PENERAPAN RANDOM FOREST UNTUK DETEKSI DINI PENYAKIT PARKINSON’S DENGAN DATA FREKUENSI SUARA

Mustofa, Mohammad Annan Makruf (2025) PENERAPAN RANDOM FOREST UNTUK DETEKSI DINI PENYAKIT PARKINSON’S DENGAN DATA FREKUENSI SUARA. Undergraduate thesis, Universitas Nusantara PGRI Kediri.

	Text (Full Text) RAMA_57201_2113030041.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (3MB) | Request a copy
	Text (Similarity) RAMA_57201_2113030041_SIMILARITY.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (964kB)
	Text (Cover sd BAB 1 + References) RAMA_57201_2113030041_0721029101_0712108103_01_front_ref.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (624kB)
	Text (BAB 2) RAMA_57201_2113030041_0721029101_0712108103_02.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (353kB) | Request a copy
	Text (BAB 3) RAMA_57201_2113030041_0721029101_0712108103_03.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (209kB) | Request a copy
	Text (BAB 4) RAMA_57201_2113030041_0721029101_0712108103_04.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (1MB) | Request a copy
	Text (BAB 5) RAMA_57201_2113030041_0721029101_0712108103_05.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (11kB) | Request a copy
	Text (References) RAMA_57201_2113030041_0721029101_0712108103_06_ref.pdf - Bibliography Available under License Creative Commons Public Domain Dedication. Download (148kB)
	Text (Lampiran) RAMA_57201_2113030041_0721029101_0712108103_07_lamp.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (1MB) | Request a copy

Abstract

Penyakit Parkinson merupakan gangguan neurodegeneratif progresif yang berdampak serius pada sistem saraf pusat dan sering kali sulit dideteksi pada tahap awal. Gejala awal yang menyerupai tanda-tanda penuaan normal menjadi tantangan dalam proses diagnosis, sehingga banyak pasien kehilangan kesempatan untuk mendapatkan intervensi medis secara dini. Deteksi dini sangat penting untuk memperlambat progresi penyakit dan meningkatkan kualitas hidup penderita. Seiring berkembangnya teknologi kecerdasan buatan, pemanfaatan analisis data frekuensi suara menjadi salah satu pendekatan non-invasif yang menjanjikan dalam mendeteksi penyakit ini. Penelitian ini bertujuan membangun model klasifikasi berbasis algoritma Random Forest untuk mendeteksi dini penyakit Parkinson melalui data akustik suara. Penelitian menggunakan dataset dari platform Kaggle yang terdiri dari 195 sampel dengan 24 atribut numerik. Untuk mengatasi ketidakseimbangan kelas, diterapkan teknik Synthetic Minority Oversampling Technique (SMOTE). Model divalidasi menggunakan metode Stratified 10-Fold Cross Validation agar hasil evaluasi lebih stabil dan representatif. Seluruh proses penelitian mengikuti tahapan CRISP-DM, mulai dari pemahaman bisnis, pemahaman data, persiapan data, pemodelan, evaluasi, hingga deployment. Hasil evaluasi menunjukkan bahwa model Random Forest mampu memberikan performa klasifikasi yang unggul dalam mendeteksi penyakit Parkinson. Model ini menghasilkan akurasi rata-rata sebesar 91,21%, dengan precision 92%, recall 91,2%, dan F1-score 91,3%. Penerapan teknik SMOTE terbukti efektif dalam meningkatkan sensitivitas terhadap kelas minoritas tanpa menurunkan kinerja keseluruhan. Validasi menggunakan Stratified 10-Fold Cross Validation memastikan bahwa hasil evaluasi model bersifat stabil, representatif, dan tidak bias terhadap pembagian data acak. Kesimpulan dari penelitian ini menunjukkan bahwa kombinasi algoritma Random Forest, teknik SMOTE, dan validasi Stratified 10-Fold Cross Validation merupakan pendekatan yang efektif dalam mendeteksi dini penyakit Parkinson secara non-invasif. Namun, keterbatasan penelitian ini terletak pada ukuran dataset yang relatif kecil. Pengembangan lebih lanjut dapat dilakukan dengan memperluas jumlah data, menggunakan fitur suara tambahan, atau menerapkan algoritma hybrid untuk meningkatkan akurasi model pada data dunia nyata.

Actions (login required)

View Item