2021 : Teknik Oversampling Berbasis Pruning Dengan Smoothed Bootstrap Resampling Untuk Imbalanced Dataset Klinis Covid-19

Dr.Eng. Chastine Fatichah S.Kom, M.Kom

Year

2021

Published in

-

External link

Type

RESEARCH

Keywords

-


Abstract

Coronavirus disease (COVID-19) dinyatakan sebagai penyakit pandemik oleh World Health Organization (WHO) dan belum berakhir hingga saat ini. Seiring dengan meningkatnya laju infeksi penyebaran COVID-19, diperlukan pendekatan komputasi untuk memprediksi pasien yang terinfeksi COVID-19 guna mempercepat waktu diagnosis dan meminimalkan human error jika dibandingkan dengan diagnosis konvensional. Namun masalah utama yang dihadapi adalah banyaknya data negatif dibandingkan dengan data positif sehingga mengakibatkan jumlah kelas tidak seimbang satu sama lain yang menyebabkan pembiasan hasil evaluasi model. Penelitian ini mengusulkan teknik oversampling baru, bernama TRIM-Smoothed Bootstrap Resampling (TRIM-SBR) yang menghasilkan data kelas minoritas untuk mendiagnosis pasien yang terinfeksi COVID-19. Metode yang diusulkan berbasis pruning dengan mencari area minoritas tertentu sambil tetap mempertahankan generalisasi data dan menghasilkan seed data minoritas. Seed berfungsi sebagai tolok ukur dalam membuat data baru yang disintesis menggunakan teknik smoothed bootstrap resampling.