LEARNING VECTOR QUANTIZATION UNTUK PENDETEKSIAN ANAK BERBAKAT (GIFTED CHILD) PADA MASA PERKEMBANGAN

Abstract

Anak berbakat (gifted child) adalah anak yang memiliki potensi kecerdasan, kreatifitas dan tanggung jawab terhadap tugas diatas anak seusianya. Setiap anak berbakat memiliki gejalagejala berdasarkan perilaku dan sosial emosi. Gejala antara satu tipe anak berbakat beririsan dengan tipe anak berbakat lainnya. Hal ini dapat menyebabkan proses deteksi menjadi sulit. Berdasarkan hal tersebut maka penelitian ini menggunakan sebuah metode yaitu metode learning vector quantization. Data masukan yang digunakan adalah data gejala-gejala berdasarkan perilaku serta sosial emosi anak yang kemudian disusun menjadi 75 variabel masukan. Dari gejala–gejala tersebut maka hasil yang diperoleh yaitu tipe anak berbakat yang terdeteksi, persentasi keakuratan terhadap kelas asli dengan kelas hasil deteksi serta optimasi nilai parameter yang bervariasi dan waktu pemrosesan. Adapun tipe anak berbakat yang terdeteksi yaitu tipe the successfuls, the challanging, the underground, the dropouts, the double labeled dan the autonomous learner. Berdasarkan hasil proses pengujian yang menggunakan cross validation dan confusion matrix dengan 5 fold dari jumlah data sebanyak 50 data,maka performansi metode learning vector quantization. untuk pendeteksian anak berbakat pada masa perkembangan termasuk performansi yang baik dengan nilai parameter yang optimal pada maksimal epoh = 100, learning rate = 0,02 dan error minimum = 0,0001 dan waktu pemrosesan selama 15 detik memperoleh persentasi keakuratan yang mencapai 100%.