Identifikasi Jenis Attention Deficit Hyperactivity Disorder Pada Anak Menggunakan Learning Vector Quantization Dengan Seleksi Fitur Menggunakan Algoritme Genetik
| Main Author: | Aulia, Chalid Ahmad |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2020
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/180892/1/Chalid%20Ahmad%20Aulia%20%282%29.pdf http://repository.ub.ac.id/180892/ |
Daftar Isi:
- Attention Deficit Hyperactivity Disorder merupakan salah satu gangguan yang biasa terjadi pada anak usia dini yang ditandai dengan berbagai macam perilaku seperti tidak bisa tenang, kurang bisa memberi perhatian, dan keinginan tiba-tiba untuk melakukan hal-hal yang berlebihan. Secara umum ada tiga jenis ADHD, antara lain: inattention, impulsiveness, dan hyperactivity. Namun banyak masyarakat yang belum sadar akan bahayanya kelainan ini jika tidak ditangani sejak dini. Oleh karena itu, dibutuhkan sebuah sistem untuk mengidentifikasi jenis ADHD pada seorang anak. Penelitian ini menggunakan Learning Vector Quantization sebagai algoritme untuk mengklasifikasi jenis ADHD dan algoritme genetika sebagai penyeleksi fitur-fitur yang relevan. Pada penelitian ini terdapat 45 buah fitur yang merupakan gejala-gejala dari ADHD yang akan diseleksi terlebih dahulu oleh algoritme genetika fitur-fitur mana saja yang akan digunakan untuk proses LVQ untuk ditentukan nilai akurasinya. Pengujian dilakukan dengan mencari angka-angka dari variabel yang memberikan pengaruh terhadap hasil dan dapat menghasilkan angka akurasi paling tinggi. Parameter terbaik dengan hasil akurasi tertinggi antara lain ukuran populasi 15, crossover rate 0,9, mutation rate 0,1, banyak generasi 7, dan nilai learning rate 0.5 di mana nilai rata-rata akurasinya mencapai 96%.