Analisis Diagnosa Anak Berkebutuhan Khusus Menggunakan Metode Decision Tree (Studi Kasus Di Sekolah Luar Biasa Sumenep)

Pramunsyi, Ilham Yoga (2024) Analisis Diagnosa Anak Berkebutuhan Khusus Menggunakan Metode Decision Tree (Studi Kasus Di Sekolah Luar Biasa Sumenep). Skripsi thesis, Universitas Wiraraja.

	Text (COVER) FILE 1.pdf - Accepted Version Restricted to Repository staff only Download (430kB) | Request a copy
	Text (DAFTAR ISI) FILE 2.pdf - Accepted Version Restricted to Repository staff only Download (201kB) | Request a copy
	Text (ABSTRAK) FILE 3.pdf - Accepted Version Download (42kB)
	Text (BAB I) FILE 4.pdf - Accepted Version Download (97kB)
	Text (BAB II) FILE 5.pdf - Accepted Version Restricted to Repository staff only Download (222kB) | Request a copy
	Text (BAB III) FILE 6.pdf - Accepted Version Restricted to Repository staff only Download (541kB) | Request a copy
	Text (BAB IV) FILE 7.pdf - Accepted Version Restricted to Repository staff only Download (945kB) | Request a copy
	Text (DAFTAR PUSTAKA) FILE 8.pdf - Accepted Version Restricted to Repository staff only Download (95kB) | Request a copy
	Text (LAMPIRAN) FILE 9.pdf - Accepted Version Restricted to Repository staff only Download (1MB) | Request a copy

Abstract

Anak-anak berkebutuhan khusus memerlukan pendekatan pendidikan yang disesuaikan dengan kondisi mereka untuk memastikan perkembangan yang optimal. Skripsi ini mengeksplorasi penggunaan algoritma Decision Tree C4.5 untuk mengklasifikasikan anak-anak berkebutuhan khusus berdasarkan 56 gejala yang diamati. Penelitian ini dilakukan pada bulan April hingga Mei 2024 di tiga sekolah luar biasa di Kota Sumenep: SLB Cinta Ananda, SLB Yasmin, dan SLB Drama Wanita, dengan menganalisis data dari 92 anak berkebutuhan khusus menggunakan algoritma Decision Tree C4.5. Pengujian algoritma ini menunjukkan akurasi yang bervariasi tergantung pada proporsi data pelatihan dan pengujian, yaitu 33,33% dengan 10% data pelatihan dan 90% data pengujian, 66,67% dengan 20% data pelatihan dan 80% data pengujian, serta 78,57% dengan 30% data pelatihan dan 70% data pengujian. Validasi k-fold menunjukkan akurasi tertinggi sebesar 90,67% dengan 10-fold validation, 84,09% dengan 5-fold validation, dan 61,15% dengan 3-fold validation. Skripsi ini memberikan kontribusi signifikan dalam meningkatkan pemahaman tentang proses mengidentifikasi keterbatasan pada anak-anak berkebutuhan khusus dan menekankan pentingnya pendekatan berbasis data untuk mengembangkan program pendidikan yang lebih efektif dan inklusif. Sistem ini dikembangkan menggunakan framework CodeIgniter untuk memfasilitasi penerapan algoritma Decision Tree C4.5 dalam analisis dan klasifikasi data.

Actions (login required)

View Item