ANALISIS KOMPARASI ALGORITMA KLASIFIKASI UNTUK MENANGANI DATA TIDAK SEIMBANG PADA DATA KEBAKARAN HUTAN

Untuk menghasilkan hasil yang maksimal di dalam proses klasifikasi data harus memiliki distribusi yang sama dengan data pelatihan. Namun, kenyataannya data seperti ini, tidak selalu ditemukan banyak juga data yang distribusinya tidak sama, dimana satu kelas mungkin diwakili oleh data dengan jumlah yang besar, sementara kelas yang lain diwakili oleh hanya beberapa.  Algoritma klasifikasi data mining banyak yang dapat digunakan untuk menangani data tidak seimbang, maka dari itu perlu dilakukan komparasi untuk mengetahui seberapa tinggi tingkat akurasi dari masing-masing algoritma yang ada. Algoritma yang digunakan adalah K-Means + C4.5, K-Means + Naïve Bayes, K-Means + Random Forest dan K-Means + Neural Network. Dataset terdiri dari dua kombinasi, yang terdiri dari variabel meteorologi dan fire weather index (FWI) untuk memprediksi ukuran kebakaran hutan. Hasil dari proses klasifikasi dievaluasi dengan menggunakan cross validation, confusion matrix, dan T-Test Kata Kunci : Algoritma C4.5, Naïve Bayes, Random Forest, Neural Network, K-Means, Data tidak seimbang, Data Mining