Penerapan Metode Support Vector Machine (SVM) Pada Klasifikasi Penyimpangan Tumbuh Kembang Anak

Abstrak

Pertumbuhan dan perkembangan anak pada usia dini sangat berpengaruh pada kemampuan pribadi anak di kemudian hari. Setiap anak memiliki keunikan, sehingga perkembangan dan pertumbuhan masing-masing berbeda. Penyimpangan tumbuh kembang anak yang telat diketahui dapat berakibat jangka panjang dan sukar diperbaiki. Berdasarkan permasalah tersebut, penelitian ini dilakukan menggunakan Support Vector Machine (SVM) untuk klasifikasi penyimpangan tumbuh kembang anak. Metode SVM teridiri dari proses training sebagai pembelajaran sistem dan testing untuk memperoleh hasil klasifikasi. Pengujian parameter yang dilakukan adalah pengujian lambda, complexity, dan iterasi maksimal. Data digunakan pada penelitian sebanyak 90 data yang terbagi menjadi 3 kelas. Kelas penelitian ini mewakilkan 3 jenis penyimpangan tumbuh kembang anak yaitu Down Syndrome, Autisme, dan Attention Deficit Hyperactivity Disorder (ADHD). Algoritma SVM merupakan metode klasifikasi linier, sehingga menggunakan kernel untuk mengatasi data yang bersifat nonlinier. Hasil akhir dari penilitan ini menghasilkan rata-rata akurasi tertinggi sebesar 73,78% Î» = 0,1, C = 0,1, itermax = 10dan juga menggunakan kernel polynomial. Perbandingan dari hasil klasifikasi 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.