Implementasi Backpropagation Momentum Untuk Diagnosis Gangguan Mental (Mental Disorder)

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.