Penerapan Metode Smote Untuk Mengatasi Ketidakseimbangan Kelas Pada Prediksi Gagal Jantung

Klasifikasi adalah suatu proses yang dilakukan untuk menemukan sebuah model dengan tujuan memperkirakan kelas dari objek kelasnya tidak diketahui. Salah satu permasalahan dihadapi pada klasifikasi tentang ketidakseimbangan (imbalance Class) mana dataset terdapat jumlah datanya merata Sehingga memberikan dampak baik hasil klasifikasi. Cara mengatasi menerapkan metode SMOTE (Synthetic Minority Over-sampling Technique). Pengujian data penyakit gagal jantung penerapan dapat meningkatkan permforma akurasi beberapa algoritma Hasil kinerja diperoleh menunjukan bahwa pengklasifikasi Random Forest memiliki nilai accuracy lebih tinggi dibandingkan lainnya sebesar 0,881 atau 88,1% dan AUC 0.947 94,7%. Maka disimpulkan Algoritma performa terbaik Forest.