Klasifikasi Kemampuan Perawatan Diri Anak dengan Disabilitas Menggunakan Neural Network dan Greedy Stepwise Sebagai Seleksi Fitur

Abstract

Disabilitas merupakan gangguan, keterbatasan aktivitas dan pembatasan partisipasi. Disabilitas disebut juga interaksi antara individu dengan kondisi kesehatan seperti (Cerebral palsy, sindrom Down dan depresi), faktor pribadi dan lingkungan seperti sikap negatif. Disabilitas dapat mengganggu perkembangan alami tubuh tergantung pada jenis kelamin, usia dan lingkungan. Penderita disabilitas merupakan kelompok minoritas terbesar didunia, 80% penderita berasal dari negara-negara berkembang. Selain itu Anak-anak menempati menyandang disabilitas dengan jumlah sepertiga dari jumlah keseluruhan penyandang disabilitas di dunia. Pada penerapannya proses diagnosis dan klasifikasi dimensi disabilitas membutuhkan ahli terapis okupasi. Teknik data mining dapat digunakan untuk membantu proses diagnosis yang bertujuan untuk menghindari kesalahan dalam diagnosis. Tujuan penelitian ini adalah untuk mengklasifikasikan masalah kemampuan perawatan diri anak disabilitas menjadi 7 kelas. Penelitian ini menggunakan dataset yang merepresentasikan masalah kemampuan perawatan diri anak dengan disabilitas. Dataset yang akan digunakan memiliki permasalahan multidimensional dataset dimana dataset memiliki fitur yang lebih banyak dibandingkan dengan jumlah datanya. Multidimensional dataset dilihat dari Jumlah fitur yang dimiliki yaitu 205 fitur dan 1 label dengan jumlah data sebanyak 70. Metode yang diusulkan pada penelitian ini yaitu greedy stepwise sebagai metode untuk mengatasi masalah multidimensional dataset dengan menyeleksi fitur bertujuan memilih fitur yang paling relevan. Selain greedy stepwise diterapkan juga metode neural network yang digunakan sebagai algoritme klasifikasi. Hasil penelitian menunjukan bahwa metode seleksi fitur greedy stepwise dengan penerapan neural network memperoleh nilai akurasi sebesar 84.2857% yang bisa disimpulkan hasil akurasinya baik.