Record Details

Klasifikasi Penyimpangan Tumbuh Kembang pada Anak Menggunakan Metode Neighbor Weighted K-Nearest Neighbor (NWKNN)

Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer

View Archive Info
 
 
Field Value
 
ISSN 2548-964X
 
Authentication Code dc
 
Title Statement Klasifikasi Penyimpangan Tumbuh Kembang pada Anak Menggunakan Metode Neighbor Weighted K-Nearest Neighbor (NWKNN)
 
Added Entry - Uncontrolled Name Rivaldi, Afrizal
Adikara, Putra Pandu
Adinugroho, Sigit
Fakultas Ilmu Komputer, Universitas Brawijaya
Fakultas Ilmu Komputer, Universitas Brawijaya
Fakultas Ilmu Komputer, Universitas Brawijaya
 
Summary, etc. Manusia selama hidupnya pasti mengalami fase pertumbuhan dan perkembangan. Fase pertumbuhan dan perkembangan ini sangat berpengaruh terhadap kualitas pertumbuhan anak. Masa kritis dari pertumbuhan dan perkembangan ini terjadi pada tahun-tahun pertama kehidupan seorang anak. Pada usia dini, proses tumbuh kembang fisik, mental, dan psikologi berlangsung dengan sangat cepat sehingga membutuhkan perhatian lebih dari orang tua. Pada fase tumbuh kembang bisa saja terdapat penyimpangan dimana proses pertumbuhan dan perkembangan anak terhambat atau tidak wajar. Penyimpangan tumbuh kembang yang sering ditemui adalah autisme, ADHD, dan down syndrome. Pada penelitian ini akan dilakukan klasifikasi penyimpangan tumbuh kembang berdasarkan gejala yang muncul menggunakan metode Neighbor Weighted K-nearest Neighbor (NWKNN). Metode NWKNN merupakan pengembangan dari metode KNN, dimana diberikan pembobotan pada setiap kelas yang akan diklasifikasikan. Pada penelitian ini akan dilakukan klasifikasi jenis penyimpangan tumbuh kembang yang meliputi autisme, ADHD, down syndrome dan normal. Hasil penelitian ini menunjukkan bahwa metode NWKNN dapat melakukan klasifikasi penyimpangan tumbuh kembang dengan baik ketika menggunakan data latih sebanyak 80 data dan data uji sebanyak 20 data, nilai K=10, dan nilai E=4 dengan akurasi mencapai 95%. Penelitian ini juga membuktikan bahwa metode NWKNN memiliki rata-rata akurasi 3% lebih baik dari metode KNN dalam melakukan klasifikasi penyimpangan tumbuh kembang pada anak.
 
Publication, Distribution, Etc. Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya
 
Electronic Location and Access application/pdf
http://j-ptiik.ub.ac.id/index.php/j-ptiik/article/view/1698
 
Data Source Entry Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer; Vol 2 No 7 (2018): Juli 2018
 
Language Note ind
 
Terms Governing Use and Reproduction Note Hak Cipta (c) 2017 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
 


www.freevisitorcounters.com