// <![CDATA[PENGEMBANGAN METODE CASCADE QUALITY PREDICTION UNTUK MENANGANI IMBALANCED DATASET MENGGUNAKAN SYNTHETIC MINORITY OVER-SAMPLING TECHNIQUE]]> 0416027602 - Fahmi Arif, S.T., M.T., Ph.D Dosen Pembimbing 1 Fajar Azhari Julian / 629-2019-003 Penulis
Kualitas merupakan faktor utama untuk mengevaluasi proses produksi. Dalam proses manufaktur yang sederhana, kualitas dapat diprediksi secara Langsung. Pada kenyataannya, perkembangan sistem manufaktur menjadi lebih rumit. Penelitian sebelumnya telah menunjukkan bahwa kualitas sistem produksi yang kompleks tidak dapat diprediksi secara langsung, karena setiap tahap manufaktur akan dipengaruhi oleh tahap sebelumnya dan mempengaruhi proses selanjutnya Untuk mengatasi masalah tersebut digunakanlah Cascade Quality Prediction Method (CQPM). Namun, diperlukan pengolahan lebih lanjut pada data pre-processing untuk mendukung metode ini. Penelitian ini bertujuan untuk memprediksi kualitas dalam sistem produksi yang kompleks dengan menambahkan proses pada pre-processing yaitu proses statistik multivariat seperti algoritma T2 Hotelling dan Synthetic Minority Over-sampling Technique (SMOTE). Hasil penelitian menunjukkan bahwa ~ Hotelling mampu membuat variabel klasifikasi dan pendekatan CQPM dengan random forest classifier dan algoritma SMOTE menghasilkan nilai metrik yang tinggi dengan akurasi 99,95%, Gmean 93,75% dan f-measure 96,76%. Dan menunjukkan hasil dari data pre-processing yang ditingkatkan daLam kerangka model ini dapat meningkatkan kinerja kualitas prediksi dalam sistem manufaktur multistage. Kata Kunci: CQPM, Multistage Manufacturing, Quality Prediction, SMOTE, T2 Hotelling.