Klasifikasi Penyimpangan Tumbuh Kembang Anak Menggunakan Metode Extreme Learning Machine (ELM)

Abstrak

Pertumbuhan dan perkembangan anak pada usia dini berpengaruh pada kemampuan pribadi anak di kemudian hari. Setiap anak adalah unik, sehingga perkembangan dan pertumbuhannya pun tidak sama. Pertumbuhan dan perkembangan yang lambat seringkali dianggap normal. Penyimpangan tumbuh kembang anak yang telat diketahui dapat berakibat jangka panjang dan sukar diperbaiki. Berdasarkan permasalahan tersebut, penelitian ini dilakukan dengan menggunakan metode Extreme Learning Machine (ELM) untuk klasifikasi penyimpangan tumbuh kembang anak. Metode ELM terdiri dari proses training sebagai pembelajaran sistem dan testing untuk memperoleh hasil klasifikasi. Pengujian parameter yang dilakukan adalah pengujian rasio data latih dan data uji, pengujian pengaruh jumlah hidden neuron terhadap waktu, dan pengujian perbandingan fungsi aktivasi. Perhitungan akurasi dilakukan dengan menggunakan confusion matrix untuk mengetahui akurasi kerja sistem pada setiap kelasnya. Hasil pengujian parameter menunjukkan bahwa rasio data latih dan data uji dengan perbandingan 70:30, jumlah hidden neuron sebanyak 10 buah, dan fungsi aktivasi biner merupakan parameter dengan nilai akurasi terbaik. Perbandingan dah hasil klasifikasi penyimpangan tumbuh kembang anak dengan bantuan psikolog menunjukkan bahwa sistem menghasilkan akurasi yang kurang baik. Hal ini dapat disebabkan oleh sedikit dan tidak seimbangnya data yang digunakan untuk penelitian.