IMPLEMENTASI ALGORITMA RANDOM FOREST BERBASIS OVERSAMPLING SMOTE UNTUK KLASIFIKASI PENYAKIT ALZHEIMER

Penyakit Alzheimer merupakan jenis demensia yang paling umum dan telah menjadi masalah kesehatan global yang serius, terutama di kalangan lansia. Deteksi dini terhadap penyakit ini sangat penting agar penderita dapat segera memperoleh perawatan yang tepat dan memperlambat perkembangan penyakit. Namun, metode diagnosis konvensional memerlukan waktu lama dan biaya tinggi. Penelitian ini bertujuan untuk mengimplementasikan algoritma Random Forest sebagai metode klasifikasi untuk mendeteksi penyakit Alzheimer secara lebih akurat dan efisien. Penelitian menggunakan dataset terbuka dari Kaggle yang terdiri dari 2.149 data pasien dan 35 atribut. Proses klasifikasi mengikuti metode CRISP-DM yang mencakup tahap Business Understanding, Data Understanding, Data Preparation, Modeling, Evaluation, dan Deployment. Evaluasi dilakukan menggunakan metrik akurasi, precision, recall, dan F1-score. Penelitian ini diharapkan dapat menjadi kontribusi dalam pengembangan sistem pendukung keputusan untuk deteksi dini Alzheimer secara berbasis data.