KLASIFIKASI AUTISM SPECTRUM DISORDER MENGGUNAKAN ALGORITMA NAIVE BAYES

AUTISM SPECTRUM DISORDER CLASSIFICATION USING NAIVE BAYES ALGORITHM

Autism Spectrum Disorders (ASD) merupakan suatu kelainan pada otak manusia yang mengakibatkan seseorang mengalami gangguan dalam melakukan komunikasi dan interaksi terhadap sosial. Meningkatnya penderita Autism Spectrum Disorders di dunia memerlukan deteksi dini terhadap kelainan tersebut untuk mengurangi risiko negatif yang ditimbulkan dan memberikan perawatan yang tepat untuk penderitanya. Beberapa peneliti telah melakukan klasifikasi Autism Spectrum Disorders, namun belum ada yang mengklasifikasikan Autism Spectrum Disorders dengan algoritma Naive Bayes. Sehingga pada penelitian ini klasifikasi Autism Spectrum Disorders dilakukan berdasarkan Diagnostic and Statistical Manual of Mental Disorders Fifth Edition (DSM-5) dengan algoritma Naive Bayes. Dalam dataset terdapat 292 anak dengan dua kelas yaitu normal dan Autism Spectrum Disorders yang diperoleh dari UCI Machine Learning Repository. Terdapat 20 atribut yang digunakan untuk mengklasifikasikan Autism Spectrum Disorders pada anak. Data yang ada dibagi menjadi data latih dan data uji berdasarkan hold out validation. Berdasarkan hasil klasifikasi, Naive Bayes dengan rasio data latih dan uji 1:1 menghasilkan akurasi tertinggi sebesar 98.6301%.

Kata kunci: Autism Spectrum Disorders, DSM-5, Naive Bayes

Autism Spectrum Disorders (ASD) is an abnormality in the human brain that causes a person to experience problems in communicating and interacting with society. The increase in Autism Spectrum Disorders sufferers in the world requires early detection of these disorders to reduce negative risks posed then provide appropriate care for sufferers. Several researchers have done Autism Spectrum Disorders classification, but no one has classified Autism Spectrum Disorders using the Naive Bayes algorithm. So that in this study the Autism Spectrum Disorders classification was carried out based on the Diagnostic and Statistical Manual of Mental Disorders Fifth Edition (DSM-5) using the Naive Bayes algorithm. The dataset consisted of 292 children with two classes, namely normal and Autism Spectrum Disorders, which were obtained from UCI Machine Learning Repository. There are 20 attributes used to classify Autism Spectrum Disorders in children. Existing dataset is divided into train data and test data based on hold out validation. Based on the classification results, Naive Bayes with a ratio of training and testing data of 1:1 produces the highest accuracy of 98.6301%.

Keywords : Autism Spectrum Disorders, DSM-5, Naive Bayes