METODE SUPPORT VECTOR MACHINE

UNTUK KLASIFIKASI PENYAKIT AUTISME PADA

TUMBUH KEMBANG ANAK

SKRIPSI
Untuk memenuhi Ujian Akhir Semester 5
Program Studi Informatika

Disusun Oleh :
FELDA PUTRI WIDYA RACHMAWATI
20.11.3336

Dosen :
Dr. Ari Kusmiyatun, S.Pd, M.Hum.

PROGRAM STUDI INFORMATIKA

UNIVERSITAS AMIKOM YOGYAKARTA
2023
 BAB I
PENDAHULUAN

1.1 Latar Belakang

Autisme atau autism spectrum disorder (ASD) merupakan gangguan

perkembangan pada anak yang menyebabkan kemampuan komunikasi dan
sosialisasi anak terganggu. Penyimpangan tumbuh kembang anak yang terlambat
diketahui dapat berakibat jangka panjang dan sukar diperbaiki. Gejala yang dialami
autisme sangat beragam, tiap anak yang menderita kondisi ini dapat menunjukkan
gejala yang berbeda. Namun, secara umum, ciri-ciri anak yang autis terdiri dari 3
karakteristik utama, yaitu: kesulitan komunikasi, gangguan dalam berhubungan
sosial dan gangguan perilaku (Dewi et al., 2018).

Keterbatasan pengetahuan mengenai anak autis bisa menjadi salah satu

faktor semakin banyaknya anak autis yang terdiagnosa ketika mereka telah berusia
diatas 6 tahun. Untuk mendiagnosa autisme sebaiknya dilakukan sebelum usia 6
tahun agar cepat mendapatkan penanganan (Pallangan et al., 2017). Hal tersebut
dikarenakan kurangnya pakar atau para ahli yang terjun langsung ke masyarakat
untuk menangani hal tersebut, kebanyakan masyarakat terutama di perkotaan
ataupun desa mereka sadar bahwa tumbuh kembang anaknya mengalami gangguan
namun keinginan untuk berobat terhalang dengan biaya yang terhitung besar karena
diketahui bersama bahwa untuk konsultasi dengan ahlinya terhitung mahal
sehingga banyak diantara mereka pasrah dalam hal ini mendidik anaknya sendiri
tanpa bantuan dan bimbingan dari ahlinya dan hal hasil banyak dari anak-anak
tersebut tidak mengalami penanganan yang tepat karena ketidaktahuan orang tua
bahwa sebenarnya anaknya terkena autis bukan penyakit biasa yang membuat
tumbuh kembang anaknya tidak normal.
Kemajuan teknologi komputer dapat diselaraskan dengan Ilmu kedokteran
yaitu dengan dibuatnya sistem yang dapat mendiagnosa seperti menyerupai
kecerdasan ahli atau pakar suatu penyakit yang biasa disebut machine learning
(Hendita et al., 2012). Tentunya sistem harus diberi pengetahuan terlebih dahulu

1
untuk mempelajari data tentang diagnosa penyakit autis yang tervalidasi oleh
pakarnya. Salah satu algoritma yang dapat digunakan adalah Support Vector
Machine (SVM), Salah satu kelebihan yang dimiliki dari metode SVM ini adalah
penanganan error pada set data training yang menggunakan Structural Risk
Minimization (SRM). SRM dikatakan lebih baik karena tidak hanya meminimalkan
error yang terjadi, tetapi meminimalkan faktor-faktor lainnya (Chu et al., 2011).
Serta algoritma SVM dapat bekerja dengan baik dalam melakukan predict
meskipun dengan menggunakan dataset yang kecil.
Maka dengan begitu diharapkan masyarakat dapat terbantu dengan adanya
sistem yang dapat menggantikan pakar dalam hal diagnosa penyakit autisme,
namun hasil diagnosanya memiliki akurasi yang mirip dengan hasil diagnosa
seorang pakar.

1.2 Rumusan Masalah

Adapun rumusan yang dimaksud yaitu rumusan masalah dan batasan
masalah, berikut penjelasannya:
1. Bagaimana cara mendiagnosa penyakit autisme yang terjadi pada anak
usia di bawah 3 tahun atau 36 bulan?
2. Bagaimana mengatasi keterbatasan biaya dalam melakukan diagnosa anak
autis berdasarkan data ruang lingkup di negara asia dengan menerapkan
simulasi implementasi yang akan diteliti?

1.3 Tujuan Penelitian

Tujuan dari penelitian ini sebagai berikut :

1. Dengan adanya sistem tersebut diharapkan dapat digunakan oleh para
orang tua untuk mendiagnosa autisme pada anaknya.
2. Dengan menerapkan sistem yang dapat mendiagnosa penyakit autisme
pada anak pada usia di bawah tahun menggunakan metode support vector
machine (SVM) diharapkan para orang tua terbantu dalam hal ini
mengurangi biaya untuk konsultasi secara langsung oleh pakar maupun
ahlinya karena tanpa konsultasi secara langsung para orang tua sudah

2
 bisa melakukan diagnosa yang mirip atau mendekati pendeteksian
seorang pakar.

1.4 Manfaat Penelitian

Manfaat dari penelitian ini sebagai berikut :

1. Manfaat Bagi Penulis

Sebagai syarat untuk menyelesaikan studi di Universitas Amikom
Yogyakarta pada Jurusan Teknik Informatika (S1), sekaligus mendalami
kemampuan riset melalui kasus atau masalah yang diteliti.
2. Manfaat Bagi Masyarakat
Memberikan fasilitas bagi para orang tua untuk memperoleh informasi
dan solusi jika anaknya mengalami penyimpangan dalam hal ini
gangguan perkembangan fungsi otak.

1.5 Metodologi Penelitian

Penelitian ini adalah termasuk dalam Penelitian Kuantitatif dimana dalam

penelitian ini menggunakan data mentah yang kemudian diolah menggunakan
sebuah algoritma SVM sehingga menghasilkan sebuah model yang dimana model
tersebut mempunyai sebuah aturan yang akan diterapkan ke dalam sebuah sistem
simulasi untuk memprediksi seorang anak mengalami penyimpangan pada tumbuh
kembangnya. Terkhusus pada klasifikasi penyakit autisme pada anak.
3.2 Alat dan Bahan Penelitian
Alat penelitian yang digunakan oleh peneliti yaitu :
Perangkat keras yang digunakan :
Dalam penelitian ini, peneliti menggunakan satu unit PC/Laptop dengan spesifikasi,
yaitu Processor AMD Ryzen 3 3200U, Hardisk 512GB, serta RAM 12 GB.

3
Perangkat lunak yang digunakan :
Tabel 2.1 Alat Penelitian

No. Perangkat Lunak Unit Spesifikasi

1 Alat Analisis Data 1 Google Collab

2 Sistem operasi 1 Windows 10

3 Bahasa Pemrograman 1 Python

4 Microsoft Office 1 Office 2010

Adapun Bahan yang pakai dalam penelitian ini yaitu :

1. Dalam penyusunan proposal ini, peneliti mengambil dataset dalam hal
ini data penyakit autisme pada anak yang disediakan langsung oleh ahli
atau pakarnya yang disajikan khusus untuk para peneliti-peneliti
selanjutnya.
2. Dataset yang digunakan adalah data anak autis dari Asia dimana rata-rata
usia yang dipakai maksimal 3 tahun atau sama dengan 30 bulan sesuai
dengan batasan masalah yang dipaparkan sebelumnya.

3.3 Pengumpulan Data

Sumber data yang digunakan pada penelitian ini adalah data tentang
penyakit autisme yang diambil dari kaggle berbentuk dataset yang disediakan oleh
kaggle. Data yang disediakan merupakan hasil pengujian oleh ahli maupun
pakarnya dimana data yang peneliti dapatkan adalah 1056 data, namun peneliti
menyortir data berdasarkan asal/etnis maupun usia. Sehingga data yang diproses
menjadi 359. Serta beberapa referensi dari buku dan jurnal-jurnal yang berkaitan
dengan penelitian.

4
 DAFTAR PUSTAKA

Ambarsari, D. A., Nurfalah, R., & Kuryanti, S. J. (2019). Penerapan Deep Learning
dalam Pendeteksian Autism Toddler. InfoTekJar (Jurnal Nasional
Informatika Dan Teknologi Jaringan), 4(1), 138–141.
https://doi.org/10.30743/infotekjar.v4i1.1593

Ariestyani, M. C., Adikara, P. P., & Perdana, R. S. (2018). Klasifikasi

Penyimpangan Tumbuh Kembang Anak Menggunakan Metode Extreme
Learning Machine ( ELM ). Jurnal Pengembangan Teknologi Informasi
Dan Ilmu Komputer (JPTIIK) Universitas Brawijaya, 2(4), 1620–1629.

Banks, J., J.S. Carson II, B.L. Nelson,D.M. Nicol. (2004). ‘Discrete-Event System
Simulation, 4 th ed.’, Prentice-Hall.

BRAMER, M., 2007. Principles Of Data Mining. Springer-Verlag London.

Chu, Y. X., Liu, X. G., & Gao, C. H. (2011). Multiscale models on time series of
silicon content in blast furnace hot metal based on Hilbert-Huang transform.
Proceedings of the 2011 Chinese Control and Decision Conference, CCDC
2011, 842–847. https://doi.org/10.1109/CCDC.2011.5968300.

5
 LAMPIRAN

Plagiarism Checker X Originality

Report
Similarity Found: 14%

Date: Wednesday, January 18, 2023

Statistics: 134 words Plagiarized / 983 Total words
Remarks: Low Plagiarism Detected - Your Document needs Optional
Improvement.
------------------------------------------------------------------------------------------
-

METODE SUPPORT VECTOR MACHINE UNTUK KLASIFIKASI PENYAKIT

AUTISME PADA TUMBUH KEMBANG ANAK Diajukan Oleh : Felda Putri
Widya Rachmawati 20.11.3336 PROGRAM STUDI TEKNIK INFORMATIKA
UNIVERSITAS AMIKOM YOGYAKARTA 2023BAB I PENDAHULUAN 1.1
Latar Belakang Autisme atau autism spectrum disorder (ASD) merupakan
gangguan perkembangan pada anak yang menyebabkan kemampuan komunikasi
dan sosialisasi anak terganggu. Penyimpangan tumbuh kembang anak yang
terlambat diketahui dapat berakibat jangka panjang dan sukar diperbaiki. Gejala
yang dialami autisme sangat beragam, tiap anak yang menderita kondisi ini dapat
menunjukkan gejala yang berbeda.

Namun, secara umum, ciri-ciri anak yang autis terdiri dari 3 karakteristik utama,
yaitu: kesulitan komunikasi, gangguan dalam berhubungan sosial dan gangguan
perilaku (Dewi et al., 2018). Keterbatasan pengetahuan mengenai anak autis bisa

6
menjadi salah satu faktor semakin banyaknya anak autis yang terdiagnosa ketika
mereka telah berusia diatas 6 tahun. Untuk mendiagnosa autisme sebaiknya
dilakukan sebelum usia 6 tahun agar cepat mendapatkan penanganan (Pallangan et
al., 2017).

Hal tersebut dikarenakan kurangnya pakar atau para ahli yang terjun langsung ke
masyarakat untuk menangani hal tersebut, kebanyakan masyarakat terutama di
perkotaan ataupun desa mereka sadar bahwa tumbuh kembang anaknya mengalami
gangguan namun keinginan untuk berobat terhalang dengan biaya yang terhitung
besar karena diketahui bersama bahwa untuk konsultasi dengan ahlinya terhitung
mahal sehingga banyak diantara mereka pasrah dalam hal ini mendidik anaknya
sendiri tanpa bantuan dan bimbingan dari ahlinya dan hal hasil banyak dari anak-
anak tersebut tidak mengalami penanganan yang tepat karena ketidaktahuan orang
tua bahwa sebenarnya anaknya terkena autis bukan penyakit biasa yang membuat
tumbuh kembang anaknya tidak normal.

Kemajuan teknologi komputer dapat diselaraskan dengan Ilmu kedokteran yaitu

dengan dibuatnya sistem yang dapat mendiagnosa seperti menyerupai kecerdasan
ahli atau pakar suatu penyakit yang biasa disebut machine learning (Hendita et al.,
2012). Tentunya sistem harus diberi pengetahuan terlebih dahulu untuk
mempelajari data tentang diagnosa penyakit autis yang tervalidasi oleh pakarnya.
Salah satu algoritma yang dapat digunakan adalah Support Vector Machine (SVM),
Salah satu kelebihan yang dimiliki dari metode SVM ini adalah penanganan error
pada set data training yang menggunakan Structural Risk Minimization (SRM).

SRM dikatakan lebih baik karena tidak hanya meminimalkan error yang terjadi,
tetapi meminimalkan faktor-faktor lainnya (Chu et al., 2011). Serta algoritma SVM
dapat bekerja dengan baik dalam melakukan predict meskipun dengan
menggunakan dataset yang kecil. Maka dengan begitu diharapkan masyarakat dapat
terbantu dengan adanya sistem yang dapat menggantikan pakar dalam hal diagnosa
penyakit autisme, namun hasil diagnosanya memiliki akurasi yang mirip dengan

7
hasil diagnosa seorang pakar. 1.2 Rumusan Masalah Adapun rumusan yang
dimaksud yaitu rumusan masalah dan batasan masalah, berikut penjelasannya: 1.
Bagaimana cara mendiagnosa penyakit autisme yang terjadi pada anak usia di
bawah 3 tahun atau 36 bulan? 2.

Bagaimana mengatasi keterbatasan biaya dalam melakukan diagnosa anak autis

berdasarkan data ruang lingkup di negara asia dengan menerapkan simulasi
implementasi yang akan diteliti? 1.3 Tujuan Penelitian Tujuan dari penelitian ini
sebagai berikut : 1. Dengan adanya sistem tersebut diharapkan dapat digunakan
oleh para orang tua untuk mendiagnosa autisme pada anaknya. 2. Dengan
menerapkan sistem yang dapat mendiagnosa penyakit autisme pada anak pada usia
di bawah tahun menggunakan metode support vector machine (SVM) diharapkan
para orang tua terbantu dalam hal ini mengurangi biaya untuk konsultasi secara
langsung oleh pakar maupun ahlinya karena tanpa konsultasi secara langsung para
orang tua sudah bisa melakukan diagnosa yang mirip atau mendekati pendeteksian
seorang pakar. 1.4 Manfaat Penelitian Manfaat dari penelitian ini sebagai berikut :
1.

Manfaat Bagi Penulis Sebagai syarat untuk menyelesaikan studi di Universitas Dipa
Makassar pada Jurusan Teknik Informatika Strata satu (S1), sekaligus mendalami
kemampuan riset melalui kasus atau masalah yang diteliti. 2. Manfaat Bagi
Masyarakat Memberikan fasilitas bagi para orang tua untuk memperoleh informasi
dan solusi jika anaknya mengalami penyimpangan dalam hal ini gangguan
perkembangan fungsi otak. 1.5 Metodologi Penelitian Penelitian ini adalah
termasuk dalam Penelitian Kuantitatif dimana dalam penelitian ini menggunakan
data mentah yang kemudian diolah menggunakan sebuah algoritma SVM sehingga
menghasilkan sebuah model yang dimana model tersebut mempunyai sebuah aturan
yang akan diterapkan ke dalam sebuah sistem simulasi untuk memprediksi seorang
anak mengalami penyimpangan pada tumbuh kembangnya. Terkhusus pada
klasifikasi penyakit autisme pada anak. 3.2

8
Alat dan Bahan Penelitian Alat penelitian yang digunakan oleh peneliti yaitu : 1.
Perangkat keras yang digunakan : Dalam penelitian ini, peneliti menggunakan satu
unit PC/Laptop dengan spesifikasi, yaitu Processor AMD Ryzen 3 3200U, Hardisk
512GB, serta RAM 12 GB. 2. Perangkat lunak yang digunakan : Tabel 2.1 Alat
Penelitian No. Perangkat Lunak Unit Spesifikasi 1 Alat Analisis Data 1 Google
Collab 2 Sistem operasi 1 Windows 10 3 Bahasa Pemrograman 1 Python 4
Microsoft Office 1 Office 2010 Adapun Bahan yang pakai dalam penelitian ini yaitu
: 1.

Dalam penyusunan proposal ini, peneliti mengambil dataset dalam hal ini data
penyakit autisme pada anak yang disediakan langsung oleh ahli atau pakarnya yang
disajikan khusus untuk para peneliti-peneliti selanjutnya. 2. Dataset yang digunakan
adalah data anak autis dari Asia dimana rata-rata usia yang dipakai maksimal 3
tahun atau sama dengan 30 bulan sesuai dengan batasan masalah yang dipaparkan
sebelumnya. 3.3 Pengumpulan Data Sumber data yang digunakan pada penelitian
ini adalah data tentang penyakit autisme yang diambil dari kaggle berbentuk dataset
yang disediakan oleh kaggle.

Data yang disediakan merupakan hasil pengujian oleh ahli maupun pakarnya
dimana data yang peneliti dapatkan adalah 1056 data, namun peneliti menyortir
data berdasarkan asal/etnis maupun usia. Sehingga data yang diproses menjadi 359.
Serta beberapa referensi dari buku dan jurnal-jurnal yang berkaitan dengan
penelitian. DAFTAR PUSTAKA Ambarsari, D. A., Nurfalah, R., & Kuryanti, S. J.
(2019). Penerapan Deep Learning dalam Pendeteksian Autism Toddler. InfoTekJar
(Jurnal Nasional Informatika Dan Teknologi Jaringan), 4(1), 138-141.
https://doi.org/10.30743/infotekjar.v4i1.1593 Ariestyani, M. C., Adikara, P. P., &
Perdana, R. S. (2018).

Klasifikasi Penyimpangan Tumbuh Kembang Anak Menggunakan Metode

Extreme Learning Machine ( ELM ). Jurnal Pengembangan Teknologi Informasi
Dan Ilmu Komputer (JPTIIK) Universitas Brawijaya, 2(4), 1620-1629. Banks, J.,

9
J.S. Carson II, B.L. Nelson,D.M. Nicol. (2004). 'Discrete-Event System Simulation,
4 th ed.', Prentice-Hall. BRAMER, M., 2007. Principles Of Data Mining. Springer-
Verlag London. Chu, Y. X., Liu, X. G., & Gao, C. H. (2011). Multiscale models on
time series of silicon content in blast furnace hot metal based on Hilbert-Huang
transform. Proceedings of the 2011 Chinese Control and Decision Conference,
CCDC 2011, 842-847. https://doi.org/10.1109/CCDC.2011.5968300

10
11