LEARNING VECTOR QUANTIZATION UNTUK PENDETEKSIAN ANAK BERBAKAT (GIFTED CHILD) PADA MASA PERKEMBANGAN
Abstrak: Anak berbakat (gifted
child) adalah anak yang memiliki potensi kecerdasan, kreatifitas dan tanggung
jawab terhadap tugas diatas anak seusianya. Setiap anak berbakat memiliki
gejala- gejala berdasarkan perilaku dan sosial emosi. Gejala antara satu tipe
anak berbakat beririsan dengan tipe anak berbakat lainnya. Hal ini dapat
menyebabkan proses deteksi menjadi sulit. Berdasarkan hal tersebut maka
penelitian ini menggunakan sebuah metode yaitu metode learning vector
quantization. Data masukan yang digunakan adalah data gejala-gejala berdasarkan
perilaku serta sosial emosi anak yang kemudian disusun menjadi 75 variabel
masukan. Dari gejala–gejala tersebut maka hasil yang diperoleh yaitu tipe anak
berbakat yang terdeteksi, persentasi keakuratan terhadap kelas asli dengan
kelas hasil deteksi serta optimasi nilai parameter yang bervariasi dan waktu
pemrosesan. Adapun tipe anak berbakat yang terdeteksi yaitu tipe the
successfuls, the challanging, the underground, the dropouts, the double labeled
dan the autonomous learner. Berdasarkan hasil proses pengujian yang menggunakan
cross validation dan confusion matrix dengan 5 fold dari jumlah data sebanyak
50 data, maka performansi metode learning vector quantization. untuk
pendeteksian anak berbakat pada masa perkembangan termasuk performansi yang
baik dengan nilai parameter yang optimal pada maksimal epoh = 100, learning
rate = 0,02 dan error minimum = 0,0001 dan waktu pemrosesan selama 15 detik
memperoleh persentasi keakuratan yang mencapai 100%.
Penulis : Nuri Insania Andyani, Nelly Indriani Widiastuti
Kode Jurnal: jptinformatikadd150793