Skripsi/Tugas Akhir

Implementasi Algoritma Random Forest untuk Klasifikasi Penyakit Autisme pada Anak Usia Dini

---

Rating Anda tentang Buku ini!

---

ABSTRAK
Autisme adalah gangguan perkembangan saraf yang ditandai dengan kesulitan interaksi sosial, kebutuhan akan rutinitas, dan pola komunikasi yang tidak sesuai. Deteksi dini penting untuk intervensi yang efektif. Penelitian ini menggunakan algoritma Random Forest untuk mengembangkan sistem klasifikasi autisme bagi anak usia 3 tahun ke bawah. Data diambil dari kuesioner khusus, diproses, dan dibagi menjadi set training dan testing. Model Random Forest dilatih dan diuji untuk menilai akurasinya. Hasil menunjukkan bahwa algoritma ini memberikan prediksi yang sangat akurat dalam identifikasi autisme, dengan tingkat akurasi mencapai 95,37%. Selain itu, nilai precision dan recall masing-masing mencapai 97% dan 98%. Validasi menggunakan Confusion Matrix menunjukkan akurasi, presisi, dan recall yang tinggi, menegaskan efektivitas algoritma ini dalam klasifikasi autisme. Sistem yang dikembangkan diharapkan dapat membantu tenaga medis dalam diagnosis dini autisme, memungkinkan intervensi yang lebih cepat dan efektif.
Kata Kunci: Autisme, Random Forest, Klasifikasi, Machine Learning

ABSTRACT
Autism is a neurodevelopmental disorder characterized by difficulties in social interaction, a need for routine, and atypical communication patterns. Early detection is crucial for effective intervention. This study utilizes the Random Forest algorithm to develop an autism classification system for children under the age of three. Data was collected from a specialized questionnaire, processed, and divided into training and testing sets. The Random Forest model was trained and tested to assess its accuracy. Results show that this algorithm provides highly accurate predictions in identifying autism, achieving an accuracy rate of 95.37%. Additionally, the precision and recall values reached 97% and 98%, respectively. Validation using a Confusion Matrix demonstrated high accuracy, precision, and recall, confirming the effectiveness of this algorithm in autism classification. The developed system is expected to assist medical professionals in the early diagnosis of autism, enabling quicker and more effective interventions.
Keywords: Autism, Random Forest, Classification, Machine Learning

---

Ketersediaan

Tidak ada salinan data

Informasi Detail

Judul Seri

--

No. Panggil

TGA 24-50 ANG i - 0080D3

Penerbit

Makassar : Universitas DIPA., 2024

Deskripsi Fisik

xv + 69 hlm.; 20,5 x 28,5 cm

Bahasa

Indonesia

ISBN/ISSN

--

Klasifikasi

TGA 24-50

Tipe Isi

Text dan Gambar

Edisi/Cetakan

Edisi/Cetakan 26 Agustus 2024

Subjek

Skripsi/Tugas Akhir
Machine Learning
Algoritma Random Forest

Lampiran File