Notice: Undefined index: item_type_code in /var/www/html/pustaka/repository/lib/detail.inc.php on line 462
Andrew Efraim Nicholas Sitompul Pengarang Indra Kelana Jaya, ST., M.Kom Dosen Pembimbing 1 Harlen Gilbert Simanullang, S.Kom., M.Kom Dosen Pembimbing 2 Samuel Manurung, S.Kom., M.Kom Penguji 1 Arina Prima Silalahi, S.Kom., M.Kom Penguji 2

ABSTRAK Multiple Sclerosis (MS) merupakan penyakit autoimun kronis yang menyerang sistem saraf pusat dan memerlukan diagnosis dini agar penanganannya dapat dilakukan secara tepat. Namun, gejala MS yang bervariasi dan mirip dengan penyakit neurologis lainnya seringkali menyulitkan proses diagnosis. Oleh karena itu, teknologi kecerdasan buatan seperti algoritma K-Nearest Neighbors (KNN) dapat dimanfaatkan untuk membantu klasifikasi penyakit ini secara lebih cepat dan akurat. Penelitian ini bertujuan untuk mengimplementasikan metode KNN dalam klasifikasi penyakit Multiple Sclerosis serta mengukur tingkat akurasi dari metode tersebut. Data yang digunakan sebanyak 273 data pasien yang diperoleh dari platform Kaggle dengan 18 variabel atribut klinis. Penelitian ini menggunakan rasio 80% data latih dan 20% data uji, serta nilai k yang digunakan adalah k = 3. Proses klasifikasi dilakukan menggunakan bahasa pemrograman Python. Hasil dari penelitian ini menunjukkan bahwa metode KNN mampu mengklasifikasikan penyakit Multiple Sclerosis dengan akurasi sebesar 81,82%. Evaluasi lanjutan menggunakan classification report menunjukkan bahwa untuk kelas 1, nilai precision, recall, dan f1-score masing-masing sebesar 0,83; 0,76; dan 0,79, sedangkan untuk kelas 2 sebesar 0,81; 0,87; dan 0,84. Dengan demikian, metode KNN dapat menjadi salah satu alternatif dalam membantu proses diagnosis penyakit Multiple Sclerosis. Kata Kunci: Multiple Sclerosis, K-Nearest Neighbors, Klasifikasi, Machine Learning, Diagnosis Penyakit