Analis Diagnosa Anak Berkebutuhan Khusus Menggunakan Metode Decision Tree (Studi Kasus di Sekolah Luar Biasa Sumenep)

Abstract

Anak dengan kebutuhan khusus merupakan kelompok masyarakat yang membutuhkan perhatian dan perawatan khusus karena adanya gangguan dalam perkembangan dan fungsi, baik secara fisik maupun mental. Dalam istilah "disabilitas", mereka termasuk individu dengan berbagai bentuk keterbatasan seperti kehilangan penglihatan, gangguan pendengaran, ketidaksempurnaan fisik, dan disabilitas intelektual. Pendidikan yang disesuaikan dengan kebutuhan mereka menjadi kunci untuk mendukung perkembangan yang optimal. Setelah mengklasifikasikan anak berkebutuhan khusus, akan diketahui apakah anak tersebut memiliki keterbatasan. Program pembelajaran yang dirancang berdasarkan temuan ini akan dibuat. klasifikasi keterbatasan memerlukan alat dan asesmen untuk mengidentifikasi anak berkebutuhan khusus. Saat ini, proses identifikasi keterbatasan  berbeda antara SLB di Sumenep. Identifikasi ini dapat dipermudah dengan data mining menggunakan algoritma c4.5 yang menghasilkan pohon keputusan. Dari total identifikasi sebanyak 56 gejala dan data set diidentifikasi sebanyak 92 anak berkebutuhan khusus. Algoritma Decision Tree C4.5 diuji menggunakan cross validation dan confusion matrix untuk mengukur akurasi. Hasil pengujian menunjukkan bahwa dengan 10% data training dan 90% data testing, akurasi sebesar 33,33%; dengan 20% data training dan 80% data testing, akurasi sebesar 66,67%; dan dengan 30% data training dan 70% data testing, akurasi sebesar 78,57%. Pengujian dengan 10-fold validation menghasilkan akurasi sebesar 90,67%, dengan 5-fold validation sebesar 84,09%, dan dengan 3-fold validation sebesar 61,15%. Hasil dari pohon keputusan metode Decision Tree C4.5 memudahkan dalam memprediksi dan mengidentifikasi keterbatasan pada anak