ANALISIS ALGORITMA PROPAGASI BALIK DALAM MEMPREDIKSI KEMAMPUAN PSIKOMOTORIK ANAK BALITA
DOI:
https://doi.org/10.46576/syntax.v5i2.5738Abstract
Abstrak— Perkembangan psikomotorik berhubungan dengan kejiwaan atau mental dan gerakan. Perkembangan psikomotorik anak sangat berkembang pada usia balita atau bawah lima tahun, hal ini berkaitan tentang tingkat kemampuan anak balita. Untuk mengetahui tingkat kemampuan anak balita berdasarkan aspek psikomotorik, khususnya belum berkembang, mulai berkembang, berkembang sesuai harapan, berkembang sangat baik. Dibangunlah penerapan jaringan syaraf tiruan dengan metode propagasi balik untuk memprediksi tingkat kemampuan anak balita berdasarkan aspek psikomotorik. Jaringan syaraf tiruan merupakan generalisasi model matematik dari pembelajaran otak manusia. Jaringan syaraf tiruan algoritma belajar propagasi balik adalah salah satu algoritma belajar terpadu karena meminimalkan penjumlahan error dari output jaringan. Dalam penerapan memprediksi tingkat kemampuan anak balita berdasarkan aspek psikomotorik ini menggunakan arsitektur jaringan dengan 10 masukan, 3 unit tersembunyi dan 2 keluaran. Data yang digunakan pada penelitian ini sebanyak 78 data. Hasil penelitian menunjukkan bahwa: prediksi kemampuan anak balita pada aspek psikomotorik dapat dilakukan dengan jaringan syaraf tiruan menggunakan metode propagasi balik. Dimana kedepannya prediksi tingkat kemampuan anak balita akan memudahkan orang tua dalam melihat tumbuh kembang anak berdasarkan aspek psikomotoriknya.
Kata Kunci— Letakkan kata kunci Anda di sini, kata kunci dipisahkan dengan koma.
Abstract— Psychomotor development is related to the psyche or mental and movement. Children's psychomotor development is very developed at the age of toddlers or under five years, this is related to the level of ability of toddlers. To find out the level of ability of toddlers based on psychomotor aspects, especially not yet developed, starting to develop, developing according to expectations, developing very well. An application of artificial neural networks was built with the back propagation method to predict the level of ability of toddlers based on psychomotor aspects. Artificial neural networks are a generalization of mathematical models of human brain learning. The back propagation learning algorithm artificial neural network is one of the integrated learning algorithms because it minimizes the sum of errors from the network output. In the application of predicting the level of ability of toddlers based on psychomotor aspects, a network architecture with 10 inputs, 3 hidden units and 2 outputs is used. The data used in this study were 78 data. The results of the study showed that: prediction of toddlers' abilities in psychomotor aspects can be done with artificial neural networks using the back propagation method. Where in the future, prediction of the level of ability of toddlers will make it easier for parents to see their children's growth and development based on their psychomotor aspects.
Keywords— Psychomotor prediction, toddlers, Artificial Neural Networks, Back Propagation Method.
References
Ramadhan, A. I., Hardinata, J. T., & Purba, Y. P. (2021). Analisa Jaringan Saraf Tiruan Backpropagation Untuk Memprediksi Prestasi Siswa SMA Muhammadiyah Serbelawan. Brahmana : Jurnal Penerapan Kecerdasan Buatan, 3(1), 18–26. https://doi.org/10.30645/brahmana.v3i1.88
Satria, W., & Rahmah, S. A. (2021). Prognosis Jumlah Siswa Baru Menggunakan Backpropogation Algorithm Pada Fakultas Teknik dan Ilmu Komputer Universitas Dharmawangsa. 5(2), 157–162.
Suahati, A. F., Nurrahman, A. A., & Rukmana, O. (2022). Penggunaan Jaringan Syaraf Tiruan – Backpropagation dalam Memprediksi Jumlah Siswa Baru. Jurnal Media Teknik Dan Sistem Industri, 6(1), 21. https://doi.org/10.35194/jmtsi.v6i1.1589
Syafiq, M., Hartama, D., Kirana, I. O., Gunawan, I., & Wanto, A. (2020). Prediksi Jumlah Penjualan Produk di PT Ramayana Pematangsiantar Menggunakan Metode JST Backpropagation. JURIKOM (Jurnal Riset Komputer), 7(1), 175. https://doi.org/10.30865/jurikom.v7i1.1963
Yuberta, A. (2022). Jaringan Syaraf Tiruan dengan Algoritma Backpropagation dalam Memprediksi Hasil Asesmen Nasional Berbasis Komputer (ANBK) SMP Se Kota Sawahlunto. Jurnal Informasi Dan Teknologi, 4(4), 200–205. https://doi.org/10.37034/jidt.v4i4.234
Zaida Muflih, G. (2021). Penentuan Parameter Pembelajaran Jaringan Saraf Tiruan Backpropagation dan Pengaruhnya Terhadap Proses Pelatihan. Jurnal Riset Teknologi Informasi Dan Komputer (JURISTIK), 1(2), 12–17. https://doi.org/10.53863/juristik.v1i02.363
Downloads
Published
Issue
Section
License
Penulis yang naskahnya diterbitkan menyetujui ketentuan sebagai berikut:
- Hak publikasi atas semua materi naskah jurnal yang diterbitkan/dipublikasikan dalam jurnal ini dipegang oleh dewan redaksi dengan sepengetahuan penulis (hak moral tetap milik penulis naskah).
- Ketentuan legal formal untuk akses artikel digital jurnal elektronik ini tunduk pada ketentuan lisensi Creative Commons Attribution-ShareAlike (CC BY), yang berarti Jurnal Syntax berhak menyimpan, mengalih media/format-kan, mengelola dalam bentuk pangkalan data (database), merawat, dan mempublikasikan artikel tanpa meminta izin dari Penulis selama tetap mencantumkan nama Penulis sebagai pemilik Hak Cipta.
- Naskah yang diterbitkan/dipublikasikan secara cetak dan elektronik bersifat open access untuk tujuan pendidikan, penelitian, dan perpustakaan. Selain tujuan tersebut, dewan redaksi tidak bertanggung jawab atas pelanggaran terhadap hukum hak cipta.
