PERANCANGAN SISTEM DETEKSI DINI GANGGUAN AUTIS PADA ANAK MENGGUNAKAN METODE K-NEAREST NEIGHBOR

Sari, Achya Puji (2019) PERANCANGAN SISTEM DETEKSI DINI GANGGUAN AUTIS PADA ANAK MENGGUNAKAN METODE K-NEAREST NEIGHBOR. Undergraduate thesis, Universitas Islam Sultan Agung.

	Text Cover.pdf Download (1MB)
	Text Abstrak.pdf Download (11kB)
	Text Publikasi.pdf Download (329kB)
	Text Daftar Isi.pdf Download (120kB)
	Text Daftar Pustaka.pdf Download (77kB)
	Text Lampiran.pdf Download (2MB)
	Text Bab I.pdf Download (105kB)
	Text Bab II.pdf Restricted to Registered users only Download (269kB)
	Text Bab III.pdf Restricted to Registered users only Download (549kB)
	Text Bab V.pdf Restricted to Registered users only Download (10kB)
	Text Bab IV.pdf Restricted to Registered users only Download (973kB)

Abstract

Autisme dapat dialami oleh anak dari berbagai ras, suku, strata sosial, dan ekonomi. Autisme merupakan gangguan perkembangan pervasif pada anak yang ditandai dengan adanya gangguan dan keterlambatan dalam bidang komunikasi, kognitif, perilaku, bahasa, dan interaksi sosial. Orang tua terkadang menganggap gangguan-gangguan tersebut sebagai keterlambatan perkembangan biasa namun pada kenyataanya jumlah penyandang spektrum autisme semakin meningkat. Menurut data dari badan kesehatan dunia (WHO) pada tahun 2009, prevalensi autis di Indonesia mengalami peningkatan luar biasa, dari 1 per 1000 penduduk menjadi 8 per 1000 penduduk. Pada tahun 2009 dilaporkan bahwa jumlah anak penderita autisme mencapai 150-200 ribu. Salah satu cara agar orang tua dapat mengetahui anaknya adalah penderita autism dengan menggunakan fasilitas pendeteksi. penelitian ini dalam mendeteksi autism pada anak menggunakan metode K-Nearest Neighbor dengan menetukan parameter setting untuk nilai k. Di lakukan pengujian dengan black box testing dan confusion matrix, algoritma K-Nearest Neighbor yang di terapkan dalam penelitian ini dapat mendeteksi gangguan autis dengan data training sebanyak 200 instances memperoleh nilai terbaik terdapat pada K = 2, dengan nilai TP Rate = 0.98, FP Rate = 0.02, Precision = 0.98, Recall = 0.98, F-Measure 0.98, Akurasi = 98%, dan Mean Absolute Error = 0.555, sedangkan pada data testing yang di terapkan yaitu sebanyak 80 instances memperoleh nilai TP Rate = 0.9, FP Rate = 0.1, Precision = 0.901, Recall = 0.9, F-Measure 0.9, Akurasi = 90%, dan Mean Absolute Error = 0.1206. Kata kunci : Autisme, K-Nearest Neighbor, confusion matrix, black box testing

Item Type:	Thesis (Undergraduate)
Subjects:	T Technology > T Technology (General)
Divisions:	Fakultas Teknologi Industri Fakultas Teknologi Industri > Teknik Informatika
Depositing User:	Pustakawan 5 UNISSULA
Date Deposited:	16 Jan 2020 06:29
Last Modified:	16 Jan 2020 06:29
URI:	http://repository.unissula.ac.id/id/eprint/14914

Actions (login required)

View Item