KOMPARASI TEKNIK RESAMPLING PADA PEMODELAN REGRESI LOGISTIK BINER

Abstract

Ketidakseimbangan data adalah kondisi ketika data memiliki rasio yang tidak seimbang antara satu kelas dengan kelas lainnya. Ketidakseimbangan data memberikan dampak yang buruk pada hasil klasifikasi dimana kelas minoritas sering disalah klasifikasikan sebagai kelas mayoritas. Salah satu cara untuk menangani ketidakseimbangan data yaitu dengan resampling. Penelitian ini menggunakan regresi logistik biner yang didahului dengan proses resampling. Data yang digunakan adalah data sekunder yang bersumber dari SDKI tahun 2017. Hasil penelitian menunjukkan bahwa model dengan SMOTE merupakan model yang paling tepat dalam menangani ketidakseimbangan data pada sikap remaja terhadap keperawanan di Indonesia tahun 2017. Adapun variabel yang berpengaruh signifikan terhadap sikap remaja adalah jenis kelamin, diskusi masalah kesehatan reproduksi dengan teman, penyuluhan kesehatan reproduksi, penggunaan internet dan tingkat pendidikan.