https://inibudi.or.id/wiki/index.php?action=history&feed=atom&title=Undersampling_pada_Machine_Learning 2026-04-22T06:24:49Z Riwayat revisi halaman ini di wiki MediaWiki 1.43.0 https://inibudi.or.id/wiki/index.php?title=Undersampling_pada_Machine_Learning&diff=17333&oldid=prev 2025-07-31T21:58:24Z

<p>Batch created by Azure OpenAI</p> <p><b>Halaman baru</b></p><div>Dalam konteks [[machine learning]], undersampling adalah teknik penyeimbangan data yang digunakan untuk menangani masalah [[data tidak seimbang]]. Teknik ini melibatkan pengurangan jumlah sampel dari kelas mayoritas dalam dataset untuk menyamakan proporsi dengan kelas minoritas.<br /> <br /> == Masalah Data Tidak Seimbang ==<br /> Data tidak seimbang sering terjadi pada masalah klasifikasi di mana satu kelas jauh lebih banyak daripada kelas lainnya, seperti pada deteksi penipuan atau diagnosis penyakit langka. Hal ini dapat menyebabkan model cenderung mengabaikan kelas minoritas.<br /> <br /> == Implementasi Undersampling ==<br /> Proses undersampling dilakukan dengan menghapus beberapa data dari kelas mayoritas secara acak atau menggunakan metode tertentu, seperti [[Tomek links]] atau [[Cluster Centroids]]. Meskipun dapat membantu menyeimbangkan data, teknik ini berisiko menghilangkan informasi penting dari kelas mayoritas.<br /> <br /> == Perbandingan dengan Oversampling ==<br /> Selain undersampling, terdapat juga teknik [[oversampling]] yang menambah data pada kelas minoritas. Pemilihan antara undersampling dan oversampling tergantung pada karakteristik dataset dan tujuan analisis.</div>

Budi