Seleksi Fitur dengan Information Gain pada Identifikasi Jenis Attention Deficit Hyperactivity Disorder Menggunakan Metode Modified K-Nearest Neighbor

Hafidzullah, Muhammad (2020) Seleksi Fitur dengan Information Gain pada Identifikasi Jenis Attention Deficit Hyperactivity Disorder Menggunakan Metode Modified K-Nearest Neighbor. Sarjana thesis, Universitas Brawijaya.

Abstract

Attention Deficit Hyperactivity Disorder (ADHD) merupakan gangguan yang biasa terjadi pada anak usia dini. Secara umum ada tiga jenis perilaku yang dikaitkan dengan kelainan ini, yaitu: inattentiveness, impulsiveness, dan hyperactive. Penyakit mental ADHD baru dapat dikenali melalui perubahan perilaku penderita. Pada penelitian ini, data yang digunakan menggunakan 45 fitur, dimana banyaknya fitur dapat mempengaruhi kinerja serta akurasi dari metode klasifikasi. Penyeleksian fitur bertujuan untuk mengurangi fitur-fitur yang bersifat sama pentingnya agar lebih memudahkan algoritme klasifikasi untuk beroprasi lebih cepat dan efektif sehingga menghasilkan akurasi yang lebih baik. Metode yang akan digunakan untuk pemilihan fiturnya ialah dengan metode Information Gain. Penggunaan metode Information Gain pada kasus ini adalah untuk menyeleksi fitur-fitur terbaik yang memiliki relevansi terhadap data terkait. Fitur-fitur itu dipillih berdasarkan besaran nilai gain yang didapat, dimana semakin besar nilai gainnya maka semakin relevan fitur tersebut dengan data terkait. Hasil rata-rata akurasi terbaik yang didapatkan dari sistem ini didapat pada skenario pengujian kedua dengan rata-rata nilai akurasi teringgi sebesar 88% didapatkan pada nilai k=37 dan k=42 dan jumlah fitur 36 dan 41, serta pada k=1 di pengujian tanpa menggunakan Information Gain. Hasil ini menandakan penggunaan metode seleksi fitur Information Gain pada kasus ini memiliki nilai akurasi yang cukup baik.

English Abstract

Attention Deficit Hyperactivity Disorder (ADHD) is a disorder that usually occurs in early childhood. In general there are three types of behavior associated with this disorder, namely: inattentiveness, impulsiveness, and hyperactivity. ADHD mental illness can only be recognized through changes in patient behavior. In this study, the data used using 45 features, where the number of features can affect the performance and accuracy of the classification method. Feature selection aims to reduce features that are of equal importance to make classification algorithms easier to operate more quickly and effectively so as to produce better accuracy. The method to be used for the selection of features is the Information Gain method. The use of the Information Gain method in this case is to select the best features that have relevance to the related data. These features are selected based on the magnitude of the gain value obtained, where the greater the gain value, the more relevant the feature is with the related data. The best average accuracy results obtained from this system are obtained in the second test scenario with the highest average accuracy value of 88% obtained at k = 37 and k = 42 and the number of features 36 and 41, and at k = 1 in testing without using Information Gain. These results indicate the use of the Information Gain feature selection method in this case has a fairly good accuracy value.

Other obstract

-

Item Type:	Thesis (Sarjana)
Identification Number:	SKR/FILKOM/2020/81/052003043
Uncontrolled Keywords:	ADHD, Information Gain, MKNN, identifikasi, seleksi fitur. ADHD, Information Gain, MKNN, identification, feature selection.
Subjects:	000 Computer science, information and general works > 006 Special computer methods > 006.2 Special-purpose systems > 006.24 Automatic identification and data capture (AIDC)
Divisions:	Fakultas Ilmu Komputer > Teknik Informatika
Depositing User:	Budi Wahyono Wahyono
Date Deposited:	10 Aug 2020 07:04
Last Modified:	26 Sep 2024 06:44
URI:	http://repository.ub.ac.id/id/eprint/180616

Text 180616-Muhammad Hafidzullah.pdf Download (6MB)

Actions (login required)

View Item