Optimasi Vektor Bobot Pada Learning Vector Quantization Menggunakan Algoritme Genetika Untuk Identifikasi Jenis Attention Deficit Hyperactivity Disorder Pada Anak

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

Raissa Arniantya Budi Darma Setiawan Putra Pandu Adikara

Abstrak

Salah satu jenis gangguan mental yang banyak dialami oleh anak usia dini (di bawah 7 tahun) adalah Attention Deficit Hyperactivity Disorder (ADHD). Anak ADHD ditandai dengan kurangnya kemampuan berkonsentrasi, munculnya perilaku yang berlebihan dan perilaku yang munculnya tiba-tiba diluar kendali. Jenis ADHD terdiri dari Inatentif (Inattention), Hiperaktif (Hyperactive), dan Impulsif (Impulsive). Apabila anak dengan ADHD tidak diketahui sejak dini akan menimbulkan masalah psikososial yang serius, namun tidak banyak masyarakat paham bahaya dari ADHD sehingga dibutuhkan sistem yang dapat mengidentifikasi jenis ADHD. Sistem menggunakan metode klasifikasi yaitu Learning Vector Quantization (LVQ). Pada beberapa kasus klasifikasi, LVQ memiliki kelemahan yaitu akurasi yang lemah sehingga dibutuhkan metode optimasi yaitu Algoritme Genetika (AG) yang mampu meningkatkan akurasi. Vektor bobot LVQ akan dioptimasi oleh AG melalui proses genetika hingga dihasilkan vektor bobot optimal yang akan digunakan LVQ untuk training dan testing. Pengujian dilakukan terhadap LVQ dan LVQ-AG, kemudian LVQ menghasilkan akurasi 77% sedangkan setelah dioptimasi oleh AG menjadi 92% dengan parameter terbaik antara lain ukuran populasi 75, crossover rate 0.6, mutation rate 0.4, jumlah generasi 80, learning rate 0.001, pengurang learning rate 0.1, iterasi maksimal 1000, dan minimal learning rate 10-16.

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

Cara Sitasi
Arniantya, R., Setiawan, B., & Adikara, P. Optimasi Vektor Bobot Pada Learning Vector Quantization Menggunakan Algoritme Genetika Untuk Identifikasi Jenis Attention Deficit Hyperactivity Disorder Pada Anak. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, vol. 2, no. 2, p. 679-687, agu. 2017. ISSN 2548-964X. Tersedia pada: <http://j-ptiik.ub.ac.id/index.php/j-ptiik/article/view/909>. Tanggal Akses: 20 okt. 2019
Bagian
Artikel