Metode ADASYN (Adaptive Synthetic Sampling) dan SMOTE (Synthetic Minority Oversampling Technique) adalah teknik oversampling yang digunakan untuk mengatasi masalah ketidakseimbangan kelas dalam dataset. ADASYN merupakan pengembangan dari SMOTE, dan keduanya memiliki kelebihan dan kekurangan masing-masing.
Kelebihan ADASYN dibandingkan SMOTE:
- Fokus pada contoh yang sulit dipelajari: ADASYN memberikan bobot distribusi untuk data pada kelas minoritas berdasarkan tingkat kesulitan belajar. Data sintesis dihasilkan lebih banyak dari kelas minoritas yang sulit dipelajari dibandingkan dengan data minoritas yang lebih mudah dipelajari.
- Mencegah overfitting: ADASYN bertujuan untuk mencegah terjadinya overfitting dengan menekankan pembuatan sampel sintetis pada contoh yang lebih sulit diprediksi.
Kekurangan ADASYN dibandingkan SMOTE:
- Dalam beberapa kasus, SMOTE memiliki kinerja yang lebih baik dibandingkan ADASYN. Misalnya, SMOTE memiliki tingkat akurasi, sensitivitas, dan spesifisitas yang lebih baik dibandingkan ADASYN pada data klasifikasi rumah tangga miskin.
- ADASYN lebih kompleks dibandingkan SMOTE.
Secara umum, SMOTE lebih efektif dalam menghindari hilangnya informasi dan membangun wilayah keputusan yang lebih besar. Sementara itu, ADASYN lebih adaptif dalam menangani kasus di mana terdapat variasi kesulitan belajar dalam kelas minoritas, meskipun kompleksitasnya lebih tinggi. ADASYN berfokus pada pembuatan sampel sintetis untuk kelas minoritas yang lebih sulit untuk diklasifikasikan. Luck365