DIAGNOSA KESEHATAN MENTAL MENGGUNAKAN K-NEAREST NEIGHBOR DENGAN WHALE OPTIMIZATION ALGORITHM

Septian, Firza (2023) DIAGNOSA KESEHATAN MENTAL MENGGUNAKAN K-NEAREST NEIGHBOR DENGAN WHALE OPTIMIZATION ALGORITHM. S2 - Magister thesis, Universitas AMIKOM Yogyakarta.

[img] Text (THESIS)
21.51.2110 Firza Septian.pdf

Download (5MB)

Abstract

Diagnosis kesehatan mental dengan waktu secepat dan seakurat mungkin diperlukan mengingat banyak orang yang berlingkungan tingkat kebisingan tinggi serta berpotensi mengalami penyakit natural ini. Penulis mengajukan algoritma metaheuristik yang bersifat natural. KNN dan WOA dapat digunakan bersamasama untuk melakukan diagnosis kesehatan mental. Penelitian yang berjudul Diagnosis Kesehatan Mental Menggunakan K-Nearest Neighbor dengan Whale Optimization Algorithm ini menjelaskan penggunaan kombinasi algoritma KNearest Neighbor (KNN) dengan Whale Optimization Algorithm (WOA). Dilakukan sedikit pengembangan pada bagian batas didalam WOA untuk membantu mengurangi jumlah iterasi yang musti dilakukan. Alhasil pengembangan ini diberi nama Edge Enchanment WOA (EEWOA). Metode eksperimental difokuskan pada tiga jenis algoritma: (1) KNN, (2) KNN-WOA, (3) KNNEEWOA. Hasil membuktikan tingkat akurasi terbesar ke terkecil secara berurutan ialah KNN-EEWOA, KNN-WOA, KNN. Selain itu jumlah iterasi KNN-EEWOA lebih rendah dibandingkan dengan jumlah iterasi KNN-WOA. Kendati demikian, waktu pengukuran tercepat secara berurutan ialah KNN, KNN-WOA, dan KNNEEWOA.

Item Type: Thesis (S2 - Magister)
Contributor:
Pembimbing
Kusrini, Kusrini
Hidayat, Tonny
Uncontrolled Keywords: Kesehatan Mental, Metaheuristik, WOA
Subjects: 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 004 Pemrosesan data dan ilmu komputer
000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 006 Metode komputer khusus
Divisions: Pascasarjana Magister Informatika > Magister Informatika
Depositing User: RC Universitas AMIKOM Yogyakarta
Date Deposited: 24 Mar 2025 05:06
Last Modified: 24 Mar 2025 05:06
URI: http://eprints.amikom.ac.id/id/eprint/29076

Actions (login required)

View Item View Item