Hasil Pencarian  ::  Simpan CSV :: Kembali

"JuduJ : Mengetahui ketelitian dan ketepatan alat EN Tree dibandingkan dengan alat NKTable dalam menilai kekuatan otot kuadriseps dengan metoda 10 RMTujuao : Membuktikan alat EN Tree dan alat NK Table memiliki kemampuan yang sarnadalam menilai kekuatan otot kuadriseps.Disain : Uji diagnostikTempat Penelitiao : IRM-RSUPN eMPeserta : 30 mahasiswi D3 Rehabilitasi Medik FKUI.Perlakuao : Masing-masing peserta dilakukan penilaian kekuatan otot kuadrisers denganmetoda 10 RM pada alat EN Tree tiga kali dan alat NK Table tiga kali.Hasil Penelitian : Dilakukan uji statistik independent samples t test dengan membandingkanluas di bawah kurva yang mewakili total gaya yang dikeluarkan otot kuadrisep pada alat ENTree dengan NK table, dan diperoleh basil significant (2-tailed) = 0,106 (p> 0,05).Nilai inimenyatakan luas di bawah kurva yang mewakili total gaya yang dikeluarkan otot kuadriseppada alat EN Tree tidak berbeda bennakna dibandingkan dengan NK table.Kesimpulan : alat EN Tree dan alat NK Table memiliki kemarnpuan yang sarna dalammenilai kekuatan otot kuadriseps."

"Tingginya biaya inventory, munculnya shortage cost serta sulitnya menjaga ketersediaan suku cadang dalam jumlah besar dan bervariasi memerlukan strategi pengontrolan yang tepat, metode klasifikasi pada umumnya fokus kepada annual dolar usage belum mengakomodasi kirteria lain yang bersifat kualitatif dan kuantitatif. Thesis ini bertujuan mendapatkan model manajemen persediaan dengan menggunakan metode Multi Criteria Decission Making yaitu klasifikasi berdasarkan Multi-attribute Spare Tree Analysis(MASTA) dan Inventory Management Policy (IMP) matrix yang mengakomodasi berbagai kriteria kualitative serta kuantitative di Industri minyak dan gas bumi Indonesia. Hasil penelitian menunjukkan MASTA & IMP sebagai metode manajemen persedian bisa diterapkan di Industri minyak dan gas bumi indonesia dan bisa menjaga persediaan dan menurunkan biaya inventory.

---

The high cost of inventory, the emergence of shortage cost and difficulty of maintaining the availability of spare parts in large and varied quantities needs a proper control strategy, classification methods generally focus on annual dollar usage not accommodate other qualitative and quantitative criteria.

This thesis aims to get the inventory management model using Multi Criteria Decision Making method based on Multi-attribute Spare Tree Analysis (MASTA) and Inventory Management Policy (IMP) matrix that accommodates a variety of qualitative and quantitative criteria in the oil and gas industry of Indonesia.

The results showed MASTA & IMP as supply management methods can be applied in oil and gas industry Indonesia and could keep the stock and reduce inventory costs."

"Latar Belakang: Kelahiran preterm merupakan penyebab tertinggi kematian neonatal. Indonesia menduduki posisi tertinggi di ASEAN dan kelima di dunia untuk kelahiran preterm. Rumusan masalah: Belum adanya model prediksi kelahiran preterm yang memperlihatkan prediktor yang berguna untuk mengembangkan program pencegahan. Tujuan: Menemukan model prediksi kelahiran preterm berbasis machine learning untuk deteksi dini kelahiran preterm di Fasilitas Kesehatan Tingkat Pertama (FKTP). Metode: Penelitian ini menggunakan desain studi case control dengan menggunakan data rekam medis Rumah Sakit (RS) di Palembang yaitu RS YK Madira, RSMH, RS Bunda, RS Ar Rasyid, RS Muhammadiyah, dan RS Bhayangkara tahun 2019 dengan jumlah sampel 1758 responden yang terdiri dari 879 preterm dan 879 aterm. Faktor risiko yang digunakan pada penelitian ini didapatkan dari Systematic Literature Review yang terdiri dari faktor sosiodemografi (10 variabel), faktor perilaku/gaya hidup (5 variabel), faktor maternal/kondisi ibu sebelum kehamilan (8 variabel), faktor kehamilan/obstetri ginekologi (21 variabel), faktor biologis (3 variabel), faktor pelayanan kesehatan (2 variabel) dan faktor janin (4 variabel). Pemodelan dilakukan dengan menggunakan machine learning dengan menggunakan algoritme decision tree, K-Nearest Neighbour (KNN), naïve bayes, logistic regression, Support Vector Machine (SVM) dan neural network (CNN1D, multilayer perceptron dan backpropagation). Hasil: Ditemukan 21 variabel penelitian dari 53 variabel yang dibutuhkan, dan menemukan 6 variabel yang menjadi prediktor utama kelahiran preterm di antaranya pre-eklamsia, perdarahan dalam kehamilan, riwayat ketuban pecah dini, jarak antar dua kehamilan, paritas, dan anemia. Pada penelitian ini ditemukan algoritme terbaik yaitu decision tree dengan nilai akurasi 95% untuk training dan 96% untuk testing dan telah dibuat prototype berupa aplikasi berbasis web untuk deteksi dini di FKTP. Kesimpulan: Ditemukan research novelty yaitu diperoleh model prediksi kelahiran preterm, dimana model ini potensial untuk digunakan di FKTP sebagai upaya deteksi dini. Model prediksi ini akan mendeteksi ibu hamil akan berisiko preterm atau tidak berisiko. Apabila diketahui ibu berisiko kelahiran preterm, maka ibu dianjurkan untuk melakukan pemeriksaan di RS, agar tidak terjadi keterlambatan penanganan yang menyebabkan kematian ibu maupun bayi. Dibandingkan tidak ada model prediksi, maka risiko kelahiran preterm tidak dapat dicegah, sehingga keterlambatan penanganan akan terjadi.

---

Background: Preterm birth is the highest cause of neonatal death. Indonesia occupies the highest position in ASEAN and fifth in the world for preterm births. Formulation of the problem: There is no predictive model of preterm birth that provides a useful predictor for developing prevention programs. Objective: To find prediction model of preterm birth based on machine learning for early detection of preterm birth in First Level Health Facilities (FKTP). Methods: This study uses a case control study design using medical record data at the Hospital (RS) in Palembang that isYK Madira Hospital, RSMH, Bunda Hospital, Ar Rasyid Hospital, Muhammadiyah Hospital, and Bhayangkara Hospital in 2019 with a total sample of 1758 respondents consisting of 879 preterm and 879 term. The risk factors used in this study were obtained from a Systematic Literature Review consisting of: sociodemographic factors (10 variables), behavioral/lifestyle factors (5 variables), maternal factors/mother's condition before pregnancy (8 variables), pregnancy/gynecological factors (21 variables), biological factors (3 variables), health service factors (2 variables) and fetal factors (4 variables). The modeling is done using machine learning using decision tree algorithms, K-Nearest Neighbor (KNN), nave Bayes, logistic regression, Support Vector Machine (SVM) and neural networks (CNN1D, multilayer perceptron and backpropagation). Results: Found 21 research variables from 53 variables were needed, and found 6 variables that were the main predictors of preterm birth including pre-eclampsia, bleeding in pregnancy, history of premature rupture of membranes, distance between two pregnancies, parity, and anemia. In this study, the best algorithm was found, namely decision tree with an accuracy value of 95% for training and 96% for testing and a prototype was made in the form of a web-based application for early detection in FKTP. Conclusion: It was found that the research novelty obtained a predictive model of preterm birth, which is the main cause of AKN, where this model has the potential to be used in FKTP as an early detection effort. This predictive model will detect pregnant women will be at risk of preterm or not at risk. If it is known that the mother is at risk of preterm birth, the mother is recommended to do an examination at the hospital, so that there is no delay in handling that causes the death of both mother and baby. Compared to no predictive model, the risk of preterm birth cannot be prevented, so that delays in treatment will occur."

"ABSTRACTOsteoartritis adalah penyakit sendi kronis pada tulang rawan yang sering terjadi pada orang berusia lanjut. Penyaki ini umumnya terjadi pada tulang rawan sendi lutut Orang berusia lanjut sering menyepelekan perasaan sakit di sekitar sendi mereka atau tidak menyadari bahwa mereka telah terkena osteoartritis lutut, sehingga penyakit osteoartritis lutut yang mereka alami menjadi semakin kronis. Menurut beberapa penelitian, melakukan tindakan sejak stadium dini dapat mencegah penyakit. Salah satu tindakan untuk mencegah osteoartritis lutut agar tidak semakin kronis adalah mendeteksi penyakit tersebut sejak dini, sehingga pasien osteoartritis lutut dapat mendapatkan pengobatan yang tepat dan dapat memperbaiki kehidupan mereka di masa yang akan datang. Pada penelitian ini, osteoartritis lutut dideteksi dengan mengklasifikasikan stadium pasien osteoartritis lutut menggunakan AdaBoost Support Vector Machine dan AdaBoost Decision Tree. Klasifikasi osteoartritis lutut menggunakan AdaBoost Support Vector Machine dibandingkan dengan klasifikasi oteoartritis lutut menggunakan AdaBoost Decision Tree berdasarkan nilai akurasi klasifikasi yang dihasilkan dari kedua metode tersebut.

---

ABSTRACTOsteoarthritis is a chronic joint disease of cartilage that often occurs in elderly people. One of the joints that can be infected is the knee. Older people often underestimate painful feeling around their joint or do not realize that they have been affected by knee osteoarthritis, so the knee osteoarthritis disease becomes more chronic. According to some studies, preventive measure from an early stage are very crucial to overcome the disease. One of the preventive measure to overcome knee osteoarthritis is to detect the current stage of the disease, so the knee osteoarthritis patient can have the right treatment and can improve their lives in the future. In this research, knee osteoarthritis was detected by classifying the stage of knee osteoarthritis patients by using AdaBoost Support Vector Machine and AdaBoost Decision Tree. The classification of knee osteoarthritis using AdaBoost Support Vector Machine was compared with the classification of knee osteoarthritis using AdaBoost Decision Tree based on the classification accuracy value generated from both methods."

"Konsumtif merupakan perilaku yang menjelaskan keinginan dalam mengkonsumsi hal secara berlebihan yang guna mencapai kepuasan semata. Perilaku konsumtif jika dibiarkan lambat laun dapat menimbulkan dampak negatif secara ekonomi dan sosial. Penelitian ini dilakukan untuk mengetahui faktor yang signifikan berkaitan dengan kecenderungan perilaku konsumtif serta mencari profil mahasiswa dengan kecenderungan perilaku konsumtif yang relatif tinggi. Faktor yang diduga berkaitan dengan kecenderungan perilaku konsumtif yaitu jenis kelamin, uang saku, media sosial, literasi keuangan, gaya hidup hedonis, kecenderungan berbelanja online, kecenderungan cashless, pola asuh, pembinaan mengenai pengelolaan diri dan keuangan, dan tingkat religiusitas. Metode yang digunakan untuk mencapai tujuan tersebut adalah Partial Least Square dan Classification and Regression Tree. Data yang digunakan merupakan data primer sejumlah 619 mahasiswa jenjang S1 Universitas Indonesia pada tahun ajaran 2019/2020 yang diambil menggunakan Purposive Sampling. Hasil yang diperoleh menunjukkan bahwa faktor yang signifikan berkaitan dengan kecenderungan perilaku konsumtif adalah literasi keuangan, gaya hidup hedonis, kecenderungan belanja online, kecenderungan cashless, dan pembinaan mengenai pengelolaan diri dan keuangan dan pola asuh. Profil mahasiswa dengan kecenderungan perilaku konsumtif yang relatif tinggi yaitu mahasiswa dengan kecenderungan gaya hidup hedonis tinggi serta kecenderungan belanja online tinggi dan mahasiswa dengan kecenderungan gaya hidup hedonis tinggi, kecenderungan belanja online tinggi dan literasi keuangan rendah.

---

Consumptive is a behavior that explains the desire to consume excessive things that not really necessary to achieve maximum satisfaction. Consumptive behavior can cause a negative impact on the economy and society. The purpose of this research finds out the factors that corresponded to consumptive behavior tendencies and know the profile of students with a high level of consumptive behavior tendencies. Factors that involved are gender, pocket money, social media, financial literacy, hedonic lifestyle, online shopping tendencies, cashless tendencies, parenting type, guidance about self-management and finances, and religiosity. Methods used are Partial Least Square (PLS) and Classification and Regression Tree (CRT). The sample used is 619 students of the University of Indonesia taken by purposive sampling. The results of this study obtained the factors that significantly corresponded to consumptive behavior tendencies are financial literacy, hedonic lifestyle, online shopping tendencies, cashless tendencies, and guidance about self-management and finances. Profile of students with high levels of consumptive behavior tendencies is students with high levels of hedonic lifestyle and high level of online shopping tendencies, also students with high levels of hedonic lifestyle, high level of online shopping tendencies, and low level of financial literacy."

"Kematian balita merupakan indikator utama kesehatan anak dan pembangunan bangsa secara keseluruhan, karena mencerminkan kondisi sosial, ekonomi, dan lingkungan. Angka kematian balita sebagai barometer sosial ekonomi dan kesehatan telah dimasukkan dalam Sustainable Development Goals (SDGs) dengan target baru untuk menurunkan angka kematian balita di dunia secara keseluruhan menjadi kurang dari 25 per 1000 kelahiran hidup di tahun 2030. Tujuan penelitian ini adalah untuk mengetahui faktor apa yang memengaruhi jumlah kasus kematian balita di Pulau Jawa. Variabel respon penelitian ini adalah jumlah kasus kematian balita yang merupakan data diskrit  dengan kondisi overdispersi. Penelitian ini menggunakan model Geographically Weighted Negative Binomial Regression (GWNBR) yang merupakan pengembangan regresi Binomial Negatif dengan memperhitungkan pengaruh spasial. Data yang digunakan pada penelitian ini mengandung missing value sehingga dilakukan penanganan dengan imputasi data menggunakan Classification and Regression Tree (CART). Model yang digunakan untuk menganalisis jumlah kasus kematian balita adalah model GWNBR dengan fungsi pembobot kernel Adaptive Gaussian. Hasil dari analisis tersebut menunjukkan bahwa terdapat 5 variabel prediktor yang secara signifikan memengaruhi jumlah kasus kematian balita di seluruh Kabupaten/Kota di pulau Jawa yaitu variabel kecukupan air bersih (AIRB), proporsi diare pada balita (DIARE), kecukupan jumlah dokter (DOK), cakupan penimbangan balita (CPB) dan cakupan Imunisasi Dasar Lengkap (IDL).

---

Under-five mortality is the main indicator of child health and the development of the nation as a whole, because it reflects social, economic and environmental conditions. The under-five mortality rate as a socio-economic and health barometer has been included in the Sustainable Development Goals (SDGs) with a new target to reduce the world under-five mortality rate as a whole to less than 25 per 1000 live births in 2030. The purpose of this study was to determine what factors which affects the number of under-five mortality cases in Java. The response variable of this research is the number of under-five mortality cases which are discrete data with overdispersion conditions. This study uses a Geographically Weighted Negative Binomial Regression (GWNBR) model which is the development of Negative Binomial regression by taking into account the spatial effect. The data used in this study contains missing values ​​so that it is handled by imputing data using the Classification and Regression Tree (CART). The model used to analyze the number of under-five mortality cases is the GWNBR model with the Adaptive Gaussian kernel weighting function. The results of the analysis show that there are 5 predictor variables that significantly affect the number of cases of under-five mortality in all districts/cities on the island of Java, namely the clean water adequacy variable (AIRB), the proportion of diarrhea in children under five (DIARE), the adequacy of the number of doctors (DOK), coverage of under-five weighing (CPB) and coverage of Complete Basic Immunization (IDL)."

"Perkembangan teknologi informasi yang semakin mengalami kemajuan pesat dan kompleks telah merubah banyak hal dalam kehidupan sehari-hari. Salah satu perubahan gaya hidup masyarakat di Indonesia yang paling terlihat yaitu dalam hal menggunakan internet. Kondisi pandemi COVID−19 juga membuat kebutuhan akan internet semakin meningkat, sehingga menjadikan beberapa orang melakukan switching intention penggunaan internet dari data seluler ke wifi, termasuk mahasiswa. Hal tersebut berdampak pada pertumbuhan pengguna operator internet wifi, khususnya Indihome, yaitu operator yang paling banyak digunakan oleh masyarakat. Adanya peningkatan tersebut harus diimbangi dengan pelayanan yang diberikan kepada pelanggannya secara baik agar pelanggan merasa puas ketika menggunakan wifi. Penelitian ini bertujuan untuk mengetahui variabel-variabel apa saja yang signifikan memengaruhi tingkat kepuasan mahasiswa FMIPA UI terhadap penggunaan Indihome sebagai provider layanan internet dan mencari profile mahasiswa FMIPA UI yang puas terhadap penggunaan Indihome. Variabel yang diduga memengaruhi tingkat kepuasan terhadap penggunaan Indihome adalah jenis kelamin, pendapatan orang tua, jumlah perangkat yang terhubung ke wifi, intensitas penggunaan internet dalam sehari, durasi lamanya berlangganan Indihome per bulan, persepsi pelanggan (customer perceived value), gaya hidup, kepercayaan, kualitas layanan, dan kualitas produk. Responden dalam penelitian ini adalah mahasiswa FMIPA UI yang menggunakan wifi Indihome dalam membantu kegiatan proses pembelajaran daring dengan lokasi pemasangan di daerah Pulau Jawa dan Sumatera dengan jumlah responden sebanyak 247 orang. Pengambilan sampel dilakukan menggunakan teknik purposive sampling. Penelitian ini menggunakan metode analisis data Partial Least Square dan Classification and Regression Tree. Hasil penelitian ini menunjukkan bahwa durasi lamanya berlangganan, kualitas layanan, dan kualitas produk berpengaruh signifikan terhadap kepuasan mahasiswa FMIPA UI dalam menggunakan Indihome. Profile mahasiswa yang puas terhadap penggunaan Indihome adalah mahasiswa yang memperoleh kualitas produk yang baik, kualitas layanan yang baik, dan sudah berlangganan Indihome dalam jangka waktu yang lama.

---

The development of information technology, which is experiencing rapid and complex progress, has changed many things in everyday life. One of the most visible changes in people's lifestyles in Indonesia is in terms of using the internet. The condition of the COVID pandemic has also increased the need for the internet, which has prompted some people to make a switching intention to use the internet from mobile data to wifi, including students. This has an impact on the growth of wifi internet operator users, especially Indihome, which is the operator most widely used by the public. This increase must be balanced with good service provided to customers so that customers feel satisfied when using wifi. This study aims to find out which variables significantly influence the level of satisfaction of FMIPA UI students with using Indihome as provider and to find profiles of FMIPA UI students who are satisfied with using Indihome. Variables that are thought to influence the level of satisfaction with using Indihome are gender, parental income, number of devices connected to wifi, intensity of internet use in a day, duration of Indihome subscription per month, customer perceived value, lifestyle, beliefs, service quality, and product quality. Respondents in this study were FMIPA UI students who used Indihome wifi to assist online learning process activities with installation locations in the areas of Java and Sumatra. with the number of respondents as many as 247 people. Sampling was carried out using purposive sampling technique. This study used the Partial Least Square and Classification and Regression Tree. The results of this study indicate that the length of subscription, service quality, and product quality have a significant effect on FMIPA UI student satisfaction in using Indihome. Profiles of students who are satisfied with using Indihome are students who get good product quality, good service quality, and have subscribed to Indihome for a long time."

"ABSTRAKSkripsi ini membahas sebuah cerpen Kisah Desa Pohon Murbei karya Zhu Xiaoping melalui pendekatan intrinsik dan ekstrinsik. Pengkajian intrinsik membahas mengenai tokoh dan penokohan, latar waktu dan latar tempat. Pengkajian ekstrinsik menghubungkan antara kehidupan petani Cina yang ada di dalam cerita dengan kondisi riil petani. Analisis tersebut bertujuan untuk memaparkan kegiatan yang dilakukan tokoh ldquo;aku rdquo; selama berada di Desa Pohon Murbei dan memaparkan pemahaman tokoh ldquo;aku rdquo; mengenai kehidupan petani, desa, dan tokoh Li Jindou. Kesimpulan yang didapatkan menunjukkan bahwa selama berada di Desa Pohon Murbei dan berinteraksi dengan penduduk desa, tokoh ldquo;aku rdquo; mendapatkan pemahaman mengenai Li Jindou dan kehidupan petani di desa yang sesungguhnya.

---

ABSTRAKThis thesis discusses a short story of Mulberry Tree Village by Zhu Xiaoping through intrinsic and extrinsic approaches. Intrinsic review discusses characters and characterizations, setting of place and time. Extrinsic assessment links the life of Chinese farmers in the story to the real condition of farmers. The analysis aims to describe the activities of the I figure during his stay in the Mulberry Tree Village and describes the I understanding of the life of the peasants, village, and Li Jindou. The conclusions show that while in the Mulberry Tree Village and interacting with the villagers, the I figure gained an understanding of Li Jindou and the peasant life in the real village."

"ABSTRAKPenelitian struktur komunitas pohon dan bambu telah dilakukan di zona riparian Ciliwung wilayah Depok-Jakarta Selatan. Penelitian bertujuan untuk membandingkan struktur komunitas pohon dan bambu pada 3 titik lokasi zona riparian dengan kondisi habitat yang berbeda-beda. Metode yang digunakan yaitu metode petak. Sebanyak 4 petak sampel di setiap titik lokasi ditentukan secara purposive. Hasil penelitian menunjukkan ketiga titik lokasi memiliki perbedaan struktur komunitas pohon dan bambu. Vegetasi di titik lokasi 1,2, dan 3 masing-masing terdiri dari 13 spesies dalam 9 famili, 15 spesies dalam 11 famili, serta 4 spesies dalam 4 famili. Secara keseluruhan, ketiga titik lokasi memiliki tingkat kekayaan pohon yang rendah R 1,10-3,35 dan tingkat kekayaan bambu yang rendah R 0,00-0,15 ; tingkat keanekaragaman pohon yang rendah hingga sedang H ; 1,26-2,33 dan tingkat keanekaragaman bambu yang rendah H 0,00-0,06 ; tingkat kemerataan pohon yang tinggi E 0,81-0,90 dan tingkat kemerataan bambu yang rendah E 0,00-0,09 . Berdasarkan nilai INP, titik lokasi 1 didominasi oleh pohon Cecropia peltata INP 85,12 dan bambu Gigantochloa apus INP 173,95, titik lokasi 2 didominasi oleh pohon Paraserianthes falcataria INP 142,40 dan bambu Gigantochloa apus INP 200, titik lokasi 3 didominasi oleh pohon Leucaena leucocephala INP 105,94 dan tidak ditemukan bambu.

---

ABSTRACTResearch on tree and bamboo community structure has been done at Ciliwung riparian zone in Depok South Jakarta. This study aims to compare tree and bamboo community structures at 3 location points of riparian zone with different habitat condition. The method used was plot method. Total of 4 plots at each location point were determined purposively. The result shows that three location points have different tree and bamboo community structure. Vegetation at location point 1, 2, and 3 respectively consists of 13 species in 9 families, 15 species in 11 families, and 4 species in 4 families. Overall, three location points has low level of tree richness R 1.10 mdash 3.35 and low level of bamboo richness R 0.00 mdash 0.15 low to moderate level of tree diversity H 1.26-2.33 and low level of bamboo diversity H 0.00-0.06 high level of tree evenness E 0.81-0.90 and low level of bamboo evenness E 0.00-0.09. Based on INP values, location point 1 is dominated by tree Cecropia peltata INP 85.12 and bamboo Gigantochloa apus INP 173.95, location point 2 is dominated by tree Paraserianthes falcataria INP 142.40 and bamboo Gigantochloa apus INP 200, location point 3 is dominated by tree Leucaena leucocephala INP 105,94 and no bamboo was found."

"ABSTRACTPenyakit Parkinson terbagi dalam dua subtipe, yaitu Tremor Dominant (TD) dan Postural Instability/Gait Dominant (PIGD). Tiap subtipe memiliki perbedaan dalam penanganan klinis, sehingga perlu dilakukan klasifikasi subtipe penyakit Parkinson. Dalam Statistika, ada beberapa model yang membahas klasifikasi diantaranya adalah decision tree, regresi logistik, dan logit leaf model (LLM). LLM merupakan model campuran dari decision tree dan regresi logistik yang diusulkan oleh De Caigny et al. (2018). Penulisan ini membahas klasifikasi subtipe penyakit Parkinson menggunakan model klasifikasi statistika beserta penanganan masalah imbalanced data yang terjadi pada data penyakit Parkinson. Diperoleh model klasifikasi regresi logistik dengan melakukan proses SMOTE ± = 600, = 200 untuk menangani masalah imbalanced data. Model tersebut memberikan akurasi sebesar 98,83%, sensitivitas sebesar 98,41%, dan spesifisitas sebesar 99,07%.

---

ABSTRACTParkinsons Disease has two sub-types which are Tremor Dominant (TD) and Postural Instability/Gait Difficulty (PIGD). Each subtype has the difference in clinical treatment, so it is necessary to classify Parkinsons Disease subtypes. In Statistics, there are statistical models for classifying such as decision tree, logistic regression, and logit leaf model (LLM). LLM is a hybrid model from decision tree and logistic regression that proposed by (De Caigny et al., 2018). In this thesis discuss Parkinsons Disease Classification using statistical models with imbalanced data problem handling happen in Parkinson`s Disease data. For the result, logistic regression by processing SMOTE ± = 600, = 200 to handle data imbalanced problem. The model provides an accuracy of 98,83%, sensitivity of 98.41%, and specificity of 99.07%."