Sistem Pendukung Keputusan Penentuan Tingkat Keparahan Autis Menggunakan Metode Fuzzy K-Nearest Neighbor
| Main Author: | Munawarah, Robbiyatul |
|---|---|
| Format: | Thesis NonPeerReviewed |
| Terbitan: |
, 2017
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/147433/ |
Daftar Isi:
- Autis atau yang biasa disebut Gangguan Spektrum Autis (ASD) merupakan istilah umum mengacu pada gangguan perkembangan otak seseorang yang sudah tidak asing lagi di telinga masyarakat Indonesia. Sampai saat ini, sudah banyak penelitian telah dilakukan dengan jalan membangun sistem kecerdasan buatan dengan berbagai teknik yang digunakan untuk mempermudah proses prediksi ada atau tidaknya gangguan ini. Namun belum pernah ada sistem yang dapat menentukan tingkat keparahan autis. Padahal, kemajuan penelitian pada bidang autis sudah tidak lagi berfokus pada autis atau tidaknya seorang anak, namun lebih kepada ‘adakah perbedaan antara anak autis yang satu dengan lainnya?’ sehingga muncul label ‘tingkat keparahan’ sesuai dengan perilaku tertentu yang anak tunjukkan. Tingkat keparahan anak autis sangat penting untuk diidentifikasi dan merupakan salah satu aspek yang perlu dipertimbangkan agar pengasuh maupun orang tua dapat membimbing dan mengayomi anak penderita autis serta mempermudah orang tua dan guru untuk membantu anak-anak autistik dalam proses pertumbuhan masa depan mereka. Untuk mempermudah menentukan tingkat keparahan autis, maka dibuatlah sistem pendukung keputusan dengan memanfaatkan salah satu metode implementasi data mining yaitu metode Fuzzy K-Nearest Neighbor (FK-NN). Fuzzy K-Nearest Neighbor (FK-NN) adalah penggabungan dari metode Fuzzy dan metode KNN yang dirancang untuk memberikan tingkat jaminan lebih besar pada kelas hasil klasifikasi dikarenakan ketergantungannya pada nilai keanggotaan data. Terdapat 14 gejala dan 3 tingkat keparahan yang dapat digunakan sebagai parameter dalam pengembangan sistem. Keluaran yang akan dihasilkan sistem pendukung keputusan berupa tingkat keparahan autis. Berdasarkan pada skenario pengujian yang dilakukan memperoleh hasil rata-rata akurasi maksimum 90,83% serta akurasi minimum sebesar 82,50%. Berdasarkan hasil tersebut, sistem yang menggunakan metode Fuzzy K-Nearest Neighbor (FK-NN) dapat diimplementasikan pada kehidupan sehari-hari.