, Umur Kepala Rumah Tangga, Jumlah Anggota Rumah Tangga, Pengeluaran Rumah Tangga per Bulan, dan Jenis Kelamin.