SEMINAR PROPOSAL TESIS

PENERAPAN ALGORITMA GENETIKA DAN

kNN UNTUK MENDETEKSI STRES
PADA MANUSIA

Pembimbing :Sriyanto, S.Kom., MM., PhD Oleh : Ratna Nurhaya

2021211040
BAGIAN ISI PROPOSAL
Latar belakang
Batasan Masalah
Rumusan Masalah
Tujuan Penelitian
Manfaat Penelitian
Latar belakang
Dikutip dari Riskesdas (Riset Kesehatan Dasar) pada tahun 2008,
terdapat sebanyak 7 per 1000 pravelensi rumah tangga yang
memiliki gangguan jiwa, artinya terdapat 7 kasus gangguan jiwa dari
1000 jiwa. Angka ini mengalami peningkatan dari tahun 2013
berkisar di angka 1,7 per 1000. Pada tahun 2018 mengalami
peningkatan emosional pada penduduk yang usianya di atas 15
tahun sebesar 9,8 % artinya adalah ada peningkatan sekitar 6 %
gangguan jiwa dari tahun 2013 Meningkatnya masalah kesehatan
jiwa maka perlu adanya perhatian khusus terhadap kesehatan jiwa
masyarakat Indonesia
Latar belakang
Selanjutnya penelitian menggunakan algoritma kNN
menghasilkan akurasi sebesar 82% (Wirayudha, Hidayat, and
Dewi 2020). Pada penelitian lain dengan menghasilkan akurasi
sebesar 84,5 % dengan menggunakan sistem pakar yang
dibuat dengan metode forward chaining (Wijaya, Putra, and
Laksmita 2022)
Batasan Masalah
Agar tidak meluas pokok bahasan dalam
penyusunan tugas akhir ini, penulis hanya
membahas pada dataset stress pada manusia
yang diambil dari situs Kaggle.com dan
penerapan data mining untuk mendeteksi
stress pada manusia agar hasil akurasinya
maksimal dan software yang digunakan dalam
menyelesaikan masalah ini menggunakan
tools Rapid Miner
Rumusan Masalah

Berdasarkan uraian pada latar belakang

masalah, maka rumusan masalah dalam
penelitian ini adalah bagaimana cara algoritma
genetika dan kNN yang akan digunakan dalam
penelitian ini dapat menghasilkan akurasi
yang maksimal.
Tujuan Penelitian

Tujuan dalam melaksanakan penelitian ini

adalah untuk mempermudah dalam
menentukan tingkat stres pada manusia
dengan akurasi yang maksimal dari algoritma
genetika dan kNN.
Manfaat Penelitian

Manfaat pada penelitian ini adalah

mempermudah dalam pengambilan keputusan
berdasarkan hasil dari implementasi Algoritma
Genetika dan kNN untuk mendeteksi stress
pada manusia dan Menambah ilmu
pengetahuan, wawasan tentang teknik data
mining dan algortima yang digunakan
TINJAUAN PUSTAKA

1. Penelitian Terkait
2. Definisi Stres
3. Sistem Pakar
4. Data Mining
5. Algoritma KNN
6. Algoritma Genetika
7. Confucion Matrik
8. Rapid Miner 9.10
 1. Penelitian Terkait
Judul / Penulis
Deteksi Kejadian Depresi Post
partum dengan Algoritma
Naïve Bayes, Anisa 2021
Aplikasi Sistem Pakar
Diagnosis Tingkat Depresi Pada
Remaja berbasis android,
Amanda Putri Nurabsharina
2020
Diagnosa Tingkat Depresei
Mahasiswa Selama Pandemi
Covid-19 Menggunakan
Algoritma Random Forest,
Septiani 2021
Metode
Metode yang digunakan
algoritma naïve bayes
Algoritma Yang Digunakan
adalah Forward Chaining dan
Aplikasi Sistem Pakar
Algoritma Random Forest
Hasil
Algoritma Naïve Bayes
mengasilkan nilai akurasi
sebesar 63.46%
Algoritma Fordward Chaining
menghasilkan nilai akurasi 9 3
%
Hasil dari akurasi algoritma
Randem Forest sebesar 85, 94
%
 2. Definisi Stres
Pada dasarnya stress terdapat 4
pandangan yaitu : stress merupakan
respon, stress merupakan stimulus,
stress sebagai hubungan antara
individu dengan stressor dan stress
merupakan interaksi antara individu
dengan lengkungan (. 2016)
 3. Sistem Pakar
Suatu sistem yang berusaha untuk menerapkan
pengetahuan yang ada pada diri manusia di
integrasikan kedalam komputer sehingga komputer
dapat bekerja untuk menyelesaikan sebuah masalah
seperti pekerjaan yang dilakukan para ahli. Tujuan
sistem pakar yaitu bagaimana bisa meniru pekerjaan
para ahli untuk menyelesaikan bermacam masalah
tertentu. Dengan sistem pakar masalah dapat dengan
mudah dan cepat diselesaikan oleh orang layaknya
para ahli (Kurnia 2021).
 4. Data Mining

Data mining merupakan suatu proses yang

digunakan untuk menemukan informasi atau
pengetahuan yang dapat berguna dari data skala
besar. Data mining juga sering disebut sebagai
bagian dari proses KDD (Knowledge Discovery in
Databases) (Sentosa, 2007)
 5. Algoritma KNN
Algoritma K-Nearest Neighbor adalah algoritma
yang digunakan untuk pengklasifikasian pada
objek data baru. Objek data baru yang akan
dilatih pada proses pengklasifikasian adalah
berdasarkan data sampel latih dan atribut. Pada
metode ini cara kerjanya adalah mencari
sejumlah k objek data terdekat dengan data uji,
kemudian memilih kelas dengan jumlah voting
yang paling banyak(Mtsweni et al. 2020).
 6. Algoritma Genetika

Algoritma heuristic yang didasarkan atas

teknik evolusi biologis adalah Algoritma
Genetika. Keragaman kromosom yang akan
mempengaruhi laju produksi dan tingkat
kemampuan organisme untuk hidup
(Setiawan, Putri, and Suryanita 2019)
 7. Confucion Matrik

Sebuah metode untuk melakukan perhitungan

akurasi pada konsep data mining adalah Confucion
Matrix. Jumlah data uji yang benar dapat
diklasifikasikan dan data uji yangsalah juga
diklasifikasikan digambarkan dalam bentuk tabel
(Rahman et al. 2017).
 8. Rapid Miner 9.10

Rapid miner adalah perangkat lunak yang bersifat open

source. Rapid miner adalah sebuah alternative untuk
memprediksi data mining dan menganalisis prediksi dan text
mining. Didalam rapid miner ada berbagai teknik prediksi dan
deskriptif yang memberikan wawasan terhadap pengguna
sehinga dapat menentukan keputusan dengan lebih baik.
Rapid miner 9.10 terdapat sekitar 500 operator data mining,
operator untuk input, preprocessing, output dan visualisasi
(Aprilla Dennis 2013).
 METODOLOGI PENELITIAN

Identifikasi Pengumpulan
Studi Pustaka
Masalah Data

Penyusunan Eksperimen dan

Laporan Hasil
 Jadwal Penelitian

No Kegiatan Desember Januari Februari Maret April

1 Pengumpulan Data        

2 Analisis Pengolahan Data        

  - Pembersihan Data        
- Seleksi Data
- Transformasi Data
- Penambangan Data

3 Perancangan Algoritma Sistem        

KNN

4 Pengujian        
TERIMAKASIH