ABSTRAKSI: Imbalance class adalah ketidakseimbangan distribusi class label pada suatu data set. Dalam data mining berbagai penelitian telah dilakukan untuk mengatasi permasalahan imbalance class tersebut, salah satunya adalah algoritma SMOTEBoost. SMOTEBoost merupakan kombinasi dari algoritma SMOTE (Synthetic Minority Over-sampling Technique) dengan teknik boosting. Algoritma SMOTE mengcreate sejumlah instant synthetic dari minority class yang menyebabkan wilayah minority class semakin besar. Boosting adalah suatu teknik yang mengombinasikan hasil prediksi dari beberapa classifier yang berbeda.
Pada algoritma SMOTEBoost dilakukan oversampling dengan menggunakan algoritma SMOTE dan pembobotan terhadap data training. Oversampling dan pembobotan tersebut dilakukan pada setiap iterasi dan pada akhir iterasi akan dilakukan voting terhadap hasil prediksi dari setiap iterasi.
Hasil akhir dari pengujian menunjukkan bahwa penggunaan algoritma SMOTE dapat meningkatkan prediksi True Positif (kenaikan Recall) dan teknik boosting dapat meminimalkan nilai False Positif (kenaikan precision)
Kata Kunci : Imbalance class, SMOTEBoost, voting, pembobotan, oversamplingABSTRACT: Imbalance class represents imbalance class label distribution in number of dataset. In data mining, many research have been done to handle imbalance class problems, one of that is SMOTEBoost algorithm. SMOTEBoost is combines of SMOTE (Synthetic Minority Over-sampling Technique) algorithm with boosting technique. SMOTE algorithm create some of synthetic instant from minority class that caused minority class region larger. Boosting is one of technique that combine result of predict some different classifier.
In SMOTEBOost algorithm, it done oversampling with SMOTE algorithm and weighted to training data. Oversampling and the weighted done in each iterasi and by the end of iterasi will be done voting to result of predict from each iterasi.
Result of examination indicate that SMOTEBoost algorithm can increase predict true positif (increase recall) and boosting can minimalize false positif (increase precision) .
Keyword: Imbalance class, SMOTEBoost, voting, weighted, oversampling