Salsabila, Okta Chandika (2021) Sistem Pakar Diagnosa Gangguan Kecemasan Menggunakan Metode Backpropagation. Diploma thesis, Jurusan Teknologi Informasi.
![[img]](http://repota.jti.polinema.ac.id/style/images/fileicons/text.png) |
Text
Cover.pdf Download (2MB) |
|
Text
Bab 1.pdf Download (1MB) |
|
Text
Bab 2.pdf Download (2MB) |
|
Text
Bab 3.pdf Download (1MB) |
|
Text
Bab 4.pdf Download (3MB) |
|
Text
Bab 5.pdf Download (4MB) |
|
Text
Bab 6.pdf Download (1MB) |
|
Text
Bab 7.pdf Download (1MB) |
|
Text
Daftar Pustaka.pdf Download (1MB) |
|
Text
Lampiran.pdf Download (1MB) |
Abstract
Gangguan kecemasan adalah gangguan psikologis dengan karakteristik berupa rasa takut dan kekhawatiran yang berlebihan tanpa alasan yang kuat. Gangguan kecemasan terbagi menjadi 6 jenis, antara lain general anxiety disorder, panic disorder, social anxiety disorder, specific phobia, obsessive compulsive disorder, dan post traumatic stress disorder. Penelitian ini bertujuan mengidentifikasi jenis gangguan kecemasan menggunakan jaringan saraf tiruan backpropagation berdasarkan hasil kuesioner Hamilton Anxiety Rating Scale (HARS). Kuesioner HARS terdiri dari 14 pertanyaan yang berhubungan dengan gejala kecemasan yang dialami pasien penderita gangguan kecemasan. Jawaban yang diisikan pada tiap pertanyaan dari kuesioner HARS dapat digunakan untuk mendiagnosa jenis gangguan kecemasan yang diderita pasien. Terdapat 14 variabel masukan pada penelitian ini dengan keluaran berupa 6 kelas gangguan kecemasan. Jumlah data yang digunakan pada penelitian ini terdiri dari 120 baris data. Pembagian data dilakukan menggunakan perbandingan data latih dan data uji sebesar 90:10, 80:20, dan 70:30. Adapun nilai akurasi terbaik yang dihasilkan pada penelitian ini diperoleh menggunakan dua konfigurasi parameter yang berbeda. Konfigurasi pertama terdiri dari parameter learning rate sebesar 0.2, momentum 0.5, 0.8, atau 0.9, target error 0.000001, neuron hidden sejumlah 27 neuron, dan epoch sebanyak 750 kali. Sedangkan konfigurasi kedua terdiri dari parameter learning rate sebesar 0.2, momentum 0.5, target error 0.000001, neuron hidden sejumlah 27 neuron, dan epoch sebanyak 950 kali. Dengan demikian, penggunaan metode backpropagation menghasilkan akurasi yang baik dalam mendiagnosa jenis gangguan kecemasan. Selain itu berdasarkan hasil penelitian yang telah dilakukan, nilai akurasi yang dihasilkan sistem dipengaruhi oleh jumlah learning rate, momentum, neuron hidden, epoch, dan perbandingan data latih dan data uji yang digunakan pada sistem.
| Item Type: | Thesis (Diploma) |
|---|---|
| Uncontrolled Keywords: | Gangguan Kecemasan, Backpropagation, Diagnosa |
| Subjects: | A Computer Science > Artificial Intelligence |
| Divisions: | Jurusan Teknologi Informasi > Teknik Informatika |
| Depositing User: | Okta Chandika Salsabila |
| Date Deposited: | 14 Mar 2024 03:27 |
| Last Modified: | 14 Mar 2024 03:27 |
| URI: | http://repota.jti.polinema.ac.id/id/eprint/700 |
Actions (login required)
 |
View Item |