Implementasi Algoritma K-Nearest Neighbor untuk Klasifikasi Diagnosis Penyakit Alzheimer
DOI:
https://doi.org/10.33633/tc.v22i3.8393Keywords:
K-Nearest Neighbor, Penyakit AlzheimerAbstract
Menurut World Alzheimer Report 2021, Alzheimer's Disease International (ADI) memperkirakan bahwa 75% penderita demensia tidak terdiagnosis secara global, dengan angka tersebut diyakini meningkat hingga 90% di beberapa negara berpenghasilan rendah dan menengah. Saat ini ada dua jenis demensia yaitu vaskular dan non-vaskular. Demensia vaskular, juga dikenal sebagai Alzheimer, adalah Perubahan yang terjadi pada tubuh yang disebabkan oleh penyumbatan pembuluh darah di otak dapat menyebabkan melemahnya ingatan manusia. K-Nearest Neighbor (KNN) adalah suatu teknik yang digunakan untuk mengelompokkan objek berdasarkan kesamaannya dengan objek terdekat. Penelitian ini bertujuan untuk menangani masalah efektivitas dan akurasi dalam mendeteksi penyakit Alzheimer dengan mengimplementasikan algoritma KNN untuk diagnosis penyakit Alzheimer. Berdasarkan analisis hasil klasifikasi dengan pembagian data testing dan training 75:25 menggunakan metode KNN dengan K=3 dan K=5 menghasilkan nilai akurasi sebesar 99% , sensitivitas sebesar 100%, serta spesifitas sebesar 96%.References
R.-N. P. Gauthier S, Webster C, Servaes S, Morais JA, World Alzheimer Report 2022: Life after diagnosis: Navigating treatment, care and support. 2022.
Y. E. Muliatie, N. Jannah, and S. Suprapti, “Pencegahan Demensia/Alzheimer Di Desa Prigen, Kecamatan Prigen, Kabupaten Pasuruan,” Pros. Konf. Nas. Pengabdi. Kpd. Masy. dan Corp. Soc. Responsib., vol. 4, pp. 379–387, 2021, doi: 10.37695/pkmcsr.v4i0.1308.
F. A. D. Aji Prasetya Wibawa, Muhammad Guntur Aji Purnama, Muhammad Fathony Akbar, “Metode-metode Klasifikasi,” Pros. Semin. Ilmu Komput. dan Teknol. Inf., vol. 3, no. 1, p. 134, 2018.
D. Suyanto, Data Mining untuk Klasifikasi dan Klasterisasi Data. Informatika, 2019.
Y. I. Kurniawan and T. I. Barokah, “Klasifikasi Penentuan Pengajuan Kartu Kredit Menggunakan K-Nearest Neighbor,” J. Ilm. Matrik, vol. 22, no. 1, pp. 73–82, 2020, doi: 10.33557/jurnalmatrik.v22i1.843.
Y. I. Claudy, R. S. Perdana, and M. A. Fauzi, “Klasifikasi Dokumen Twitter Untuk Mengetahui Karakter Calon Karyawan Menggunakan Algoritme K-Nearest Neighbor (knn),” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 2, no. 8, pp. 2761–2765, 2018, [Online]. Available: https://www.researchgate.net/publication/322959490
N. Meilani and O. Nurdiawan, “Data Mining untuk Klasifikasi Penderita Kanker Payudara Menggunakan Algoritma K-Nearest Neighbor,” J. Wahana Inform., vol. 2, no. 1, pp. 177–187, 2023.
S. K. Wildah, S. Agustiani, M. R. R. S, W. Gata, and H. M. Nawawi, “Deteksi Penyakit Alzheimer Menggunakan Algoritma Naïve Bayes Dan Correlation Based Feature Selection,” J. Inform., vol. 7, no. 2, pp. 166–173, 2020, doi: 10.31294/ji.v7i2.8226.
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.
F. Harahap, “Penerapan data Mining dalam Pemilihan Mobil menggunakan Algoritma C4.5,” Ijccs, no. x, pp. 11–20, 2018, [Online]. Available: https://voi.stmik-tasikmalaya.ac.id/index.php/voi/article/viewFile/99/42
W. Yustanti, “Algoritma K-Nearest Neighbour untuk Memprediksi Harga Jual Tanah,” J. Mat. Stat. dan komputasi, vol. 9, no. 1, pp. 57–68, 2012.
A. Abdullah and K. Sandi, “SISTEM PREDIKSI RASA BUAH JERUK MENGGUNAKAN METODE k-NEAREST NEIGHBOR,” Method. J. Tek. Inform. dan Sist. Inf., vol. 7, no. 2, pp. 7–13, 2021, doi: 10.46880/mtk.v7i2.457.
A. R. D.N, K. Auliasari, and Y. A. Pranoto, “Implementasi Metode K-Nearest Neighbor (Knn) Untuk Seleksi Calon Karyawan Baru (Studi Kasus : Bfi Finance Surabaya),” JATI (Jurnal Mhs. Tek. Inform., vol. 4, no. 2, pp. 14–20, 2020.
M. R. Andryan, M. Fajri, and N. Sulistyowati, “Komparasi Kinerja Algoritma Xgboost Dan Algoritma Support Vector Machine (Svm) Untuk Diagnosis Penyakit Kanker Payudara,” JIKO (Jurnal Inform. dan Komputer), vol. 6, no. 1, p. 1, 2022, doi: 10.26798/jiko.v6i1.500.
A. Damuri, U. Riyanto, H. Rusdianto, and M. Aminudin, “Implementasi Data Mining dengan Algoritma Naïve Bayes Untuk Klasifikasi Kelayakan Penerima Bantuan Sembako,” JURIKOM (Jurnal Ris. Komputer), vol. 8, no. 6, p. 219, 2021, doi: 10.30865/jurikom.v8i6.3655.
Downloads
Published
Issue
Section
License
License Terms
All articles published in Techno.COM Journal are licensed under the Creative Commons Attribution-NonCommercial 4.0 International (CC BY-NC 4.0). This means:
1. Attribution
Readers and users are free to:
-
Share – Copy and redistribute the material in any medium or format.
-
Adapt – Remix, transform, and build upon the material.
As long as proper credit is given to the original work by citing the author(s) and the journal.
2. Non-Commercial Use
-
The material cannot be used for commercial purposes.
-
Commercial use includes selling the content, using it in commercial advertising, or integrating it into products/services for profit.
3. Rights of Authors
-
Authors retain copyright and grant Techno.COM Journal the right to publish the article.
-
Authors can distribute their work (e.g., in institutional repositories or personal websites) with proper acknowledgment of the journal.
4. No Additional Restrictions
-
The journal cannot apply legal terms or technological measures that restrict others from using the material in ways allowed by the license.
5. Disclaimer
-
The journal is not responsible for how the published content is used by third parties.
-
The opinions expressed in the articles are solely those of the authors.
For more details, visit the Creative Commons License Page:
? https://creativecommons.org/licenses/by-nc/4.0/