ANALISIS PADA KOMPARASI ALGORITMA K-NEAREST NEIGHBOR DAN ALGORITMA C4.5 UNTUK KLASIFIKASI AUTISM SPECTRUM DISORDER BERBASIS PEMBELAJARAN MESIN

Maulidianto.s, Firman (2024) ANALISIS PADA KOMPARASI ALGORITMA K-NEAREST NEIGHBOR DAN ALGORITMA C4.5 UNTUK KLASIFIKASI AUTISM SPECTRUM DISORDER BERBASIS PEMBELAJARAN MESIN. Skripsi thesis, UNAMA.

	Text BAB I.pdf Download (82kB)
	Text BAB II.pdf Restricted to Registered users only Download (178kB)
	Text BAB III.pdf Restricted to Registered users only Download (179kB)
	Text BAB IV.pdf Restricted to Registered users only Download (952kB)
	Text BAB V.pdf Download (11kB)
	Text DAFTAR PUSTAKA.pdf Download (84kB)

Abstract

Autism Spectrum Disorder (ASD) merupakan spektrum gangguan perkembangan neurologis yang memengaruhi interaksi sosial, komunikasi verbal dan non-verbal, serta perilaku individu. Penelitian ini bertujuan untuk melakukan analisis perbandingan antara algoritma K-Nearest Neighbor (K-NN) dan algoritma C4.5 dalam konteks klasifikasi Autism Spectrum Disorder berbasis pembelajaran mesin. Dalam penelitian ini, digunakan dataset yang mencakup berbagai fitur yang relevan dengan karakteristik ASD. Proses pembelajaran mesin dilakukan dengan menerapkan algoritma K-NN dan C4.5 untuk mengklasifikasikan individu sebagai individu dengan atau tanpa ASD. Evaluasi dilakukan dengan membandingkan kinerja kedua algoritma berdasarkan metrik-metrik seperti akurasi. Hasil analisis menunjukkan bahwa performa K-NN dan C4.5 bervariasi tergantung pada karakteristik dataset. Kedua algoritma menunjukkan potensi dalam klasifikasi ASD, namun dengan keunggulan yang berbeda dalam konteks tertentu. K-NN cenderung memberikan hasil yang baik dalam kasus dataset dengan keberagaman tinggi, sedangkan C4.5 memiliki keunggulan dalam interpretabilitas aturan keputusan. Penelitian ini memberikan wawasan yang mendalam tentang aplikabilitas dan keunggulan relatif dari K-NN dan C4.5 dalam klasifikasi Autism Spectrum Disorder. Dengan pemahaman yang lebih baik tentang kekuatan dan kelemahan masing-masing algoritma, diharapkan dapat memberikan panduan yang lebih baik dalam penerapan pembelajaran mesin untuk mendukung diagnosis dan intervensi dini pada individu dengan ASD.

Actions (login required)

View Item