Prosiding Seminar Nasional Ilmu Komputer Universitas Semarang 2021
Optimasi Akurasi Identifikasi Gangguan Spektrum Autisme Pada Anak Menggunakan Support Vector Machine
Dublin Core
Title
Prosiding Seminar Nasional Ilmu Komputer Universitas Semarang 2021
Optimasi Akurasi Identifikasi Gangguan Spektrum Autisme Pada Anak Menggunakan Support Vector Machine
Optimasi Akurasi Identifikasi Gangguan Spektrum Autisme Pada Anak Menggunakan Support Vector Machine
Subject
SVM, Data Mining, Autisme, GSA
Description
Autisme atau Gangguan Spektrum Autisme (GSA) merupakan kelainan perkembangan sistem saraf otak yang mengganggu proses berpikir sehingga mempengaruhi kemampuan komunikasi, interaksi, perilaku serta minat penderitanya. Gejala gangguan perkembangan ini umumnya diwaspadai sejak berumur 6 bulan. Meskipun autisme tidak bisa disembuhkan tetapi terapi dapat dilakukan dengan tujuan agar penderita dapat menyesuaikan diri dalam kehidupan sehari
hari. Berdasarkan data dari WHO, rasio anak yang memiliki gangguan autisme yaitu 1:160, pada tahun 2013 diperkirakan lebih dari 112.000 anak menderita autisme di Indonesia. Laporan Pusat Pengendalian dan Pencegahan Penyakit Amerika Serikat (CDC) menyatakan 1:100 anak didunia memiliki gangguan pekembangan ini. Dengan tercatatnya kasus yang tinggi dan seiring dengan perkembangan teknologi informasi maka data tersebut membutuhkan metode
pengolahan yang tepat agar dapat dimanfaatkan secara maksimal. Salah satu teknik untuk mengolah data menjadi informasi yaitu data mining. Support Vector Machine termasuk salah satu metode klasifikasi yang dapat digunakan untuk mendiagnosis autisme. Pada penelitian ini, dataset yang digunakan yaitu Autistic Spectrum Disorder Screening for Children Dataset dari UCI machine learning repository yang terdiri dari 292 record dan 21 atribut, tools yang digunakan yaitu Weka 3.8.5. Tujuan dari penelitian ini adalah mengetahui akurasi metode Support Vector Machine untuk diagnosis autisme pada anak. Penelitian ini menghasilkan sebesar 99.6575% dan 95.8904%.
Autism or autism spectrum disorder (ASD) is a developmental disorder of the brain's nervous system that interferes with the thought process so that it affects the ability of communication, interaction, behavior, and interests of the sufferer. Symptoms of this developmental disorder are generally watched out for since the age of 6 months. Although autism cannot be cured, therapy can be done with the aim that the sufferer can adjust to everyday life. Based on data from the WHO, the ratio of children with autism disorders is 1:160, in 2013 it is estimated that more than 112,000 children suffer from autism in Indonesia. The United States Centers for Disease Control and Prevention (CDC) report states that 1:100 children in the world have this developmental disorder. With the high number of cases recorded and in line with the development of information technology, the data requires appropriate processing methods so that it can be utilized optimally. One technique to process data into information is data mining. The Support Vector Machine is one of the classification methods that can be used to diagnose autism. In this study, the dataset used is the Autistic Spectrum Disorder Screening for Children Dataset from the UCI machine learning repository consisting of 292 records and 21 attributes, the tools used are Weka 3.8.5. The purpose of this study was to determine the accuracy of the Support Vector Machine method for the diagnosis of autism in children. This study yielded 99.6575% and 95.8904%.
hari. Berdasarkan data dari WHO, rasio anak yang memiliki gangguan autisme yaitu 1:160, pada tahun 2013 diperkirakan lebih dari 112.000 anak menderita autisme di Indonesia. Laporan Pusat Pengendalian dan Pencegahan Penyakit Amerika Serikat (CDC) menyatakan 1:100 anak didunia memiliki gangguan pekembangan ini. Dengan tercatatnya kasus yang tinggi dan seiring dengan perkembangan teknologi informasi maka data tersebut membutuhkan metode
pengolahan yang tepat agar dapat dimanfaatkan secara maksimal. Salah satu teknik untuk mengolah data menjadi informasi yaitu data mining. Support Vector Machine termasuk salah satu metode klasifikasi yang dapat digunakan untuk mendiagnosis autisme. Pada penelitian ini, dataset yang digunakan yaitu Autistic Spectrum Disorder Screening for Children Dataset dari UCI machine learning repository yang terdiri dari 292 record dan 21 atribut, tools yang digunakan yaitu Weka 3.8.5. Tujuan dari penelitian ini adalah mengetahui akurasi metode Support Vector Machine untuk diagnosis autisme pada anak. Penelitian ini menghasilkan sebesar 99.6575% dan 95.8904%.
Autism or autism spectrum disorder (ASD) is a developmental disorder of the brain's nervous system that interferes with the thought process so that it affects the ability of communication, interaction, behavior, and interests of the sufferer. Symptoms of this developmental disorder are generally watched out for since the age of 6 months. Although autism cannot be cured, therapy can be done with the aim that the sufferer can adjust to everyday life. Based on data from the WHO, the ratio of children with autism disorders is 1:160, in 2013 it is estimated that more than 112,000 children suffer from autism in Indonesia. The United States Centers for Disease Control and Prevention (CDC) report states that 1:100 children in the world have this developmental disorder. With the high number of cases recorded and in line with the development of information technology, the data requires appropriate processing methods so that it can be utilized optimally. One technique to process data into information is data mining. The Support Vector Machine is one of the classification methods that can be used to diagnose autism. In this study, the dataset used is the Autistic Spectrum Disorder Screening for Children Dataset from the UCI machine learning repository consisting of 292 records and 21 attributes, the tools used are Weka 3.8.5. The purpose of this study was to determine the accuracy of the Support Vector Machine method for the diagnosis of autism in children. This study yielded 99.6575% and 95.8904%.
Creator
Lika Alaika
Publisher
Universitas Semarang
Date
13 Oktober 2021
Contributor
Sri Wahyuni
Rights
ISSN: 2614-1205
Format
PDF
Language
Indonesian
Type
Text
Coverage
Prosiding Seminar Nasional Ilmu Komputer Universitas Semarang 2021
Files
Citation
Lika Alaika, “Prosiding Seminar Nasional Ilmu Komputer Universitas Semarang 2021
Optimasi Akurasi Identifikasi Gangguan Spektrum Autisme Pada Anak Menggunakan Support Vector Machine,” Repository Horizon University Indonesia, accessed November 21, 2024, https://repository.horizon.ac.id/items/show/3491.
Optimasi Akurasi Identifikasi Gangguan Spektrum Autisme Pada Anak Menggunakan Support Vector Machine,” Repository Horizon University Indonesia, accessed November 21, 2024, https://repository.horizon.ac.id/items/show/3491.