Metode Cegah Prediksi Data Tidak Seimbang : Dr. Fhira Nhita S.T., M.T., Raih Gelar Doktor Bidang Informatika

Metode Cegah Prediksi Data Tidak Seimbang Dr. Fhira Nhita S.T., M.T., Raih Gelar Doktor Bidang Informatika

Bandung, 25 Juli 2025 – Telkom University (Tel-U) kembali melahirkan doktor berprestasi dari Program Studi S3 Informatika, Fakultas Informatika (FIF). Fhira Nhita S.T., M.T., berhasil meraih gelar doktor melalui sidang yang disiarkan langsung di YouTube Tel-U, pada Jumat (25/7) dengan disertasi berjudul “Pengembangan Metode Evolutionary Hybrid Sampling untuk Meningkatkan Performa Model Klasifikasi pada Data Tidak Seimbang”.

Penelitian ini berangkat dari kebutuhan nyata, sebagai contoh pada kasus sepsis yaitu reaksi tubuh yang berlebihan terhadap virus dan bakteri yang dibuktikan dengan tiga kasus dari seratus pasien di ICU suatu rumah sakit dan juga data fraud dalam dunia perbankan. Efek data tidak seimbang menyebabkan klasifikasi menjadi bias dan cenderung terjadi banyak kesalahan prediksi pada kelas minor ataupun kerugian materil.

Masalah data tidak seimbang sering ditemukan dalam kasus dunia nyata dan berdampak signifikan secara ekonomi, kesehatan, serta bidang lainnya. Penelitian ini berkontribusi dengan memperkenalkan metode Tomek-SMOTE-Genetic Algorithm (TSGA), sebuah integrasi untuk menangani masalah data tidak seimbang dan noise baik sebelum maupun sesudah proses balancing data, yang melalui tiga strategi preprocessing.

Metode Evolutionary Hybrid sampling TSGA mampu meningkatkan performa model klasifikasi dengan hasil yang lebih baik dibandingkan metode baseline dan state-of-the-art.

Fhira Nhita S.T., M.T. menegaskan jika penelitian ini dapat segera menjadi future work dengan kolaborasi riset bersama dosen yang lain.

“Mengimplementasikan TSGA dengan dataset primer diharapkan bisa menjadi future work kolaborasi riset dengan dosen lainnya”. ujarnya.

Metode TSGA diharapkan dapat dijadikan rujukan bagi para peneliti dalam menangani data tidak seimbang dan masalah noise dengan lebih komprehensif. Sehingga pengembangan metode TSGA dapat menangani data tidak seimbang pada dataset multi-class, time-series, atau aplikasi real-time. Dan pengembangan metode TSGA dalam sisi proses evolusi dapat mengoptimasi waktu komputasi melalui pendekatan parallel computing.

Penulis: Nashwa Fauziyyah | Editor: Abdullah Adnan | Foto: Public Relation

Tinggalkan Balasan

Alamat email Anda tidak akan dipublikasikan. Ruas yang wajib ditandai *

Secret Link