Sondriva, Wilia
(2024)
Perbandingan Metode SMOTE, ADASYN, dan SCUT untuk Mengatasi
Ketidakseimbangan Dataset Survei Kerangka Sampel Area yang
Memanfaatkan Citra Satelit Landsat 8.
Skripsi thesis, Universitas Negeri Padang.
Abstract
Kerangka Sampel Area (KSA) merupakan pendekatan yang digunakan untuk
mengukur produktivitas padi di Indonesia. Data KSA adalah data penting karena data
ketersediaan pangan yang berkualitas dan akurat sangat dibutuhkan. Namun
ditemukan ketidakseimbangan multiclass yang ekstim pada dataset suvei KSA
tersebut. Salah satu solusi yang digunakan untuk mengamati kelas yang ada pada
KSA adalah dengan memanfaatkan citra satelit Landsat 8. Metode yang dapat
digunakan untuk mengatasi ketidakseimbang multiclass adalah Synthetic Minority
Over-sampling Technique (SMOTE), Adaptive Synthetic Resampling (ADASYN),
dan SMOTE and Cluster-based Undersampling Technique (SCUT). Tujuan dari
penelitian ini adalah melakukan perbandingan karakteristik dari data sintetik atau data
buatan yang dihasilkan dari ketiga metode penanganan ketidakseimbangan tersebut
terhadap dataset asli.
Penelitian ini merupakan penelitian terapan, yakni penerapan metode
SMOTE, ADASYN, dan SCUT dalam menangani ketidakseimbangan multiclass
pada dataset survei KSA dengan memanfaatkan citra satelit Landsat 8. Indeks citra
satelit yang digunakan adalah Enhanced Vegetation Index (EVI) pada periode ke-t.
Hasil penelitian diperoleh bahwa penananganan ketidakseimbangan multiclass pada
dataset survei KSA menggunakan metode SMOTE, ADASYN, dan SCUT mampu
membuat dataset menjadi seimbang.
Kemudian dilakukan perbandingan rataan antara ketiga metode penanganan
ketidakseimbangan terhadap dataset asli. Hasil pengujian diperoleh bahwa tidak
terdapat perbedaan rataan antara ketiga metode terhadap dataset asli. Hal ini
membuktikan bahwa data sintetik yang dihasilkan metode SMOTE, ADSYN, dan
SCUT memiliki karakteristik yang sama dengan dataset asli.
Actions (login required)
|
View Item |