ESTD PERPUSTAKAAN UNTAD
ESTD PERPUSTAKAAN UNTAD
| JudulPENGEMBANGAN MEDIA SISTEM DETEKSI KETERLAMBATAN PERKEMBANGAN ANAK USIA DINI MENGGUNAKAN ALGORITMA MACHINE LEARNING |
| Nama: ABDI PERMANA PUTRA |
| Tahun: 2025 |
| Abstrak ABSTRAK Keterlambatan perkembangan anak usia dini merupakan isu penting yang dapat mempengaruhi aspek kognitif, sosial, emosional, dan fisik anak. Penelitian ini bertujuan untuk mengembangkan media sistem deteksi keterlambatan perkembangan anak menggunakan algoritma machine learning, khususnya K-Nearest Neighbor (KNN). Sistem ini dirancang berbasis web dan mampu melakukan klasifikasi terhadap kondisi perkembangan anak berdasarkan input data seperti kemampuan motorik, bahasa, sosial, dan kognitif. Implementasi sistem mencakup perhitungan jarak Euclidean dan klasifikasi berdasarkan kemiripan data terhadap dataset historis. Pengujian sistem dilakukan melalui alpha testing dan beta testing dengan hasil akurasi sebesar 84,69% serta indeks kepuasan pengguna sebesar 97,5%. Hasil ini menunjukkan bahwa sistem yang dikembangkan dapat digunakan sebagai alat bantu yang efektif dan efisien dalam deteksi dini keterlambatan perkembangan anak usia dini. Kata Kunci: Anak Usia Dini, Keterlambatan Perkembangan, Machine Learning, KNN, Sistem Deteksi Dini ABSTRACT Developmental delays in early childhood are critical issues that may affect children's cognitive, social, emotional, and physical aspects. This research aims to develop a detection system for early childhood developmental delays using machine learning algorithms, specifically the K-Nearest Neighbor (KNN). The system is web-based and classifies children's developmental conditions based on input data such as motor skills, language, social interaction, and cognitive abilities. The implementation includes Euclidean distance calculation and classification by comparing the data with a trained historical dataset. The system was tested using alpha and beta testing, resulting in an accuracy of 84.69% and a user satisfaction index of 97.5%. These results indicate that the developed system can serve as an effective and efficient early detection tool for identifying developmental delays in early childhood. Keywords: Early Childhood, Developmental Delay, Machine Learning, KNN, Early Detection System |