Abstract:
Penelitian ini bertujuan untuk menerapkan teknik data mining dalam
proses klasifikasi jenis migrain berdasarkan gejala klinis menggunakan algoritma
K-Nearest Neighbor (KNN) yang diimplementasikan ke dalam sistem berbasis
web. Migrain merupakan salah satu gangguan neurologis yang memiliki variasi
gejala klinis yang beragam, sehingga diperlukan pendekatan berbasis data yang
dapat membantu dalam melakukan klasifikasi jenis migrain berdasarkan pola
gejala yang dialami. Data yang digunakan dalam penelitian ini diperoleh dari
platform Kaggle dengan jumlah 307 data yang terdiri dari dua kelas, yaitu
Migraine Without Aura dan Typical Aura With Migraine. Proses klasifikasi
menggunakan delapan atribut, yaitu Duration, Frequency, Location, Character,
Intensity, Nausea, Phonophobia, dan Visual, sedangkan Type digunakan sebagai
label kelas. Tahapan pengolahan data dilakukan dengan normalisasi menggunakan
metode Min-Max Scaling, kemudian dilanjutkan dengan proses klasifikasi
menggunakan algoritma K-Nearest Neighbor (KNN) dengan perhitungan
Euclidean Distance dan nilai K=5. Algoritma KNN tersebut diimplementasikan ke
dalam sistem berbasis web sehingga pengguna dapat memasukkan data gejala
klinis dan memperoleh hasil klasifikasi jenis migrain. Berdasarkan hasil evaluasi
model, diperoleh nilai accuracy sebesar 78,95%, precision sebesar 84,85%,
recall sebesar 90,32%, dan F-Measure sebesar 87,50%. Selain itu, hasil
pengujian Black Box Testing menunjukkan bahwa fungsi-fungsi utama pada
sistem dapat berjalan sesuai dengan hasil yang diharapkan. Dengan demikian,
algoritma K-Nearest Neighbor (KNN) dapat diterapkan dalam sistem berbasis
web untuk melakukan klasifikasi dua jenis migrain berdasarkan gejala klinis.
Hasil klasifikasi yang diberikan oleh sistem merupakan hasil prediksi dan tidak
digunakan sebagai pengganti diagnosis medis oleh tenaga kesehatan.
