penyebab
kemerosotan
atau
peningkatan kemampuan anak.
3. Pengambilan data dilakukan pada anak
usia 4-5 tahun.
4. Kriteria atau variabel yang digunakan
adalah Reflek Segmental, Reflek
Intersegmenta, Gerak Lokomotor,
Diskriminasi Kinestesis, Diskriminasi
Visual,
Ketahanan,Kekuatan,
keterampilan Adaptif, Keterampilan
Adaptif Kompleks, Gerakan Ekspresif
Manfaat yang dicapai dari penelitian ini
adalah:
1. Mengetahui
tingkat
ketercapaian
kemampuan
dasar
anak
dan
perkembangan
kemampuan
anak
berdasarkan aspek psikomotorik.
2. Untuk
guru, supaya mengetahui
perkembangan
kemampuan
anak
didiknya sehingga mendorong pendidik
untuk mengajar dan mendidik lebih baik.
3. Untuk orang tua, supaya mengetahui
perkembangan
kemampuan
anak
sehingga
dapat
membantu
mengoptimalkan
perkembangan
psikomotorik anaknya lebih terarah.
I.
PENDAHULUAN
Psikomotorik berhubungan dengan
proses aktivitas fisik yang berkaitan dengan
proses mental dan psikologi. Emosi anak
tampak mencolok pada anak-anak usia 2,5
sampai 3,5 tahun dan 5,5 sampai 6,5 tahun.
Selama masa kanak-kanak emosi mereka
sangat
kuat,
ini
merupakan
saat
ketidakseimbangan. Dalam arti bahwa anak
mudah terbawa ledakan-ledakan emosional
sehingga sulit dibimbing dan diarahkan.
Meskipun hal ini berlaku pada hampir
seluruh periode awal masa kanak-kanak.
Hasil belajar psikomotorik sangat berarti bagi
kehidupan
anak
karena
langsung
mempengaruhi perilaku dan perbuatannya.
Sehingga perkembangan psikomotorik anak
perlu diketahui, karena sangat mempengaruhi
kejiwaan, mental, psikologi dan perilaku.
Prediksi tingkat kemampuan anak
dalam penelitian ini adalah mencari jumlah
nilai setiap anak berdasarkan aspek
psikomotorik. Dengan demikian diharapkan
akan muncul suatu pola dimana dengan pola
masukan berupa nilai-nilai yang ada pada
aspek psikomotorik dan komputer akan
memberikan pola keluaran prediksi sesuai
dengan data yang dilatihkan. Hasil dari
pengembangan metode pada penelitian ini
diharapkan dapat memberikan manfaat untuk
mengetahui tingkat ketercapaian kompetensi
dasar anak, mengetahui perkembangan
kemampuan anak berdasarkan aspek
psikomotoriknya.
Berdasarkan latar belakang, maka
identifikasi masalahnya adalah:
1. Bagaimana menganalisis variabel yang
digunakan untuk memprediksi tingkat
kemampuan
anak
agar
bisa
mengetahui perkembangan kemampuan
anak berdasarkan aspek psikomotorik ?
2. Bagaimana
memprediksi
tingkat
kemampuan anak berdasarkan aspek
psikomotorik ?
Dengan lingkup permasalahan adalah
1. Prediksi tingkat kemampuan anak
mengacu pada penilaian pada aspek
psikomotorik.
2. Prediksi dilakukan dengan tidak
mempertimbangkan faktor-faktor lain
mereka tentang dunia. Adapun macammacam pola kognitif yang umum pada masa
anak-anak misalnya : anak mulai mengenal
nama hari, mengenal perbedaan bentuk,
mulai mengenal warna dan sebagainya.
3.
Perkembangan Bahasa Anak
Menurut Elisabeth B. Hurlock dan
diterjemahkan oleh Istiwidayanti dan
Soedjarwo (2008, h.82), Semua anak harus
dapat menguasai dua fungsi yang berbeda
dalam teknik bicara, kemampuan menangkap
maksud yang ingin di komunikasikan dengan
orang lain dan kemampuan untuk
berkomunikasi dengan orang lain sedemikian
rupa
sehingga
dapat
dimengerti.
Kemampuan
berbahasa
merupakan
kemampuan manusia yang membedakannya
dengan makhluk lain. Bicara merupakan
salah satu sarana oleh manusia untuk
melakukan komunikasi dengan orang lain.
Ini termasuk juga merupakan bagian dari
tahapan perkembangan anak. Ada tiga hal
yang terlibat dalam belajar bicara anak yaitu :
pengucapan, membangun kosakata, dan
menghubungkan kata-kata sehingga menjadi
sebuah kalimat.
4.
Perkembangan Emosi Anak
Menurut Elisabeth B. Hurlock dan
diterjemahkan oleh Istiwidayanti dan
Soedjarwo (2008, h. 114), Emosi anak
tampak mencolok pada anak-anak usia 2,5
sampai 3,5 tahun dan 5,5 sampai 6,5 tahun.
Selama masa kanak-kanak emosi mereka
sangat
kuat,
ini
merupakan
saat
ketidakseimbangan. Dalam arti bahwa anak
mudah terbawa ledakan-ledakan emosional
sehingga sulit dibimbing dan diarahkan.
Meskipun hal ini berlaku pada hampir
seluruh periode awal masa kanak-kanak.
Adapun macam-macam pola emosi yang
umum pada masa anak-anak yaitu :
kemarahan, ketakutan, rasa ingin tahu,
kegembiraan,
kesedihan,
afeksi
dan
sebagainya.
5.
Perkembangan Sosial Anak
Menurut Elisabeth B. Hurlock dan
diterjemahkan oleh Istiwidayanti dan
Soedjarwo (2008, h.118) , Yang umum
terjadi dalam masa perkembangan sosial
anak adalah bahwa anak lebih menyulai
kontak sosial yang sejenis dari pada
kelompok yang berlawanan . Perkembangan
2. Tiap-tiap
unit
tersembunyi
(Zi,
j=1,2,3,...,p) menjumlahkan sinyal-sinyal
input terbobot:
..(1)
gunakan fungsi aktivasi untuk menghitung
sinyal outputnya:
zj = f(z_inj)..(2)
dan kirimkan sinyal tersebut ke semua unit di
lapisan atasnya (unit-unit output).
a. Tiap-tiap unit output (Yk, k=1,2,3,...,m)
menjumlahkan
sinyal-sinyal
input
terbobot.
....(3)
gunakan fungsi aktivasi untuk menghitung
sinyal outputnya:
yk = f(y_ink)(4)
dan kirimkan sinyal tersebut ke semua
unit di lapisan atasnya (unit-unit output).
b. Tiap-tiap unit output (Yk, k=1,2,3,...,m)
menerima target pola yang berhubungan
dengan pola input pembelajaran, hitung
informasi errornya:
k = (tk yk) f(y_ink)..(5)
kemudian
hitung
koreksi
bobot
(digunakan untuk memperbaiki nilai wjk):
wjk = k zj...(6)
hitung juga koreksi bias (digunakan untuk
memperbaiki nilai w0k):
w0k = k .(7)
kirimkan k ini ke unit-unit yang ada di
lapisan bawahnya.
c. Tiap-tiap
unit
tersembunyi
(Zj,
j=1,2,3,...,p) menjumlahkan delta inputnya
(dari unit-unit yang berada pada lapisan di
atasnya):
_
=
.(8)
kalikan nilai ini dengan turunan dari
fungsi aktivasinya untuk menghitung
informasi error:
j = _inj f(z_inj(9)
kemudian
hitung
koreksi
bobot
(digunakan untuk memperbaiki nilai vij):
vjk = j xi(10)
hitung juga koreksi bias (digunakan untuk
memperbaiki nilai v0j):
v0j = j .(11)
d. Tiap-tiap unit output (Yk, k=1,2,3,...,m)
memperbaiki
bias
dan
bobotnya
(j=0,1,2,...,p):
wjk(baru) = wjk(lama) + wjk 12)
Tiap-tiap
unit
tersembunyi
(Zj,
j=1,2,3,...,p) memperbaiki bias dan
bobotnya (i=0,1,2,...,n):
vij(baru) = vij(lama) + vij.(13)
IV. METODOLOGI PENELITIAN
1. Jenis penelitian
Ditinjau dari jenis datanya maka
penelitian ini adalah penelitian kuantitatif
karena penelitian ini membutuhkan data
dalam bentuk angka angka/ nilai, atau
data dalam bentuk informasi , komentar ,
pendapat
atau
kalimat
namun
dikuantitatifkan.
2. Pengumpulan data
a. Studi literature
Pengumpulan data yang diperoleh
dengan
mengumpulkan
berbagai
sumber kepustakaan, baik berupa bukubuku, browsing di internet, jurnal,
laporan penelitian dan lain sebagainya
untuk ditelaah lebih lanjut sebagai
bahan pendukung penelitian.
b. Pengumpulan data lapangan
Metode pengumpulan data lapangan
digunakan untuk mengumpulkan data
data yang dibutuhkan dalam penelitian.
c. Dialog, diskusi dan konsultasi
Metode dialog, diskusi dan konsultasi
dilakukan dengan cara melakukan
konsultasi dengan dokter anak serta
melakukan dialog maupun diskusi
dengan sumbersumber lain yang
berhubungan dengan penelitian ini.
3. Menganalisa
dan
melakukan
perancangan sistem untuk mempelajari
pola data prediksi tingkat kemampuan
anak berdasarkan aspek psikomotorik
dengan metode backpropagation.
4. Mengimplementasikan hasil analisa
dan rancangan yang dilakukan pada
tahap sebelumnya menjadi perangkat
lunak untuk memprediksi tingkat
kemampuan anak berdasarkan aspek
psikomotorik.
5. Melakukan uji coba melalui system
yang dirancang.
6. Mengevaluasi hasil analisa yang
dilakukan oleh sistem berdasarkan pola
data yang dihasilkan dari proses uji
coba.
V. ANALISIS SISTEM
Mulai
Proses Database
sebagai Data Latih
Tidak
Latih
Konver
gen
Ya
Input Data Variabel
Psikomotorik (Dt Uji)
Proses Database
sebagai Data Uji
Uji
Target Diketahui
Selesai
2. Tahapan Kedua
Tabel 3. Penentuan Variabel Psikomotorik
8
C. Penentuan Variabel
Seluruh data
yang terkumpul
dipisahkan menjadi 2 bagian, yaitu masukan
dan keluaran. Yang tergolong masukan
secara berurutan adalah :
1. Gerak Reflek Segmental disimpan pada
variabel X1
2. Gerak Reflek Intersegmental disimpan
pada variabel X2
3. Gerakan Lokomotor disimpan pada
variabel X3
4. Diskriminasi Kinestesis disimpan pada
variabel X4
5. Diskrimninasi Visual disimpan pada
variabel X5
6. Ketahanan disimpan pada variabel X6
7. Kekuatan disimpan pada variabel X7
8. Keterampilan Adaptif disimpan pada
variabel X8
9. Keterampilan
Adaftif
Kompleks
disimpan pada variabel X9
10. Gerakan Ekspresif disimpan pada
variabel X10
Kesepuluh variabel dengan jumlah 80
responden yang akan dilatihkan disusun
menjadi suatu matriks P, dengan ukuran 10 x
80, dan 20 responden sebagai data penguji
ke dalam matriks Q dengan ukuran 10 x 20.
Variabel Input :
Variabel Output :
X1
X6
Sangat Bagus (1 1)
X2
X7
Bagus
(1 0)
X3
X8
Cukup
(0 1)
X4
X9
Kurang
(0 0)
X5
X10
3. Tahapan Ketiga
Arsitektur Jaringan :
1 Lapisan Input Data Psikomotorik:10 Sel
1 Lapisan Tersembunyi
(jumlah sel ditetapkan secara random)
1 Lapisan Output : 2 Sel
Nama
X
1
X
2
X
3
X
4
X
5
X
6
X
7
X
8
X
9
X10
Jumlah
Nilai
Target
Sebenar
nya
Rafi Pratama
64
01
Heru Suseno
67
10
Andika
65
10
Anggun Anggira
61
01
Hengki
75
11
Tasya Amanda
60
01
Syadiah Nuralifa
51
00
66
10
Legi Lestari
71
10
10
Dahlia Ayu
57
01
11
Felita Intan S
48
00
12
Aprilina A
57
01
13
Adi Yulianto
67
10
14
Edo Ponco P
75
11
15
Asri Ariesta
59
01
16
Astri Agustina
65
10
17
Brian Wahyudi
69
10
18
Anggun Kusuma
Fatchur Rahmad
6
6
4
6
6
7
6
5
3
4
7
7
7
8
6
7
2
5
1
3
49
19
58
00
01
20
Puspita Sari I
54
00
21
Maulana
61
01
22
Dwi Saputra
67
10
23
Agnarisma Latifa
70
10
24
Mardianti Olivia
67
10
25
58
01
26
Nur Azizah
61
01
27
Reka Apriawan
57
01
28
Rizky
80
11
29
Widhyanto
65
10
30
Fatir Yudho
77
11
31
Sabilah
63
01
32
Eksanti Azissa R
63
01
33
Salsabila K
60
01
34
Sendy Prasetyo
68
10
35
Wahyu Pramana
67
10
36
Wiranda H
68
10
37
Andra W
65
10
38
Dwi Ayudhiya C
76
39
Prabowo Dimas F
77
11
11
40
Rizky Eka R
62
01
41
Prahesty Fadila
59
01
42
Khoirunnisa H
59
01
43
Arroyan R
66
10
44
H Irvan Miftahul
66
10
45
Ismail Singgih
65
10
46
Fajar Romadhony
65
10
47
Riki Pratama P
64
01
48
Ismawati Sandara
61
01
49
Fantika Faadhilah
64
01
50
Farrel Hanafi
69
10
51
Emitasari Depy
67
10
52
Handik Prayoga
61
01
53
Ramandani R
59
01
11
54
Hanif Yusuf
69
10
55
Rahman A
77
11
56
Fitriani Puji
54
00
57
Ikka Pujiastuti
57
01
58
56
01
59
Bintang Putra
66
10
60
Hadi Setianto
59
01
61
Annisa Nur W
71
10
62
Lailatus Saadah
62
01
63
Mutiara Lutfiatul
64
01
64
66
10
65
Rindiani
59
01
66
Yayang Wijaya
64
01
67
Novitasari
66
10
68
Dimas priyo J
69
10
69
Hana Aulia S
65
10
70
Murdikatus S
64
01
71
Arsyad Widi
55
01
72
Firmansyah
65
10
73
Duta Dzaky
74
11
74
Fidia Ambar
63
01
75
Ryandra Irsy
76
11
76
Anwar Fathoni
76
11
77
Restu Putra
62
01
78
Muhammad G
65
10
79
Ria Isabella
63
01
80
Cyntia Sari
73
10
Keterangan :
X1: Gerak Reflek Segmental
X2: Gerak Reflek Intersegmental
X3: Gerakan Lokomotor
X4: Deskriminasi Kinestesis
X5: Deskriminasi Visual
X6: Ketahanan
X7: Kekuatan
X8: Keterampilan Adaptif
X9: Keterampilan Adaptif Kompleks
X10: Gerakan Ekspresif
Representasi variable input
1. Data kriteria psikomotorik
a. Jika persentase seluruh kriteria
psikomotorik 75 s/d 100, maka
dikategorikan Sangat Bagus, dengan
singkatan SB.
12
Nama
Rafi Pratama
Heru Suseno
Andika
Anggun A
Hengki
Tasya Amanda
Syadiah N
Elisa Aulia S
Legi Lestari
Dahlia Ayu
Felita Intan S
Aprilina A
Adi Yulianto
Edo Ponco P
Asri Ariesta
Astri Agustina
Brian Wahyudi
Anggun K
Fatchur R
Puspita Sari I
Maulana
Dwi Saputra
Agnarisma L
Mardianti O
Mira Puji L
Nur Azizah
Reka Apriawan
Rizky
Widhyanto
Fatir Yudho
Sabilah
Eksanti Azissa
Salsabila K
Sendy Prasetyo
Wahyu P
X1
X2
X3
X4
X5
X6
X7
X8
X9
X10
BGS
BGS
SBG
CKP
SBG
BGS
CKP
BGS
SBG
CKP
BGS
BGS
BGS
SBG
BGS
CKP
SBG
CKP
CKP
BGS
CKP
SBG
BGS
BGS
BGS
CKP
CKP
BGS
BGS
SBG
CKP
BGS
BGS
SBG
CKP
BGS
BGS
BGS
CKP
BGS
BGS
CKP
BGS
BGS
CKP
KRG
CKP
CKP
BGS
BGS
CKP
BGS
KRG
CKP
CKP
CKP
BGS
BGS
CKP
CKP
BGS
CKP
SBG
BGS
CKP
KRG
BGS
CKP
CKP
BGS
SBG
BGS
CKP
BGS
BGS
BGS
BGS
SBG
BGS
BGS
CKP
CKP
CKP
BGS
CKP
BGS
BGS
CKP
BGS
CKP
BGS
BGS
BGS
BGS
CKP
BGS
BGS
BGS
CKP
BGS
CKP
BGS
CKP
CKP
BGS
CKP
CKP
CKP
BGS
BGS
CKP
GGL
KRG
BGS
KRG
CKP
CKP
CKP
CKP
CKP
BGS
BGS
CKP
CKP
CKP
BGS
CKP
CKP
CKP
CKP
KRG
CKP
BGS
BGS
BGS
CKP
KRG
BGS
BGS
CKP
KRG
CKP
CKP
CKP
BGS
KRG
KRG
CKP
CKP
CKP
GGL
CKP
BGS
BGS
CKP
BGS
CKP
KRG
KRG
KRG
CKP
CKP
BGS
KRG
KRG
KRG
KRG
BGS
CKP
BGS
CKP
CKP
CKP
BGS
CKP
BGS
CKP
BGS
BGS
BGS
KRG
CKP
CKP
CKP
BGS
KRG
CKP
CKP
BGS
CKP
BGS
BGS
BGS
BGS
CKP
CKP
BGS
BGS
BGS
CKP
CKP
CKP
BGS
BGS
BGS
BGS
CKP
BGS
BGS
BGS
SBG
BGS
BGS
BGS
BGS
BGS
BGS
BGS
BGS
BGS
CKP
CKP
BGS
BGS
BGS
CKP
BGS
BGS
BGS
BGS
BGS
BGS
BGS
BGS
CKP
BGS
CKP
BGS
BGS
BGS
BGS
CKP
BGS
BGS
BGS
BGS
BGS
BGS
BGS
BGS
BGS
CKP
BGS
BGS
CKP
CKP
BGS
BGS
BGS
CKP
CKP
BGS
CKP
BGS
CKP
CKP
BGS
CKP
CKP
BGS
CKP
BGS
SBG
BGS
BGS
BGS
BGS
CKP
BGS
BGS
CKP
CKP
CKP
CKP
BGS
CKP
CKP
CKP
CKP
CKP
CKP
KRG
BGS
BGS
KRG
CKP
BGS
GGL
CKP
KRG
KRG
CKP
BGS
BGS
CKP
CKP
CKP
BGS
CKP
BGS
BGA
CKP
KRG
KRG
BGS
KRG
BGS
KRG
KRG
CKP
KRG
GGL
CKP
BGS
KRG
KRG
CKP
CKP
BGS
CKP
CKP
KRG
GGL
KRG
KRG
CKP
BGS
CKP
BGS
CKP
BGS
CKP
SBG
CKP
BGS
CKP
CKP
KRG
CKP
BGS
14
Target
Sebenarnya
CKP
BGS
BGS
CKP
SBG
CKP
KRG
BGS
BGS
CKP
KRG
CKP
BGS
SBG
CKP
BGS
BGS
KRG
CKP
KRG
CKP
BGS
BGS
BGS
CKP
CKP
CKP
SBG
BGS
SBG
BGS
BGS
CKP
BGS
BGS
36
37
38
39
40
41
42
Wiranda H
Andra W
Dwi Ayudhiya
Prabowo D
Rizky Eka R
Prahesty Fadila
Khoirunnisa H
43
Arroyan R
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
H Irvan M
Ismail Singgih
Fajar R
Riki Pratama P
Ismawati S
Fantika F
Farrel Hanafi
Emitasari Depy
Handik P
Ramandani R
Hanif Yusuf
Rahman A
Fitriani Puji
Ikka Pujiastuti
Anggi Putri D
Bintang Putra
Hadi Setianto
Annisa Nur W
Lailatus S
Mutiara L
Bayu Setia R
Rindiani
Yayang Wijaya
Novitasari
Dimas priyo J
Hana Aulia S
Murdikatus S
Arsyad Widi
Firmansyah
Duta Dzaky
Fidia Ambar
Ryandra Irsy
Anwar Fathoni
Restu Putra
Muhammad G
Ria Isabella
Cyntia Sari
BGS
BGS
SBG
BGS
BGS
BGS
BGS
BGS
BGS
SBG
CKP
BGS
BGS
CKP
BGS
BGS
CKP
BGS
BGS
CKP
BGS
BGS
BGS
CKP
KRG
CKP
BGS
BGS
CKP
CKP
BGS
BGS
CKP
BGS
BGS
CKP
BGS
BGS
BGS
BGS
BGS
CKP
BGS
BGS
BGS
BGS
CKP
BGS
CKP
CKP
SBG
BGS
KRG
KRG
CKP
CKP
BGS
BGS
CKP
CKP
BGS
BGS
SBG
SBG
CKP
CKP
BGS
CKP
CKP
BGS
CKP
KRG
BGS
BGS
CKP
CKP
CKP
BGA
BGS
BGS
SBG
BGS
BGS
BGS
SBG
BGS
BGS
CKP
BGS
BGS
BGS
BGS
BGS
BGS
BGS
BGS
BGS
BGS
BGS
CKP
CKP
BGS
BGS
CKP
BGS
BGS
BGS
BGS
BGS
BGS
SBG
CKP
BGS
BGS
BGS
BGS
BGS
CKP
BGS
BGS
CKP
CKP
BGS
CKP
BGS
BGS
BGS
BGS
CKP
CKP
BGS
CKP
CKP
BGS
BGS
BGS
BGS
CKP
BGS
BGS
BGS
CKP
CKP
CKP
CKP
BGS
BGS
BGS
BGS
BGS
BGS
CKP
BGS
CKP
BGS
BGS
CKP
BGS
CKP
CKP
BGS
BGS
CKP
CKP
BGS
BGS
CKP
CKP
BGS
BGS
CKP
BGS
CKP
BGS
BGS
CKP
BGS
CKP
BGS
BGS
BGS
CKP
CKP
BGS
BGS
BGS
BGS
BGS
BGS
BGS
BGS
CKP
CKP
CKP
CKP
CKP
BGS
KRG
CKP
CKP
CKP
KRG
CKP
BGS
CKP
CKP
CKP
CKP
CKP
BGS
BGS
CKP
BGS
CKP
CKP
CKP
CKP
BGS
CKP
CKP
BGS
BGS
BGS
BGS
BGS
CKP
BGS
BGS
BGS
CKP
CKP
BGS
CKP
CKP
CKP
BGS
BGS
BGS
CKP
BGS
BGS
BGS
KRG
CKP
KRG
CKP
KRG
CKP
CKP
CKP
CKP
BGS
CKP
BGS
CKP
CKP
CKP
CKP
CKP
BGS
CKP
BGS
BGS
CKP
BGS
CKP
BGS
CKP
CKP
CKP
BGS
CKP
CKP
BGS
BGS
BGS
BGS
CKP
BGS
BGS
CKP
CKP
BGS
BGS
CKP
BGS
BGS
CKP
BGS
CKP
BGS
BGS
BGS
BGS
BGS
BGS
CKP
BGS
BGS
BGS
BGS
CKP
BGS
CKP
BGS
BGS
BGS
BGS
CKP
BGS
CKP
BGS
BGS
BGS
BGS
BGS
BGS
BGS
BGS
CKP
BGS
BGS
CKP
BGS
BGS
CKP
BGS
CKP
BGS
BGS
BGS
CKP
BGS
CKP
BGS
BGS
CKP
SBG
BGS
BGS
BGS
BGS
BGS
BGS
BGS
BGS
BGS
BGS
BGS
BGS
CKP
CKP
CKP
CKP
BGS
BGS
CKP
CKP
CKP
BGS
BGS
BGS
BGS
BGS
CKP
CKP
BGS
CKP
CKP
BGS
BGS
CKP
BGS
BGS
CKP
BGS
BGS
BGS
CKP
BGS
CKP
BGS
CKP
KRG
CKP
CKP
BGS
BGS
BGS
CKP
KRG
CKP
BGS
BGS
KRG
CKP
KRG
CKP
CKP
CKP
CKP
CKP
CKP
CKP
CKP
CKP
BGS
CKP
CKP
KRG
CKP
BGS
CKP
CKP
BGS
KRG
CKP
KRG
CKP
CKP
CKP
CKP
CKP
BGS
KRG
CKP
CKP
CKP
CKP
CKP
CKP
CKP
KRG
KRG
GGL
BGS
BGS
BGS
CKP
CKP
KRG
CKP
KRG
BGS
BGS
CKP
CKP
GGL
CKP
BGS
KRG
BGS
BGS
CKP
KRG
CKP
BGS
BGS
BGS
BGS
BGS
CKP
CKP
CKP
BGS
BGS
CKP
CKP
BGS
SBG
KRG
CKP
CKP
BGS
CKP
BGS
CKP
CKP
BGS
CKP
CKP
BGS
BGS
BGS
CKP
CKP
BGS
SGS
CKP
SBG
SBG
CKP
BGS
CKP
BGS
Keterangan :
Nilai
SB
: Sangat Bagus
Jumlah Nilai
SB
: Sangat Bagus
16
BGS
CKP
KRG
GGL
: Bagus
: Cukup
: Kurang
: Gagal
BGS : Bagus
CKP : Cukup
KRG : Kurang
7
7
8
6
8
7
6
9
8
6
7
8
8
7
5
4
6
7
7
5
2
4
5
5
5
8
4
4
7
6
7
7
8
4
6
9
8
7
7
7
8
7
8
8
7
7
7
8
6
5
6
6
5
7
6
5
3
7
4
4
6
3
2
1) Penjumlahan berbobot:
Z_in1 = v01 + X11*V11 + X12*V12
X13*V13 + X14*V14
X15*V15 + X16*V16
X17*V17 + X18*V18
X19*V19 + X1-10*V1-10
= -6.6091+ (7*0.8378) +
=
0
1
1
0
1
0
0
1
0
0
1
1
1
0
-0.6603 0.9655 -0.1358 0.3510 0.7679 0.2710 -1.0949 -1.1095 1.5906 0.0371
= -8.4458
-0.0330 -1.7006 0.6874 -0.1332 0.6952 0.8656 0.3666 0.8716 -0.2873 0.2432
= -6.6091
0.5616
-1.6238
23.6501
+
+
+
+
0.9655 ) + (9 * -0.1358 ) + (5 *
0.3510) + (4* 0.7679 ) + (7* 0.2710) + (9*-1.0949) + (8*1.1095 ) +(5*1.5906 ) + (3*
0.0371)
0.2835 -0.1733
0.6233 -1.1993
+
+
+
+
(7*1.0924) + (9*0.5982) +
(5*0.4711) + (4*0.6079) + (7*0.6171) + (9*-1.0082) + (8*0.6360) + (5*-0.1533) +
(3*0.3866)
= -1.0150
0.8378
0.6171
3.3079
17
1 = (0 0.0607)
= -0.0778
1(
= -0.8893
Z2= (
Z3= (
8.4458
+0.0778 )
)=
0.2660
)=
2.1475e-004
= 0.4806
Z4= (
= 0.2913
0.8893 )
Operasi pada Output Layer --->
3) Perkalian:
Y_in1= w01 + Z1*W11 +Z2*W12 +Z3*
W13 + Z4* W14
= -1.5582 + (0.2660* 4.1308) +
(2.1475e-004*2.6079) (0.4806* 2.4325) + (0.2913*-3.8168)
= -2.7397
Y_in2 = w02 + Z1*W21 +Z2*W22 +Z3*
W23 + Z4* W24
= 2.0603+ (0.2660* 0.0511 ) +
(2.1475e-004* -1.2908 )
+(0.4806* -5.6337 ) +
(0.2913*3.3079)
= 0.3297
4) Aktivasi:
Y1 = (
2.7397 )
)
.
1+
= 0.0035
Error lapisan Y2 = 0 0.5817= -0.5817
Jumlah Kuadrat Error = (-0.5817)2 =
0.3384
1
2=
_
1+
1
1(
)
1+
1
2 = (1 0.5817)
.
1+
1
1(
)
.
1+
= 0.1018
11 = 1 1
11 = 0.02 (0.0035) 0.2660
= 1.8620 005
12 = 2 1
12 = 0.02 (0.1018) 0.2660
= 5.4158 004
21 = 1 2
21 = 0.02 (0.0035) 2.1475e
004
= 1.5033 008
22 = 2 2
22 = 0.02 (0.1018) 2.1475e
004 = 4.3723 007
31 = 1 3
31 = 0.02 (0.0035) 0.4806
= 3.3642 005
32 = 2 3
32 = 0.02 (0.1018) 0.4806
= 9.7850 004
41 = 1 4
41 = 0.02 (0.0035) 0.2913
= 2.0391 005
42 = 2 4
42 = 0.02 (0.1018) 0.2913
= 5.9309 004
01 = 1
01 = 0.02 (0.0035)
= 7.0000 005
02 = 2
02 = 0.02 (0.1018) = 0.0020
2) Aktivasi:
Z1= (
+1.0150
1+
= 0.0607
Y2 = (
) = 0.5817
.
Error lapisan Y1 = 0 0.0607= -0.0607
Jumlah Kuadrat Error = (-0.0607)2 =
0.0037
1
1=
_
1+
1
1(
)
1+
19
11 = 1 11 = 0.0035
4.1308 = -0.0145
12 = 2 21 = 0.1018 0.0511
= 0.0052
21 = 1 12
= 0.0035 2.6079
= 0.0091
22 = 2 22
= 0.1018 1.2908
= 0.1314
31 = 1 13
= 0.0035 2.4325
= 0.0085
32 = 2 23
= 0.1018 5.6337
= 0.5735
41 = 1 14
= 0.0035 3.8168
= 0.0134
42 = 2 24 = 0.1018 3.3079
= 0.3367
1
=
_ 1
1+
1
1(
)
_ 1
1+
1
= 0.0145
.
1+
1
1(
)
.
1+
= 0.0036
1
=
_ 1
1+
1
1(
)
_ 1
1+
1
= 0.0052
.
1+
1
1(
)
.
1+
= 0.0013
1
=
_
1+
1
1(
)
_
1+
= 0.0091
1+
1(
1
1+
1+
1+
= 0.0328
1
_
1+
1(
= 0.0085
1+
1(
1+ .
= 0.0023
1
_
1+
= 0.1314
1+
1
1(
1+
= 0.1354
1
_
1+
1(
= 0.0134
1+
1(
20
1+
1
.
1+
= 0.0033
1
_
1+
1(
1+
1
1
1
)
)
1(
1+
1
= 0.5735
.
1+
1+
= 0.0020
1
_
1+
)
)
)
)
= 0.3367
1+
1(
)
.
1+
= 0.0824
v11 = 11
= 0.02 (0.0036) 7
= 5.0400 004
v12 = 12 11
= 0.02 (0.0013) 7
= 1.8200 004
v21 = 21 11
= 0.02 (0.0023) 7
= 3.2200 004
v22 = 22 11
= 0.02 (0.0328) 7
= 0.0046
v31 = 31 11
= 0.02 ( 0.0020) 7
= 2.8000 004
v32 = 32 11
= 0.02 (0.1354) 7
= 0.0190
v41 = 41 11
= 0.02 (0.0033) 7
= 4.6200 004
v42 = 42 11
= 0.02 (0.0824) 7
= 0.0115
v01 = 11 = 0.02 (0.0036)
= 7.2000 005
v02 = 21 = 0.02 (0.0023)
= 4.6000 005
v03 = 31 = 0.02 ( 0.0020)
= 4.0000 005
v04 = 41 = 0.02 (0.0033)
= 6.6000 005
v11 = v11 + v11 = 0.8378 + 5.0400
004= 0.8373
v12 = v12 + v12 = 1.0924 + 1.8200
004= 1.0926
v13 = v13 + v13 = 0.5982 3.2200
004 = 0.5979
v14 = v14 + v14 = 0.4711 0.0046 =
0.4665
21
3.2855
Febri Andika
Dedi M
3
4
5
6
7
8
9
10
11
12
13
14
Nurul O
Angga S
Dea Nur P
Muhammad
Fitri Lestari
Meysa A
Guntur
Bima
Siti N
Kiki H
Mahesa
Syah Dewa
15
16
17
18
19
Marlinta
Andrea Putri
Wiranda
Zakarianta
Leliana
Nama
X10
Jumlah
Nilai
8
5
7
7
5
7
6
8
5
6
5
6
70
73
71
68
58
70
7
8
8
8
7
5
8
8
5
5
7
6
7
6
7
6
5
8
7
7
4
5
7
8
5
7
6
6
4
6
7
6
4
6
8
6
72
69
75
68
60
64
75
67
59
62
70
71
70
X1
X2
7
9
8
8
7
7
6
7
6
5
5
8
8
8
8
7
6
7
8
7
6
8
7
8
6
6
7
5
4
7
7
7
9
8
7
8
6
8
8
6
6
6
8
8
7
8
6
6
8
7
9
6
7
8
9
5
6
6
5
8
7
6
8
6
7
8
8
7
7
7
6
8
8
7
7
8
6
6
8
6
4
8
7
6
7
7
8
5
5
6
7
8
6
6
8
8
8
8
6
8
6
4
6
7
8
6
8
6
8
7
8
6
7
6
7
8
7
6
6
7
7
6
8
8
6
7
8
5
8
7
8
8
22
Target Uji
Sebenarnya
10
10
10
10
01
10
10
10
11
10
01
01
11
10
01
01
10
10
10
20
Duma P
Keterangan :
X1
: Gerak Reflek Segmental
X9
: Keterampilan Adaptif Kompleks
X6
: Ketahanan
X3
: Gerakan Lokomotor
X4
: Deskriminasi Kinestesis
X5
X2
X10
X7
X8
69
10
: Deskriminasi Visual
: Gerak Reflek Intersegmental
: Gerakan Ekspresif
: Kekuatan
: Keterampilan Adaptif
Nama
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
Febri Andika
Dedi M
Nurul O
Angga S
Dea Nur P
Muhammad
Fitri Lestari
Meysa A
Guntur
Bima
Siti N
Kiki H
Mahesa
Syah Dewa
Marlinta
Andrea Putri
Wiranda
Zakarianta
Leliana
Duma P
X1
BGS
SBG
BGS
BGS
BGS
BGS
BGS
BGS
SBG
CKP
BGS
BGS
SBG
CKP
CKP
CKP
CKP
BGS
CKP
CKP
X2
CKP
BGS
CKP
CKP
CKP
BGS
BGS
CKP
BGS
CKP
BGS
BGS
BGS
BGS
BGS
BGS
CKP
BGS
BGS
BGS
X9
BGS
CKP
BGS
BGS
CKP
BGS
BGS
CKP
BGS
CKP
CKP
BGS
BGS
BGS
KRG
CKP
BGS
BGS
BGS
BGS
X10
CKP
BGS
CKP
CKP
CKP
CKP
CKP
BGS
CKP
CKP
KRG
CKP
BGS
CKP
KRG
CKP
BGS
CKP
BGS
CKP
Target Uji
Sebenarnya
BGS
BGS
BGS
BGS
CKP
BGS
BGS
BGS
SBG
BGS
CKP
CKP
SBG
BGS
CKP
CKP
BGS
BGS
BGS
BGS
Keterangan :
Nilai
Jumlah Nilai
SB
: Sangat Bagus
SB
: Sangat Bagus
BGS : Bagus
BGS : Bagus
CKP : Cukup
CKP : Cukup
KRG : Kurang
KRG : Kurang
GGL : Gagal
Tabel 7 di atas merupakan data input yang
belum dikenal oleh jaringan saraf tiruan.
telah ditansformasi menjadi numeric untuk
Jika hasil output memiliki pesentase yang
dilatih. Keluaran atau target yang
sangat tinggi maka sistem yang di buat
diinginkan dibagi menjadi 4 pola keluaran
dikatakan cerdas dan jika hasil presentase
yaitu :
rendah maka sistem yang dibuat belumlah
1. (1 1) = Sangat Bagus
dikatakan cerdas. Oleh sebab itu perlu
2. (1 0) = Bagus
dilakukan pelatihan terhadap data yang
3. (0 1) = Cukup
besar (banyak) agar ketika diujikan data
4. (0 0) = Kurang
yang belum dikenal sistem dapat dikenali
Data uji yang akan diujikan kedalam
dengan cepat dan tepat.
jaringan adalah data yang sama sekali
[w1,b1,w2,b2]=initff(p,80,'logsig',t,'logsig'
)
[w1,b1,w2,b2]=trainbp(w1,b1,'logsig',w2,b
2,'logsig',p,t,tp)
l=simuff(p,w1,b1,'logsig',w2,b2,'logsig')
l=l'
Durasi : 17 menit
hasil konvergen pelatihan = 100%
Kemudian
dilanjutkan
dengan
pelatihan ke- 2 yang terlihat pada gambar 6
VI.
PELATIHAN
Data dilatihkan dengan dipengaruhi
oleh model algoritma jaringan yang
digunakan dan jumlah lapisan tersembunyi
data psikomotorik. Untuk menghasilkan
iterasi tercepat, nilai-nilai dari jumlah
lapisan tersembunyi
diubah-ubah.
Perubahan dilakukan dengan memberi nilai
tetap pada salah satu item. Pelatihan data
yang paling cepat konvergen terjadi pada
epoch ke-100000 dengan nilai sbb:
a. Jumlah sel lapisan tersembunyi : 10
s/d 100
b. Maksimum Epoch : 100000
c. Konstanta Belajar : 0.01 s/d 0.07
d. Galat yang diijinkan : 0.1
Hasil pelatihan dilakukan melalui 2
tahap, yaitu pelatihan terhadap data yang
dilatihkan dan pengujian pada data yang
baru yang belum pernah dilatihkan.
Adapun data yang dilatihkan terdiri dari
data 100 orang anak , dimana terdiri dari
data 80 orang anak yang dilatihkan dan
data 20 orang anak yang diujikan
merupakan data yang baru yang belum
dikenal oleh jaringan. Hal tersebut
berfungsi untuk menguji seberapa besar
JST mengenali data yang baru.
A. Data Latih
Tabel 8. Hasil Pelatihan Data Latih Yang Diambil Secara Acak Yang Diinput Ke Dalam
JST Dengan Metode Backpropogation
Pola
Inpu
t
P
P
P
P
P
P
P
P
P
P
P
P
P
P
P
P
P
P
P
P
P
P
Pola
Outpu
t
T
T
T
T
T
T
T
T
T
T
T
T
T
T
T
T
T
T
T
T
T
T
Lapisan
Tersem
bunyi
10
20
70
20
40
80
100
20
50
60
90
60
90
20
50
80
30
60
70
90
60
100
Konsta
nta
Belajar
0.01
0.01
0.01
0.02
0.02
0.02
0.02
0.03
0.03
0.03
0.03
0.04
0.04
0.05
0.05
0.05
0.06
0.06
0.06
0.06
0.07
0.07
Gala
t
0.1
0.1
0.1
0.1
0.1
0.1
0.1
0.1
0.1
0.1
0.1
0.1
0.1
0.1
0.1
0.1
0.1
0.1
0.1
0.1
0.1
0.1
Fungsi
Aktivas
i
Logsig
Logsig
Logsig
Logsig
Logsig
Logsig
Logsig
Logsig
Logsig
Logsig
Logsig
Logsig
Logsig
Logsig
Logsig
Logsig
Logsig
Logsig
Logsig
Logsig
Logsig
Logsig
Tampila
n Per
Iterasi
50
50
50
50
50
50
50
50
50
50
50
50
50
50
50
50
50
50
50
50
50
50
Maksimu
m Epoch
100000
100000
100000
100000
100000
100000
100000
100000
100000
100000
100000
100000
100000
100000
100000
100000
100000
100000
100000
100000
100000
100000
0,01
0,02
0,03
0,04
0,05
0,06
0,07
75%
TK
TK
TK
TK
TK
TK
Konver
gen
100%
100%
100%
100%
100%
100%
100%
100%
100%
100%
100%
100%
100%
100%
100%
100%
100%
100%
100%
100%
100%
100%
20
80%
85%
70%
TK
85%
TK
TK
30
TK
TK
TK
30%
TK
80%
70%
40
65%
80%
TK
TK
TK
TK
70%
50
TK
65%
85%
65%
75%
TK
75%
60
TK
TK
70%
85%
70%
90%
85%
70
95%
70%
70%
70%
65%
85%
75%
80
TK
80%
TK
70%
75%
60%
70%
90
TK
TK
75%
75%
65%
80%
70%
TK
85%
TK
70%
TK
70%
85%
100
Keterangan :
KB
:
LT
:
TK
:
Konstanta Belajar
Lapisan Tersembunyi
Tidak Konvergen
Diketahui :
Data keberhasilan (Benar) = 19
Data yang salah = 1
Jumlah data = 20
Jadi ;
Presentase =
19 x 100 = 95 %
20
Jadi dari hasil perhitungan di atas
di dapat hasil prosentase keberhasilannya
adalah 95%. Adapun hasil pengujian
terhadap data yang baru yang paling
konvergen dapat dilihat pada tabel 10
VII. PENGUJIAN
Bobot awal pada learning rate
0.01 dan diberikan lapisan tersembunyi
70 pada percobaan ke- 5, yaitu dengan
jumlah
epoch
35293.
Dengan
membandingkan
hasil
perhitungan
manual
dengan
program.
Untuk
menghitung presentase hasil kebenaran
dari aplikasi yang di buat menggunakan
rumus sebagai berikut:
Data Keberhasilan
Presentase =
x 100
Jumlah Data
Tabel 10. Hasil Analisa Prediksi Terhadap Data Baru Yang Diuji.
Kriteria aspek Psikomotorik anak
NO
Nama
1
2
3
4
5
6
7
8
9
Febri Andika
Dedi M
Nurul O
Angga S
Dea Nur P
Muhammad
Fitri Lestari
Meysa A
Guntur
10
11
Bima
Siti N
X1
X2
X3
X4
X5
X6
X7
X8
X9
X10
7
9
8
8
7
7
8
7
6
7
6
5
5
8
7
6
8
8
8
7
6
7
8
7
8
7
6
8
7
8
7
7
6
6
7
5
4
7
8
8
7
7
9
8
7
8
8
7
6
8
8
6
6
6
7
6
8
8
7
8
6
6
7
8
8
5
7
7
5
7
7
6
6
8
5
6
5
6
5
7
9
6
7
8
6
7
7
8
6
8
5
5
6
8
6
8
6
7
8
8
6
8
8
7
7
6
5
6
6
4
Target
Uji
Sebenarn
ya
10
10
10
10
01
10
10
10
11
10
01
HP
U
10
10
10
10
01
10
10
10
11
10
01
KSB
KJST
Bagus
Bagus
Bagus
Bagus
Cukup
Bagus
Bagus
Bagus
Sangat
Bagus
Bagus
Cukup
Benar
Benar
Benar
Benar
Benar
Benar
Benar
Benar
Benar
Benar
Benar
12
13
Kiki H
14
15
16
17
18
19
20
Syah Dewa
Marlinta
9
5
6
6
5
8
6
6
8
7
7
7
6
8
7
7
8
6
4
8
7
6
8
8
7
8
6
6
8
8
6
6
6
7
8
6
8
6
8
6
7
8
7
6
6
7
6
8
8
5
8
7
8
8
8
6
8
8
5
5
7
6
6
8
7
7
4
5
7
8
8
8
7
6
4
6
8
6
7
6
Mahesa
Andrea Putri
Wiranda
Zakarianta
Leliana
Duma P
01
11
10
11
10
01
01
10
10
10
10
01
01
01
10
10
10
11
Cukup
Sangat
Bagus
Bagus
Cukup
Cukup
Bagus
Bagus
Bagus
Bagus
Keterangan :
X1
: Gerak Reflek Segmental
X5
: Deskriminasi Visual
X9
: Keterampilan Adaptif Kompleks
X2
: Gerak Reflek Intersegmental
X6
: Ketahanan
X10 : Gerakan Ekspresif
X3
: Gerakan Lokomotor
X7
: Kekuatan
X4
: Deskriminasi Kinestesis
X8
: Keterampilan Adaptif
HPU : Hasil Pengujian
KSB : Kondisi Sebenarnya
KJST : Ketepatan Jaringan Saraf Tiruan
VIII. KESIMPULAN
Berdasarkan hasil penelitian dan
pembahasan yang telah dilakukan dapat
diambil beberapa kesimpulan antara lain :
1. Penerapan data mining dengan
jaringan syaraf tiruan dapat
memprediksi tingkat kemampuan
anak
berdasarkan
aspek
psikomotorik untuk menentukan
apakah psikomotorik anak tersebut
sangat bagus, bagus, cukup atau
kurang.
2. Untuk mendapatkan hasil prediksi
yang
lebih
akurat
perlu
memperhatikan
lapisan
tersembunyi, learning rate, galat
yang diijinkan dan maksimum
epoch.
3. Hasil output pada proses pengujian
terhadap data baru yang diprediksi
yang
diinginkan
mendekati
ketepatan pada hasil presentase
keberhasilan mencapai 95%, karena
DAFTAR PUSTAKA
Decaprio, Richard., Aplikasi Teori
Pembelajaran Motorik Di Sekolah,
DIVA Press, Jokjakarta, 2013
Jurnal Media Informatika ( Vol. 2, No. 2,
Desember 2004 : 1-11, oleh Kiki,
Sri Kusumadewi, judul : Jaringan
Saraf Tiruan Dengan Metode
Salah
Benar
Benar
Benar
Benar
Benar
Benar
Benar
Benar
Backpropogation
Untuk
Mendeteksi Gangguan Psikologi)
Jurnal Teknik Informatika ( Vol. 7, No. 3,
Desember 2009 : 195 200, oleh
Yeni Nuraeni, judul : Penerapan
Jaringan Saraf Tiruan Untuk
Mengukur Tingkat Korelasi Antara
NEM dengan IPK Kelulusan
Mahasiswa )
Jurnal SAINTIKOM (Vol. 10, No. 2, Mei
2011 : 111 123, oleh Badrul
Anwar,
judul
:
Penerapan
Algoritma Jaringan Saraf Tiruan
Backpropogation
Dalam
Memprediksi Tingkat Suku Bunga
Bank )
Kusumadewi, Sri., Artificial Intelligence
(Teknik dan Aplikasinya), Graha
Ilmu, Yogyakarta, 2003.