<![CDATA[Parkinson adalah suatu penyakit dimana neurologis mempengaruhi neuron dopaminergik, yang dibuktikan dengan kematian sel-sel otak yang ada, hilangnya pigmentasi substantia nigra, adanya inklusi sitoplasma, dan penurunan kadar dopamin di substantia nigra pars compacta dan corpus striatum. Penyakit parkinson dapat didiagnosa dengan melakukan pengklasifikasian untuk mengukur tingkat akurasi. Tujuan dari penelitian ini adalah untuk melakukan diagnosa penyakit Parkinson dengan dua algoritma yang berbeda, yaitu algoritma K-Nearest Neighbor (KNN) dan algoritma C4.5 dengan metode pelatihan Percentage split dan validasi K-fold cross yang nantinya kan dibandingkan satu sama lain. Dari penelitian ini, nilai presisi yang dimiliki penderita Parkinson's disease algoritma C4.5 split persentasenya adalah 96%. Begitu juga untuk nilai recall yang dimiliki oleh penderita penyakit Parkinson yaitu sebesar 93%. Nilai akurasi algoritma K-Nearest Neighbor (KNN) adalah 82% untuk metode pelatihan pada percentage split dan 76,8% dengan metode validasi K-fold cross dan 89% untuk algoritma C4.5 dengan metode pelatihan pada Percentage split dan 81% dengan metode validasi K-fold cross.Kata kunci: C4.5, K- Fold Cross Validation, K-Nearest Neighbor, Parkinson, Percentage Split]]>
Copyrights © 2023
