DETEKSI PENYAKIT ALZHEIMER MENGGUNAKAN ALGORITMA NAÏVE BAYES DAN CORRELATION BASED FEATURE SELECTION

Abstract

Alzheimer merupakan kelainan berupa penimbunan plak atau protein tidak normal dalam otak sehingga menyebabkan hilangnya sel neuron dan menjadi salah satu pemicu penyakit demensia yang dapat mengakibatkan terhambatnya aktivitas sehari-hari karena penurunan daya ingat,kesulitan dalam berkomunikasi, tidak dapat berpikir jernih, terjadinya perubahan sikap dan perilaku hingga menimbulkan hilangnya kemampuan untuk mengurus diri sendiri. Di negara berpenghasilan tinggi penyakit ini diakui berada pada peringkat ke 7 sebagai penyakit fatal yang berujung pada kematian. Akan tetapi hingga saat ini belum ditemukan obat yang dapat menyembuhkan penyakit Alzheimer. Oleh sebab itu pentingnya deteksi dini agar dapat memulai untuk merencanakan perawatan dan kebutuhan medis yang memadai. Penelitian ini bertujuan untuk melakukan deteksi penyakit Alzheimer dengan menerapkan metode klasifikasi Naïve Bayes dan seleksi atribut menggunakan Correlation Based Feature Selection pada dataset OASIS Longitudinal. Tahapan analisa data menggunakan metode CRISP-DM. Hasil penelitian ini, menunjukan bahwa pada pengujian algoritma Naïve Bayes nilai akurasi yang didapatkan sebesar 93,83%, dan kurva ROC yang terbentuk memiliki nilai AUC sebesar 0,937% sedangkan pada pengujian algoritma Naïve Bayes dan Correlation Based Feature Selection menghasilkan nilai akurasi sebesar 94,64% dan kurva ROC yang terbentuk memiliki nilai AUC sebesar 0,945%. Sehingga dapat disimpulkan bahwa penerapan algoritma Naïve Bayes dan metode Correlation Based Feature Selection dapat meningkatkan nilai akurasi.