ANALISIS PENERAPAN TOMEK LINKS SEBAGAI METODE PEMBERSIH DAN SMOTE UNTUK MENGATASI KETIDAKSEIMBANGAN KELAS PADA KLASIFIKASI HUJAN

Latar belakang. Hujan memiliki pengaruh yang besar terhadap kehidupan dan aktivitas manusia, maka dari itu hujan dengan frekuensi yang sangat tinggi dapat menyebabkan bencana alam, merusak ekosistem dan menyebabkan masalah pada berbagai bidang. Klasifikasi hujan yang akurat dapat membantu dalam pengambilan keputusan serta dalam mempersiapkan diri untuk meningkatkan kesiagaan dalam menghadapi masalah ataupun bencana alam yang dapat terjadi akibat hujan, Model klasifikasi yang akurat dipengaruhi oleh kualitas dan keseimbangan kelas yang digunakan saat proses pelatihan Tujuan. Penelitian ini bertujuan menganalisis pengaruh teknik resampling dalam mengatasi ketidakseimbangan kelas maupun metode pembersihan data serta menganalisis urutan penerapan kedua metode tersebut terhadap kinerja klasifikasi hujan. Metode. Metode yang diusulkan pada penelitian ini yaitu Tomek Links sebagai metode pembersih data yang ambigu dan tumpeng tindih dan SMOTE sebagai teknik resampling dalam mengatasi ketidakseimbangan kelas, yang dijabarkan dalam beberapa skenario untuk dianalisis lebih lanjut. Hasil. Berdasarkan perbandingan eksperimen, penerapan Tomek Links sebagai metode pembersih yang diikuti oleh SMOTE untuk mengatasi ketidakseimbangan kelas pada model memberikan kinerja tertinggi dengan akurasi sebesar 93%, recall sebesar 92,66%, presisi sebesar 93,31% dan f1-score sebesar 92.97%. Kesimpulan. Penelitian ini menunjukkan bahwa penanganan ketidakseimbangan kelas dan pembersihan data dan juga urutan penerapannya efektif dalam meningkatkan kinerja klasifikasi hujan, serta menunjukkan bahwa urutan penerapan Tomek Links diikuti oleh SMOTE merupakan pendekatan yang paling optimal dibandingkan skenario lainnya.