Komparasi Algoritma K-Nearest Neighbor (KNN) dan Naive Bayes dalam Klasifikasi Penyakit Parkinson
Comparison of K-Nearest Neighbor (KNN) and Naive Bayes Algorithms in the Classification of Parkinson's Disease
Keywords:
penyakit parkinson, klasifikasi, k-nearest neighbor, naïve bayesAbstract
Penyakit parkinson termasuk dalam kelompok kondisi yang disebut gangguan sistem motorik, yang merupakan akibat dari hilangnya sel otak penghasil dopamin. Tanda-tanda yang ditemukan pada penderita diantaranya tremor atau gemetar di tangan, dan kelambatan gerakan pada saat melakukan aktivitas. Penyakit ini memiliki dimensi gejala yang sangat luas sehingga secara langsung maupun tidak langsung mempengaruhi kualitas hidup penderita maupun keluarga. Diagnosa penyakit parkinson relatif lambat karena belum adanya prosedur tes darah untuk mendeteksinya sementara dengan tes syaraf membutuhkan biaya yang relatif besar. Dalam penelitian ini akan dilakukan perbandingan Metode Klasifikasi menggunakan algoritma K-Nearest Neighbor (KNN) dan Naïve Bayes untuk mengklasifikasi data penyakit parkinson. Data yang digunakan yaitu Parkinson’s Disease Dataset bersumber dari kaggle. Uji coba dilakukan menggunakan 756 data dengan membandingkan algoritma K-Nearest Neighbor (KNN) dan Naïve Bayes dengan split data 70-30 dan 80-20. Hasil terbaik dari proses uji coba dengan split data 70:30 dengan algoritma K-Nearest Neighbor (KNN) menghasilkan akurasi sebesar 96%. Dari hasil tersebut dapat disimpulkan bahwa algoritma K-Nearest Neighbor (KNN) cukup handal digunakan dalam proses klasifikasi data.
References
I. Swandana, J. Raharjo, and I. Safitri, “IDENTIFIKASI PENYAKIT PARKINSON DENGAN METODE DISCRETE COSINE TRANSFORM (DCT) DAN LEARNING VECTOR QUANTIZATION (LVQ) BERDASARKAN VGRF IDENTIFICATION OF PARKINSON DISEASE USING DISCRETE COSINE TRANSFORM (DCT) AND LEARNING VECTOR QUANTIZATION (LVQ) METHODS BASED ON VGRF,” 2020.
M. Fariz Januarsyah, E. Zuhairi, and R. Firsandaya Malik, Perbandingan Algoritma Random Forest, Decision Stump, Naïve Bayes, Bayesian Network dan Algoritma C4.5 Untuk Prediksi Pola Kartu Poker, vol. 5, no. 1. 2019. [Online]. Available: https://archive.ics.uci.edu/ml/datasets/Poker+Hand.
K. Chandel, V. Kunwar, S. Sabitha, T. Choudhury, dan S. Mukherjee, “A comparative study on thyroid disease detection using K-nearest neighbor and Naive Bayes classification techniques,” CSI Trans. ICT, vol. 4, no. 2–4, hal. 313–319, 2016.
H. Annur, “Klasifikasi Masyarakat Miskin Menggunakan Metode Naive Bayes,” Ilk. J. Ilm., vol. 10, no. 2, pp. 160–165, 2018.
Yahya and W. P. Hidayanti, “Penerapan Algoritma K-Nearest Neighbor Untuk Klasifikasi Efektivitas Penjualan Vape (Rokok Elektrik) pada ‘Lombok Vape On,’” J. Inform. dan Teknol., vol. 3, no. 2, pp. 104–114, 2020.
