cover
Contact Name
Haris Abu Bakar Sidik SE
Contact Email
harisabubakarsidik02@gmail.com
Phone
+6285921457072
Journal Mail Official
harisabubakarsidik02@gmail.com
Editorial Address
Jurnal kecerdasan buatan (AI) ISSN No. 3123-9218 merupakan jurnal ilmiah. Jurnal ini sangat luas, mencakup semua bidang yang berkaitan dengan pengembangan sistem yang dapat meniru kecerdasan manusia. Topik yang dibahas sangat beragam, mulai dari penelitian fundamental hingga aplikasi praktis dalam berbagai industri.
Location
Kab. karawang,
Jawa barat
INDONESIA
Jurnal Kecerdasan Buatan
Published by STMIK Pamitran
ISSN : -     EISSN : 31239218     DOI : -
Core Subject :
Jurnal kecerdasan buatan (AI) ISSN No. 3123-9218 merupakan jurnal ilmiah. Jurnal ini sangat luas, mencakup semua bidang yang berkaitan dengan pengembangan sistem yang dapat meniru kecerdasan manusia. Topik yang dibahas sangat beragam, mulai dari penelitian fundamental hingga aplikasi praktis dalam berbagai industri.
Arjuna Subject : -
Articles 11 Documents
KLASIFIKASI DEMENSIA ALZHEIMER DENGAN ENSEMBLE LEAKAGE-FREE DAN INTERPRETASI SHAP DATASET OASIS LONGITUDINAL Edwin Rudini; Moch Anwar Abbas
Jurnal Kecerdasan Buatan Vol. 1 No. 2 (2026): Vol 1 No. 2 Tahun 2026
Publisher : STMIK Pamitran

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31222/86vp9m15

Abstract

Demensia Alzheimer (DA) merupakan salah satu penyebab utama demensia sehingga diperlukan metode klasifikasi yang akurat dan dapat diinterpretasikan. Penelitian ini bertujuan menganalisis pengaruh strategi imputasi missing data terhadap performa ensemble machine learning (ML) pada dataset OASIS longitudinal. Dataset terdiri atas 373 observasi dari 150 subjek. Fitur label Group terdiri atas 190 kategori Nondemented dan 183 kategori Demented setelah kategori Converted digabungkan ke dalam kelas Demented agar menjadi klasifikasi biner. Fitur CDR dihapus untuk mengurangi risiko target leakage, sedangkan nilai hilang pada fitur SES dan MMSE ditangani menggunakan imputasi Median, KNN, dan Iterative Imputation. Model algoritma terdiri atas Random Forest (RF), AdaBoost Classifier (ADC), Gradient Boosting Classfier (GBC), dan XGBoost classifier (XGBC) yang dikombinasikan menggunakan weighted soft voting dengan optimasi bobot berbasis Bayesian Optimization melalui Optuna. Evaluasi dilakukan menggunakan 10-Fold Stratified Group Cross-Validation pada tingkat subjek untuk mencegah kebocoran data. Hasil menunjukkan bahwa imputasi KNN memberikan performa rata-rata terbaik dengan ROC-AUC 85,33%, sedangkan pada agregasi prediksi model algoritma  diperoleh accuracy 76,14%, precision 80,13%, recall 68,31%, dan F1-score 73,75%. Uji Wilcoxon menunjukkan tidak terdapat perbedaan performa yang signifikan antar strategi imputasi. Analisis Shapley Additive explanations(SHAP) menunjukkan bahwa fitur MMSE merupakan fitur paling dominan dalam hasil prediksi model.

Page 2 of 2 | Total Record : 11