PENGGUNAAN MODEL HYBRID CART-GA UNTUK KLASIFIKASI FAKTOR DEPRESI PADA REMAJA

Syifa Fitri Nursantri, - (2024) PENGGUNAAN MODEL HYBRID CART-GA UNTUK KLASIFIKASI FAKTOR DEPRESI PADA REMAJA. S1 thesis, Universitas Pendidikan Indonesia.

	Text S_MAT_2006645_Tittle.pdf Download (400kB)
	Text S_MAT_2006645_Chapter1.pdf Download (226kB)
	Text S_MAT_2006645_Chapter2.pdf Restricted to Staf Perpustakaan Download (497kB)
	Text S_MAT_2006645_Chapter3.pdf Download (244kB)
	Text S_MAT_2006645_Chapter4.pdf Restricted to Staf Perpustakaan Download (892kB)
	Text S_MAT_2006645_Chapter5.pdf Download (153kB)
	Text S_MAT_2006645_Appendix.pdf Restricted to Staf Perpustakaan Download (1MB)

Abstract

WHO mengungkapkan bahwa depresi menduduki peringkat ketiga terbesar beban penyakit dalam skala global tahun 2006 dan diprediksi naik menjadi peringkat pertama pada tahun 2030. Semakin tingginya angka depresi, Indonesia pun terus berupaya untuk pencegahan dalam kasus anak yang membahayakan diri dan mengakhiri hidup pada usia remaja, khususnya pada usia rawan seperti usia anak kelas 5-6 SD, kelas 1 atau 2 SMP, dan kelas 1 atau 2 SMA. Identifikasi tingkat depresi tidaklah mudah karena penderita kadang tidak menyadari bahwa dirinya mengidap depresi. Oleh karena itu, perlunya pemahaman mengenai gejala depresi sejak awal untuk mencegah terjadinya hal yang berbahaya seperti mengakhiri hidup. Depresi pun terdiri dari beberapa tingkatan yaitu depresi ringan, depresi sedang, dan depresi berat. Oleh karena itu, pohon keputusan menjadi salah satu metode klasifikasi yang paling populer karena kemudahan dalam implementasinya dan juga interpretasinya yang sederhana. Teknik pohon keputusan seperti CART (classification and regression trees), C4.5, atau ID4 yaitu pohon dibangun dengan strategi induksi top-down atau penyekatan yang berlebihan. Oleh karena itu, pohon yang dihasilkan tidak dapat menjadi solusi optimal untuk masalah klasifikasi. Penelitian ini dalam meningkatkan akurasi pohon keputusan dibantu dengan genetic algorithm (GA) dengan struktur kromosom atau data yang asli. Kinerja GA diuji menggunakan berbagai data set dengan batasan yang berbeda pada pohon yang dihasilkan dan menggunakan berbagai perpaduan populasi awal dalam varietas yang disebutkan. Hasilnya menunjukkan bahwa kinerja CART yang dibantu dengan genetic algorithm (GA) diperoleh akurasi yang baik untuk mengklasifikasikan depresi . WHO revealed that depression was ranked as the third largest burden of disease on a global scale in 2006 and is predicted to rise to first place by 2030. As the rate of depression increases, Indonesia continues to strive for prevention in cases of children who endanger themselves and end their lives in adolescence, especially at vulnerable ages such as grades 5-6 elementary school, grade 1 or 2 junior high school, and grade 1 or 2 high school. Identifying the level of depression is not easy because sufferers sometimes do not realize that they have depression. Therefore, it is necessary to understand the symptoms of depression from the beginning to prevent dangerous things such as ending life. Depression also consists of several levels, namely mild depression, moderate depression, and severe depression. Therefore, decision trees have become one of the most popular classification methods due to their ease of implementation and simple interpretation. Decision tree techniques such as CART (classification and regression trees), C4.5, or ID4 are trees built with a top-down induction strategy or over-clustering. Therefore, the resulting tree cannot be the optimal solution to the classification problem. This research in improving the accuracy of the decision tree is assisted by genetic algorithm (GA) with the original chromosome structure or data. The performance of GA was tested using various data sets with different constraints on the generated trees and using various mixes of initial populations in the mentioned varieties. The results show that the performance of CART assisted with genetic algorithm (GA) obtained good accuracy to classify depression.

Item Type:	Thesis (S1)
Additional Information:	https://scholar.google.com/citations?user=UP9Bbt4AAAAJ&hl=en ID SINTA Dosen Pembimbing: Dewi Rachmatin : 5975775 Fitriani Agustina : 5981275
Uncontrolled Keywords:	Classification and Regression Trees, Genetic Algorithm, Pohon Keputusan, Depresi. Classification and Regression Trees, Genetic Algorithm, Decision Trees, Depression
Subjects:	Q Science > QA Mathematics Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions:	Fakultas Pendidikan Matematika dan Ilmu Pengetahuan Alam > Jurusan Pendidikan Matematika > Program Studi Matematika (non kependidikan)
Depositing User:	Syifa Fitri Nursantri
Date Deposited:	28 Aug 2024 08:16
Last Modified:	28 Aug 2024 08:16
URI:	http://repository.upi.edu/id/eprint/121071

Actions (login required)

View Item