Implementasi Genetic Algorithm Dan Artificial Neural Network Untuk Deteksi Dini Jenis Attention Deficit Hyperactivity Disorder

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

Brillian Aristyo Rahadian Candra Dewi Bayu Rahayudi

Abstrak

ADHD (Attention Deficit Hyperactivity Disorder) adalah gangguan motorik yang penderitanya sulit untuk berkonsentrasi dan melakukan sesuatu secara berlebihan. Deteksi jenis ADHD bisa dilakukan oleh pakar seperti dokter, perawat maupun orang psikolog yang menguasai bidang tersebut dan mereka memberikan solusi untuk penyembuhan anak yang terkena ADHD. Namun karena terbatasnya pakar maka cukup sulit untuk konsultasi ke seorang pakar. Maka dari itu bisa dibuat sistem untuk deteksi dini ADHD. Dalam penelitian ini dibuat implementasi metode GA-LVQ2 untuk deteksi dini jenis ADHD. Tahapan dari implementasinya adalah inisialisasi populasi, crossover, mutation, evaluasi, seleksi elitism, dan pelatihan LVQ2. Representasi solusi yang digunakan adalah real coded genetic algorithm. Panjang kromosom pada penelitian ini sebanyak 45 yang merupakan gejala ADHD. Hasil pengujian yang telah dilakukan adalah didapatkan akurasi tertinggi sebesar 95% pada pengujian dengan 20 data uji dengan nilai parameter ukuran populasi 10, crossover rate 0.9, mutation rate 0.1, banyak generasi 40, learning rate 0.1, pengurang learning rate 0.1, nilai konstanta ϵ 0.35. Keluaran sistem berupa bobot LVQ terbaik yang telah diuji dan memiliki akurasi tinggi.

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

Cara Sitasi
Rahadian, B., Dewi, C., & Rahayudi, B. Implementasi Genetic Algorithm Dan Artificial Neural Network Untuk Deteksi Dini Jenis Attention Deficit Hyperactivity Disorder. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, vol. 2, no. 2, p. 688-694, agu. 2017. ISSN 2548-964X. Tersedia pada: <http://j-ptiik.ub.ac.id/index.php/j-ptiik/article/view/930>. Tanggal Akses: 20 okt. 2019
Bagian
Artikel