STUDI KOMPARATIF ALGORITMA KLASIFIKASI K-NEAREST NEIGHBOR (KNN) DAN SUPPORT VECTOR MACHINE (SVM) UNTUK DETEKSI DINI ALZHEIMER

Abstract

Penyakit Alzheimer merupakan gangguan neurodegeneratif yang memerlukan deteksi dini untuk meningkatkan efektivitas penanganan. Permasalahan dalam penelitian ini adalah menentukan algoritma klasifikasi yang paling optimal untuk mendeteksi Alzheimer berdasarkan data klinis. Penelitian ini bertujuan untuk membandingkan performa algoritma K-Nearest Neighbors (KNN) dan Support Vector Machine (SVM). Metode yang digunakan meliputi preprocessing data, feature selection, pelatihan model, serta evaluasi menggunakan 10-fold cross validation dan confusion matrix dengan metrik accuracy, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa SVM memiliki performa lebih baik dengan accuracy 84,45%, precision 80,59%, recall 73,29%, dan F1-score 76,62%, dibandingkan KNN yang memiliki nilai lebih rendah pada seluruh metrik. Dengan demikian, SVM lebih efektif dalam mendeteksi Alzheimer, terutama dalam meminimalkan kesalahan false negative