JudulImplementasi Backpropagation Momentum Untuk Diagnosis Gangguan Mental (Mental Disorder) |
Nama: NUR LAELA |
Tahun: 2023 |
Abstrak Menurut WHO (2017) pada umumnya gangguan mental yang paling sering terjadi adalah gangguan kecemasan dan depresi. Ketika gejala yang dirasakan seseorang cukup serius, maka dapat didiagnosis sebagai penderita gangguan kecemasan dan depresi secara bersamaan. Namun ketika kondisi gejala kecemasan maupun depresi memiliki keparahan yang tidak cukup berat, maka dapat didiagnosis sebagai gangguan campuran kecemasan dan depresi. Algoritma Backpropagation Momentum merupakan pengembangan dari algoritma Backpropagation standar. Penambahan momentum ke dalam JST bertujuan mempercepat proses pembelajaran menuju konvergen. Penelitian ini bertujuan untuk mengimplementasikan Backpropagation Momentum untuk diagnosis gangguan mental depresi, cemas menyeluruh, campuran cemas dan depresi. Data yang digunakan merupakan data status pasien sebanyak 150 data dengan 38 variabel input dan 3 kelas output. Menggunakan perbandingan 70:30, 80:20, 90:10, parameter yang digunakan yaitu learning rate 0.1, 0.2, maksimum epoch 200, 400, 600, 800, 1000 target error 0.001, neuron hidden layer 2, 5, 10, 20, 30, momentum 0.5, 0.7 menghasilkan akurasi sebesar 100%. Kata Kunci: Gangguan Mental, Backpropagation Momentum, Diagnosis. |