Model prediksi penyakit Alzheimer menggunakan algoritma Logistic Regression dengan pendekatan analisis riwayat medis

Tajudin, Faikar Moch (2026) Model prediksi penyakit Alzheimer menggunakan algoritma Logistic Regression dengan pendekatan analisis riwayat medis. Sarjana thesis, UIN Sunan Gunung Djati Bandung.

Preview	Text 1_cover.pdf Download (108kB) | Preview
Preview	Text 2_abstrak.pdf Download (155kB) | Preview
Preview	Text 3_skbebasplagiarism.pdf Download (738kB) | Preview
Preview	Text 4_daftarisi.pdf Download (165kB) | Preview
Preview	Text 5_bab1.pdf Download (187kB) | Preview
	Text 6_bab2.pdf Restricted to Registered users only Download (265kB) | Request a copy
	Text 7_bab3.pdf Restricted to Registered users only Download (974kB) | Request a copy
	Text 8_bab4.pdf Restricted to Registered users only Download (1MB) | Request a copy
	Text 9_bab5.pdf Restricted to Registered users only Download (176kB) | Request a copy
	Text 10_daftarpustaka.pdf Restricted to Registered users only Download (169kB) | Request a copy
	Text 11_lampiran.pdf Restricted to Repository staff only Download (877kB) | Request a copy

Abstract

Penyakit Alzheimer merupakan gangguan neurodegeneratif yang menyebabkan penurunan fungsi kognitif secara progresif dan menjadi salah satu tantangan utama dalam bidang kesehatan, terutama pada populasi lanjut usia. Deteksi dini terhadap risiko Alzheimer sangat penting untuk mendukung upaya pencegahan dan penanganan yang lebih efektif. Penelitian ini bertujuan untuk membangun model prediksi penyakit Alzheimer menggunakan algoritma Logistic Regression berdasarkan data riwayat medis pasien. Dataset yang digunakan terdiri dari 74.305 data pasien yang mencakup variabel usia, jenis kelamin, indeks massa tubuh (BMI), status merokok, konsumsi alkohol, diabetes, hipertensi, riwayat keluarga Alzheimer, tingkat depresi, dan tingkat stres. Penelitian menerapkan metodologi Cross-Industry Standard Process for Data Mining (CRISP-DM) yang meliputi Business Understanding, Data Understanding, Data Preparation, Modeling, Evaluation, dan Deployment. Pada tahap pemodelan dilakukan proses preprocessing menggunakan One-Hot Encoding dan StandardScaler yang diintegrasikan dengan algoritma Logistic Regression. Evaluasi model dilakukan menggunakan metrik Accuracy, Precision, Recall, F1-Score, dan Area Under Curve (AUC), serta optimasi threshold menggunakan metode Youden’s J Statistic. Hasil penelitian menunjukkan bahwa model menghasilkan nilai AUC sebesar 0,77 dengan akurasi sebesar 72,0% dan recall kelas positif sebesar 75,9% pada threshold optimal 0,49. Hasil tersebut menunjukkan bahwa model memiliki kemampuan yang cukup baik dalam membedakan pasien berisiko Alzheimer dan non-Alzheimer serta mampu mendeteksi sebagian besar kasus positif. Selain itu, validasi ahli menunjukkan bahwa model memiliki kesesuaian secara klinis dan layak digunakan sebagai alat skrining awal untuk mendukung deteksi dini penyakit Alzheimer. Dengan demikian, algoritma Logistic Regression dapat digunakan sebagai model prediksi yang cukup akurat, mudah diinterpretasikan, dan berpotensi mendukung sistem pendukung keputusan di bidang kesehatan.

Actions (login required)

View Item