Lingkungan Implementasi Clustering Menggunakan SOM HASIL DAN PEMBAHASAN Pengumpulan Data Perkembangan Anak Validasi Cluster Menggunakan

Transkripsi

1 sehingga dapat diproses dengan SOM. Pada tahap seleksi data, dipilih data perkembangan anak berdasarkan kategori dan rentang usianya. Kategori perkembangan tersebut merupakan perkembangan kognitif, motorik halus, motorik kasar, dan bahasa. Usia anak yang dipilih ialah usia anak rentang.5 5. tahun. ing Menggunakan SOM Metode yang digunakan pada penelitian ini ialah clustering data menggunakan algoritma SOM untuk melihat karakteristik perkembangan anak usia.5 5. tahun dari aspek kognitif, bahasa, dan motorik anak. Input algoritma SOM ialah data dari praproses dengan kombinasi dari parameter awal. Parameter awal dari algoritma SOM yang akan digunakan ialah: 1 Ukuran cluster:,, 5,, Learning rate ( ) :.1,.5, dan.9, Ukuran lingkungan (R) : 1, dan Penurunan learning rate (θ) :.1,.5,.9. Metode inisialisasi nilai vektor bobot menggunakan midpoint dengan topologi yang digunakan topologi grid. Fungsi jarak yang digunakan ialah Euclidean dan kriteria pemberhentian algoritme SOM ialah iterasi atau epoch sebanyak 1 epoch. Validasi Menggunakan Indeks Davies-Bouldin Hasil clustering yang diperoleh menggunakan algoritme SOM divalidasi dengan menggunakan Indeks Davies-Bouldin (DBI). Indeks Davies-Bouldin digunakan untuk mengukur validitas dari hasil clustering sehingga menghasilkan DBI terbaik, yaitu DBI minimal. ing dengan ukuran DBI terbaik tersebut yang paling baik dalam pengcluster-an data perkembangan anak. Representasi Pengetahuan Tahap ini merupakan tahapan yang memperlihatkan representasi terhadap cluster yang sudah divalidasi. Representasi tersebut memperlihatkan karakteristik masing-masing cluster berupa rataan dan centroid dari cluster yang diolah menggunakan algoritme SOM. Pada tahap ini dianalisis hasil cluster sehingga diperoleh informasi penting mengenai stuktur dan karakteristik alami data. Informasi penting yang tersembunyi dari hasil cluster diharapkan bermanfaat sehingga dapat diperoleh penanganan terhadap cluster yang bersangkutan. Lingkungan Implementasi Lingkungan implementasi yang digunakan sebagai berikut: Perangkat lunak: Sistem Operasi Microsoft Windows Profesional, dan MATLAB R8b, Perangkat keras: processor Intel Core Duo, memory 1 GB, dan hard disk 8 GB. HASIL DAN PEMBAHASAN Pengumpulan Data Anak Data perkembangan anak berupa data hasil kuesioner yang diukur dengan instrumen penelitian kompetensi (perkembangan) anak. Kuesioner tersebut memiliki beberapa pertanyaan yang terdiri atas pertanyaan kognitif, bahasa, motorik kasar, dan motorik halus. Pertanyaan tersebut berbeda jumlahnya sesuai dengan kategori pertanyaan dan rentang usia. Setiap item pertanyaan memiliki penilaian berupa bobot pada masing-masing jawaban. Kuesioner kompetensi perkembangan anak usia.5. tahun disajikan pada Lampiran 1. Praproses Data Data perkembangan hasil seleksi untuk rentang usia.5. tahun sebanyak 1 sample dan atribut, yaitu kognitif, bahasa, motorik halus, dan motorik kasar. Sementara itu, data hasil seleksi untuk rentang usia.5. tahun dan.5 5. tahun masing-masing sebanyak 9 sample dan 1 sample. Data perkembangan anak hasil praproses rentang usia.5. tahun disajikan pada Lampiran. ing Menggunakan SOM ing hasil praposes data perkembangan anak dilakukan dengan menerapkan algoritme SOM. Implementasi antarmuka aplikasi clustering menggunakan SOM disajikan pada Lampiran. Kriteria pemberhentian clustering menggunakan algoritme SOM dilakukan dengan pembatasan jumlah iterasi atau epoch. Penetapan jumlah epoch dilakukan dengan cara menjalankan algoritme SOM dengan 1 epoch hingga 1 epoch, kemudian dianalisis Indeks Davies- Bouldin-nya. Bila dilihat Gambar, pada saat algoritme SOM dijalankan dengan epoch, dihasilkan Indeks Davies-Bouldin terkecil,

2 5 yaitu DBI yang terbaik. Epoch inilah yang digunakan sebagai kriteria pemberhentian algoritme SOM untuk ketiga kelompok usia yaitu sebanyak epoch. Tabel 1 masing-masing cluster rentang usia.5. tahun dengan ukuran cluster banyak Tabel Centroid masing-masing cluster rentang usia.5. tahun dengan ukuran cluster dalam Gambar Grafik Indeks Davies-Bouldin terhadap Epoch. Indeks Davies-Bouldin (DBI) Pengamatan terhadap Indeks Davies- Bouldin dilakukan untuk mengukur validitas hasil clustering menggunakan Self Organizing Maps dengan kombinasi berbagai parameter. Hasil dari pengamatan Indeks Davies-Bouldin rentang usia.5. tahun disajikan pada Lampiran. Sementara itu, hasil pengamatan Indeks Davies-Bouldin rentang usia.5. tahun dan.5 5. tahun masing-masing disajikan pada Lampiran dan Lampiran 5. Rentang Usia.5. Tahun Dari hasil penelitian, Indeks Davies- Bouldin terbaik rentang usia.5. tahun dihasilkan dengan parameter awal: ukuran cluster, learning rate (LR).5, penurunan learning rate (PLR).1, dan ulangan 5 yang menghasilkan Indeks Davies-Bouldin sebesar 1. (Lampiran ). nya rentang usia.5. tahun dengan ukuran cluster disajikan pada Tabel 1. banyaknya rentang usia.5. tahun dengan ukuran cluster disajikan pada Gambar. Centroid dan rataan rentang usia.5. tahun dengan ukuran cluster masing-masing disajikan pada Tabel dan Tabel Tabel.5% 5.% Gambar Rataan masing-masing cluster rentang usia.5. tahun dengan ukuran cluster dalam Kognitif Bahasa Halus.9% 1 Kasar banyak rentang usia.5. tahun dengan ukuran cluster.

3 Rentang Usia.5-. Tahun Indeks Davies-Bouldin terbaik rentang usia.5. tahun dihasilkan dengan parameter awal: ukuran cluster, LR.9, PLR.1, dan ulangan yang menghasilkan Indeks Davies-Bouldin sebesar 1.55 (Lampiran ). nya rentang usia.5. tahun dengan ukuran cluster disajikan pada Tabel. banyaknya rentang usia.5. tahun dengan ukuran cluster disajikan pada Gambar. Centroid dan rataan masingmasing cluster rentang usia.5. tahun dengan ukuran cluster masing-masing disajikan pada Tabel 5 dan Tabel. Tabel masing-masing cluster rentang usia.5. tahun dengan ukuran cluster banyak Tabel 5 Centroid masing-masing cluster rentang usia.5. tahun dengan ukuran cluster dalam Tabel Rataan masing-masing cluster rentang usia.5. tahun dengan ukuran cluster dalam Gambar banyak rentang usia.5. tahun dengan ukuran cluster. Rentang Usia.5 5. Tahun Indeks Davies-Bouldin terbaik rentang usia.5 5. tahun dihasilkan dengan parameter awal: ukuran cluster, LR.9, PLR.9, dan ulangan yang menghasilkan Indeks Davies-Bouldin sebesar 1.1 (Lampiran 5). nya rentang usia tahun dengan ukuran cluster disajikan pada Tabel. banyaknya rentang usia.5 5. tahun dengan ukuran cluster disajikan pada Gambar 5. Centroid dan rataan rentang usia.5 5. tahun dengan ukuran cluster masingmasing disajikan pada Tabel 8 dan Tabel 9. Tabel. %.9% 9.% 1.8% masing-masing cluster rentang usia.5 5. tahun dengan ukuran cluster banyak Tabel 8 Centroid masing-masing cluster rentang usia.5 5. tahun dengan ukuran cluster dalam

4 Tabel 9 8.5% Gambar 5 Rataan masing-masing cluster rentang usia.5 5. tahun dengan ukuran cluster dalam banyak rentang usia.5 5. tahun dengan ukuran cluster. Deskripsi ing Terbaik.9%.5% 1 Menurut instrumen kompetensi perkembangan, penilaian perkembangan anak dikategorikan menjadi buruk jika persentase kompetensi anak kurang dari %, kategori sedang jika kompetensi anak berada antara rentang % 8%, dan kategori baik jika kompetensi anak lebih besar dari 8%. Karakteristik perkembangan setiap cluster rentang usia.5. tahun disajikan pada Tabel 1, sedangkan karakteristik perkembangan setiap cluster rentang usia.5. tahun dan rentang usia.5 5. tahun masing-masing disajikan pada Tabel 11 dan Tabel 1. Tabel 1 Karakteristik perkembangan setiap cluster rentang usia.5. tahun 1 Buruk Buruk Buruk Buruk Buruk Tabel 11 Karakteristik perkembangan setiap cluster rentang usia.5. tahun 1 Buruk Buruk Buruk Buruk Buruk Buruk Buruk Tabel 1 Karakteristik perkembangan setiap cluster rentang usia.5 5. tahun Halus 1 Buruk Buruk Kasar Dari Tabel 1, secara umum terlihat cluster 1 memiliki karakteristik perkembangan anak usia.5. tahun pada kategori buruk, sedangkan cluster memiliki perkembangan anak usia.5. tahun pada kategori sedang. Anggota cluster pada Tabel 1 memiliki karakteristik perkembangan anak usia.5. tahun kategori baik pada aspek motorik kasar dan bahasanya. Secara umum perkembangan anak usia.5. tahun (Tabel 11) pada cluster 1 dan cluster memiliki perkembangan anak yang buruk, sedangkan cluster memiliki perkembangan anak usia.5. tahun pada kategori sedang. Anggota cluster pada Tabel 11 memiliki perkembangan anak usia.5. tahun pada kategori baik, tetapi aspek motorik halusnya masih belum terlihat karena berada pada perkembangan kategori sedang. anak usia.5 5. tahun pada Tabel 1 secara umum menunjukkan bahwa cluster 1 merupakan cluster yang nya memiliki perkembangan buruk, cluster memiliki perkembangan sedang, dan cluster memiliki perkembangan baik. Akan tetapi, pada Tabel 1 terlihat karakteristik perkembangan anak usia.5 5. tahun di ketiga cluster memiliki rataan motorik kasar yang baik. Hal tersebut menunjukkan perkembangan motorik kasar anak rentang usia.5 5. tahun di lima Bogor tergolong baik.

5 8 Grafik sebaran jumlah setiap cluster berdasarkan daerah asal anak di lima kecamatan dengan rentang usia.5. tahun disajikan pada Gambar, sedangkan Grafik sebaran jumlah setiap cluster dengan rentang usia.5. tahun dan rentang usia tahun masing-masing disajikan pada Gambar dan Gambar Gambar Grafik sebaran jumlah rentang usia.5. tahun. 1 sukamakmur cibinong ciomas pamijahan bojonggede Gambar Grafik sebaran jumlah rentang usia.5. tahun Gambar 8 Grafik sebaran jumlah rentang usia.5 5. tahun Sukamakmur Cibinong Ciomas Pamijahan Bojonggede Sukamakmur Cibinong Ciomas Pamijahan Bojonggede Secara umum perkembangan anak usia.5. tahun di lima kecamatan (Gambar ) berada pada kategori buruk dan kategori sedang, kecuali daerah Cibinong yang kebanyakan perkembangan anaknya berada pada kategori baik. Hal tersebut berdasarkan karakteristik pada Tabel 1. Sementara itu, perkembangan anak usia.5. tahun di lima kecamatan (Gambar ) berada pada kategori sedang dan baik kecuali daerah Sukamakmur yang dominan perkembangan anaknya buruk. Hal tersebut berdasarkan karakteristik pada Tabel 11. anak usia.5 5. tahun di lima kecamatan (Gambar 8) berada pada kategori baik kecuali daerah Sukamakmur yang kebanyakan memiliki perkembangan anak yang buruk. Hal tersebut berdasarkan pada karakteristik Tabel 1. Secara keseluruhan, hasil clustering menunjukkan bahwa anak-anak yang berasal dari Cibinong memiliki perkembangan yang baik untuk seluruh aspek perkembangannya. Akan tetapi, keadaan lain terlihat berbeda pada perkembangan anak di daerah Sukamakmur usia.5. tahun dan usia.5 5. tahun. Hal tersebut disebabkan mayoritas anak di daerah Sukamakmur dengan rentang usia tersebut berada pada perkembangan buruk. Simpulan SIMPULAN DAN SARAN Pada penelitian ini telah diimplementasikan clustering menggunakan Self Organizing Maps untuk data perkembangan anak. Dari hasil percobaan ditemukan bahwa clustering data perkembangan anak rentang usia.5. tahun yang memiliki Indeks Davies-Bouldin minimal ialah ukuran cluster. Sementara itu, hasil percobaan clustering terhadap data perkembangan anak rentang usia.5. tahun yang memiliki Indeks Davies-Bouldin minimal ialah ukuran cluster, sedangkan hasil percobaan clustering data perkembangan anak rentang usia.5 5. tahun memiliki Indeks Davies-Bouldin minimal dengan ukuran cluster. Karakteristik perkembangan anak di daerah Cibinong termasuk pada kategori baik. Akan tetapi, keadaan lain terlihat berbeda pada perkembangan anak di daerah Sukamakmur, hal tersebut disebabkan mayoritas anak di daerah Sukamakmur berada pada perkembangan buruk.