Penggunaan Algoritma Random Over Sampling untuk Mengatasi Masalah Imbalance Data pada Klasifikasi Gizi Balita

Puskesmas Tegaldlimo adalah salah satu unit pelaksana kesehatan yang ada didaerah kecamatan dan mempunyai fungsi salah satunya melakukan upaya pemenuhan akan gizi dan kesehatan anak usia bawah lima tahun (balita). Di Puskesmas Tegaldlimo sampai 2018 tercatat ada sebanyak 1186 balita, disini ada empat status gizi yang menurut penulis sangat jauh perbedaannya yaitu “gizi baik”, “gizi kurang”, “gizi lebih”, ”gizi buruk”, dengan rincian gizi baik sebanyak 1101 balita, gizi kurang sebanyak 39 balita, gizi lebih sebanyak 39 balita dan gizi buruk sebanyak 7 balita. Untuk mencari solusi masalah ketidakseimbangan kelas pada dataset, diusulkan model dengan pendekatan level data. Perancangan model yang diusulkan meliputi perancangan pendekatan level data ROS, dan algoritma pengklasifikasian berbasis Naive Bayes. Hasilnya menunjukkan bahwa model Naive Bayes menghasilkan akurasi Excellent (Sangat Baik) dengan rata – rata akurasi yang dihasilkan adalah 0,957844. Sedangkan akurasi dengan model ROS + NB cenderung lebih rendah atau dibisa dikatakan belum maksimal untuk meningkatkan nilai akurasi dengan memiliki rata – rata yaitu 0,528716 Fail (Gagal) dalam mengklasifikasi dataset Puskesmas, hal ini dikarenakan jumlah data yang sangat signifikan banyak dari data “gizi baik” dan akan mempengaruhi hasil Akurasi dari Random Over Sampling + Naive Bayes.