Implementasi Adasyn Untuk Imbalance Data Pada Dataset UNSW-NB15 Adasyn Implementation For Data Imbalance on UNSW-NB15 Dataset

Di masa Machine Learning pada saat ini, para peneliti bekerja keras untuk mengembangkan algoritma yang meningkatkan kemungkinan prediksi benar dengan akurasi lebih baik. Data tidak seimbang adalah ketika ukuran sampel dari satu kelas jauh besar lain, minoritas dapat diperlakukan sebagai noise dalam proses klasifikasi, mengakibatkan hasil klasifikasi memuaskan. Pada penelitian ini menggunakan dataset UNSW-NB15, setelah menggabungkan data train dan test, terdapat seimbangan label, yaitu 164673 label 1 93000 0. Tujuan mengatasi masalah ketidakseimbangan binary class teknik ADASYN mendeteksi serangan malware UNSW-NB15 menerapkan model Random Forest agar mendapatkan performa cukup Berdasarkan pengujian penanganan Binarry Class Forest, serta Hyperparameter Optuna Anomali memperoleh beberapa split nilai tertinggi 90/10 99.86%. segi waktu tercepat didapat 60/40 1,85 seconds.