Implementasi Algoritma C4.5 Untuk Klasifikasi Anak Berkebutuhan Khusus Di Ibnu Sina Stimulasi Center
Article Sidebar
Main Article Content
Abstract
ABK (Anak Berkebutuhan Khusus) merupakan anak yang secara signifikan berbeda dengan anak-anak lain, mereka yang secara fisik, psikologi, kognitif atau secara sosial terhambat dalam mencapai tujuan dan potensi mereka secara maksimal seperti gangguan bicara, cacat, reterdasi mental dan gangguan emosional. Klasifikasi anak tunagrahita meliputi anak tunagrahita ringan, sedang dan berat. Tunagrahita meliputi berbagai tingkatan dari yang ringan sampai yang berat. Karena itu mereka berbeda satu dengan yang lain dalam keterlambatan perkembangan dan kondisinya sehigga berbeda dalam strategi pendidikan dan pengajaran yang dirancang dan diprogramkan. Oleh karena itu, diperlukan cara atau metode untuk memberikan informasi kepada guru dan para orang tua dalam membedakan atau mengklasifikasikan anak berkebutuhan khusus (tunagrahita) berdasarkan ciri-ciri yang ada pada anak. Algoritma C4.5 merupakan salah satu metode data mining untuk memprediksi dan mengetahui tingkat akurasi jenis tunagrahita berdasarkan ciri-ciri yang ada pada anak. Dengan menggunakan aplikasi RapidMiner dan pengujian model menggunakan Cross Validation, evaluasi dengan Confusion Matrix sehingga dihasilkan akurasi dari metode tersebut. Berdasarkan hasil pengujian dengan metode cross validation pada aplikasi RapidMiner menghasilkan nilai akurasi sebesar 96.18%.
Article Details
References
Arifin, T. (2015). METODE DATA MINING UNTUK KLASIFIKASI DATA SEL NUKLEUS DAN SEL RADANG BERDASARKAN ANALISA TEKSTUR. II(2), 425–433.
Desiningrum, D. R. (2016). Psikologi anak berkebutuhan khusus.
Fitriyani, F. (2016). Implementasi Algoritma Fp-Growth Menggunakan Association Rule Pada Market Basket Analysis. Jurnal Informatika, 2(1). https://doi.org/10.31311/ji.v2i1.85
Fitriyani, F. (2018). Metode Bagging Untuk Imbalance Class Pada Bedah Toraks Menggunakan Naive Bayes. Jurnal Kajian Ilmiah, 18(3), 278. https://doi.org/10.31599/jki.v18i3.281
Garnida, D. (2016). Modul Guru Pembelajar SLB TUNAGRAHITA. Pppptk Tk Dan Plb Bandung, 1–165.
Grand, & Indrajit, R. E. (2017). Aplikasi Deteksi Dini Anak Berkebutuhan Khusus Menggunakan Metode Business. Seminar Nasional Sains Dan Teknologi 2017, November, 1–10.
Herliana, A., Setiawan, V. A., & Prasetio, R. T. (2018). Penerapan Inferensi Backward Chaining Pada Sistem Pakar Diagnosa Awal Penyakit Tulang. Jurnal Informatika, 5(1), 50-60.
Jayawardanu, I. H. and S. H. (2015). Rancang Bangun Sistem Pakar untuk Deteksi. VII(2), 48–58.
Prasetio, R. T., & Riana, D. (2015, November). A comparison of classification methods in vertebral column disorder with the application of genetic algorithm and bagging. In 2015 4th international conference on instrumentation, communications, information technology, and biomedical engineering (ICICI-BME) (pp. 163-168). IEEE.
Prasetio, R. T., & Pratiwi, P. (2015). PENERAPAN TEKNIK BAGGING PADA ALGORITMA KLASIFIKASI UNTUK MENGATASI KETIDAKSEIMBANGAN KELAS DATASET MEDIS. Jurnal Informatika, 2(2).
Prasetio, R. T. (2014). Inventory Control Using Statistics Forecasting on Manufacture Company. Jurnal Informatika, 1(2).
Prasetio, R. T., & Ripandi, E. (2019). Optimasi Klasifikasi Jenis Hutan Menggunakan Deep Learning Berbasis Optimize Selection. Jurnal Informatika, 6(1), 100-106.
Prasetio, R. T., Rismayadi, A. A., & Anshori, I. F. (2018). Implementasi Algoritma Genetika pada k-nearest neighbours untuk Klasifikasi Kerusakan Tulang Belakang. Jurnal Informatika, 5(2), 186-194.
Prasetio, R. T., & Susanti, S. (2019). Prediksi Harapan Hidup Pasien Kanker Paru Pasca Operasi Bedah Toraks Menggunakan Boosted k-Nearest Neighbor. JURNAL RESPONSIF: Riset Sains & Informatika, 1(1), 64-69.
Prasetio, R. T. (2020). SELEKSI FITUR DAN OPTIMASI PARAMETER k-NN BERBASIS ALGORITMA GENETIKA PADA DATASET MEDIS. Jurnal Responsif: Riset Sains & Informatika, 2(2), 213-221.
Prasetio, R. T. (2020). Genetic Algorithm to Optimize k-Nearest Neighbor Parameter for Benchmarked Medical Datasets Classification. Jurnal Online Informatika, 5(2), 153-160.
Prasetio, R. T., Rismayadi, A. A., Suryana, N., & Setiady, R. (2020). Features Selection and k-NN Parameters Optimization based on Genetic Algorithm for Medical Datasets Classification. Heart Disease (SPECTF), 267(44), 2.
Putri, Z. S., Putri, R. R. M., Indriati, Hariyanto, E., Witanti, A., Zamroni, I., Werdiningsih, I., Purbandini, Budiman, E., Santoso, E., Afirianto, T., Susanto, I. D., Rifai, B., Kuswanto, H., Rahmawati, A., Wintana, D., Suhada, S., Gunawan, Sulaiman, H., … Nurcahyo, G. W. (2017). Deteksi
Autisme pada Anak Menggunakan Metode Modified K-Nearest Neighbor (MKNN). Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, 1(2), 37–43. https://doi.org/10.30873/ji.v15i2.598
Rahmawati, E. (2015). Analisa Komparasi Algoritma Naive Bayes Dan C4.5 Untuk Prediksi Penyakit Liver. None, 12(2), 27–37.
Ramdhani, Y., Mubarok, A., Hidayatulloh, S., & Wiguna, W. (2020). Attribute Optimization: Genetic Algorithms and Neural Network for Voice Analysis Classification of Parkinson's Disease.
Ramdhani, Y., & Mubarok, A. (2019). Analisis Time Series Prediksi Penutupan Harga Saham Antm. Jk Dengan Algoritma SVM Model Regresi. Jurnal Responsif: Riset Sains & Informatika, 1(1), 77-82.
Ramdhani, Y., Susanti, S., Adiwisastra, M. F., & Topiq, S. (2018). Penerapan Algoritma Neural Network Untuk Klasifikasi Kardiotokografi.
Ramdhani, Y., & Riana, D. (2017, November). Hierarchical Decision Approach based on Neural Network and Genetic Algorithm method for single image classification of Pap smear. In 2017 Second International Conference on Informatics and Computing (ICIC) (pp. 1-6). IEEE.
Ramdhani, Y. (2015). Komparasi Algoritma LDA Dan Naïve Bayes Dengan Optimasi Fitur Untuk Klasifikasi Citra Tunggal Pap Smear. Jurnal Informatika, 2(2).
Riana, D., Ramdhani, Y., Prasetio, R. T., & Hidayanto, A. N. (2018). Improving Hierarchical Decision Approach for Single Image Classification of Pap Smear. International Journal of Electrical and Computer Engineering (IJECE), 8(6), 5415–5424. https://doi.org/10.11591/ijece.v8i6.pp5415-5424
Sugara, B., Widyatmoko, D., Prakoso, B. S., & Saputro, D. M. (2018). Penerapan Algoritma C4.5 untuk Deteksi Dini Autisme Pada Anak. Seminar Nasional Teknologi Informasi Dan Komunikasi (SENTIKA), 2018(Sentika), 87–96.
Suryana, N., Pratiwi, P., & Prasetio, R. T. (2021). Penanganan Ketidakseimbangan Data pada Prediksi Customer Churn Menggunakan Kombinasi SMOTE dan Boosting. IJCIT (Indonesian Journal on Computer and Information Technology), 6(1).
Zaka, Q. (2016). DALAM MENGIKUTI PEMBELAJARAN PENDIDIKAN JASMANI DI SLB-C YAYASAN PENDIDIKAN LUAR BIASA DEMAK TAHUN 2016 SKRIPSI UNIVERSITAS NEGERI SEMARANG TAHUN 2016 ABSTRAK.