Perkembangan Anak (Child Development)
Perkembangan merupakan suatu perubahan yang berlangsung secara progresif dan kontinu dalam diri individu melalui proses pematangan fungsi-fungsi psikis dan fisik tubuh (Yusuf 2000). Perkembangan tersebut merujuk pada peningkatan kemampuan yang sederhana menjadi kemampuan yang sulit dan mengacu pada dimensi mental seperti kognitif, motorik, dan sosial emosi seseorang (Fabes & Martin 2003). Manusia secara alami mempunyai
PENDAHULUAN
Latar Belakang
Data perkembangan anak merupakan data yang dikumpulkan oleh tim dosen pada Departemen Ilmu Keluarga dan Konsumen Institut Pertanian Bogor (IKK IPB). Tim dosen tersebut mengumpulkan data untuk menunjang salah satu kegiatan tri darma perguruan tinggi berupa pendidikan, penelitian, dan pengabdian masyarakat. Salah satu kegiatan penelitian tersebut ialah penelitian di bidang perkembangan anak.
Yusuf (2000) mengemukakan bahwa perkembangan awal anak sangat penting dan kritis bagi kehidupan anak selanjutnya. Apabila anak tidak memenuhi tugas perkembangan pada tahap sebelumnya, hal tersebut akan berdampak pada keterlambatan atau gangguan perkembangan ke tahap selanjutnya. Dengan demikian, salah satu alasan yang mendasari penelitian yang dilakukan oleh tim dosen IKK ialah perkembangan awal seorang anak yang masih sangat rentan dan kritis.
Data perkembangan anak yang dikumpulkan oleh tim dosen IKK tersebut meliputi data kognitif anak, data motorik anak, data sosial emosi anak, dan data bahasa anak. Data perkembangan tersebut digunakan untuk menilai karakteristik perkembangan anak di suatu daerah serta menilai seorang anak telah berkembang sesuai usianya atau sebaliknya.
Pengumpulan data perkembangan anak oleh tim dosen Departemen IKK IPB salah satunya dilakukan dengan menggunakan instrumen penelitian kompetensi (perkembangan) anak usia 3.5–6.4 tahun yang disusun oleh Depdiknas (2004). Instrumen tersebut terdiri atas tiga versi, yaitu kompetensi anak usia 2.5–3.4 tahun, kompetensi anak usia 3.5–4.4 tahun, dan kompetensi anak usia 4.5–5.4 tahun. Data perkembangan tersebut membutuhkan pengolahan untuk menghasilkan penilaian terhadap karakteristik perkembangan anak di suatu daerah. Penerapan clustering menggunakan algoritme Self Organizing Maps (SOM) diharapkan dapat dijadikan alat untuk menganalisis data sehingga diperoleh karakteristik dari data perkembangan anak.
Clustering digunakan untuk mengelompokkan data secara alamiah tanpa berdasarkan target kelas tertentu, sedemikian sehingga objek-objek dalam cluster yang
sama lebih mirip dibandingkan dengan objek- objek dalam cluster yang lain (Han & Kamber 2001). Self Organizing Maps (SOM) merupakan metode pendekatan Jaringan Saraf Tiruan untuk clustering (Han & Kamber 2001).
Clustering menggunakan SOM pernah dilakukan pada data pelamar melalui jalur Undangan Seleksi Masuk IPB (USMI) yang terpilih di Fakultas Pertanian (Edward 2006). Penelitian yang dilakukan oleh Edward (2006) menghasilkan karakteristik pelamar dari hasil clustering menggunakan algoritme SOM. Penelitian ini diharapkan mampu mendapatkan karakteristik data perkembangan anak dengan menerapkan metode yang sama, yaitu clustering menggunakan algoritme SOM.
Tujuan Penelitian
Tujuan dari penelitian ini yaitu:
1 Mengimplementasikan algoritme SOM dalam clustering data perkembangan anak tahun 2010 yang meliputi data kognitif, motorik, dan bahasa anak.
2 Memperoleh karakteristik data perkembangan anak dari hasil clustering menggunakan SOM.
Ruang Lingkup Penelitian
Pada penelitian ini diterapkan analisis cluster menggunakan algoritme SOM yang akan diimplementasikan pada data perkembangan anak usia 2.5–5.4 tahun dalam aspek kognitif, motorik, dan bahasa anak di lima Kecamatan Bogor, yaitu Kecamatan Sukamakmur, Cibinong, Ciomas, Pamijahan, dan Bojonggede. Data perkembangan anak tersebut dikumpulkan oleh tim dosen IKK IPB pada tahun 2010.
TINJAUAN PUSTAKA
Perkembangan Anak (Child Development)
Perkembangan merupakan suatu perubahan yang berlangsung secara progresif dan kontinu dalam diri individu melalui proses pematangan fungsi-fungsi psikis dan fisik tubuh (Yusuf 2000). Perkembangan tersebut merujuk pada peningkatan kemampuan yang sederhana menjadi kemampuan yang sulit dan mengacu pada dimensi mental seperti kognitif, motorik, dan sosial emosi seseorang (Fabes & Martin 2003). Manusia secara alami mempunyai
tahap-tahap perkembangan, baik secara fisik, sosial, mental, maupun psikologis (Megawangi 2004).
Masa anak-anak adalah suatu gambaran dari permulaan hidup seseorang. Rentang usia 2–6 tahun merupakan usia yang sangat penting bagi pertumbuhan dan perkembangan anak. Perkembangan awal seorang anak lebih kritis daripada perkembangan selanjutnya (Yusuf 2000). Menurut Departemen Pendidikan Nasional (2004), untuk mencapai perkembangan yang optimal perlu diberikan stimulasi psikososial, yaitu stimulasi pendidikan dalam rangka mengembangkan kemampuan kognitif, motorik, serta sosial emosi anak.
Kemampuan Kognitif Anak
Kemampuan kognitif anak merupakan kemampuan berfikir seseorang yang mencerminkan kemampuan menerima informasi, memahami, menganalisis, dan menyusun informasi baru berdasarkan hal yang telah ditangkap oleh indera, serta menyimpannya dalam ingatan seseorang. Kemampuan kognitif anak meliputi aspek bahasa dan logis-matematis yang melibatkan kemampuan otak kiri (Megawangi 2004). Kemampuan Motorik Anak
Kemampuan motorik anak merupakan kemampuan anak merespon stimulasi melalui panca indera. Kemampuan motorik anak terdiri atas motorik kasar dan motorik halus. Motorik kasar meliputi kemampuan anak untuk berdiri, berjalan, duduk, merangkak, dan sebagainya. Kemampuan motorik halus anak meliputi kemampuan anak menggenggam, mengambil benda, memindahkan benda, membuka dan memasang benda, dan sebagainya (Hastuti 2010).
Kemampuan Sosial Emosi Anak
Kemampuan sosial emosi anak merupakan kemampuan anak untuk mengekspresikan dan mengendalikan emosi serta berhubungan sosial dengan orang lain (Hastuti 2010). Kemampuan sosial emosi anak berhubungan dengan kematangan emosi seorang dalam mengendalikan perasaannya, serta kemampuannya beradaptasi dan bersosialisasi dengan lingkungan sekitarnya (Siruno & Siruno 1978).
Analisis Clustering
Clustering adalah proses pengelompokkan data ke dalam cluster sehingga objek dalam cluster yang sama memiliki kemiripan yang tinggi dibandingkan dengan objek dalam cluster yang lain. Clustering berbeda dengan klasifikasi. Perbedaan tersebut terletak dalam hal tidak adanya variabel target untuk clustering. Clustering tidak memprediksi atau mengklasifikasikan nilai dari sebuah target, atau dengan kata lain label kelas setiap objek pada clustering tidak diketahui. Analisis cluster adalah upaya untuk menemukan sekelompok objek yang mewakili suatu karakter yang sama atau hampir sama (similar) antara suatu objek dan objek lainnya pada suatu kelompok dan memiliki perbedaan (not similar) dengan objek-objek pada kelompok lain (Han & Kamber 2001).
Self Organizing Maps (SOM)
Self Organizing Maps (SOM) merupakan metode yang diperkenalkan oleh Teuvo Kohonen pada tahun 1980-an. SOM adalah metode pendekatan Jaringan Saraf Tiruan untuk clustering setelah competitive learning (Han & Kamber 2001). SOM memperlihatkan tiga karakteristik: kompetisi, yaitu setiap vector bobot saling berlomba untuk menjadi simpul pemenang; kooperasi, yaitu setiap simpul pemenang bekerjasama dengan lingkungannya; dan adaptasi, yaitu perubahan simpul pemenang dan lingkungannya (Larose 2005). SOM merupakan salah satu bentuk dari Unsupervised Artificial Neural Network (Unsupervised ANN) yang proses pelatihannya tidak memerlukan pengawasan (target output). SOM digunakan untuk mengelompokkan (clustering) data berdasarkan karakteristik atau fitur-fitur data (Larose 2005).
Algoritme Self Organizing Maps
Algoritme SOM terdiri atas (Fausett 1994):
1 Menginisialisasi neuron input: x1, x2, ..., xi.
2 Menginisialisasi neuron output (lapisan output) sebanyak j x l: y11, y12, ..., yjl.
3 Mengisikan bobot antar neuron input dan output μijl dengan bilangan random 0
sampai 1.
4 Menetapkan parameter learning rate dan ukuran lingkungan R.
5 Mengulangi langkah 6 sampai dengan langkah 10 hingga tidak ada perubahan pada bobot map telah mencapai iterasi atau epoch maksimal.
6 Memilih salah satu input dari vektor input yang ada.
7 Menghitung jarak antarvektor input terhadap bobot (djl) dengan masing-masing
neuron output dengan rumus: d l ∑ l
n
8 Mencari nilai terkecil dari seluruh bobot (djl). Index dari bobot (djl) yang paling
mirip disebut winning neuron.
9 Memperbarui setiap bobot μijl dengan
menggunakan rumus:
10 Memperbarui learning rate dan
ukuran lingkungan R.
11 Menyimpan bobot yang telah konvergen. Indeks Davies-Bouldin
Validasi cluster adalah prosedur evaluasi hasil analisis cluster secara kuantitatif dan objektif (Jain & Dubes 1988). Indeks validitas digunakan sebagai metode validasi cluster untuk evaluasi kuantitatif dari hasil clustering. Salah satu indeks validitas ialah Indeks Davies-Bouldin (Salazar et al. 2002). Pengukuran ini memaksimalkan jarak inter- cluster antara Cluster Ci dan Cj dan pada waktu yang sama mencoba untuk meminimalkan jarak antartitik dalam sebuah cluster. Jarak intra-cluster sc (Qk) dalam Cluster
Qk ialah:
c
∑
dengan Nk adalah banyak titik yang termasuk dalam Cluster Qk dan Ck adalah centroid dari Cluster Qk. Jarak Inter-cluster didefinisikan:
d l || l||
dengan Ck dan Cl adalah centroid Cluster k dan Cluster l. Di lain pihak, Indeks Davies- Bouldin didefinisikan:
nc nc∑ {sc d sc l
l l }
nc
dengan nc adalah banyak cluster. Skema clustering yang optimal menurut Indeks Davies-Bouldin ialah yang memiliki Indeks Davies-Bouldin minimal (Salazar et al. 2002).