Setyowati, Windi Artha (2018) Optimasi Vektor Bobot Pada Learning Vector Quantization Menggunakan Particle Swarm Optimization Untuk Klasifikasi Jenis Attention Deficit Hyperactivity Disorder (Adhd) Pada Anak Usia Dini. Sarjana thesis, Universitas Brawijaya.
Abstract
Attention Deficit Hyperactivity Disorder (ADHD) merupakan suatu gangguan perkembangan mental yang memiliki karakterisrik utama kesulitan penderitanya untuk memusatkan perhatian. Ciri-ciri ADHD sering muncul dan mulai dapat diamati pada anak usia 3 sampai 5 tahun atau ketika anak mulai belajar mengembangkan organ motorik. ADHD terdiri dari 3 jenis, yaitu: inattention, hyperactivity, dan impulsivity. Belum banyak masyarakat yang sadar dan tahu akan ADHD, maka dibutuhkan system untuk klasifikasi jenis ADHD. Dengan mengamati gejala yang tampak, ADHD dapat diklasifikasikan menggunakan algoritme Learning Vector quantiztion (LVQ), namun pada penelitian sebelumnya, algoritme LVQ menghasilkan akurasi yang terbilang rendah. Untuk mengoptimalkan tingkat akurasi algortima LVQ, maka digunakan algoritme Particle Swarm Optimization (PSO) untuk mencari vektor bobot LVQ terbaik. Dalam penelitian ini, dilakukan pengujian pada algoritme LVQ-PSO dan LVQ untuk mengetahui perbedaan hasil akurasi menggunakan data uji yang sama. Hasil pengujian menunjukkan rata-rata akurasi tertinggi algortima LVQ-PSO adalah 87,3% dengan waktu komputasi 84,6 detik dan akurasi terendah adalah 80% dengan waktu komputasi 84,2 detik. Algoritma LVQ memiliki nilai rata-rata tertinggi adalah 80,6% dengan waktu komputasi 4,8 detik dan akurasi terkecil adalah 74,5% dengan waktu komputasi 3,6 detik. Parameter-parameter PSO terbaik menghasilkan akurasi terbaik adalah adalah Wmax 0,6, Wmin 0,5, ukuran swarm 100, maksimal iterasi PSO 100, α 0,1, dan dec α 0,1. Dari hasil akurasi pengujian tersebut, maka dapat disimpulkan bahwa algoritme PSO dapat digunakan untuk mengoptimasi algortime LVQ meskipun membutuhkan waktu komputasi yang lebih lama.
English Abstract
Attention Deficit Hyperactivity Disorder (ADHD) is a mental development disorder that has the main characteristic of the sufferer's difficulties to focus attention. The characteristics of ADHD often appear in children aged 3 to 5 years or when children begin to learn to develop motor organs. ADHD consists of 3 types, namely: inattention, hyperactivity, and impulsivity. Not many people are aware of ADHD, then required a system for the classification type of ADHD. By observing visible symptoms, ADHD can be classified using the Learning Vector quantiztion (LVQ) algorithm, but in previous studies, the LVQ algorithm yielded relatively low accuracy. To optimize the accuracy of the LVQ algorithm, the Particle Swarm Optimization (PSO) algorithm is used to find the best LVQ weight vector. In this research, LVQ-PSO and LVQ are tested to know the difference of accuracy result using the same testing data. The test result shows that the highest accuracy of LVQ-PSO algorithm is 87,3% with computation time 84,6 seconds and lowest accuracy is 80% with computation time 84,2 seconds. LVQ algorithm has the highest average value is 80,6% with a computation time of 4,8 seconds and the smallest accuracy is 74,5% with a computation time of 3,6 seconds. The best parameters of PSO to produce the best accuracy are Wmax 0,6, Wmin 0.5, swarm size 100, maximum iteration PSO 100, α 0,1, and dec α 0,1. From the results of the test accuracy, it can be concluded that the PSO algortime can be used to optimize the LVQ algortime even though it takes longer computation time.
Item Type: | Thesis (Sarjana) |
---|---|
Identification Number: | SKR/FTIK/2018/300/051801981 |
Uncontrolled Keywords: | klasifikasi, optimasi, attention deficit hyperactivity disorder, learning vector quantization, particle swarm optimization. classification, optimization, attention deficit hyperactivity disorder, learning vector quantization, particle swarm optimization. |
Subjects: | 600 Technology (Applied sciences) > 616 Diseases > 616.8 Diseases of nervous system and mental disorders > 616.85 Miscellaneous diseases of nervous system and mental disorders > 616.858 Personality, sexual, gender-identity, impulse-control, factitious, developmental, learning disorders; violent behavior; mental retardation |
Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
Depositing User: | Budi Wahyono Wahyono |
Date Deposited: | 12 Mar 2019 02:56 |
Last Modified: | 16 Oct 2021 04:02 |
URI: | http://repository.ub.ac.id/id/eprint/13598 |
Preview |
Text
Windi Artha Setyowati.pdf Download (3MB) | Preview |
Actions (login required)
![]() |
View Item |