clustering menggunakan self organizing maps … · 1 kuesioner kompetensi perkembangan anak usia...

i

i

DEPARTEMEN ILMU KOMPUTER

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

INSTITUT PERTANIAN BOGOR

BOGOR

2012

CLUSTERING MENGGUNAKAN SELF ORGANIZING MAPS

(STUDI KASUS: DATA PERKEMBANGAN ANAK DI

KABUPATEN BOGOR)

WANGI SARASWATI

ii

ii

DEPARTEMEN ILMU KOMPUTER

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

INSTITUT PERTANIAN BOGOR

BOGOR

2012

CLUSTERING MENGGUNAKAN SELF ORGANIZING MAPS

(STUDI KASUS: DATA PERKEMBANGAN ANAK DI

KABUPATEN BOGOR)

WANGI SARASWATI

Skripsi

sebagai salah satu syarat untuk memperoleh gelar

Sarjana Komputer pada

Departemen Ilmu Komputer

iii

iii

ABSTRACT

WANGI SARASWATI. Clustering Using Self Organizing Maps (Case Study: Child Development

Data in Kabupaten Bogor). Supervised by AZIZ KUSTIYO and DWI HASTUTI.

Child development data which were gathered by the team from the Department of Family

and Consumer Science, Bogor Agricultural University, require data processing to assess the

characteristics of child development in Kabupaten Bogor. The purpose of this research is to

implement the Self Organizing Maps (SOM) algorithm for data clustering and to obtain the

characteristics from the clustering results. The data were obtained from 71 childrens at 2.5–3.4

years of age, 97 childrens at 3.5–4.4 years of age, and 126 childrens at 4.5–5.4 years of age. The

data consist of four attributes: Cognitive, Language, Gross Motor, and Fine Motor. These data

were the input for SOM algorithm. SOM clustering result was validated using Davies-Bouldin

Index. The research shows that the clustering result for children at 2.5–3.4 years of age is 3

clusters, 3.5–4.4 years of age is 4 clusters, and 4.5–5.4 years of age is 3 clusters.

Keywords: Cluster Analysis, Davies-Bouldin Index, Self Organizing Maps

iv

iv

Judul Skripsi : Clustering Menggunakan Self Organizing Maps (Studi Kasus: Data

Perkembangan Anak di Kabupaten Bogor)

Nama : Wangi Saraswati

NRP : G64080027

Menyetujui:

Mengetahui:

Ketua Depatemen Ilmu Komputer

Dr. Ir. Agus Buono, M.Si, M.Kom

NIP. 19660702 199302 1 001

Tanggal Lulus:

Pembimbing I Pembimbing II

Aziz Kustiyo, S.Si, M.Kom Dr. Ir. Dwi Hastuti, M.Sc

NIP. 19700719 199802 1 001 NIP. 19641113 199003 2 002

v

v

KATA PENGANTAR

Puji Syukur penulis panjatkan kepada Allah subhanahu wata’ala atas segala rahmat dan

karunia-Nya sehingga penulis dapat menyelesaikan tugas akhir yang berjudul Clustering

Menggunakan Self Organizing Maps (Studi Kasus: Data Perkembangan Anak di Kabupaten

Bogor), sebagai salah satu syarat untuk memperoleh gelar Sarjana Komputer di FMIPA, IPB.

Penulis mengucapkan terima kasih kepada Bapak Aziz Kustiyo, S.Si, M.Kom selaku pembimbing

I yang telah memberikan saran, masukan, dan nasihat kepada penulis. Terima kasih juga kepada

Ibu Dr. Ir. Dwi Hastuti, M.Sc selaku pembimbing II dalam menyusun tugas akhir ini. Terima kasih

penulis ucapkan kepada semua pihak yang telah membantu menyelesaikan tugas akhir ini, antara

lain:

1 Kedua orangtua dan keluarga penulis yang telah memberikan doa dan dukungan.

2 Bapak Mushthofa, S.Kom, M.Sc sebagai penguji tugas akhir.

3 Rekan-rekan satu bimbingan Brenda, Putri, Riva, Dayat, dan Dani.

4 Sahabat-sahabat tercinta Putri Dewi Purnamasari dan Meri Marlina.

5 Aditya Nur Johansyah yang selalu menemani dan memberikan semangat.

6 Rekan-rekan Mahasiswa Departemen Ilmu Komputer angkatan 45 yang terus memberikan

semangat kepada penulis.

7 Departemen Ilmu Komputer, staf, dan dosen yang telah membantu baik selama penelitian

maupun pada masa perkuliahan.

Penulis menyadari bahwa pelaksanaan penelitian ini masih jauh dari kesempurnaan.

Namun, besar harapan penulis bahwa yang telah dikerjakan dapat memberikan manfaat bagi

seluruh pihak.

Bogor, Agustus 2012

Wangi Saraswati

vi

vi

RIWAYAT HIDUP

Penulis lahir di kota Cirebon, Jawa Barat pada tanggal 13 Maret 1991 sebagai anak bungsu

dari pasangan Maman Suherman dan Sri Purwanti. Penulis menghabiskan seluruh masa kecilnya

serta mengenyam pendidikan di kota kelahirannya. Penulis merupakan lulusan dari Sekolah

Menengah Atas Negeri 3 Cirebon (2005–2008), Sekolah Menengah Pertama Negeri 6 Cirebon

(2002–2005) dan Sekolah Dasar Negeri Merapi (1996–2002). Pada tahun 2008, penulis diterima

sebagai Mahasiswa Departemen Ilmu Komputer, Fakultas Matematika dan Ilmu Pengetahuan

Alam, Institut Pertanian Bogor.

Pada tanggal 4 Juli 2011, penulis melaksanakan Praktik Kerja Lapangan di Badan

Kepegawaian Pendidikan dan Pelatihan Kota Bogor sampai dengan tanggal 19 Agustus 2011.

Penulis juga seorang pencinta olah raga, khususnya lari dan lompat tinggi. Selama mengikuti

perkuliahan, penulis pernah menjadi pengurus kelembagaan Himpunan Mahasiswa Ilmu Komputer

tahun kepengurusan 2009/2010. Penulis pernah menjadi asisten praktikum untuk Mata Kuliah

Sistem Operasi pada tahun 2011 di Departemen Ilmu Komputer Institut Pertanian Bogor.

v

DAFTAR ISI

Halaman

DAFTAR TABEL ............................................................................................................................ vi

DAFTAR GAMBAR ....................................................................................................................... vi

DAFTAR LAMPIRAN .................................................................................................................... vi

PENDAHULUAN

Latar Belakang .............................................................................................................................. 1

Tujuan Penelitian .......................................................................................................................... 1

Ruang Lingkup Penelitian ............................................................................................................ 1

TINJAUAN PUSTAKA

Perkembangan Anak (Child Development) ................................................................................... 1

Kemampuan Kognitif Anak .......................................................................................................... 2

Kemampuan Motorik Anak .......................................................................................................... 2

Kemampuan Sosial Emosi Anak .................................................................................................. 2

Analisis Clustering ....................................................................................................................... 2

Self Organizing Maps (SOM) ....................................................................................................... 2

Algoritme Self Organizing Maps .................................................................................................. 2

Indeks Davies-Bouldin ................................................................................................................. 3

METODE PENELITIAN

Pengumpulan Data Perkembangan Anak ...................................................................................... 3

Praproses Data .............................................................................................................................. 3

Clustering Menggunakan SOM .................................................................................................... 4

Validasi Cluster menggunakan Indeks Davies-Bouldin ............................................................... 4

Representasi Pengetahuan ............................................................................................................. 4

Lingkungan Implementasi ............................................................................................................ 4

HASIL DAN PEMBAHASAN

Pengumpulan Data Perkembangan Anak ...................................................................................... 4

Praproses Data .............................................................................................................................. 4

Clustering Menggunakan SOM .................................................................................................... 4

Indeks Davies-Bouldin (DBI) ....................................................................................................... 5

Indeks Davies-Bouldin (DBI) Terbaik Rentang Usia 2.5–3.4 Tahun ........................................... 5



Deskripsi Clustering Terbaik ........................................................................................................ 7

SIMPULAN DAN SARAN

Simpulan ....................................................................................................................................... 8

Saran ............................................................................................................................................. 9

DAFTAR PUSTAKA ....................................................................................................................... 9

LAMPIRAN .................................................................................................................................... 10

vi

vi

DAFTAR TABEL Halaman

1 Banyak anggota masing-masing cluster rentang usia 2.5–3.4 tahun dengan ukuran cluster 3 .... 5

2 Centroid masing-masing anggota cluster rentang usia 2.5–3.4 tahun dengan ukuran cluster 3

dalam bentuk persentase capaian kompetensi perkembangan ..................................................... 5

3 Rataan masing-masing anggota cluster rentang usia 2.5–3.4 tahun dengan ukuran cluster 3












10 Karakteristik perkembangan setiap anggota cluster rentang usia 2.5–3.4 tahun ......................... 7



DAFTAR GAMBAR Halaman

1 Tahapan-tahapan penelitian .......................................................................................................... 3

2 Grafik Indeks Davies-Bouldin terhadap Epoch ............................................................................ 5

3 Persentase banyak anggota masing-masing cluster rentang usia 2.5–3.4 tahun dengan ukuran

cluster 3 ....................................................................................................................................... 5


cluster 4 ....................................................................................................................................... 6


cluster 3 ....................................................................................................................................... 7

6 Grafik sebaran jumlah anggota berdasarkan daerah anak rentang usia 2.5–3.4 tahun ................. 8



DAFTAR LAMPIRAN Halaman

1 Kuesioner kompetensi perkembangan anak usia 2.5–3.4 tahun ................................................. 11

2 Data perkembangan anak rentang usia 2.5–3.4 tahun ................................................................ 14

3 Pengamatan terhadap Indeks Davie-Bouldin pada rentang usia 2.5–3.4 tahun .......................... 16

4 Pengamatan terhadap Indeks Davies-Bouldin pada rentang usia 3.5–4.4 tahun ........................ 16

5 Pengamatan terhadap Indeks Davies-Bouldin pada rentang usia 4.5–5.4 tahun ........................ 18

6 Antarmuka Implementasi ........................................................................................................... 19

1

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

2

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.

3

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 sc l

d 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).

METODE PENELITIAN

Penelitian ini dilaksanakan dalam lima

tahapan, yaitu (1) Pengumpulan Data

Perkembangan Anak, (2) Praproses Data, (3)

Clustering Menggunakan Self Organizing

Maps (SOM), (4) Validasi Cluster

Menggunakan Indeks Davies-Bouldin, (5)

Representasi Pengetahuan. Tahapan-tahapan

tersebut disajikan pada Gambar 1.

Gambar 1 Tahapan-tahapan penelitian.

Pengumpulan Data Perkembangan Anak

Data perkembangan anak yang

dikumpulkan oleh tim dosen Departemen IKK

berupa data hasil penelitian menggunakan

kuesioner kompetensi perkembangan anak

dari lima Kecamatan Bogor. Data

perkembangan tersebut dijadikan input

algoritme SOM pada penelitian ini.

Praproses Data

Tahapan praproses meliputi pembersihan

data, integrasi data, transformasi data, dan

seleksi data. Pada tahap pembersihan data

dihilangkan data perkembangan anak yang

mengadung noise (berisi nilai yang tidak

semestinya), data yang tidak lengkap, dan data

yang tidak konsisten. Selanjutnya, pada tahap

integrasi dan transformasi data dilakukan

proses penggabungan data dan proses

pengubahan data menjadi bentuk yang sesuai

Praproses Data

Clustering Menggunakan SOM

Validasi Cluster Menggunakan

Indeks Davies-Bouldin

Representasi Pengetahuan

Pengumpulan Data

Perkembangan Anak

l≠

4

sehingga dapat diproses dengan SOM. Pada

tahap seleksi data, dipilih data perkembangan

anak berdasarkan kategori dan rentang

usianya. Kategori perkembangan tersebut

merupakan perkembangan kognitif, motorik

halus, motorik kasar, dan bahasa. Usia anak

yang dipilih ialah usia anak rentang 2.5–5.4

tahun.


Metode yang digunakan pada penelitian

ini ialah clustering data menggunakan

algoritma SOM untuk melihat karakteristik

perkembangan anak usia 2.5–5.4 tahun dari

aspek kognitif, bahasa, dan motorik anak.

Input algoritma SOM ialah data dari praproses

dengan kombinasi dari parameter awal.

Parameter awal dari algoritma SOM yang

akan digunakan ialah:

1 Ukuran cluster: 3, 4, 5, 6,

2 Learning rate ( ) : 0.1, 0.5, dan 0.9,

3 Ukuran lingkungan (R) : 1, dan

4 Penurunan learning rate (θ) : 0.1, 0.5,

0.9.

Metode inisialisasi nilai vektor bobot

menggunakan midpoint dengan topologi yang

digunakan topologi grid. Fungsi jarak yang

digunakan ialah Euclidean dan kriteria

pemberhentian algoritme SOM ialah iterasi

atau epoch sebanyak 100 epoch.

Validasi Cluster Menggunakan Indeks

Davies-Bouldin

Hasil clustering yang diperoleh

menggunakan algoritme SOM divalidasi

dengan menggunakan Indeks Davies-Bouldin

(DBI). Indeks Davies-Bouldin digunakan

untuk mengukur validitas dari hasil clustering

sehingga menghasilkan DBI terbaik, yaitu

DBI minimal. Clustering dengan ukuran DBI

terbaik tersebut yang paling baik dalam peng-

cluster-an data perkembangan anak.

Representasi Pengetahuan

Tahap ini merupakan tahapan yang

memperlihatkan representasi terhadap cluster

yang sudah divalidasi. Representasi tersebut

memperlihatkan karakteristik masing-masing

cluster berupa rataan dan centroid dari cluster

yang diolah menggunakan algoritme SOM.

Pada tahap ini dianalisis hasil cluster

sehingga diperoleh informasi penting

mengenai stuktur dan karakteristik alami data.

Informasi penting yang tersembunyi dari hasil

cluster diharapkan bermanfaat sehingga dapat

diperoleh penanganan terhadap cluster yang

bersangkutan.

Lingkungan Implementasi

Lingkungan implementasi yang digunakan

sebagai berikut:

Perangkat lunak:

Sistem Operasi Microsoft Windows 7

Profesional, dan

MATLAB R2008b,

Perangkat keras:

processor Intel Core 2 Duo,

memory 1 GB, dan

hard disk 80 GB.

HASIL DAN PEMBAHASAN

Pengumpulan Data Perkembangan Anak

Data perkembangan anak berupa data hasil

kuesioner yang diukur dengan instrumen

penelitian kompetensi (perkembangan) anak.

Kuesioner tersebut memiliki beberapa

pertanyaan yang terdiri atas pertanyaan

kognitif, bahasa, motorik kasar, dan motorik

halus. Pertanyaan tersebut berbeda jumlahnya

sesuai dengan kategori pertanyaan dan rentang

usia. Setiap item pertanyaan memiliki

penilaian berupa bobot pada masing-masing

jawaban. Kuesioner kompetensi

perkembangan anak usia 2.5–3.4 tahun

disajikan pada Lampiran 1.

Praproses Data

Data perkembangan hasil seleksi untuk

rentang usia 2.5–3.4 tahun sebanyak 71

sample dan 4 atribut, yaitu kognitif, bahasa,

motorik halus, dan motorik kasar. Sementara

itu, data hasil seleksi untuk rentang usia 3.5–

4.4 tahun dan 4.5–5.4 tahun masing-masing

sebanyak 97 sample dan 126 sample. Data

perkembangan anak hasil praproses rentang

usia 2.5–3.4 tahun disajikan pada Lampiran 2.


Clustering hasil praposes data

perkembangan anak dilakukan dengan

menerapkan algoritme SOM. Implementasi

antarmuka aplikasi clustering menggunakan

SOM disajikan pada Lampiran 6. Kriteria

pemberhentian clustering menggunakan

algoritme SOM dilakukan dengan pembatasan

jumlah iterasi atau epoch. Penetapan jumlah

epoch dilakukan dengan cara menjalankan

algoritme SOM dengan 1 epoch hingga 100

epoch, kemudian dianalisis Indeks Davies-

Bouldin-nya. Bila dilihat Gambar 2, pada saat

algoritme SOM dijalankan dengan 30 epoch,

dihasilkan Indeks Davies-Bouldin terkecil,

5

yaitu DBI yang terbaik. Epoch inilah yang

digunakan sebagai kriteria pemberhentian

algoritme SOM untuk ketiga kelompok usia

yaitu sebanyak 30 epoch.

Gambar 2 Grafik Indeks Davies-Bouldin

terhadap Epoch.

Indeks Davies-Bouldin (DBI)

Pengamatan terhadap Indeks Davies-

Bouldin dilakukan untuk mengukur validitas

hasil clustering menggunakan Self Organizing

Maps dengan kombinasi berbagai parameter.

Hasil dari pengamatan Indeks Davies-Bouldin

rentang usia 2.5–3.4 tahun disajikan pada

Lampiran 3. Sementara itu, hasil pengamatan

Indeks Davies-Bouldin rentang usia 3.5–4.4

tahun dan 4.5–5.4 tahun masing-masing

disajikan pada Lampiran 4 dan Lampiran 5.

Indeks Davies-Bouldin (DBI) Terbaik

Rentang Usia 2.5–3.4 Tahun

Dari hasil penelitian, Indeks Davies-

Bouldin terbaik rentang usia 2.5–3.4 tahun

dihasilkan dengan parameter awal: ukuran

cluster 3, learning rate (LR) 0.5, penurunan

learning rate (PLR) 0.1, dan ulangan ke-5

yang menghasilkan Indeks Davies-Bouldin

sebesar 1.306 (Lampiran 3). Banyaknya

anggota masing-masing cluster rentang usia

2.5–3.4 tahun dengan ukuran cluster 3

disajikan pada Tabel 1. Persentase banyaknya

anggota masing-masing cluster rentang usia

2.5–3.4 tahun dengan ukuran cluster 3

disajikan pada Gambar 3. Centroid dan rataan

masing-masing cluster rentang usia 2.5–3.4

tahun dengan ukuran cluster 3 masing-masing

disajikan pada Tabel 2 dan Tabel 3.

Tabel 1 Banyak anggota masing-masing

cluster rentang usia 2.5–3.4 tahun

dengan ukuran cluster 3

Tabel 2 Centroid masing-masing anggota


dengan ukuran cluster 3 dalam

bentuk persentase capaian

kompetensi perkembangan

Tabel 3 Rataan masing-masing anggota





Gambar 3 Persentase banyak anggota

masing-masing cluster

rentang usia 2.5–3.4 tahun

dengan ukuran cluster 3.

32.39%

45.07%

22.53%

Cluster 1 Cluster 2 Cluster 3

Cluster

ke-

Rataan (%)

Kognitif Bahasa Motorik

Halus

Motorik

Kasar

1 45.65 39.85 45.34 54.34

2 66.92 69.44 54.68 70.00

3 78.58 86.11 68.28 87.50

Cluster ke- Banyak

anggota

Persentase

banyak

anggota

1 23 32.39

2 32 45.07

3 16 22.53

Cluster

ke-

Centroid (%)


Halus

Motorik

Kasar

1 49.50 37.19 41.62 60.19

2 69.78 63.92 55.24 76.81

3 86.41 85.53 67.45 92.36

6


Rentang Usia 3.5-4.4 Tahun

Indeks Davies-Bouldin terbaik rentang

usia 3.5–4.4 tahun dihasilkan dengan

parameter awal: ukuran cluster 4, LR 0.9,

PLR 0.1, dan ulangan ke-3 yang

menghasilkan Indeks Davies-Bouldin sebesar

1.5645 (Lampiran 4). Banyaknya anggota


tahun dengan ukuran cluster 4 disajikan pada

Tabel 4. Persentase banyaknya anggota



Gambar 4. Centroid dan rataan masing-

masing anggota cluster rentang usia 3.5–4.4

tahun dengan ukuran cluster 4 masing-masing

disajikan pada Tabel 5 dan Tabel 6.




Cluster

ke-

Banyak

anggota

Persentase

banyak anggota

1 9 9.27

2 26 26.80

3 42 43.29

4 20 20.61
















Rentang Usia 4.5–5.4 Tahun

Indeks Davies-Bouldin terbaik rentang

usia 4.5–5.4 tahun dihasilkan dengan

parameter awal: ukuran cluster 3, LR 0.9,

PLR 0.9, dan ulangan ke-4 yang

menghasilkan Indeks Davies-Bouldin sebesar

1.147 (Lampiran 5). Banyaknya anggota



Tabel 7. Persentase banyaknya anggota



Gambar 5. Centroid dan rataan anggota


tahun dengan ukuran cluster 3 masing-

masing disajikan pada Tabel 8 dan Tabel 9.









9.27%

26.8%

43.29%

20.6 %

Cluster 1 Cluster 2

Cluster 3 Cluster 4

Cluster

ke-

Centroid (%)


Halus

Motorik

Kasar

1 35.14 34.72 38.22 63.15

2 51.74 46.14 47.54 72.35

3 76.34 68.46 70.12 81.41

4 88.05 83.15 78.87 87.23

Cluster

ke-

Banyak

anggota

Persentase

banyak anggota

1 46 36.50

2 44 34.92

3 36 38.57

Cluster

ke-

Centroid (%)


Halus

Motorik

Kasar

1 50.74 49.22 74.16 86.04

2 71.01 73.71 77.57 93.52

3 83.15 85.50 80.03 96.67

Cluster

ke-

Rataan (%)


Halus

Motorik

Kasar

1 29.62 33.74 43.05 59.59

2 51.42 48.86 56.25 73.07

3 68.87 65.96 70.23 83.44

4 89.25 86.29 78.43 92.72

7










Deskripsi Clustering Terbaik

Menurut instrumen kompetensi

perkembangan, penilaian perkembangan anak

dikategorikan menjadi buruk jika persentase

kompetensi anak kurang dari 60%, kategori

sedang jika kompetensi anak berada antara

rentang 60%–80%, dan kategori baik jika

kompetensi anak lebih besar dari 80%.

Karakteristik perkembangan setiap anggota

cluster rentang usia 2.5–3.4 tahun disajikan

pada Tabel 10, sedangkan karakteristik

perkembangan setiap anggota cluster rentang

usia 3.5–4.4 tahun dan rentang usia 4.5–5.4

tahun masing-masing disajikan pada Tabel 11

dan Tabel 12.

Tabel 10 Karakteristik perkembangan setiap

anggota cluster rentang usia 2.5–

3.4 tahun



4.4 tahun



5.4 tahun

Dari Tabel 10, secara umum terlihat

cluster 1 memiliki karakteristik

perkembangan anak usia 2.5–3.4 tahun pada

kategori buruk, sedangkan cluster 2 memiliki


kategori sedang. Anggota cluster 3 pada Tabel

10 memiliki karakteristik perkembangan anak

usia 2.5–3.4 tahun kategori baik pada aspek

motorik kasar dan bahasanya. Secara umum

perkembangan anak usia 3.5–4.4 tahun (Tabel

11) pada cluster 1 dan cluster 2 memiliki

perkembangan anak yang buruk, sedangkan

cluster 3 memiliki perkembangan anak usia

3.5–4.4 tahun pada kategori sedang. Anggota

cluster 4 pada Tabel 11 memiliki


kategori baik, tetapi aspek motorik halusnya

masih belum terlihat karena berada pada

perkembangan kategori sedang.

Perkembangan anak usia 4.5–5.4 tahun

pada Tabel 12 secara umum menunjukkan

bahwa cluster 1 merupakan cluster yang

anggotanya memiliki perkembangan buruk,

cluster 2 memiliki perkembangan sedang, dan

cluster 3 memiliki perkembangan baik. Akan

tetapi, pada Tabel 12 terlihat karakteristik

perkembangan anak usia 4.5–5.4 tahun di

ketiga cluster memiliki rataan motorik kasar

yang baik. Hal tersebut menunjukkan

perkembangan motorik kasar anak rentang

usia 4.5–5.4 tahun di lima Kecamatan Bogor

tergolong baik.

36.50%

34.92%

38.57%


Cluster

ke-

Rataan (%)


Halus

Motorik

Kasar

1 48.60 46.25 65.83 83.52

2 69.69 72.28 75.81 94.40

3 86.89 85.10 81.34 97.32

Cluster

ke-

Perkembangan


Halus

Motorik

Kasar

1 Buruk Buruk Buruk Buruk

2 Sedang Sedang Buruk Sedang

3 Sedang Baik Sedang Baik

Cluster

ke-

Perkembangan


Halus

Motorik

Kasar

1 Buruk Buruk Buruk Buruk

2 Buruk Buruk Buruk Sedang

3

4

Sedang

Baik

Sedang

Baik

Sedang

Sedang

Baik

Baik

Cluster

ke-

Perkembangan


Halus

Motorik

Kasar

1 Buruk Buruk Sedang Baik

2 Sedang Sedang Sedang Baik

3 Baik Baik Baik Baik

8

Grafik sebaran jumlah anggota setiap

cluster berdasarkan daerah asal anak di lima

kecamatan dengan rentang usia 2.5–3.4 tahun

disajikan pada Gambar 6, sedangkan Grafik

sebaran jumlah anggota setiap cluster

berdasarkan daerah anak dengan rentang usia

3.5–4.4 tahun dan rentang usia 4. 5–5.4 tahun

masing-masing disajikan pada Gambar 7 dan

Gambar 8.

Gambar 6 Grafik sebaran jumlah anggota

berdasarkan daerah anak

rentang usia 2.5–3.4 tahun.







Secara umum perkembangan anak usia

2.5–3.4 tahun di lima kecamatan (Gambar 6)

berada pada kategori buruk dan kategori

sedang, kecuali daerah Cibinong yang

kebanyakan perkembangan anaknya berada

pada kategori baik. Hal tersebut berdasarkan

karakteristik pada Tabel 10. Sementara itu,

perkembangan anak usia 3.5–4.4 tahun di lima

kecamatan (Gambar 7) berada pada kategori

sedang dan baik kecuali daerah Sukamakmur

yang dominan perkembangan anaknya buruk.

Hal tersebut berdasarkan karakteristik pada

Tabel 11. Perkembangan anak usia 4.5–5.4

tahun di lima kecamatan (Gambar 8) berada

pada kategori baik kecuali daerah

Sukamakmur yang kebanyakan memiliki

perkembangan anak yang buruk. Hal tersebut

berdasarkan pada karakteristik Tabel 12.

Secara keseluruhan, hasil clustering

menunjukkan bahwa anak-anak yang berasal

dari Kecamatan Cibinong memiliki

perkembangan yang baik untuk seluruh aspek

perkembangannya. Akan tetapi, keadaan lain

terlihat berbeda pada perkembangan anak di

daerah Sukamakmur usia 3.5–4.4 tahun dan

usia 4.5–5.4 tahun. Hal tersebut disebabkan

mayoritas anak di daerah Sukamakmur

dengan rentang usia tersebut berada pada

perkembangan buruk.

SIMPULAN DAN SARAN

Simpulan

Pada penelitian ini telah

diimplementasikan clustering menggunakan

Self Organizing Maps untuk data

perkembangan anak. Dari hasil percobaan

ditemukan bahwa clustering data

perkembangan anak rentang usia 2.5–3.4

tahun yang memiliki Indeks Davies-Bouldin

minimal ialah ukuran cluster 3. Sementara itu,

hasil percobaan clustering terhadap data

perkembangan anak rentang usia 3.5–4.4

tahun yang memiliki Indeks Davies-Bouldin

minimal ialah ukuran cluster 4, sedangkan

hasil percobaan clustering data perkembangan

anak rentang usia 4.5–5.4 tahun memiliki

Indeks Davies-Bouldin minimal dengan

ukuran cluster 3.

Karakteristik perkembangan anak di

daerah Cibinong termasuk pada kategori baik.

Akan tetapi, keadaan lain terlihat berbeda

pada perkembangan anak di daerah

Sukamakmur, hal tersebut disebabkan

mayoritas anak di daerah Sukamakmur berada

pada perkembangan buruk.

3

0

11

6

3

7 7 7

5 6

3

7

4

2

0

sukamakmur cibinong ciomas pamijahan bojonggede


Kecamatan

Jum

lah A

nggota

6

0 1 1 1

12

4

2

4 4

9 10

7 8 8

1

13

3

1 2

Sukamakmur Cibinong Ciomas Pamijahan Bojonggede

Cluster 1 Cluster 2 Cluster 3 Cluster 4

Kecamatan

Jum

lah A

nggo

ta

17

11

3

8 7 7

11

6

10 10

2

11

4

9 10

Sukamakmur Cibinong Ciomas Pamijahan Bojonggede


Kecamatan

Jum

lah A

nggo

ta

9

Saran

Pada penelitian selanjutnya dapat

dianalisis aspek lain yang memengaruhi

perkembangan anak dari hasil clustering

menggunakan algoritme SOM, seperti

pendidikan anak usia dini serta pengetahuan

ibu terhadap perkembangan anak.

DAFTAR PUSTAKA

[Depdiknas] Departemen Pendidikan

Nasional. 2004. Instrumen Penelitian

Kompetensi (Perkembangan) Anak Usia

3,5–6,4 Tahun. Jakarta: Pusat Kurikulum,

Badan Penelitian dan Pengembangan,

Departemen Pendidikan Nasional.

Edward. 2006. Clustering menggunakan Self

Organizing Maps (studi kasus: data PPMB

IPB) [skripsi]. Bogor: Fakultas

Matematika dan Ilmu Pengetahuan Alam,

Institut Pertanian Bogor.

Fabes R, Martin C. 2003. Exploring Child

Development. Boston: Pearson Education.

Fausett L. 1994. Fundamentals of Neural

Networks. New Jersey: Prentice Hall.

Han J, Kamber M. 2001. Data Mining:

Concepts and Techniques. San Diego:

Academic Press.

Hastuti D. 2010. Pengasuhan: Teori dan

Prinsip serta Aplikasinya di Indonesia.

Bogor: Departemen Ilmu Keluarga dan

Konsumen IPB.

Jain AK, Dubes RC. 1988. Algorithms for

Clustering Data. New Jersey: Prentice

Hall.

Larose DT. 2005. Discovering Knowledge in

Data: An Introduction to Data mining.

New Jersey: Wiley.

Megawangi R. 2004. Pendidikan Karakter

(Solusi yang Tepat untuk Membangun

Bangsa). Jakarta: Indonesia Heritage

Foundation.

Salazar GEJ, Veles AC, Parra MCM, Ortega

LO. 2002. A cluster validity index for

comparing non-hierarchical clustering

methods. [terhubung berkala].

http://citeseer.ist.psu.edu/rd/salazar02clust

er.pdf [7 Januari 2012].

Siruno R, Siruno E. 1978. Child Growth and

Development. Manila: Rex Printing

Company.

Yusuf S. 2000. Psikologi Perkembangan Anak

dan Remaja. Bandung: PT Remaja

Rosdakarya.

http://citeseer.ist.psu.edu/rd/salazar02cluster

http://citeseer.ist.psu.edu/rd/salazar02cluster

10

LAMPIRAN

11

Lampiran 1 Kuesioner kompetensi perkembangan anak usia 2.5–3.4 tahun

NO INDIKATOR KOGNITIF TES PERBUATAN PENILAIAN

1. Menyebutkan 1–4 warna Sebutkan warna-warna yang

kamu ketahui?

0 Tidak dapat

1 Dapat 1 – 2

2 Dapat 3 – 4

2. Menjodohkan warna-warna

merah, putih, hitam coklat

Pasangkan keeping-keping

warna ini dengan warna di

lembar ini

0 Tidak dapat

1 Dapat 1 – 2

2 Dapat 3 – 4

3. Pilih benda yang paling besar

dan paling kecil dari benda

yang sama

Hadapkan di depan anak 3

keping benda dengan bentuk

sama tapi ukurannya

berbeda. Tanyakan kepada

anak mana yang paling

besar? Mana yang paling

kecil?

0 Tidak dapat

1 Dapat menunjukkan

yang paling besar atau

yang paling kecil

2 Dapat menunjukkan

keduanya

4. Menyebutkan jenis kelamin

sendiri

T ny k n “k u laki-laki

t u pere pu n”

0 Tidak dapat

1 Menjawab tapi salah

2 Menjawab benar

5. Mengetahui namanya Tanyakan siapa nama

panggilannya (nama pendek)

0 Tidak ada respon

1 Menjawab tapi salah

2 Menjawab benar

6. Memasangkan gambar dari

benda yang dikenal

Cari pasangan gambar kartu

yang sama dengan gambar di

lembar ini

0 Tidak dapat

1 Dapat 1 – 2

2 Dapat 3 – 4

NO INDIKATOR BAHASA TES PERBUATAN PENILAIAN

1. Dapat memberikan informasi

tentang diri sendiri (nama

panggilan dan umur)

Tanyakan :

1. Siapa namamu?

2. Kamu umur berapa?

0. Diam tidak menjawab

1. Menjawab tetapi salah

2. Menjawab satu benar

3. Menjawab dua benar

2. Dapat menirukan kembali

urutan kata (2 kata)

Coba tirukan ucapan berikut :

1. Mama, papa

2. Pepaya, pisang

0. Tidak dapat, diam


2. Menjawab satu benar

3. Menjawab dua benar

3. Dapat mengikuti perintah

sederhana

Lakukan sesuai perintah :

1. Ambil bola

2. Ambil buku

0. Diam, tidak merespon

1. Merespon tetapi salah

2. Dapat satu

3. Dapat dua

4. Dapat memahami bahasa

isyarat

Peragakan! Apa maksud

gerakan ini :

1. Anggukan kepala

0. Diam, tidak merespon

1. Merespon tetapi salah

2. Dapat satu

3. Dapat dua

5. Dapat menunjukkan 3 gerakan

orang pada gambar

Coba tunjukkan gambar :

1. Anak sedang duduk

2. Anak sedang makan

3. Anak sedang minum


1. Benar satu

2. Benar dua

Benar tiga

6. Dapat menyanyikan satu lagu

bebas

Nyanyikan satu lagu yang

kamu sukai

0. Tidak dapat, diam

1. Menyanyi ragu-ragu

(salah)

2. Dapat menyanyi ½

benar

Dapat menyanyi penuh

12

Lanjutan

NO INDIKATOR

MOTORIK KASAR

TES PERBUATAN PENILAIAN

1. Berjalan dengan lancar Suruh anak berjalan ke depan 0. Tidak dapat

1. Dapat tapi kurang

seimbang

2. Dapat

2. Berjalan di atas garis

lurus

Suruh anak berjalan di atas

garis/tali yang dibentangkan

lebih kurang 10 meter

0. Tidak dapat

1. Dapat tapi kurang

seimbang

2. Dapat

3. Berlari Suruh anak berlari ke depan

selama 15 detik

0. Tidak dapat

1. Dapat tapi tidak

seimbang

2. Dapat dengan lancar

4. Melompat Suruh anak melompat-lompat

dengan dua kaki di tempat

sebanyak 10 kali

0. Tidak dapat

1. Dapat tapi tidak

seimbang

2. Dapat dengan lancar

5. Mengayunkan lengan Suruh anak mengayunkan lengan

ke kiri dan ke kanan berulang-

ulang

0. Tidak dapat

1. Dapat tapi tidak lancar

2. Dapat

6. Membungkukkan badan Suruh anak membungkukkan

badan hingga ujung jari

menyentuh lantai

0. Tidak dapat

1. Dapat tapi tidak

menyentuh lantai

2. Dapat menyentuh

lantai

7. Gerak koordinasi mata

dan kaki

Berikan satu bola besar pada

anak kemudian suruh

menendangnya

0. Tidak dapat

1. Dapat tanpa koordinasi

yang baik

2. Dapat dengan

koordinasi yang baik

8. Gerak koordinasi mata

dan tangan

Anak disuruh menangkap bola

yang dilambungkan dari jarak 2

meter (bola boleh menyentuh

tubuh)

0. Tidak dapat


2. Dapat tanpa jatuh

9. Melambungkan bola

dengan dua tangan

Berikan satu bola pada anak

kemudian suruh untuk

melambungkannya dengan dua

tangan

0. Tidak dapat


2. Dapat

10. Berdiri dengan satu kaki Suruh anak berdiri dengan satu

kaki (berdiri bangau) selama ½

menit

0. Tidak dapat

1. Dapat tapi sebentar

2. Dapat sampai ½ menit

13

Lanjutan

NO INDIKATOR MOTORIK

HALUS

TES PERBUATAN PENILAIAN

1. Anak dapat membangun

menara/tugu dari 6 balok

Susunlah balok-balok menjadi

menara! (jika anak tidak

mengerti perintah, observer

dapat memberikan contoh)

0. Tidak dapat

1. Dapat 1–3

2. Dapat 4–6

2. Anak dapat membalik

halaman buku satu per satu

Bukalah buku cerita ini lembar

demi lembar! (jika anak tidak

mengerti dapat diberikan

contoh)

0. Tidak dapat

1. Dapat melakukan tidak

sempurna

2. Dapat melakukan

dengan sempurna

3. Anak dapat meremas-remas

dan memilin benda lunak

misalkan tanah liat

Buatlah benda bentuk mainan

dengan bahan lunak misalkan

plastisin dengan teknik remas

dan pilin!

0. Tidak dapat

1. Dapat melakukan tidak

sempurna

2. Dapat

4. Anak dapat menarik garis

datar dan tegak

Buatlah garis datar dan garis

tegak dengan diberi contoh

0. Tidak dapat

1. Dapat satu macam garis

2. Dapat dua macam garis

5. Anak dapat melipat kertas

menjadi dua

Lipatlah kertas menjadi dua

bagian!

0. Tidak dapat

1. Dapat tetapi tidak rapi

2. Dapat dan hasilnya rapi

6. Anak dapat menjiplak

gambar geometris

Buatlah gambar lingkaran,

segitiga dan persegi panjang

dengan teknik menjiplak!

0. Tidak dapat


2. Dapat dan hasilnya rapi

7. Anak dapat menggunting

mengikuti garis lurus

Guntinglah kertas ini dengan

mengikuti garis yang tersedia!

0. Tidak dapat


2. Dapat rapi dan tidak

terputus

14

Lampiran 2 Data perkembangan anak rentang usia 2.5–3.4 tahun

Id_Anak KOGNITIF BAHASA MOTORIK

HALUS

MOTORIK

KASAR

1 11 14 14 18

2 8 12 8 13

3 8 5 7 12

4 1 3 6 4

5 3 3 8 10

6 12 11 9 16

7 11 15 10 17

8 10 17 13 18

9 5 11 7 13

10 8 11 10 17

11 10 10 7 15

12 9 14 9 16

13 10 14 9 14

14 7 11 8 15

15 5 6 8 13

16 10 7 10 15

17 11 12 9 15

18 10 12 6 14

19 9 9 5 11

20 8 9 5 12

21 7 12 6 17

22 10 10 8 15

23 7 14 6 18

24 8 16 8 16

25 10 16 9 12

26 7 16 9 18

27 10 15 8 15

28 12 16 10 20

29 8 15 9 20

30 4 10 7 15

31 9 12 8 13

32 9 15 9 10

33 6 14 9 14

34 7 13 8 17

35 8 16 8 20

36 6 16 8 18

37 7 8 8 13

38 4 6 6 10

39 7 8 5 12

40 8 11 5 12

41 7 12 7 14

42 6 16 5 9

43 4 11 4 8

44 6 6 7 12

45 11 17 9 14

46 9 17 10 18

47 9 17 8 16

48 9 14 10 18

49 7 16 7 10

50 8 4 6 14

51 4 7 5 12

52 5 12 7 10

15

Lanjutan

Id_Anak KOGNITIF BAHASA MOTORIK

HALUS

MOTORIK

KASAR

53 8 15 6 11

54 9 14 6 16

55 4 3 6 9

56 5 13 6 10

57 5 12 7 10

58 8 16 5 13

59 3 7 11 20

60 11 14 9 16

61 5 5 8 8

62 7 11 9 12

63 8 15 6 14

64 8 15 7 10

65 6 6 9 12

66 4 7 5 9

67 8 11 6 10

68 7 4 5 14

69 9 11 9 13

70 11 13 10 18

71 3 7 7 15

16

Lampiran 3 Pengamatan terhadap Indeks Davies-Bouldin pada rentang usia 2.5–3.4 tahun

LR= Learning Rate, PLR= Penurunan Learning Rate, Ulangan ke- = pengulangan percobaan, Epoch =

banyak iterasi, = Indeks Davies-Bouldin terkecil/terbaik.

No LR PLR Ulangan ke- Epoch Indeks Davies Bouldin

3 Cluster 4 Cluster 5 Cluster 6 Cluster

1

0.1

0.9

1

30

1.8109 2.2035 2.3792 2.4169

2 2 1.8585 2.2922 2.5116 2.3078

3 3 2.0857 2.0736 2.3 2.4886

4 4 2.1422 2.2387 2.3383 2.2068

5 5 2.0005 2.4301 2.0722 2.4648

6

0.5

1 2.1736 2.5478 2.1758 2.8882

7 2 1.8419 2.2039 2.5502 2.6798

8 3 1.8565 2.9236 2.3744 3.3004

9 4 2.6765 2.3255 2.2387 2.0103

10 5 1.8851 2.1575 2.1054 2.5205

11

0.9

1 2.5244 1.9589 3.6242 3.8179

12 2 3.1027 2.4967 2.0928 2.3042

13 3 1.6917 1.9168 2.1267 2.5121

14 4 2.819 2.2543 2.0401 2.4987

15 5 2.5484 2.5412 2.4797 3.1376

16

0.1

0.5

1 2.3136 2.1411 2.0722 2.4648

17 2 2.5813 2.1857 2.3112 2.3361

18 3 1.9545 2.3302 2.121 2.4886

19 4 2.0756 2.0981 2.2742 2.5439

20 5 2.4826 2.3123 2.2016 2.5378

21

0.5

1 2.5979 2.4799 2.4634 2.8553

22 2 2.1736 2.5478 2.0911 2.5188

23 3 1.8419 2.2039 2.2055 2.0168

24 4 1.8565 2.9236 2.6179 2.6594

25 5 2.6765 2.4461 2.1636 2.4429

26

0.9

1 2.2475 2.3207 3.1504 3.8179

27 2 2.1694 2.1025 2.2014 2.2599

28 3 2.1208 2.0948 2.1267 2.5121

29 4 1.9863 2.3196 2.0401 2.4987

30 5 2.0392 2.0095 2.4797 3.1376

31

0.1

0.1

1 2.3136 2.4779 2.3726 2.6477

32 2 2.5813 2.1411 2.1668 2.6629

33 3 1.9545 2.1857 2.2454 2.5524

34 4 2.1629 2.3302 1.9619 2.4754

35 5 2.0756 2.0981 2.2175 2.4199

36

0.5

1 1.934 2.7998 2.171 1.9633

37 2 2.0049 2.4906 2.4936 2.4693

38 3 1.6089 2.548 2.2744 2.1895

39 4 3.1901 2.1681 2.0356 2.0121

40 5 1.306 2.3418 2.6184 2.6124

41

0.9

1 4.436 2.5009 1.8666 2.1536

42 2 2.1559 2.0483 3.2351 2.6269

43 3 2.5062 2.0468 2.23 3.9709

44 4 2.6274 2.495 2.5296 2.2599

45 5 1.9082 2.0541 2.1267 2.5121

17


No LR PLR Ulangan

ke- Epoch

Indeks Davies Bouldin


1

0.1

0.9

1

30

2.0908 2.2076 2.1252 2.3135

2 2 2.0671 2.2655 2.1223 2.3642

3 3 1.9821 2.1356 2.3051 2.327

4 4 1.9142 2.2895 2.0705 2.1812

5 5 1.9416 2.2946 2.4146 2.2887

6

0.5

1 1.8537 1.9603 2.7054 2.658

7 2 2.2067 2.3288 2.3646 2.0223

8 3 2.0346 2.5289 1.8367 2.6388

9 4 2.0078 2.719 2.3675 2.5838

10 5 2.0769 2.0885 2.1586 2.4961

11

0.9

1 2.0444 1.9687 1.848 2.0351

12 2 1.9576 2.5775 2.8445 2.3084

13 3 2.0027 1.7589 2.0952 2.0909

14 4 2.0458 1.7875 2.0352 2.6291

15 5 2.2611 2.4862 2.6302 1.9604

16

0.1

0.5

1 1.9022 2.1101 2.2044 2.4238

17 2 2.1534 2.1455 2.308 2.2781

18 3 2.1057 1.9978 2.2193 2.3985

19 4 1.9411 2.1787 2.096 2.3674

20 5 2.1404 2.0805 2.234 2.3331

21

0.5

1 1.9351 2.216 2.3559 2.7772

22 2 1.8769 2.4831 2.1858 2.4655

23 3 2.2387 2.286 2.0789 2.6202

24 4 1.884 2.3763 1.8984 2.3813

25 5 1.9131 2.2724 2.294 2.4354

26

0.9

1 1.9125 2.4458 2.3473 2.3785

27 2 2.1478 2.1935 2.3088 2.1755

28 3 2.116 2.2326 1.9975 2.5651

29 4 2.3023 1.8555 2.304 2.0273

30 5 1.979 2.2302 1.8686 2.9646

31

0.1

0.1

1 2.1328 2.0558 2.0632 2.3474

32 2 1.9415 2.3285 1.9973 2.2558

33 3 2.0786 2.2754 2.2127 2.22

34 4 1.9173 2.0662 2.2609 2.2769

35 5 2.0723 2.4184 2.1658 2.1827

36

0.5

1 2.1115 2.1564 2.3617 2.3342

37 2 2.0601 2.2277 2.6125 2.2798

38 3 2.0701 2.0327 2.673 2.4959

39 4 2.0026 2.141 2.6873 2.4839

40 5 2.0222 2.3417 2.0946 2.2379

41

0.9

1 2.0877 2.3641 1.8868 3.2017

42 2 2.3044 2.3901 2.3438 2.1974

43 3 2.1976 1.5645 1.9858 2.3519

44 4 1.9553 2.0184 2.0363 2.0602

45 5 1.9395 1.7213 2.0965 2.3096

LR= Learning Rate, PLR= Penurunan Learning Rate, Ulangan ke- = pengulangan percobaan, Epoch=


18


No LR PLR Ulangan

ke- Epoch

Indeks Davies Bouldin


1

0.1

0.9

1

30

1.42 1.7023 1.6409 1.6856

2 2 1.3924 1.5674 1.6837 1.8112

3 3 1.3671 1.5695 1.6193 1.8603

4 4 1.4925 1.6445 1.7781 1.7905

5 5 1.3897 1.4989 1.7756 1.7254

6

0.5

1 1.5372 1.9862 1.4416 2.0403

7 2 1.4965 1.7378 1.6671 1.7832

8 3 1.3988 1.5892 1.7674 2.1702

9 4 1.4416 1.5586 1.6998 2.0295

10 5 1.3156 1.3829 1.7573 1.8504

11

0.9

1 1.4971 1.5454 1.4534 2.1062

12 2 1.168 2.0241 1.3339 1.5836

13 3 1.8464 1.8726 1.6287 2.1696

14 4 1.147 1.5376 1.755 1.9882

15 5 1.4419 2.0687 1.7503 2.2626

16

0.1

0.5

1 1.2865 1.6913 1.72 1.7141

17 2 1.5477 1.5411 1.8442 1.8058

18 3 1.5038 1.6713 1.595 1.7529

19 4 1.4178 1.6267 1.6071 1.8376

20 5 1.4775 1.6285 1.6312 1.8066

21

0.5

1 1.4791 1.4579 1.6481 1.7617

22 2 1.3044 1.764 1.6726 1.666

23 3 2.1844 1.8137 1.6724 1.7754

24 4 1.8061 1.6705 1.8231 2.0663

25 5 1.8965 1.7186 1.9908 1.9192

26

0.9

1 1.9346 1.8246 1.8006 2.0354

27 2 1.8201 2.0419 1.6665 1.6974

28 3 1.2709 1.6669 1.7287 1.8214

29 4 1.4891 1.8227 1.9134 2.518

30 5 1.2059 1.8905 1.6455 1.8103

31

0.1

0.1

1 1.4259 1.5271 1.736 1.7866

32 2 1.5174 1.6261 1.7929 1.7834

33 3 1.524 1.5334 1.6974 1.6952

34 4 1.4153 1.5282 1.7099 1.7198

35 5 1.2961 1.712 1.7422 1.7849

36

0.5

1 1.2384 1.4418 1.5661 1.6945

37 2 1.6224 1.7532 1.66 1.9158

38 3 1.4662 1.4816 1.5663 1.7994

39 4 1.6678 1.5918 1.7342 1.9568

40 5 1.3261 1.6074 1.991 1.6178

41

0.9

1 1.3566 1.6737 1.8367 1.9322

42 2 1.3416 1.7034 1.6355 2.0749

43 3 1.7273 1.4684 1.7402 1.7001

44 4 1.4132 1.4359 1.6766 1.5413

45 5 1.6942 1.7643 1.85 2.0571

LR= Learning Rate, PLR= Penurunan Learning Rate, Ulangan ke- = pengulangan percobaan, Epoch=


19

Lampiran 6 Antarmuka Implementasi

20

Lanjutan

clustering menggunakan self organizing maps … · 1 kuesioner kompetensi perkembangan anak usia...

Documents