Penentuan Waktu Terakhir Penggunaan Ganja dengan Metode Radial Basis Function Neural Network (RBFNN)

##plugins.themes.bootstrap3.article.main##

Sukma Fardhia Anggraini Sigit Adinugroho Randy Cahya Wihandika

Abstrak

Pada tahun 2017, jumlah penyalahguna ganja di Indonesia mencapai 1.742.285 orang. Ketika seorang pecandu ganja ingin menghentikan pemakaian secara mendadak, maka dapat menimbulkan gejala sakau. Untuk mengantisipasi gejala sakau maka dapat dilakukan langkah rehabilitasi, sehingga pecandu bisa mendapatkan perawatan yang komprehensif. Penentuan jenis rehabilitasi yang sesuai dapat menjadikan perawatan lebih efektif. Sehingga dengan mengetahui waktu terakhir penggunaan ganja, diharapkan dapat memberi informasi pendukung untuk menentukan program rehabilitasi yang sesuai untuk pecandu ganja. Salah satu teknik dalam data mining yang dapat digunakan untuk menyelesaikan permasalahan ini adalah dengan teknik klasifikasi. Pada penelitian ini, metode klasifikasi yang digunakan adalah metode Radial Basis Function Neural Network (RBFNN) dengan K-Means. Tahapan yang dilakukan meliputi tahap normalisasi data, metode K-means untuk menentukan nilai center dan spread pada fungsi aktivasi Gaussian, tahap training RBFNN dan tahap testing RBFNN. Penelitian ini menggunakan 627 data pengguna ganja yang dipublikasikan di UCI Machine Learning pada tahun 2016. Berdasarkan hasil pengujian dari penelitian yang telah dilakukan, didapatkan parameter optimal diantaranya 7 hidden neuron  dan batas maksimal iterasi K-Means adalah 100. Dengan menggunakan parameter tersebut, didapatkan hasil akurasi sebesar 35,908%.

##plugins.themes.bootstrap3.article.details##

Cara Sitasi
Anggraini, S., Adinugroho, S., & Wihandika, R. Penentuan Waktu Terakhir Penggunaan Ganja dengan Metode Radial Basis Function Neural Network (RBFNN). Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, vol. 3, no. 3, p. 2251-2260, jan. 2019. ISSN 2548-964X. Tersedia pada: <http://j-ptiik.ub.ac.id/index.php/j-ptiik/article/view/4630>. Tanggal Akses: 12 des. 2019
Bagian
Artikel