Sistem Otomatis untuk Deteksi Penyakit Parkinson Menggunakan Fuzzy K-NN

Abstract

Penyakit Parkinson merupakan salah satu penyakit neurodegeneratif. Penyakit ini muncul karena beberapa faktor resiko yang berkontribusi seperti usia, jenis kelamin, dan beberapa faktor lain. Oleh sebab itu, identifkasi penyakit Parkinson sejak dini diperlukan untuk mencegah terjadinya resiko yang lebih buruk. Dalam membangun sistem identifikasi penyakit Parkinson secara otomatis membutuhkan dataset rekam medis. Dataset tersebut merupakan sekumpulan data frekuensi dan amplitudo gelombang suara dari beberapa subjek. Analisis data yang kuat merupakan hal yang paling menantang dalam mendeteksi penyakit Parkinson. Selain itu, juga diperlukan sebuah sistem yang cepat atau otomatis dalam menganalisis data klinis tersebut. Maka dari itu, kami mengusulkan sebuah sistem otomatis yang bertujuan untuk mendeteksi penyakit Parkinson menggunakan metode Fuzzy K-NN (K-Nearest Neighbor). Fuzzy K-NN merupakan modifikasi dari algoritma K-NN dengan menambahkan teknik fuzzy logic di dalamnya. Teknik ini mampu meningkatkan kinerja sistem dalam menentukan seseorang terdiagonsis penyakit Parkinson atau tidak. Metode yang kami usulkan menghasilkan nilai akurasi sebesar 90% di mana lebih baik 8%, 10%, 14.5%, dan 20% daripada metode Naïve Bayes, SVM, K-NN, Decision Tree.