Optimasi Vektor Bobot Pada Learning Vector Quantization Menggunakan Particle Swarm Optimization Untuk Klasifikasi Jenis Attention Deficit Hyperactivity Disorder (ADHD) Pada Anak Usia Dini

Optimasi Vektor Bobot Pada Learning Vector Quantization Menggunakan Particle Swarm Optimization Untuk Klasifikasi Jenis Attention Deficit Hyperactivity Disorder (ADHD) Pada Anak Usia Dini

Penulis

  • Windi Artha Setyowati Fakultas Ilmu Komputer, Universitas Brawijaya
  • Wayan Firdaus Mahmudy Fakultas Ilmu Komputer, Universitas Brawijaya

Kata Kunci:

klasifikasi, optimasi, attention deficit hyperactivity disorder, learning vector quantization, particle swarm optimization

Abstrak

Attention Deficit Hyperactivity Disorder (ADHD) adalah suatu gangguan perkembangan mental yang memiliki karakterisrik utama ketidakmampuan memusatkan perhatian dan hiperaktivitas. Perilaku yang menjadi ciri ADHD sering muncul pada anak usia 3- 5 tahun. ADHD terdiri dari 3 jenis, yaitu: inattention, hyperactivity, dan impulsivity. Belum banyak masyarakat yang sadar akan ADHD, maka dibutuhkan sistem untuk klasifikasi jenis ADHD. Dengan mengamati gejala yang tampak, ADHD dapat diklasifikasikan menggunakan algoritme Learning Vector quantiztion (LVQ), namun algoritme LVQ menghasilkan akurasi yang terbilang rendah. Untuk mengoptimalkan tingkat akurasi algoritme LVQ, maka digunakan algoritme Particle Swarm Optimization (PSO). Algoritme PSO digunakan untuk mencari vektor bobot LVQ terbaik. Untuk mengetahui perbedaan hasil akurasi, maka dilakukan 2 pengujian, yaitu pengujian LVQ-PSO dan LVQ. Pengujian tersebut menggunakan data uji yang sama. Hasil pengujian menunjukkan algoritme LVQ-PSO menghasilkan rata-rata akurasi tertinggi 87,3% dengan waktu 84,6 detik, sedangkan algoritme LVQ mengasilkan rata-rata akurasi tertinggi 80,6% dengan waktu 4,8 detik. Parameter-parameter PSO terbaik menghasilkan akurasi terbaik 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, dapat disimpulkan bahwa algoritme PSO dapat digunakan untuk mengoptimasi algoritme LVQ meskipun membutuhkan waktu komputasi yang lebih lama.

Unduhan

Diterbitkan

25 Feb 2018

Cara Mengutip

Setyowati, W. A., & Mahmudy, W. F. (2018). Optimasi Vektor Bobot Pada Learning Vector Quantization Menggunakan Particle Swarm Optimization Untuk Klasifikasi Jenis Attention Deficit Hyperactivity Disorder (ADHD) Pada Anak Usia Dini. Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, 2(11), 4428–4437. Diambil dari https://j-ptiik.ub.ac.id/index.php/j-ptiik/article/view/2924

Terbitan

Bagian

Artikel
Loading...