Deteksi Autisme Pada Anak Menggunakan Metode Modified K-Nearest Neighbor (MKNN)
| Main Author: | Putri, ZahraSwastika |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2017
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/147398/1/PAPER_Zahra_Swastika_Putri_125150201111025.pdf http://repository.ub.ac.id/147398/2/PASCA_SIDANG-SKRIPSI_Zahra_Swastika_Putri_125150201111025.pdf http://repository.ub.ac.id/147398/ |
Daftar Isi:
- Autisme merupakan gangguan tumbuh kembang anak terkait gangguan komunikasi, kognisi, aktivitas imajinasi dan interaksi sosial. Gangguan tersebut biasanya tampak pada anak sebelum usia 3 tahun. Namun banyak orang tua yang tidak menyadarinya hingga usia 4-7 tahun. Keterlambatan deteksi, kemiripan dengan gangguan tumbuh kembang yang lain dan kurangnya pengetahuan terhadap autisme menyebabkan ketidaktepatan dalam penanganan dan peningkatan jumlah penderita autisme. Identifikasi autisme dibedakan ke dalam autisme berat, autisme sedang, autisme ringan, dan tidak terdeteksi autisme. Metode Modified K-Nearest Neighbor (MKNN) merupakan pengembangan metode KNN konvensional. Proses modifikasi pada MKNN dilakukan dengan menambahkan proses validitas data latih dan proses weight voting. Dengan adanya proses validitas dan weight voting dapat menguatkan ketetanggaan yang ada pada data training serta menguatkan hasil kinerja metode tersebut. Berdasarkan hasil pengujian variasi nilai k didapatkan akurasi tertinggi sebesar 83.33% menggunakan dissimilarity measure. Pada pengujian komposisi keseimbangan data latih didapatkan akurasi tertinggi sebesar 90% menggunakan euclidean distance. Pada pengujian jumlah data latih rata-rata akurasi tertinggi sebesar 79.17%. Pada pengujian variasi data latih didapatkan akurasi tertinggi sebesar 83.33% menggunakan dissimilarity measure. Berdasarkan hasil akurasi pengujian tersebut, menunjukkan bahwa deteksi autisme pada anak menggunakan metode MKNN memiliki tingkat akurasi yang cukup baik dan mampu melakukan klasifikasi deteksi gejala autisme berdasarkan masukan gejala yang dirasakan pengguna.