Analisis Alokasi Sumber Daya Pada Cognitive Radio Network Menggunakan Algoritma Ant Colony System Dengan Modifikasi Pada Ant Matrix

Abstract

Penyakit parkinson adalah penyakit yang menyerang sistem motorik manusia dan termasuk salah
satu penyakit yang sulit untuk didiagnosa. Untuk diagnosa penyakit parkinson dibutuhkan metode
khusus yang dapat mendiagnosa penyakit parkinson. Hingga saat ini, belum ada satu tes spesifik
untuk mendiagnosa adanya penyakit parkinson pada tubuh secara akurat. Penyebab penyakit ini
adalah rusaknya sel syaraf yang bernama substantia nigra yang berfungsi menghasilkan senyawa
bernama dopamin. Penderita parkinson biasanya mengalami kaku pada otot dan mengalami
kesulitan dalam berjalan.
Penelitian ini dilakukan dengan cara mengklasifikasi rekaman sinyal yang dihasilkan oleh sensor
yang bersumber dari database physiobank. Sensor VGRF yang berjumlah 16 sensor dipasang pada
kaki saat berjalan, lalu hasil dari sensor inilah yang nantinya akan diproses dengan metode principal
component analysis (PCA) untuk menentukan karakteristik data dan random forest untuk
mengklasifikasi data. Banyaknya data dan atribut yang terdapat pada database akan diolah sehingga
data lebih sederhana, namun variasi data tetap terjaga, karena variasi dan karakteristik data akan
sangat berpengaruh dalam hasil akurasi sistem.
Penelitian ini bertujuan untuk membantu mendiagnosa sejak dini pada pasien yang diduga
mengidap penyakit parkinson. Sistem yang dihasilkan pada penilitian ini diharapkan dapat
membantu proses diagnosa pasien berdasarkan jejak rekam medis pasien. Reduksi dimensi data
dapat dicapai menggunakan metode PCA, yaitu dengan mengubah dimensi data sebanyak 0,142%
dari data utama. Metode random forest dapat mengkliasifikasi data dengan baik, hal ini dicapai
dengan kombinasi parameter n_estimator = 31 dan max depth = 9. Akurasi terbaik yaitu sebesar
95,13 % namun proses komputasi memerlukan waktu 85 detik, sedangkan waktu komputasi terbaik
didapatkan dengan menggubah paramaeter max depth = 2 dengan waktu 68 detik namun dengan
akurasi 71%.

Kata kunci: Penyakit Parkinson, Principal Component Analysis, Random Forest.