KLASIFIKASI PENDERITA PENYAKIT PARKINSON MENGGUNAKAN METODE GAUSSIAN BAYES

Penyakit Parkinson merupakan penyakit neurodegeneratif terbanyak kedua setelah penyakit Alzheimer, penyakit tersebut menyebabkan penderitanya mengalami beberapa gejala diantaranya gangguan intelektual dan tingkah laku, demensia, penurunan daya ingat, kelambatan gerak otot, katalepsi, dan tremor. Katalepsi merupakan kekakuan otot yang diketahui cirinya apabila penekukan lengan bawah atau pelurusan oleh orang lain maka akan berakibat kaku. Pada penelitian ini peneliti menggunakan teknik data mining terhadap data parkinson. Dalam penelitian ini membahas klasifikasi penyakit parkinson menggunakan metode Gaussian Bayes. Dataset yang digunakan pada penelitian ini berasal dari Kaggle dengan jumlah fitur sebanyak 24 yang diperoleh dari pemeriksaan pasien sebanyak 757 orang. Pada penelitian ini juga menggunakan skenario uji K Fold Cross Validation dengan nilai K yaitu 2, 4, 5 dan 10 dengan total 700 data dan data validasi 57. Penentuan kriteria pada hasil klasifikasi terhadap output data asli (nilai aktual) menggunakan confusion matrix. Dari pengukuran hasil klasifikasi diperoleh hasil yaitu nilai akurasi tertinggi pada penelitian ini adalah 64,29% yang dihasilkan dari skema 10 fold skenario 10 sedangkan nilai presisi tertinggi pada penelitian ini diperoleh 83,33% yang dihasilkan dari skema 10 fold skenario 2. Pada pengujian data validasi diperoleh hasil akurasi sebesar 64,91%, jika dibandingkan dari hasil k Fold maka terjadi peningkatan sebesar 0,63%.

Kata kunci : Parkinson, Data Mining, Klasifikasi, Gaussian Bayes.