Metode Ensemble Classifier untuk Mendeteksi Jenis Attention Deficit Hyperactivity Disorder (SDHD) pada Anak Usia Dini
Journal Title: Jurnal Teknologi Informasi dan Ilmu Komputer - Year 2019, Vol 6, Issue 3
Abstract
Pada awal masa perkembangan, beberapa anak mengalami hambatan diantaranya sulit untuk diam, sulit untuk berkonsentrasi dan mengontrol perilakunya, apabila anak mengalami gangguan pemusatan perhatian dan sulit mengontrol perilaku yang sesuai, dapat disebut dengan ADHD (Attention Deficit Hyperactive Disorder). Ini merupakan masalah yang serius dikarenakan anak penyandang ADHD mengalami masalah perilaku sosial, emosional dan mengalami kesulitan belajar sekolah sehingga akan mempengaruhi perkembangan pada masa dewasa anak penyandang ADHD. Oleh karena itu perlu diketahui gejala ADHD sejak dini, agar dapat dilakukan suatu penanganan dengan cepat dan tepat. Penelitian ini menghasilkan aplikasi yang digunakan untuk mendeteksi jenis ADHD berdasarkan gejala-gejala yang di masukkan oleh pengguna sehingga akan tampil hasil klasifikasi jenis ADHD nya secara otomatis. Aplikasi ini menggunakan metode Ensemble Classifier yaitu metode yang menggabungkan beberapa classifier agar dapat meningkatkan akurasi yang dihasilkan. Pada tahap klasifikasi setiap data akan dihitung menggunakan K-Nearest Neighbour (KNN), Fuzzy K-Nearest Neighbour (FKNN) dan Neighbour Weighted K-Nearest Neighbour (NWKNN). Hasil perhitungan ketiga classifier tersebut akan diproses kembali dengan metode Ensemble Classifier dengan menggunakan majority voting untuk penentuan klasnya. Hasil akurasi tertinggi dari metode ensemble classifier yaitu 95% dengan nilai k optimal yaitu k=10. Akan tetapi semakin besar nilai k yaitu diatas k=20 maka nilai akurasi untuk masing-masing algoritme akan semakin turun. Hal ini dikarenakan semua algoritme penentuan klasifikasinya berdasarkan jumlah ketetanggaannya. Maka semakin banyak jumlah tetangga yang diperhitungkan maka kemungkinan salah klasifikasinya semakin besar.
Authors and Affiliations
Indriati Indriati
Keywords
Related Articles
- EP ID EP619732
- DOI -
- Views 72
- Downloads 0
SEED (Stoke Disease Early Detection Application) - Rancang Bangun Aplikasi Mobile Berbasis Android untuk Mendiagnosis Gejala Dini Penyakit Stroke Menggunakan K-Nearest Neighbor (K-NN)
Stroke merupakan penyakit yang tinggi di Indonesia. Stroke menjadi peringkat kedua sebagai penyakit yang paling banyak menyebabkan kematian didunia. Pada zaman modern, stroke tidak hanya menyerang orang yang sudah lanjut...
Sistem Notifikasi Sms Hasil Prediksi Saham/Forex Menggunakan Raspberry Pi
Proyek ini dimaksudkan untuk membuat sebuah sistem yang dapat menganalisa data saham, membuat prediksi trend harga naik atau turun, dan mengirimkan notifikasi SMS mengenai hasil analisa dan prediksi kepada para pengguna....
Fuzzy Time Series dan Algoritme Average Based Length untuk Prediksi Pekerja Migran Indonesia
Perkembangan jumlah Pekerja Migran Indonesia (PMI) program Government to Government (G to G) Jepang bidang perawat (nurse) dan perawat orang berusia lanjut (care worker) mengalami naik turun dari tahun 2008 hingga 2018....
Pengembangan Alat Bantu Komunikasi Penderita Pascastroke Menggunakan Flex Sensor dan Accelerometer
Pada tahun 2013, prevelansi penderita stroke di Indonesia sebesar 12,1 % serta merupakan penyebab kematian kedua dan penyebab disabilitas ketiga di dunia. Di Indonesia, angka kontribusi proporsional disability-adjusted l...
Analisis Sentimen pada Opini Pengguna Maskapai Penerbangan Menggunakan Hybrid Cuckoo Search
Tingginya minat penggunaan pesawat terbang dipengaruhi oleh tingginya tingkat mobilitas masyarakat yang menuntut perpindahan kota dalam waktu yang singkat. Meski demikian, tidak semua maskapai penerbangan mampu memberika...