Analisis Perbandingan Kinerja Algoritma Multilayer Perceptron dan K-Nearest Neighbor pada Klasifikasi Tipe Migrain
Abstract
Migrain merupakan sakit kepala yang biasanya terjadi pada salah satu sisi kepala saja atau dapat disebut sakit kepala sebelah. Migrain dapat terjadi pada siapa saja dengan berbagai gejala yang menandakan tipe migrain yang berbeda. Banyaknya tipe migrain yang diiringi dengan gejala-gejala yang berbeda membuat diagnosis dan perawatan terhadap penderita migrain menjadi sulit dilakukan. Penelitian ini bertujuan untuk membandingkan performa Algoritma Multilayer Perceptron (MLP) dan K-Nearest Neighbor pada Klasifikasi Tipe Migrain. Agoritma Multilayer Perceptron (MLP) dan K-Nearest Neighbor untuk klasifikasi migrain diharapkan dapat membantu dalam mengklasifikasikan jenis migrain berdasarkan gejala-gejala yang muncul secara tepat dan akurat. Klasifikasi yang tepat dan akurat dapat membantu tenaga kesehatan dalam merekomendasikan perawatan yang tepat pula bagi penderita migrain sesuai dengan jenis migrain yang dialaminya. Adapun dataset yang digunakan merupakan dataset yang diakses secara publik dan diambil situs kaggle.com. Dataset ini memiliki 24 atribut dan 400 baris data. Hasil penelitian menunjukkan bahwa Algoritma Multilayer Perceptron (MLP) menghasil prediksi yang cukup baik dengan tingkat akurasi 91%. Sedangkan Algoritma K-Nearest Neighbor menghasilkan prediksi dengan tingkat akurasi sebesar 72%.
References
S. Russel and P. Norvig, Artificial Intelligence A Modern Approach Third Edition, 3 rd. New Jersey: Prentice Hall, 2009. [Online]. Available: https://zoo.cs.yale.edu/classes/cs470/materials/aima2010.pdf
T. H. Sandhu, “Machine learning and natural language processing - a review,” International Journal of Advanced Research in Computer Science, vol. 9, no. 2, pp. 582–584, 2018, [Online]. Available: http://www.ijarcs.info/index.php/Ijarcs/article/view/5799/4788
M. Alloghani, D. Al-Jumeily, J. Mustafina, A. Hussain, and A. J. Aljaaf, A Systematic Review on Supervised and Unsupervised Machine Learning Algorithms for Data Science. Cham, Switzerland: Springer, 2020. [Online]. Available: https://link.springer.com/chapter/10.1007/978-3-030-22475-2_1
V. Nasteski, “An overview of the supervised machine learning methods,” Horizons.B, vol. 4, no. December 2017, pp. 51–62, 2017, [Online]. Available: https://www.researchgate.net/publication/328146111_An_overview_of_the_supervised_machine_learning_methods
M. Batta, “Machine Learning Algorithms - A Review,” International Journal of Science and Research (IJSR), vol. 18, no. 8, pp. 381–386, 2018, [Online]. Available: https://www.ijsr.net/archive/v9i1/ART20203995.pdf
A. Puspitawuri, E. Santoso, and C. Dewi, “Diagnosis Tingkat Risiko Penyakit Stroke Menggunakan Metode K-Nearest Neighbor dan Naïve Bayes,” Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, vol. 3, no. 4, pp. 3319–3324, 2019, [Online]. Available: https://j-ptiik.ub.ac.id/index.php/j-ptiik/article/view/4916
A. N. Liyantoko, I. Candradewi, and A. Harjoko, “Klasifikasi Sel Darah Putih dan Sel Limfoblas Menggunakan Metode Multilayer Perceptron Backpropagation,” Indonesian Journal of Electronics and Instrumentation Systems, vol. 9, no. 2, p. 173, 2019, [Online]. Available: https://jurnal.ugm.ac.id/ijeis/article/view/49943
D. Wibowo, D. Erwanto, and D. Kusumastuti, “Klasifikasi Jenis Kayu Menggunakan Esktrasi Fitur Gray Level Co-Occurence Matrix dan Multilayer Perceptron,” Jurnal Nasional Teknik Elektro, vol. 10, no. 1, 2021, [Online]. Available: http://jnte.ft.unand.ac.id/index.php/jnte/article/view/788
K. Khoirudin, D. Nurdiyah, and N. Wakhidah, “Prediksi Penerimaan Mahasiswa Baru Dengan Multi Layer Perceptron,” Jurnal Pengembangan Rekayasa dan Teknologi, vol. 14, no. 1, p. 1, 2019, [Online]. Available: https://journals.usm.ac.id/index.php/jprt/article/view/1212
L. Wang, “Research and Implementation of Machine Learning Classifier Based on KNN,” IOP Conference Series: Materials Science and Engineering, vol. 677, no. 5, pp. 0–5, 2019, [Online]. Available: https://iopscience.iop.org/article/10.1088/1757-899X/677/5/052038/pdf
S. Wiyono and T. Abidin, “Comparative Study of Machine Learning Knn, Svm, and Decision Tree Algorithm To Predict Student’S Performance,” International Journal of Research -GRANTHAALAYAH, vol. 7, no. 1, pp. 190–196, 2019, [Online]. Available: http://dx.doi.org/10.29121/granthaalayah.v7.i1.2019.1048
A. F. Hardiyanti and D. Fitrianah, “Perbandingan Algoritma C4.5 dan Multilayer Perceptron untuk Klasifikasi Kelas Rumah Sakit di DKI Jakarta,” Jurnal Telekomunikasi dan Komputer, vol. 11, no. 3, p. 198, 2021, [Online]. Available: https://publikasi.mercubuana.ac.id/index.php/Incomtech/article/view/10632
I. N. Purnama, “Perbandingan Klasifikasi Website Secara Otomatis Menggunakan Metode Multilayer Perceptron dan Naive Bayes,” Jurnal Sistem Komputer dan Informatika (JSON), vol. 2, no. 2, pp. 155–161, 2021, [Online]. Available: https://www.ejurnal.stmik-budidarma.ac.id/index.php/JSON/article/view/2703
B. Harahap, “Penerapan Algoritma K-Means Untuk Menentukan Bahan Bangunan Laris (Studi Kasus Pada UD. Toko Bangunan YD Indarung),” Regional Development Industry & Health Science, Technology and Art of Life, pp. 394–403, 2019, [Online]. Available: https://ptki.ac.id/jurnal/index.php/readystar/article/view/82
B. Zhu, G. Coppola, and M. Shoaran, “Migraine classification using somatosensory evoked potentials,” Cephalalgia International Journal of Headache, vol. 39, no. 9, pp. 1143–1155, 2019, [Online]. Available: https://bpb-us-w2.wpmucdn.com/sites.coecis.cornell.edu/dist/9/165/files/2019/05/03331024198399751.pdf
D. W. Lewis, “Pediatric Migraine,” Neurologic Clinics, vol. 27, no. 2, pp. 481–501, May 2009, [Online]. Available: http://dx.doi.org/10.1016/j.ncl.2008.11.003
A. Setiadi, “Penerapan Algoritma Multilayer Perceptron untuk Deteksi Dini Penyakit Diabetes,” Jurnal Komputer dan Informatika, vol. 14, no. 1, pp. 46–59, 2012.
Dessy Kusumaningrum and E. M. Imah, “Studi Komparasi Algoritma Klasifikasi Mental Workload Berdasarkan Sinyal EEG,” Jurnal Sistem Cerdas, vol. 3, no. 2, pp. 133–143, 2020, doi: 10.37396/jsc.v3i2.69.
S. Sudianto, A. D. Sripamuji, I. Ramadhanti, R. R. Amalia, J. Saputra, and B. Prihatnowo, “Penerapan Algoritma Support Vector Machine dan Multi-Layer Perceptron pada Klasisifikasi Topik Berita,” Jurnal Nasional Pendidikan Teknik Informatika : JANAPATI, vol. 11, no. 2, pp. 84–91, 2022, [Online]. Available: https://ejournal.undiksha.ac.id/index.php/janapati/article/view/44151
A. Rahmawati, D. Wintana, and S. Suhada, “Klasifikasi Naïve Bayes Untuk Mendiagnosis Penyakit Pneumonia Pada Anak Balita ( Studi Kasus : Uptd Puskesmas Sukaraja Sukabumi ),” Kumpulan Jurnal Ilmu Komputer (KLIK), vol. 06, no. 03, pp. 241–253, 2019, [Online]. Available: http://klik.ulm.ac.id/index.php/klik/article/view/202
C. Journal, I. W. Saputro, B. W. Sari, P. Studi, I. Komputer, and J. Informatika, “Uji Performa Algoritma Naïve Bayes untuk Prediksi Masa Studi Mahasiswa,” Creative Information Technology Journal (Citec Journal, vol. 6, no. 1, pp. 1–11, 2019, [Online]. Available: https://citec.amikom.ac.id/main/index.php/citec/article/view/178
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
