PENERAPAN ELMAN RECURRENT NEURAL NETWORK UNTUK DIAGNOSIS GANGGUAN AUTIS PADA ANAK

YULI NOORVIANI,ST, Drs.Widodo Prijodiprodjo, M.Sc., EE.,

2012 | Tesis | S2 Ilmu Komputer

Perkembangan teknologi informasi saat ini sudah merambah segala sektor kehidupan. Banyak permasalahan di berbagai sektor yang memerlukan kemudahan, kecepatan dan keakuratan dapat diselesaikan dengan bantuan teknologi informasi. Pada bidang psikologi, membantu psikolog untuk mendiagnosa gangguan perkembangan pada anak. Penelitian ini membuat sebuah aplikasi jaringan syaraf tiruan untuk dapat mendiagnosis gangguan autis pada anak dengan Elman Recurrent Neural Network. Aplikasi ini dibuat sebagai alat bantu untuk mendiagnosis gangguan autis berdasarkan gejala-gejala fisik yang diderita anak. Metode jaringan syaraf tiruan yang digunakan adalah metode Elman Recurrent Neural Network yang merupakan sebuah pembelajaran terawasi. Perangkat lunak ini dibuat dengan menggunakan bahasa pemrograman Matlab dengan database MySQL. Gejala-gejala gangguan autis yang digunakan sebagai input untuk mendiagnosis terdiri dari 48 variabel Penelitian ini menggunakan 75 unit neuron pada hidden layer dengan asumsi bahwa jumlah tersebut berhasil mencapai error paling optimal (minimum error). Konfigurasi ini menghasilkan MSE 2,96e-21 dengan proses iterasi 510 dan runtime 161,06 detik serta learning rate 0,025. Pengujian jaringan syaraf tiruan berhasil dengan baik, dimana ketepatan pengujian mencapai 80,83%. Hasil ini memperlihatkan bahwa jaringan telah mengenali dengan baik pola yang telah dilatihkan, walaupun ada beberapa data yang tidak sesuai dengan target.

Current developments in information technology has penetrated all sectors of life. Many problems in various sectors that require ease, speed and accuracy can be solved with the help of information technology. In the field of psychology, psychologists to help diagnose developmental disorders in children. This study makes an artificial neural network applications to be able to diagnose autistic disorder in children with Elman Recurrent Neural Network. This application is created as a tool for diagnosing autistic disorder based on physical symptoms suffered by the child. Artificial neural network method used is the method of Elman Recurrent Neural Network, which is an unsupervised learning. This software is created using the Matlab programming language with MySQL database. The symptoms of autistic disorder are used as input for the diagnosis consists of 48 variables. This study uses 75 units of neurons in the hidden layer with the assumption that the number of these errors reached the optimum (minimum error). This configuration produces MSE 2.96 e-21 and the iteration process runtime 510 with 161.06 seconds and the learning rate is 0.025 Testing the neural network is working well, which reached 80.83% testing accuracy. These results show that the network has been recognized by both the pattern that has been drilled, although there are some data that do not fit with the target.

Kata Kunci : Elman recurrent neural network, neuron, hidden layer, MSE