Klasifikasi Penyakit Alzheimer Menggunakan Data Mining Decision Tree
Main Article Content
Yulina Sari
Zaehol Fatah
Penyakit Alzheimer adalah penyakit neurodegeneratif yang mempengaruhi otak dan secara bertahap mengurangi kemampuan seseorang untuk berpikir, mengingat, dan berfungsi secara mandiri. Ini merupakan jenis demensia yang paling umum, dengan gejala awal yang biasanya terjadi pada individu di atas 65 tahun, meskipun dapat juga terjadi pada usia yang lebih muda. Beberapa gejala awal Alzheimer termasuk lupa akan peristiwa baru-baru ini, kesulitan menyelesaikan tugas sehari-hari, dan kebingungan tentang waktu atau tempat. Gejala penyakit dapat memburuk seiring berjalannya waktu, seperti kehilangan kemampuan berkomunikasi, perubahan suasana hati yang signifikan, dan penurunan fungsi fisik. Diagnosis tahap awal untuk penyakit Alzheimer dapat meningkatkan efisiensi terapi. Deteksi dini penyakit Alzheimer dapat memanfaatkan pendekatan matematis pada data mining untuk menganalisis data. Klasifikasi adalah salah satu metode data mining yang dapat diterapkan untuk pendeteksian dini atau prediksi penyakit Alzheimer. Penelitian yang berkenaan dengan klasifikasi penyakit Alzheimer belum banyak dilakukan. Oleh karena itu, penelitian ini akan membandingkan performa algoritma C4.5 dan algoritma AdaBoost dalam klasifikasi penyakit Alzheimer menggunakan teknik pengujian percentage split dan k-fold cross validation. Selain itu, penelitian ini akan menggunakan metode Algoritma Decision Tree karena dapat ditafsirkan dengan mudah oleh manusia dan memililki akurasi yang tinggi sebesar 26.3%. Dapat mengubah data yang ada menjadi pohon keputusan dan aturan-aturan, sehingga dapat membantu dalam proses pengambilan keputusan yang kompleks menjadi lebih sederhana.
[1] R. J. Alfirdausy and S. Bahri, “Implementasi Algoritma K-Nearest Neighbor untuk Klasifikasi Diagnosis Penyakit Alzheimer,” Techno.Com, vol. 22, no. 3, pp. 635–642, 2023, doi: 10.33633/tc.v22i3.8393.
[2] A. A. Mortara, M. Permatasari, A. Desiani, Y. Andriani, and M. Arhami, “Perbandingan Algoritma C4.5 dan Adaptive Boosting dalam Klasifikasi Penyakit Alzheimer,” J. Teknol. dan Inf., vol. 13, no. 2, pp. 196–207, 2023, doi: 10.34010/jati.v13i2.10525.
[3] Jan Sudir Purba, “Potential Implication of Treatments for Alzheimer’s Disease: Current and Future,” Medicinus, vol. 36, no. 1, pp. 3–10, 2023, doi: 10.56951/medicinus.v36i1.112.
[4] M. N. Baharudin and I. K. Dwi Nuryana, “Implementasi Algoritma Decision Tree untuk Klasifikasi Surat pada Aplikasi Mobile E-Surat Dinas Komunikasi dan Informatika Kota Kediri Berbasis Android,” J. Informatics Comput. Sci., vol. 4, no. 01, pp. 76–85, 2022, doi: 10.26740/jinacs.v4n01.p76-85.
[5] F. D. Pratama and H. D. Bhakti, “Implementasi Aplikasi Prediksi Ketepatan Pembayaran Customer Perusahaan Dengan Metode Decision Tree,” Indexia, vol. 5, no. 01, p. 72, 2023, doi: 10.30587/indexia.v5i01.5082.
[6] Y. Ardilla et al., DATA MINING DAN APLIKASINYA. Penerbit Widina, 2021.
[7] Nurhidayah, “Peguruang: Conference Series,” vol. 3, no. November, pp. 10–14, 2021.
[8] M. Indah werdiningsih, Barry Nuqoba, DATA MINING MENGGUNAKAN ANDROID WEKA dan SPSS. Surabaya: Airlangga University Press, 2020. [Online]. Available: https://www.google.co.id/books/edition/Data_Mining_Menggunakan_Android_Weka_dan/xEwCEAAAQBAJ?hl=id&gbpv=1&dq=decision+tree+definisi%3F&pg=PA81&printsec=frontcover
[9] M. F. R. Assauqi, “DECISION TREE BERDASARKAN GEJALA KLINIS DAN DATA LABORATORIUM,” vol. 2, no. 4, pp. 42–53, 2024.
[10] P. B. N. Setio, D. R. S. Saputro, and Bowo Winarno, “Klasifikasi Dengan Pohon Keputusan Berbasis Algoritme C4.5,” Prism. Pros. Semin. Nas. Mat., vol. 3, pp. 64–71, 2020.
[11] M. Jundanuddin et al., “Implementasi Data Mining Pada Penilaian Kinerja Guru Menggunakan Metode K-Nearest Neighbor ( K-NN ) Studi Kasus Pada Mi Alfagiri Silo-Jember Implementation Of Data Mining On Teacher Performance Appraisal Using K-Nearest Neighbor ( K-NN ) Method Case Study,” vol. 13, no. 105, pp. 869–880, 2024.
[12] Aprilla Dennis, “Belajar Data Mining dengan RapidMiner,” Innov. Knowl. Manag. Bus. Glob. Theory Pract. Vols 1 2, vol. 5, no. 4, pp. 1–5, 2013, [Online]. Available: http://esjournals.org/journaloftechnology/archive/vol1no6/vol1no6_6.pdf%5Cnhttp://www.airccse.org/journal/nsa/5413nsa02.pdf
