PENERAPAN METODE RANDOM FOREST UNTUK MEMPREDIKSI INDIKASI AUTISME PADA PESERTA DIDIK SLB

Duha Nur, Pambudi (2025) PENERAPAN METODE RANDOM FOREST UNTUK MEMPREDIKSI INDIKASI AUTISME PADA PESERTA DIDIK SLB. Other thesis, UNSADA.

	Text COVER.pdf Download (1MB)
	Text BAB 1.pdf Download (664kB)
	Text BAB 2.pdf Download (792kB)
	Text BAB 3.pdf Restricted to Registered users only Download (1MB)
	Text BAB 4.pdf Restricted to Registered users only Download (1MB)
	Text BAB 5.pdf Download (712kB)
	Text DAFTAR PUSTAKA.pdf Download (677kB)
	Text LAMPIRAN.pdf Download (4MB)
	Text HASIL TURNITIN.pdf Download (705kB)
	Text SUKET TURNITIN.pdf Download (670kB)

Abstract

Penelitian ini bertujuan untuk membangun sistem prediksi indikasi autisme pada peserta didik Sekolah Luar Biasa (SLB) dengan menerapkan metode Random Forest. Permasalahan yang diangkat adalah bagaimana menyediakan alat bantu identifikasi dini indikasi autisme yang akurat dan mudah diakses. Penyelesaian dilakukan dengan mengembangkan model klasifikasi berbasis Random Forest menggunakan data kuesioner Autism Spectrum Quotient (AQ-10), kemudian mengintegrasikannya ke dalam sistem aplikasi web yang dibangun dengan frontend PHP dan backend Flask. Sistem ini memungkinkan pengguna untuk mengisi kuesioner, mengunggah data, dan memperoleh hasil prediksi secara otomatis. Hasil pengujian menunjukkan bahwa model memiliki akurasi rata-rata sebesar 99%, precision 98%, recall 100%, dan f1-score 99%, serta nilai AUC di atas 0.98 pada setiap fold. Dengan demikian, sistem ini efektif digunakan sebagai alat bantu skrining awal untuk mendeteksi indikasi autisme pada peserta didik SLB secara praktis dan efisien.

Item Type:	Thesis (Other)
Additional Information:	Dosen Pembimbing : BAGUS TRI MAHARDIKA, S.KOM, MMSI
Uncontrolled Keywords:	Autisme, Random Forest, Prediksi, Sekolah Luar Biasa, Kuesioner AQ-10, Sistem Berbasis Web, Machine Learning.
Divisions:	Fakultas Teknik > Teknik Informatika
Depositing User:	Suwatno Suwatno Perpustakaan
Last Modified:	26 Nov 2025 07:42
URI:	http://repository.unsada.id/id/eprint/10150

Actions (login required)

View Item