Klasifikasi Nasabah Kartu Kredit Menggunakan Algoritme Fuzzy K-Nearest Neighbor pada Data Tidak Seimbang

KLASIFIKASI NASABAH KARTU KREDIT MENGGUNAKAN
ALGORITME FUZZY K-NEAREST NEIGHBOR
PADA DATA TIDAK SEIMBANG

RETNO WIJAYANTI

DEPARTEMEN ILMU KOMPUTER
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2013

PERNYATAAN MENGENAI SKRIPSI DAN
SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA
Dengan ini saya menyatakan bahwa skripsi berjudul Klasifikasi Nasabah
Kartu Kredit Menggunakan Algoritme Fuzzy K-Nearest Neighbor pada Data
Tidak Seimbang adalah benar karya saya dengan arahan dari komisi pembimbing
dan belum diajukan dalam bentuk apa pun kepada perguruan tinggi mana pun.
Sumber informasi yang berasal atau dikutip dari karya yang diterbitkan maupun
tidak diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan
dalam Daftar Pustaka di bagian akhir skripsi ini.

Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada
Institut Pertanian Bogor.
Bogor, Juli 2013
Retno Wijayanti
NIM G64090070

ABSTRAK
RETNO WIJAYANTI. Klasifikasi Nasabah Kartu Kredit Menggunakan
Algoritme Fuzzy K-Nearest Neighbor pada Data Tidak Seimbang. Dibimbing oleh
AZIZ KUSTIYO.
Klasifikasi debitur diperlukan untuk mengurangi kemungkinan kerugian
yang akan diderita oleh bank akibat menerima aplikasi kredit yang berpotensi
menimbulkan masalah. Penelitian ini mengusulkan sebuah model klasifikasi
nasabah kartu kredit menggunakan algoritme fuzzy k-nearest neighbor. Data yang
digunakan tidak seimbang ketika data dari satu kelas mendominasi data yang lain.
Algoritme klasifikasi umumnya memberikan kinerja yang buruk pada data tidak
seimbang, terutama untuk kelas minoritas. Penelitian ini bertujuan meningkatkan
kualitas klasifikasi pada data tidak seimbang menggunakan oversampling dan
undersampling. Oversampling duplikasi menghasilkan akurasi, precision, recall,
dan f-measure terbaik pada saat tetangga terdekat adalah 1, yaitu 91.93%, 86.12%,

100%, dan 92.54%. Namun, menurun drastis pada saat jumlah tetangga terdekat
adalah 5. Oversampling acak menghasilkan akurasi, precision, recall, dan fmeasure yang cukup bagus dan stabil pada saat jumlah tetangga terdekat
ditingkatkan. Undersampling menghasilkan akurasi, precision, recall, dan fmeasure yang stabil pada saat jumlah tetangga terdekat 1 sampai 5.
Kata kunci: fuzzy k-nearest neigbor, data tidak seimbang, oversampling,
undersampling

ABSTRACT
RETNO WIJAYANTI. Credit Card Debtor Classification using Fuzzy K-Nearest
Neighbor Algorithm in Imbalanced Data. Supervised by AZIZ KUSTIYO.
Debtor classification is a crucial banking process in order to identify
potential problematic credit card applicant. This information is to support decision
making in accepting or rejecting the application. The classification method makes
use of fuzzy k-nearest neighbor method. Due to the nature of credit card business,
most likely, the data collected is imbalanced. In this case, the good debtors always
significantly outnumber the bad one. Most of the existing classification systems
work well on balanced data, which is not the case in this research. Thus, in order
to improve the system, the data composition must be banced using oversampling
and undersampling technique. The performance indicator used are accuracy,
precision, recall, and f-measure. Replication oversampling improved the algorithm
best at the number of nearest neighbors 1. The accuration, precision, recall, and fmeasure is 91.93%, 86.12%, 100%, and 92.54%, while the least performance was

achieved at the number of nearest neighbors 5. Random oversampling performed
better as the number of the nearest neighbors increases. Undersampling performed
more stable with the number of the nearest neighbors between 1 and 5.
Keywords:

fuzzy k-nearest
undersampling

neighbor,

imbalanced

data,

oversampling,

KLASIFIKASI NASABAH KARTU KREDIT MENGGUNAKAN
ALGORITME FUZZY K-NEAREST NEIGHBOR
PADA DATA TIDAK SEIMBANG

RETNO WIJAYANTI

Skripsi
sebagai salah satu syarat untuk memperoleh gelar
Sarjana Komputer
pada
Departemen Ilmu Komputer

DEPARTEMEN ILMU KOMPUTER
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2013

Penguji:
1 Dr Imas Sukaesih Sitanggang, SSi MKom
2 Toto Haryanto, SKom MSi

Judul Skripsi : Klasifikasi Nasabah Kartu Kredit Menggunakan Algoritme Fuzzy
K-Nearest Neighbor pada Data Tidak Seimbang

Nama
: Retno Wijayanti
NIM
: G64090070

Disetujui oleh

Aziz Kustiyo, SSi MKom
Pembimbing

Diketahui oleh

Dr Ir Agus Buono, MSi MKom
Ketua Departemen

Tanggal Lulus:

PRAKATA
Puji dan syukur penulis panjatkan kepada Allah subhanahu wa ta’ala atas
segala karunia-Nya sehingga karya ilmiah ini berhasil diselesaikan. Ungkapan

terima kasih penulis sampaikan kepada ayah, ibu, serta seluruh keluarga, atas
segala doa dan kasih sayangnya.
Terima kasih penulis ucapkan kepada Bapak Aziz Kustiyo, MKom selaku
pembimbing, kepada Ibu Dr Imas S Sitanggang, MKom dan Bapak Toto
Haryanto, MSi selaku penguji. Terima kasih atas semua bimbingan dan saran
yang diberikan dalam menyelesaikan karya ilmiah ini. Terima kasih juga penulis
sampaikan kepada Nanang Wahyu Hariyadi, Munjiati, Leni Mariana, Rina
Oktaviana, Listia Hesti, dan Ilkomerz 46 khususnya Dhieta Anggraini dan
Fiqrotul Ulya atas kerja samanya. Semoga karya ilmiah ini bermanfaat.

Bogor, Juli 2013
Retno Wijayanti

DAFTAR ISI
DAFTAR TABEL

vii

DAFTAR GAMBAR

vii

DAFTAR LAMPIRAN

vii

PENDAHULUAN

1

Latar Belakang

1

Perumusan Masalah

1

Tujuan Penelitian

2

Manfaat Penelitian

2

Ruang Lingkup Penelitian

2

TINJAUAN PUSTAKA

2

Kartu Kredit

2

Klasifikasi

2

Data Tidak Seimbang

3

Algoritme K-Means

3

Metode K-Fold Cross Validation

3

Fuzzy K-Nearest Neighbor

3

Normalisasi

5

Confusion Matrix

5

METODE

6

Pengadaan Data

6

Praproses Data

6

Pembagian Data

7

Klasifikasi dengan FKNN

8

Analisis Hasil Klasifikasi

8

Penerapan Model Terbaik

8

Lingkungan Pengembangan

8

HASIL DAN PEMBAHASAN

8

Pengadaan Data

8

Praproses Data

9

Resampling

10

Analisa Hasil Klasifikasi

10

Penerapan Model Terbaik

14

Perbandingan dengan Penelitian Sebelumnya

14

SIMPULAN DAN SARAN

14

Simpulan

14

Saran

16

DAFTAR PUSTAKA

16

LAMPIRAN

18

DAFTAR TABEL
1
2
3
4
5
6
7
8
9
10
11

Confusion matrix
Atribut data
Nilai akurasi setiap model data percobaan
Nilai precision setiap proses uji oversampling duplikasi saat tetangga
terdekat 1
Confusion matrix proses pengujian ke-6
Nilai precision setiap model data percobaan
Nilai recall setiap model data percobaan
Nilai f-measure setiap model data percobaan
Atribut data baru yang diuji beserta hasil prediksi
Hasil prediksi data uji
Perbandingan metrik pengukuran dengan penelitian lain

5
9
11
11
11
12
12
12
15
15
15

DAFTAR GAMBAR
1
2
3
4

Tahapan penelitian
Ilustrasi perhitungan FKNN
Grafik akurasi setiap model data percobaan
Grafik f-measure setiap model data percobaan

7
9
13
14

DAFTAR LAMPIRAN
1
2
3
4
5
6
7
8
9
10
11
12

Keterangan atribut
Nilai akurasi dalam % pada saat jumlah tetangga adalah 1 sampai 5
Nilai precision dalam % pada saat jumlah tetangga 1 sampai 5
Nilai recall dalam % pada saat jumlah tetangga adalah 1 sampai 5
Nilai f-measure dalam % pada saat jumlah tatangga 1 sampai 5
Contoh hasil klasifikasi data oversampling duplikasi saat k = 1
Contoh hasil klasifikasi data oversampling duplikasi saat k = 2
Contoh hasil klasifikasi data oversampling duplikasi saat k = 3
Contoh hasil klasifikasi data oversampling duplikasi saat k = 4
Contoh hasil klasifikasi data oversampling duplikasi saat k = 5
Tampilan sistem
Tampilan sistem saat menampilkan hasil prediksi

18
19
19
20
20
21
21
22
22
23
23
24

PENDAHULUAN
Latar Belakang
Usaha perbankan tidak hanya melayani penyimpanan dana nasabah, namun
terdapat berbagai macam bentuk usaha bank. Salah satu usaha bank tersebut
adalah memberikan fasilitas kartu kredit. Setiap bank mempunyai standar yang
khusus dalam menentukan diterima atau tidaknya suatu pengajuan kredit. Hal ini
sangat penting untuk mengurangi peluang kerugian bank akibat menerima
nasabah kartu kredit yang mempunyai potensi bermasalah. Diperlukan manajemen
risiko untuk meminimalkan kerugian yang akan diderita oleh pihak bank yang
diakibatkan oleh kredit bermasalah. Salah satu bentuk manajemen risiko adalah
menganalisis nasabah bermasalah yang sudah ada yang kemudian digunakan
sebagai acuan penerimaan nasabah baru. Keputusan pemberian kredit kepada
calon nasabah atau calon debitur melewati proses pengajuan kredit dan melalui
tahap analisis terhadap kredit yang diajukan. Tahap analisis ini merupakan tahap
yang paling penting dalam kualifikasi pemberian kredit.
Data nasabah yang akan digunakan untuk pembuatan model klasifikasi
merupakan salah satu data yang termasuk kasus data tidak seimbang. Hal ini
menyebabkan proses klasifikasi menjadi tidak optimal karena kelas yang
mempunyai jumlah data lebih banyak mendominasi hasil klasifikasi daripada
kelas yang memiliki jumlah data lebih sedikit. Pada sebagian besar kasus data
tidak seimbang, kelas yang menjadi target klasifikasi adalah kelas yang jumlah
data lebih sedikit atau minoritas.
Berbagai penelitian dilakukan untuk mencari solusi dari permasalahan
klasifikasi data tidak seimbang. Salah satu penelitian tersebut adalah Liao (2008)
yang mencoba berbagai teknik sampling untuk mengklasifikasikan kegagalan
pengelasan menggunakan jarak minimum, k-nearest neighbor (KNN), dan fuzzy knearest neighbor (FKNN). Dari penelitian tersebut dapat disimpulkan bahwa
FKNN memiliki perhitungan yang sederhana dan mudah diaplikasikan pada data
berukuran besar. Selain itu, akurasi yang dihasilkan FKNN lebih tinggi daripada
KNN dan mampu memberikan derajat keanggotaan pada kelas prediksi.
Pada penelitian ini akan dibuat suatu model untuk mengklasifikasikan
nasabah dengan kategori baik atau buruk. Pembuatan model dilakukan dengan
menggunakan algoritme FKNN. Sebelumnya, penelitian dengan menggunakan
data yang sama dilakukan oleh Setiawati (2011) menggunakan algoritme jaringan
saraf tiruan backpropagation. Berdasarkan penelitian tersebut, diketahui bahwa
perbandingan jumlah debitur pada kelas baik dan buruk memiliki perbedaan yang
cukup besar, yaitu 4:1. Dari hasil penelitian tersebut diperoleh akurasi dari model
terbaik sebesar 73.39%, serta recall dan precision kelas buruk sebesar 56.26% dan
36.90%.
Perumusan Masalah
Berdasarkan latar belakang yang telah dijelaskan, dapat disimpulkan bahwa
proses analisis nasabah kartu kredit perlu dilakukan. Selain itu, terdapat hal-hal
yang perlu dilakukan untuk mengatasi permasalahan pada data tidak seimbang.

2
Dengan mengambil sampel data sekunder dari Bank X akan dibuat model untuk
mengklasifikasikan nasabah kredit yang diterima baik atau buruk.
Tujuan Penelitian
Tujuan dari penelitian ini adalah membangun suatu model untuk
mengklasifikasikan nasabah kredit yang baik atau buruk menggunakan algoritme
FKNN.
Manfaat Penelitian
Hasil dari penelitian ini diharapkan dapat menjadi alternatif model untuk
menganalisis proses penerimaan kredit, khususnya nasabah kartu kredit. Dengan
demikian, jumlah kredit yang bermasalah dapat berkurang.
Ruang Lingkup Penelitian
Data yang dipakai pada penelitian ini adalah data sekunder nasabah kartu
kredit Bank X pada periode waktu 2008 2009. Atribut atau feature yang
digunakan adalah atribut yang mempengaruhi proses analisis. Algoritme yang
digunakan adalah FKNN.

TINJAUAN PUSTAKA
Kartu Kredit
Kartu kredit adalah alat pembayaran dengan menggunakan kartu yang dapat
digunakan untuk melakukan pembayaran atas kewajiban yang timbul dari suatu
kegiatan ekonomi, termasuk transaksi pembelanjaan dan/atau untuk melakukan
penarikan tunai, dimana kewajiban pembayaran pemegang kartu dipenuhi terlebih
dahulu oleh acquirer atau penerbit, dan pemegang kartu berkewajiban untuk
melakukan pembayaran pada waktu yang disepakati baik dengan pelunasan secara
sekaligus (charge card) ataupun dengan pembayaran secara angsuran (BI 2012).
Klasifikasi
Klasifikasi merupakan proses menemukan sekumpulan model atau fungsi
yang menggambarkan dan membedakan konsep atau kelas-kelas data. Tujuan dari
klasifikasi adalah membentuk model yang dapat digunakan untuk memprediksi
kelas dari suatu objek atau data yang label kelasnya tidak diketahui (Han dan
Kamber 2001).
Klasifikasi terdiri atas 2 tahap, yaitu pelatihan dan klasifikasi. Pada tahap
pelatihan, dibentuk sebuah model domain permasalahan dari setiap data yang ada.
Penentuan model tersebut berdasarkan analisis pada sekumpulan data pelatihan,
yaitu data yang label kelasnya sudah diketahui. Pada tahap klasifikasi dilakukan
prediksi kelas dari data pada data uji dengan menggunakan model yang telah
dibuat pada tahap pelatihan.

3
Data Tidak Seimbang
Data tidak seimbang merupakan suatu kondisi ketika sebuah himpunan data
terdapat satu kelas yang memiliki jumlah data yang kecil dibandingkan jumlah
data dari kelas yang lain. Kondisi tersebut dapat menimbulkan proses klasifikasi
pada kelas minoritas menjadi kurang optimal, sedangkan kelas minoritas dianggap
lebih penting dari kelas mayoritas. Sebagai contoh pada proses klasifikasi teks,
pengenalan citra satelit untuk mendeteksi titik-titik tertentu, kecurangan transaksi,
dan sebagainya (Kotsiantis et al. 2006).
Sebagai upaya untuk mengatasi permasalahan yang ada pada proses
klasifikasi data tidak seimbang, dapat dilakukan perubahan pada level algoritme
dan level data. Perubahan pada level algoritme dilakukan dengan mengubah
algoritme yang sudah ada atau dengan membuat algoritme baru. Perubahan pada
level data dilakukan dengan resampling. Ada 2 cara teknik resampling, yaitu
oversampling kelas minoritas dan undersampling kelas mayoritas. Oversampling
dilakukan dengan cara memperbanyak kelas minoritas sehingga jumlahnya sama
dengan kelas mayoritas. Teknik undersampling dilakukan dengan mengurangi
jumlah kelas mayoritas sehingga jumlahnya sama dengan kelas minoritas
(Kotsiantis et al. 2006). Undersampling dapat dilakukan dengan mengambil data
mayoritas secara acak atau dengan memakai teknik tertentu, misalnya dengan
clustering.
Algoritme K-Means
Algoritme k-means merupakan salah satu algoritme data clustering non
hirarki yang berusaha mempartisi data yang ada ke dalam beberapa cluster. Hal
pertama yang dilakukan adalah memilih k obyek secara acak, yang masing-masing
merupakan nilai rata-rata cluster atau centroid. Untuk masing-masing obyek yang
tersisa, dihitung kemiripannya berdasarkan jarak antara obyek tersebut dengan
centroid pada masing-masing cluster. Kemudian menghitung rata-rata baru untuk
setiap cluster. Proses ini dilakukan sampai fungsi kriteria konvergen (Han dan
Kamber 2001).
Metode K-Fold Cross Validation
Metode k-fold cross validation membagi data secara acak sejumlah k subset
yang saling bebas dengan ukuran yang kira-kira sama. Setelah subset terbentuk,
dilakukan pengulangan sebanyak k-kali untuk pelatihan dan pengujian. Pada
masing-masing proses pengujian, digunakan 1 subset sebagai data uji, sedangkan
subset lainnya sebagai data latih (Kohavi 1995).
Fuzzy K-Nearest Neighbor
FKNN merupakan pengembangan dari algoritme KNN yang sudah ada.
FKNN menggunakan konsep logika fuzzy untuk menentukan derajat keanggotaan
setiap kelas yang berbeda berdasarkan jarak yang didapatkan dari perhitungan
KNN. Inti dari algoritme FKNN adalah memberikan derajat keanggotaan sebagai
fungsi dari jarak vektor dari tetangga terdekatnya dan kelas yang memungkinkan
(Keller et al. 1985).

4
Pada data yang digunakan terdapat 2 jenis tipe atribut, yaitu atribut rasio dan
nominal. Pengukuran jarak pada data rasio dapat digunakan fungsi Euclidean
yang ada pada persamaan berikut.
√∑
Namun, penggunaan fungsi Euclidean untuk mengukur jarak data nominal
tidak tepat karena meskipun dapat dinyatakan dalam bentuk angka, data nominal
tidak memiliki urutan atau makna secara matematika sehingga tidak dapat
dibandingkan besarnya. Untuk menghitung jarak nominal, fungsi yang digunakan
adalah:
{

dengan:
x = data uji
y = data latih (Larose 2005)
Untuk menggabungkan kedua jarak tersebut, diperlukan fungsi aggregate
ketidaksamaan berat rata-rata yang diukur dari masing-masing fitur (Teknomo
2006). Fungsi yang digunakan sebagai berikut:
∑

∑

dengan:
Sij = jarak data uji dengan data latih
k
= jumlah variabel fitur
Sijk = nilai ketidaksamaan antarobjek
wijk = bobot fitur, bernilai 1 untuk jarak rasio dan 0.5 untuk jarak nominal.
Besarnya nilai pembobotan ini diberikan agar jarak nominal tidak terlalu
mendominasi hasil perhitungan (Nurjayanti 2011).
Setelah didapatkan nilai agregasi kedua jarak, perhitungan menurut konsep
FKNN mulai dilakukan. Untuk mendapatkan derajat keanggotaan suatu data uji,
digunakan fungsi:
∑
dengan:
u(x,cn)
k
m
u(xk,cn)

∑

= derajat keanggotaan data x pada kelas cn
= jumlah tetangga terdekat yang digunakan
= bobot yang diberikan (pada penelitian ini nilai m adalah 2)
= derajat keanggotaan data dalam k tetangga terdekat pada kelas cn
Bernilai 1 jika data latih xk merupakan anggota dari kelas cn atau 0 jika
bukan (Keller et al. 1985).

5
Normalisasi
Pada perhitungan untuk jarak rasio, atribut yang mempunyai rentang nilai
besar akan mempengaruhi hasil dari perhitungan jarak Euclidean. Solusi yang
dapat digunakan untuk mengatasi permasalahan tersebut adalah dilakukannya
normalisasi (Larose 2005). Metode normalisasi yang dapat diterapkan adalah minmax normalization dengan mengikuti persamaan berikut:

dengan X* adalah nilai hasil normalisasi, X nilai sebelum normalisasi, min(X) nilai
minimun dari fitur, dan max(X) nilai maksimum dari fitur.
Confusion Matrix
Salah satu teknik untuk mengukur kemampuan dari algoritme klasifikasi
pada kasus data tidak seimbang adalah dengan menggunakan confusion matrix.
Confusion matrix berisi informasi mengenai klasifikasi aktual dengan hasil
prediksi yang disajikan dalam bentuk tabel. Confusion matrix untuk dua kelas
dapat dilihat pada Tabel 1.
Tabel 1 Confusion matrix
Kelas hasil klasifikasi
Kelas aktual
Kelas positif
Kelas negatif
Kelas positif
TP
FN
Kelas negatif
FP
TN
TP adalah jumlah dari kelas positif (kelas yang mempunyai jumlah data
lebih sedikit) yang benar diklasifikasikan. FN adalah jumlah kelas positif yang
salah diklasifikasikan ke dalam kelas negatif. FP adalah jumlah kelas negatif yang
salah diklasifikasikan ke dalam kelas positif. TN adalah jumlah kelas negatif yang
benar diklasifikasikan. Berdasarkan data yang didapatkan dari confusion matrix,
akan dihitung (Weng dan Poon 2008):
1 Akurasi
Akurasi adalah jumlah perbandingan data yang benar dengan jumlah
keseluruhan data. Untuk menghitung akurasi, digunakan fungsi sebagai berikut:

2 Precision
Precision digunakan untuk mengukur seberapa besar proporsi dari kelas
data positif yang berhasil diprediksi dengan benar dari keseluruhan hasil prediksi
kelas positif. Untuk menghitung precision, digunakan fungsi sebagai berikut:

6
3 Recall
Recall digunakan untuk menunjukkan persentase kelas data positif yang
berhasil diprediksi benar dari keseluruhan data kelas positif. Untuk menghitung
recall, digunakan fungsi sebagai berikut:
all
4 F-measure
F-measure merupakan gabungan dari precision dan recall yang digunakan
untuk mengukur kemampuan algoritme dalam mengklasifikasikan kelas
minoritas. Untuk menghitung f-measure, digunakan fungsi sebagai berikut:
all
all

METODE
Penelitian ini dilakukan dalam beberapa tahapan. Alur tahapan penelitian
yang dilakukan dapat dilihat pada Gambar 1.
Pengadaan Data
Pada tahap ini, dilakukan pembuatan proposal penelitian dan menghubungi
pihak bank yang bersedia untuk bekerja sama dalam penelitian yang sedang
dilakukan.
Praproses Data
Data yang sudah didapat kemudian diubah menurut keperluan algoritme dan
jenis tipe atribut data itu sendiri. Data nominal diolah dengan menggunakan jarak
nominal. Praproses data rasio dilakukan dengan normalisasi agar didapatkan
range nilai antara 0 hingga 1 agar menghindari perbedaan range nilai yang terlalu
besar. Pada saat praproses data, dilakukan teknik resampling. Oversampling
dilakukan dengan 2 cara. Teknik oversampling yang pertama adalah dengan
menduplikasi data minoritas hingga jumlahnya sama dengan data mayoritas.
Teknik oversampling yang kedua dilakukan dengan cara membangkitkan data
minoritas secara acak sehingga jumlahnya sama dengan data mayoritas. Data rasio
didapatkan dengan membangkitkan data yang ada pada selang tiap atribut data
minoritas. Data nominal didapatkan dengan membangkitkan data yang ada pada
data minoritas mengikuti sebaran normal. Pada penelitian ini, keterkaitan data
tidak diperhatikan. Undersampling dilakukan dengan 2 cara, yaitu undersampling
acak dan undersampling dengan clustering. Undersampling secara acak dilakukan
sebanyak 3 kali. Clustering dilakukan dengan metode k-means sebanyak 9 kali,
dibagi menjadi 2 sampai 10 cluster. Agar data yang diambil tidak mengelompok
pada suatu cluster tertentu, jumlah data yang diambil pada masing-masing cluster
mengikuti fungsi berikut (Yen dan Lee 2009):

7
l

Pembagian Data
Data dibagi menjadi dua, yaitu data uji dan data latih. Pembagian data
dilakukan secara acak dengan metode k-fold cross validation. Karena data yang
digunakan cukup besar, pada metode ini melakukan proses folding sebanyak 10
kali untuk pelatihan dan pengujian dengan besar 10 adalah sejumlah iterasi yang
ingin dilakukan. Pemilihan 10 fold bertujuan untuk mengoptimalkan hasil
klasifikasi yang diperoleh. Pada setiap pengujian, 1 subset digunakan sebagai data
uji, sedangkan subset yang lain digunakan sebagai data latih.

Mulai
Pengadaan
Data
Praproses
Data
Pembagian Data
(10-fold cross
validation)
)
Data Latih

Data Uji

FKNN

Analisa Hasil
Klasifikasi
Penerapan
Model Terbaik

Selesai
Gambar 1 Tahapan penelitian

8
Klasifikasi dengan FKNN
Teknik klasifikasi menggunakan FKNN berbasis sama dengan KNN, yaitu
mencari jarak terdekat antara data yang akan dievaluasi dengan sejumlah k
tetangga terdekatnya dalam data latih. Langkah-langkah untuk memodelkan
prediksi menggunakan FKNN pada penelitian ini adalah sebagai berikut:
1 Perhitungan jarak Euclidean untuk data rasio. Perhitungan jarak dilakukan
setelah data dinormalisasi.
2 Perhitungan jarak nominal dengan membandingkan data latih dengan data uji.
Fitur nominal dilambangkan dengan angka agar mempermudah proses
perbandingan.
3 Agregasi jarak yang telah didapatkan, yaitu dengan menggabungkan perolehan
jarak rasio dan nominal.
4 Penentuan nilai k untuk menunjukkan berapa jumlah tetangga terdekat yang
diinginkan.
5 Perhitungan derajat keanggotaan data pada masing-masing kelas. Kelas hasil
klasifikasi ditentukan oleh derajat keanggotaan terbesar di antara 2 kelas yang
dituju.
Ilustrasi perhitungan FKNN selengkapnya dapat dilihat pada Gambar 2.
Analisis Hasil Klasifikasi
Untuk mengetahui keefektifan suatu algoritme dalam mengklasifiikasikan
data, dilakukan perhitungan akurasi, precision, recall, dan f-measure. Semakin
tinggi tingkat akurasi, precision, recall dan f-measure, maka algoritme semakin
baik dalam melakukan klasifikasi.
Penerapan Model Terbaik
Setelah analisis hasil dilakukan, akan dibuat sistem yang mampu
memprediksi kelas dari data baru. Berdasarkan hasil analisis akan didapatkan
model data terbaik. Model data tersebut digunakan sebagai dasar pada proses
prediksi data baru.
Lingkungan Pengembangan
Aplikasi yang dibangun pada penelitian ini menggunakan kode program
yang ditulis dalam buku Prasetyo (2012). Kode program tersebut kemudian
dimodifikasi sesuai keperluan. Program diimplementasikan menggunakan
spesifikasi perangkat processor Intel Core i3 2.30 GHz, RAM kapasitas 2 GB,
dan harddisk kapasitas 500 GB. Perangkat lunak yang digunakan ialah sistem
operasi Windows 7 Professional, Matlab 7.7.0, dan Microsoft Excel.

HASIL DAN PEMBAHASAN
Pengadaan Data
Data didapatkan dari penelitian sebelumnya yang melakukan penelusuran
banyaknya unit dan lapisan tersembunyi jaringan saraf tiruan pada data tidak

9

Gambar 2 Ilustrasi perhitungan FKNN
seimbang (Setiawati 2011). Terdapat 4413 data dan 14 atribut yang terkait dengan
nasabah. Ada 3 jenis atribut, yaitu atribut rasio sebanyak 7 atribut, ordinal
sebanyak 1 atribut, dan nominal sebanyak 6 atribut. Atribut data selengkapnya
dapat dilihat pada Tabel 2. Untuk mempermudah proses klasifikasi, atribut ordinal
dan nominal dikategorisasikan dalam bentuk angka. Keterangan lengkap atribut
tersebut dapat dilihat pada Lampiran 1.
Praproses Data
Jumlah data setiap kelas berubah setelah dilakukan praproses data. Sebelum
praproses, jumlah data sebesar 4413 dengan 839 data untuk kelas buruk dan 3574
data kelas baik. Data yang terdapat missing value tidak digunakan dalam proses
klasifikasi. Selain itu, data yang mempunyai nilai fitur tidak valid seperti 0 atau 1
pada fitur pendapatan, -1 pada fitur masa kerja dan lama tinggal juga tidak
digunakan. Banyaknya data setelah mengalami praproses data berkurang menjadi
3895 data. Dari hasil praproses didapatkan 636 data dengan kelas buruk dan 3259
data dengan kelas baik.
Tabel 2 Atribut data
Ordinal
Pendidikan

Rasio
Usia
Jumlah tanggungan
Penghasilan
Jumlah kartu kredit lain
Presentase utang kartu
kredit lain
Lama kerja
Lama tinggal

Nominal
Gender
Status pernikahan
Tipe perusahaan
Jenis pekerjaan
Status pekerjaan
Kepemilikan
rumah

10
Resampling
Pada saat teknik oversampling diterapkan, jumlah data bertambah menjadi
6518 data. Pada saat teknik undersampling diterapkan, jumlah data berkurang
menjadi 1272 data.
Analisa Hasil Klasifikasi
Pada penelitian ini, hasil yang diperoleh adalah akurasi, precision, recall,
dan f-measure yang merupakan rata-rata dari 10-fold cross validation. Hasil dari
cluster undersampling dan undersampling acak merupakan yang terbesar dari
hasil 9 data cluster undersampling dan 3 undersampling acak. Akurasi yang
paling besar didapatkan dari teknik oversampling duplikasi pada saat nilai
tetangga terdekat adalah 1, yaitu sebesar 91.93%. Namun, nilai ini menurun saat
jumlah tetangga terdekat ditingkatkan. Akurasi yang didapatkan dari data
oversampling acak paling besar adalah 84.37% pada saat jumlah tetangga terdekat
4. Jumlah tetangga terdekat tidak begitu berpengaruh terhadap akurasi yang
diperoleh. Akurasi yang didapatkan dari data asli paling besar adalah 79.05% pada
saat jumlah tetangga terdekat adalah 5. Nilai ini naik meskipun tidak signifikan
saat jumlah tetangga terdekat ditingkatkan. Akurasi yang didapatkan dari data
cluster undersampling paling besar adalah 76.33% pada saat jumlah tetangga
terdekat 5. Akurasi yang didapatkan dari data undersampling acak paling besar
adalah 75.71% pada saat jumlah tetangga terdekat 4. Hasil akurasi keduanya tidak
berbeda jauh pada saat jumlah tetangga terdekat adalah 1 sampai 5. Perbandingan
hasil akurasi pada saat jumlah tetangga terdekat 1 sampai 5 untuk masing-masing
data hasil resampling dan data asli dapat dilihat pada Tabel 3. Nilai selengkapnya
dapat dilihat pada Lampiran 2.
Namun, hasil akurasi tersebut belum dapat mengukur kemampuan algoritme
dalam melakukan proses klasifikasi pada data minoritas. Sehingga, dihitung
precision dan recall yang didapatkan dari hasil confusion matrix. Precision
tertinggi dihasilkan oleh data hasil oversampling duplikasi, yaitu sebesar 86.12%
pada saat jumlah tetangga terdekat 1. Namun, hasil tersebut menurun seiring
dengan meningkatnya jumlah tetangga terdekat. Penurunan sangat drastis terjadi
pada saat jumlah tetangga terdekat adalah 5, yaitu menjadi sebesar 50.36%.
Berdasarkan Tabel 4, precision terbaik diperoleh pada proses uji ke-6 yaitu
sebesar 88.23%. Confusion matrix untuk proses pengujian ke-6 dapat dilihat pada
Tabel 5.
Precision yang didapatkan dari data oversampling acak paling besar adalah
85.82% pada saat jumlah tetangga terdekat adalah 4. Precision yang didapatkan
dari data asli paling besar adalah 27.17% pada saat jumlah tetangga terdekat
adalah 4. Precision yang didapatkan dari data cluster undersampling paling besar
adalah 78.27% pada saat jumlah tetangga terdekat adalah 5. Precision yang
didapatkan dari data undersampling acak paling besar adalah 78.44% pada saat
jumlah tetangga terdekat adalah 4. Hasil precision ini tidak berbeda jauh pada saat
nilai K adalah 1 sampai 5. Perbandingan hasil precision pada jumlah tetangga
terdekat 1 sampai 5 untuk masing-masing data hasil resampling dan data asli
dapat dilihat pada Tabel 6. Nilai selengkapnya dapat dilihat pada Lampiran 3.
Recall tertinggi masih dihasilkan oleh data hasil oversampling duplikasi,
yaitu mencapai 100%. Namun, hasil tersebut menurun seiring dengan

11
meningkatnya jumlah tetangga terdekat. Penurunan sangat drastis terjadi pada saat
jumlah tetangga terdekat adalah 5, yaitu menjadi sebesar 32.49%. Recall yang
didapatkan dari data oversampling acak paling besar adalah 83.17% pada saat
jumlah tetangga terdekat adalah 2. Recall yang didapatkan dari data asli paling
besar adalah 22.75% pada saat jumlah tetangga terdekat adalah 1. Recall yang
didapatkan dari data cluster undersampling paling besar adalah 75.85% pada saat
jumlah tetangga terdekat adalah 4. Recall yang didapatkan dari data
undersampling acak paling besar adalah 72.35% pada saat jumlah tetangga
terdekat adalah 1. Hasil recall ini tidak berbeda jauh pada saat jumlah tetangga
terdekat adalah 1 sampai 5. Perbandingan hasil recall pada jumlah tetangga
terdekat adalah 1 sampai 5 untuk masing-masing data hasil resampling dan data
asli dapat dilihat pada Tabel 7. Nilai recall selengkapnya dapat dilihat pada
Lampiran 4.
Dari hasil precision dan recall yang didapatkan, kemudian dihitung nilai fmeasure untuk mengetahui kemampuan algoritme dalam mengklasifikasikan data
minoritas secara keseluruhan. F-measure tertinggi masih dihasilkan oleh data
Tabel 3 Nilai akurasi setiap model data percobaan
Model data
Data asli
Oversampling duplikasi
Oversampling acak
Cluster undersampling
Undersampling acak

Akurasi tiap jumlah tetangga (k) (%)
1
2
3
4
5
74.48
74.69
78.08 78.56
79.05
91.93
91.60
85.44 75.22
50.24
83.94
84.00
84.17 84.37
84.35
75.63
75.16
75.24 76.18
76.33
74.30
74.21
75.16 75.71
74.60

Tabel 4 Nilai precision setiap proses uji oversampling duplikasi
saat tetangga terdekat 1
Pengujian kePrecision (%)
1
86.56
2
86.44
3
85.08
4
87.70
5
84.89
6
88.23
7
84.65
8
86.44
9
84.25
10
86.99
Tabel 5 Confusion matrix proses pengujian ke-6
Kelas hasil klasifikasi
Kelas aktual
Bad
Good
Bad
322
0
Good

43

287

12
Tabel 6 Nilai precision setiap model data percobaan
Model data
Data asli
Oversampling duplikasi
Oversampling acak
Cluster undersampling
Undersampling acak

Precision tiap jumlah tetangga (k) (%)
1
2
3
4
5
22.53
22.25
26.56
27.17 25.68
86.12
85.85
79.24
74.06 50.36
84.52
84.56
85.71
85.82 85.80
75.62
74.84
76.31
77.74 78.27
75.43
75.03
77.02
78.44 77.53

Tabel 7 Nilai recall setiap model data percobaan
Model data
Data asli
Oversampling duplikasi
Oversampling acak
Cluster undersampling
Undersampling acak

Recall tiap jumlah tetangga (k) (%)
1
2
3
4
5
22.75 22.47
19.50 18.54
15.59
100.00 99.64
95.99 77.58
32.49
83.10 83.17
82.01 82.34
82.35
75.38 75.85
73.61 73.84
72.80
72.35 72.34
71.64 71.05
69.27

hasil oversampling duplikasi, yaitu mencapai 92.54%. Namun, hasil tersebut
menurun seiring dengan meningkatnya jumlah tetangga terdekat. Penurunan
sangat drastis terjadi pada saat jumlah tetangga terdekat adalah 5, yaitu menjadi
sebesar 39.50%. F-measure yang didapatkan dari data oversampling acak paling
besar adalah 84.04% pada saat jumlah tetangga terdekat adalah 4 dan 5. Hasil fmeasure paling besar yang didapatkan dari data asli adalah 22.64% pada saat nilai
jumlah tetangga terdekat adalah 1. F-measure yang didapatkan dari data cluster
undersampling paling besar adalah 75.74% pada saat jumlah tetangga terdekat
adalah 4. F-measure yang didapatkan dari data undersampling acak paling besar
adalah 74.56% pada saat jumlah tetangga terdekat adalah 4. Perbandingan hasil fmeasure pada jumlah tetangga terdekat adalah 1 sampai 5 untuk masing-masing
data hasil resampling dan data asli dapat dilihat pada Tabel 8. Nilai f-measure
selengkapnya dapat dilihat pada Lampiran 5.
Selain menghasilkan akurasi, precision, recall, dan f-measure, algoritme
FKNN mampu memberikan derajat keanggotaan pada masing-masing kelas.
Derajat keanggotaan tersebut menjadi dasar algoritme untuk menentukan kelas
hasil prediksi. Sebagai contoh pada Lampiran 6 hingga Lampiran 10 dapat dilihat
derajat keanggotaan yang dihasilkan pada masing-masing nilai k saat
Tabel 8 Nilai f-measure setiap model data percobaan
F-measure tiap jumlah tetangga (k) (%)
Model data
1
2
3
4
5
Data asli
22.64
22.36
22.49
22.04 19.40
Oversampling duplikasi
92.54
92.23
86.82
75.78 39.50
Oversampling acak
83.80
83.86
83.81
84.04 84.04
Cluster undersampling
75.50
75.34
74.94
75.74 75.43
75.34
75.34
75.34
75.34 75.34
Undersampling acak

13
menggunakan data oversampling duplikasi. Pada saat tetangga terdekat 1, derajat
keanggotaan masing-masing kelas hanya berupa angka 0 dan 1 karena hanya
membandingkan 1 jarak tetangga. Pada saat jumlah tetangga lebih dari 1, mulai
terlihat bahwa derajat keanggotaan yang dihasilkan semakin beragam.
Dari hasil penjabaran di atas, dapat dilihat bahwa akurasi dari data asli
cukup tinggi. Namun, hasil tersebut lebih didominasi oleh hasil klasifikasi data
mayoritas. Hal tersebut dibuktikan dengan hasil f-measure yang rendah. Pada
penelitian ini secara umum teknik resampling mampu meningkatkan nilai Fmeasure. Hasil yang diperoleh dari teknik oversampling acak lebih stabil daripada
hasil yang diperoleh dari teknik oversampling duplikasi. Pada saat jumlah
tetangga terdekat adalah 4 dan 5, hasil akurasi dan f-measure oversampling acak
lebih bagus daripada teknik yang lain. Pada saat undersampling baik secara acak
maupun berdasarkan cluster, hasil f-measure dan akurasi cenderung stabil pada
saat jumlah tetangga terdekat ditingkatkan. Untuk lebih jelasnya, digambarkan
dengan grafik pada Gambar 3 untuk akurasi dan Gambar 4 untuk f-measure.
Pada saat digunakan teknik oversampling acak, hasil yang didapatkan lebih
bagus dibandingkan hasil dari undersampling dan oversampling duplikasi pada
jumlah tetangga terdekat adalah 4 dan 5. Hal ini disebabkan data yang
dibangkitkan merupakan data yang diacak dari data minoritas. Hasil yang didapat
dari oversampling, baik secara duplikasi maupun acak lebih bagus daripada teknik
yang lain. Hal ini disebabkan konsep jarak yang ada pada algoritme KNN. Pada
saat oversampling duplikasi, data minoritas diduplikasi sehingga jumlahnya sama
dengan data mayoritas. Saat pengujian terdapat kemungkinan data yang diuji
membandingkan jarak dengan dirinya sendiri yang ada pada data latih, sehingga
hasil klasifikasi yang didapatkan lebih bagus.
Undersampling terbukti berhasil meningkatkan f-measure dari data asli.
Ketika menggunakan undersampling, perbandingan data buruk dengan baik
seimbang. Dari hasil penelitian didapatkan bahwa teknik undersampling acak
menghasilkan akurasi, precision, recall dan f-measure yang lebih rendah daripada
undersampling yang dilakukan secara clustering. Pada saat teknik clustering
diterapkan untuk pengambilan sampel data baik, jarak antara satu data dengan
data yang lain sudah diukur kedekatannya. Oleh karena itu, pada saat proses
klasifikasi diperoleh hasil yang stabil pada saat jumlah tetangga terdekat adalah 1
sampai 5.

Akurasi (%)

100

50

0

Data asli

Oversampling Oversampling
Cluster
Undersampling
duplikasi
acak
undersampling
acak
K=1

K=2

K=3

K=4

K=5

Gambar 3 Grafik akurasi setiap model data percobaan

14

F-measure (%)

100

50

0
Data asli

Oversampling Oversampling
Cluster
Undersampling
acak
duplikasi
undersampling
acak
K=1

K=2

K=3

K=4

K=5

Gambar 4 Grafik f-measure setiap model data percobaan
Penerapan Model Terbaik
Berdasarkan penelitian ini, didapatkan model terbaik berasal dari data hasil
oversampling acak karena menghasilkan akurasi, precision, recall, dan f-measure
yang stabil. F-measure terbaik dihasilkan pada saat jumlah tetangga adalah 4.
Model terbaik tersebut digunakan sebagai dasar untuk pengujian data baru.
Tampilan sistem untuk menguji data baru ada pada Lampiran 11. Pada saat
dimasukkan data baru untuk diprediksi, sistem berhasil menampilkan kelas
prediksi dan derajat keanggotaan untuk setiap kelas. Pada saat data pertama
dimasukkan, sistem memprediksi data tersebut adalah kelas 1 dengan derajat
keanggotaan sebesar 0.64. Kemudian pada saat data kedua dimasukkan, sistem
memprediksi data tersebut adalah kelas 2 dengan derajat keanggotaan sebesar
0.66. Tampilan sistem pada saat menamplikan hasil prediksi ada pada Lampiran
12. Data baru yang diujikan dapat dilihat pada Tabel 9. Hasil prediksi sistem dapat
dilihat pada Tabel 10.
Perbandingan dengan Penelitian Sebelumnya
Perbandingan metrik pengukuran pada penelitian Natasia (2013), Setiawati
(2011), Aritonang (2006), dan penelitian ini diperlihatkan pada Tabel 11. Hasil
penelitian yang dilakukan oleh Natasia (2013) dan Setiawati (2011) menunjukkan
hasil f-measure yang rendah. Hal ini kemungkinan disebabkan pada kedua
penelitian tersebut tidak mengubah data yang digunakan. Pada penelitian yang
dilakukan oleh Aritonang (2006) yang menggunakan pendekatan pada level data,
hasil yang didapatkan cukup bagus. Aritonang (2006) menggunakan algoritme
VFI5 untuk mengklasifikasikan data hypothyroid yang merupakan data tidak
seimbang.

SIMPULAN DAN SARAN
Simpulan
Berdasarkan penelitian yang telah dilakukan dapat disimpulkan bahwa:
1 Teknik resampling dengan oversampling dan undersampling dapat
meningkatkan f-measure.

15
Tabel 9 Atribut data baru yang diuji beserta hasil prediksi
Atribut
Data 1
Data 2
3
3
Pendidikan
Gender
1
1
Status pernikahan
1
2
Tipe perusahaan
4
4
Status pekerjaan
1
1
Pekerjaan
3
4
Status rumah
0
1
Tanggunan
4
0
Pendapatan
5 000 000
150 000 000
Banyaknya kartu kredit lain
3
3
Persentase utang kartu kredit lain
55
2
Usia
32
32
Masa kerja
344
144
Lama tinggal
123
123
Penjelasan atribut ada pada Lampiran 1.

Tabel 10 Hasil prediksi data uji
Hasil prediksi
Kelas
Derajat
keanggotaan

Data 1
1
0.64
0.36

Kelas 1
Kelas 2

Data 2
2
0.66
0.34

Tabel 11 Perbandingan metrik pengukuran dengan penelitian lain

Hypothyroida

VFI5 model
Undersampling

88.73

97.77

Fmeasure
79.17
87.49

Debitur

Backpropagationb

73.39

36.90

56.26

44.57

VFI5 dengan semua
atributc
FKNN data asli;
K=5
FKNN oversampling
duplikasi; K = 1
FKNN oversampling
acak; K = 4
FKNN cluster
undersampling; K = 5
FKNN undersampling
acak; K = 4

65.30

21.14

40.63

27.81

79.05

25.68

15.59

19.40

91.93

86.12 100.00

92.54

84.37

85.82

82.34

84.04

76.33

78.27

72.80

72.43

75.71

78.44

71.05

75.34

Data

a

Model

Akurasi Precision Recall

Aritonang (2006) bSetiawati (2011) cNatasia (2013)

16
2 Besarnya jumlah tetangga terdekat mempunyai pengaruh berbeda pada masingmasing data percobaan. Pada percobaan menggunakan data asli, meningkatnya
jumlah tetangga terdekat meningkatkan nilai akurasi. Akurasi tertinggi terjadi
pada saat jumlah tetangga terdekat adalah 5, yaitu sebesar 79.05%. Nilai ini
lebih tinggi daripada akurasi yang dihasilkan pada saat menggunakan
undersampling, tapi lebih rendah jika dibandingkan dengan akurasi yang
dihasilkan oleh oversampling secara umum. Pada saat menggunakan
oversampling duplikasi, meningkatnya jumlah tetangga terdekat menurunkan
nilai akurasi, precision, recall, dan f-measure. Jumlah tetangga terdekat tidak
berpengaruh signifikan pada saat digunakan oversampling acak dan
undersampling.
3 F-measure paling tinggi dihasilkan saat menggunakan oversampling duplikasi,
yaitu 92.54% pada saat jumlah tetangga terdekat 1.
4 Pada percobaan menggunakan data oversampling duplikasi menghasilkan fmeasure untuk data minoritas cukup besar, yaitu 92.54%. Hasil ini lebih tinggi
jika dibandingkan dengan percobaan menggunakan data oversampling acak
yang menghasilkan f-measure 84.04%.
5 Pada percobaan menggunakan data cluster undersampling menghasilkan fmeasure untuk data minoritas cukup besar, yaitu 75.74%. Hasil ini lebih tinggi
jika dibandingkan dengan percobaan menggunakan data undersampling acak
yang menghasilkan f-measure 74.56%.
6 Sistem berhasil memprediksi data baru dengan menggunakan model terbaik,
yaitu oversampling acak dengan tetangga terdekat 4.
Saran
Pada penelitian selanjutnya diharapkan dapat membandingkan hasil
klasifikasi FKNN yang didapatkan pada penelitian ini dengan teknik sampling
yang lain, seperti synthetic minority oversampling technique dan bootstrap
undersampling dengan memperhatikan keterkaitan antar-atribut. Selain itu,
diharapkan juga untuk mencoba algoritme klasifikasi yang lain, seperti weighted
KNN.

DAFTAR PUSTAKA
Aritonang R. 2006. Klasifikasi imbalanced data menggunakan algoritme
klasifikasi voting feature intervals [skripsi]. Bogor (ID): Institut Pertanian
Bogor.
[BI] Bank Indonesia. 2012. Peraturan Bank Indonesia nomor 14/2/PBI/2012
tentang Perubahan Atas Peraturan Bank Indonesia nomor 11/11/PBI/2009
Tentang Penyelenggaraan Kegiatan Alat Pembayaran Dengan Menggunakan
Kartu. Bank Indonesia. Jakarta.
Han J, Kamber M. 2001. Data Mining Concepts & Techniques. San Fansisco
(US): Morgan Kaufmann.
Keller JM, Gray MR, Givens JA. 1985. A fuzzy k-nearest neigbor algorithm.
IEEE Trans System Man Cybernet. 15(4):580-585. doi:10.1109/TSMC.198
5.65313426.

17
Kohavi R. 1995. A study of cross-validation and bootstrap for accuracy estimation
and model selection. International Joint Conference on Artificial
Intelligence [Internet]; 1995 Agu 20-25. Quebec, Kanada. Quebec (CA).
[diunduh 2013 Juli 16]. Tersedia pada: http://frostiebek.free.fr/docs/Machine
%20Learning/validation-1.pdf
Kotsiantis S, Kanellopoulos D, Pintelas P. 2006. Handling imbalanced datasets: a
review. GESTS International Transactions on Computer Science and
Engineering. 30(1):25-36. doi:10.1.1.96.9248.
Larose DT. 2005. Discovering Knowledge in Data: An Introduction to Data
Mining. New Jersey (US). J Wiley.
Liao TW. Classification of weld flaws with imbalanced class data. Expert System
with Application. 35(3):1041-1052. doi:10.1016/j.eswa.207.08.044.
Natasia SR. 2013. Klasifikasi debitur kartu kredit dengan pemilihan fitur
menggunakan voting feature intervals 5 [skripsi]. Bogor (ID): Institut
Pertanian Bogor.
Nurjayanti B. 2011. Identifikasi Shorea menggunakan k-nearest neighbor
berdasarkan karakteristik morfologi daun [skripsi]. Bogor (ID): Institut
Pertanian Bogor.
Prasetyo E. 2012. Data Mining: Konsep dan Aplikasi Menggunakan Matlab.
Nikodemus WK, editor. Yogyakarta (ID): Andi Offset.
Setiawati PA. 2011. Penelusuran banyaknya unit dan lapisan tersembunyi jaringan
saraf tiruan pada data tidak seimbang [skripsi]. Bogor (ID): Institut
Pertanian Bogor.
Teknomo K. 2006. Similarity measurement [internet]. [diunduh 2013 Apr 3].
Tersedia pada: http://people.revoledu.com/kardi/ tutorial/Similarity/.
Weng GC, Poon J. 2008. A new evaluation measure for imbalanced datasets. Di
dalam: Roddick FJ, Li J, Christen P, Kennedy P, editor. Seventh Australian
Data Mining Conference (AusDM 2008) [Internet]; 2008 Nov 27; Glenelg,
Australia. Adelaide (AU). [diunduh 2013 Mei 21]. Tersedia pada:
http://crpit.com/confpapers/CRPITV87Weng.pdf.
Yen SJ, Lee YS. 2009. Cluster-based under-sampling approaches for imbalanced
data distributions. Expert Systems with Applications. 36(3):5718-5727.
doi:10.1016/j.eswa.2008.06.108.

18
Lampiran 1 Keterangan atribut
Tipe atribut

Atribut

Keterangan

Ordinal

Pendidikan

1 = SMP/SMA
2 = Akademi
3 = S1/S2

Nominal

Gender

1 = Pria
2 = Wanita
1 = Lajang
2 = Menikah
3 = Bercerai
1 = Kontraktor
2 = Conversion
3 = Industri berat
4 = Pertambangan
5 = Jasa
6 = Transportasi
1 = Permanen
2 = Kontrak
1 = Conversion
2 = PNS
3 = Profesional
4 = Wiraswasta
5 = Perusahaan swasta
0 = Bukan milik sendiri
1 = Milik sendiri

Status pernikahan

Tipe perusahaan

Status pekerjaan
Pekerjaan

Status rumah

Rasio

Kelas

Tanggunan
Pendapatan
Banyaknya kartu kredit lain
Persentase utang kartu kredit
lain
Usia
Masa kerja
Lama tinggal

Orang
Rupiah per tahun

Dalam bulan
Dalam bulan
Dalam bulan
1 = buruk
2 = baik

19
Lampiran 2 Nilai akurasi dalam % pada saat jumlah tetangga adalah 1 sampai 5
Model data
Data asli
Oversampling duplikasi
Oversampling acak
2-cluster undersampling
3-cluster undersampling
4-cluster undersampling
5-cluster undersampling
6-cluster undersampling
7-cluster undersampling
8-cluster undersampling
9-cluster undersampling
10-cluster undersampling
Undersampling acak 1
Undersampling acak 2
Undersampling acak 3

Akurasi tiap jumlah tetangga (k)
1
2
3
4
5
74.48
74.69
78.08
78.56
79.05
91.93
91.84
85.44
75.22
50.24
83.94
84.00
84.17
84.37
84.35
75.63
75.16
75.24
76.18
76.33
63.83
63.68
63.92
65.64
65.57
67.68
69.11
69.97
69.73
70.35
63.60
64.16
64.70
65.65
65.56
60.93
62.03
62.18
61.94
63.05
60.53
60.54
62.89
62.90
62.81
63.13
61.63
62.73
63.91
63.60
61.94
60.93
62.57
62.89
61.94
70.05
69.81
70.21
71.69
71.07
74.30
74.21
75.16
75.71
74.60
74.06
73.75
76.18
75.24
75.47
71.15
70.13
72.01
72.49
71.62

Lampiran 3 Nilai precision dalam % pada saat jumlah tetangga 1 sampai 5
Model data
Data asli
Oversampling duplikasi
Oversampling acak
2-cluster undersampling
3-cluster undersampling
4-cluster undersampling
5-cluster undersampling
6-cluster undersampling
7-cluster undersampling
8-cluster undersampling
9-cluster undersampling
10-cluster undersampling
Undersampling acak 1
Undersampling acak 2
Undersampling acak 3

Precision tiap jumlah tetangga (k)
1
2
3
4
5
22.53
22.25
26.56
27.17
25.68
86.12
86.13
79.24
74.06
50.36
84.52
84.56
85.71
85.82
85.80
75.62
74.84
76.31
77.74
78.27
64.27
64.11
64.46
66.08
66.53
68.56
69.00
70.13
70.32
70.68
64.23
64.60
65.29
66.98
67.32
60.10
61.45
61.86
61.52
62.80
60.46
60.61
63.04
63.59
62.77
62.97
61.23
62.62
63.90
63.32
62.58
60.91
62.58
63.43
62.52
70.76
70.57
70.97
73.14
73.00
75.43
75.03
77.02
78.44
77.53
75.04
74.59
78.31
77.25
77.66
71.57
70.81
72.95
73.18
72.75

20
Lampiran 4 Nilai recall dalam % pada saat jumlah tetangga adalah 1 sampai 5
Model data
Data asli
Oversampling duplikasi
Oversampling acak
2-cluster undersampling
3-cluster undersampling
4-cluster undersampling
5-cluster undersampling
6-cluster undersampling
7-cluster undersampling
8-cluster undersampling
9-cluster undersampling
10-cluster undersampling
Undersampling acak 1
Undersampling acak 2
Undersampling acak 3

Recall tiap jumlah tetangga (k)
1
2
3
4
22.75
22.47 19.50 18.54
100.00
99.76 95.99 77.58
83.10
83.17 82.01 82.34
75.38
75.85 73.61 73.84
63.21
62.56 61.94 64.93
66.14
69.75 69.55 68.12
62.11
63.25 61.58 62.68
63.08
63.52 62.83 63.12
61.11
61.52 61.75 61.52
62.66
62.29 63.78 64.15
60.93
59.40 61.12 61.95
68.89
67.95 68.57 68.64
72.35
72.34 71.64 71.05
72.41
71.89 72.64 71.24
70.53
67.58 70.57 71.02

5
15.59
32.49
82.35
72.80
63.74
69.57
62.53
63.62
62.20
64.53
60.94
67.22
69.27
71.28
68.86

Lampiran 5 Nilai f-measure dalam % pada saat jumlah tetangga 1 sampai 5
Model data
Data asli
Oversampling duplikasi
Oversampling acak
2-cluster undersampling
3-cluster undersampling
4-cluster undersampling
5-cluster undersampling
6-cluster undersampling
7-cluster undersampling
8-cluster undersampling
9-cluster undersampling
10-cluster undersampling
Undersampling acak 1
Undersampling acak 2
Undersampling acak 3

F-measure tiap jumlah tetangga (k)
1
2
3
4
5
22.64
22.36 22.49 22.04 19.40
92.54
92.23 86.82 75.78 39.50
83.80
83.86 83.81 84.04 84.04
75.50
75.34 74.94 75.74 75.43
63.74
63.33 63.18 65.50 65.11
67.33
69.38 69.84 69.20 70.12
63.15
63.92 63.38 64.76 64.83
61.55
62.47 62.34 62.31 63.21
60.78
61.06 62.39 62.54 62.48
62.81
61.75 63.20 64.02 63.92
61.74
60.14 61.84 62.68 61.72
69.81
69.24 69.75 70.82 69.99
73.86
73.66 74.23 74.56 73.17
73.70
73.21 75.37 74.12 74.33
71.05
69.16 71.74 72.08 70.76

21
Lampiran 6 Contoh hasil klasifikasi data oversampling duplikasi saat k = 1
Kelas asli
2
2
1
1
1
1
1
2
2
1
1
2
1
1
1

Kelas Membership Membership
hasil uji
kelas 1
kelas 2
2
0
1
2
0
1
1
1
0
1
1
0
1
1
0
1
1
0
1
1
0
2
0
1
2
0
1
1
1
0
1
1
0
2
0
1
1
1
0
1
1
0
1
1
0

Lampiran 7 Contoh hasil klasifikasi data oversampling duplikasi saat k = 2
Kelas asli
2
2
2
2
2
2
1
1
1
1
2
1
1
1
1

Kelas Membership Membership
hasil uji
kelas 1
kelas 2
1
1.00
0.00
2
0.44
0.56
2
0.00
1.00
1
1.00
0.00
2
0.00
1.00
1
1.00
0.00
1
1.00
0.00
1
1.00
0.00
1
1.00
0.00
1
1.00
0.00
1
1.00
0.00
1
1.00
0.00
1
1.00
0.00
1
1.00
0.00
1
1.00
0.00

22
Lampiran 8 Contoh hasil klasifikasi data oversampling duplikasi saat k = 3
Kelas asli
1
1
2
1
2
2
2
2
1
1
1
1
1
1
1

Kelas Membership Membership
hasil uji
kelas 1
kelas 2
0.00
1
1.00
0.00
1
1.00
1.00
2
0.00
0.00
1
1.00
0.54
0.46
1
0.69
0.31
1
0.00
1.00
2
0.66
0.34
1
0.00
1
1.00
0.00
1
1.00
0.00
1
1.00
0.00
1
1.00
0.00
1
1.00
0.00
1
1.00
0.00
1
1.00

Lampiran 9 Contoh hasil klasifikasi data oversampling duplikasi saat k = 4
Kelas asli
2
2
2
2
2
2
2
2
2
1
1
1
1
1
2

Kelas Membership Membership
hasil uji
kelas 1
kelas 2
1
0.74
0.26
1
0.73
0.27
2
0.00
1.00
2
0.20
0.80
1
1.00
0.00
2
0.15
0.85
2
0.07
0.93
2
0.00
1.00
2
0.48
0.52
2
0.01
0.99
1
1.00
0.00
1
1.00
0.00
1
1.00
0.00
1
1.00
0.00
1
0.67
0.33

23
Lampiran 10 Contoh hasil klasifikasi data oversampling duplikasi saat k = 5
Kelas asli
2
1
2
2
2
1
1
2
2
2
2
1
1
2
2

Kelas Membership Membership
hasil uji
kelas 1
kelas 2
1
0.79
0.21
2
0.35
0.65
1
0.53
0.47
2
0.00
1.00
1
1.00
0.00
2
0.35
0.65
2
0.02
0.98
2
0.25
0.75
1
1.00
0.00
2
0.48
0.52
2
0.00
1.00
1
1.00
0.00
1
1.00
0.00
2
0.18
0.82
1
0.58
0.42

Lampiran 11 Tampilan sistem

24
Lampiran 12 Tampilan sistem saat menampilkan hasil prediksi

RIWAYAT HIDUP

Penulis dilahirkan di Kediri, Jawa Timur, pada tanggal 29 Juni 1991 sebagai
anak pertama dari pasangan Selam dan Sri Mardiari. Penulis merupakan lulusan
SMA Negeri 1 Kediri (2006-2009), SMP Negeri 1 Kepung (2003-2006), dan SD
Negeri Kepung 6 (1997-2003).
Pada tahun 2009, penulis diterima sebagai mahasiswa Ilmu Komputer
Institut Pertanian Bogor melalui jalur Undangan Seleksi Masuk IPB (USMI).
Selama menjadi mahasiswa penulis aktif menjadi anggota Organisasi Mahasiswa
Daerah KAMAJAYA. Penulis pernah menjadi panitia dalam acara BUGS 2009
yang diselenggarakan oleh BEM KM IPB dan IT TODAY 2011