Abstrak. Denver Developmental Screening Test (DDST) bertujuan menilai perkembangan anak pada
empat sektor yaitu perkembangan personal sosial, motorik halus, bahasa dan motorik kasar anak mulai
usia 0 bulan sampai 6 tahun (72 bulan). Penelitian ini menerapkan metode Naïve Bayes Classifier yang
merupakan metode di dalam data mining untuk mengklasifikasikan data dengan memanfaatkan nilai
probabilitas dari data dokumen contoh sebelumnya. Data yang menjadi acuan dalam penelitian ini adalah
data perkembangan anak pada Posyandu Mentari Kelurahan Sidomulyo Kota Bengkulu sebanyak 513
data dan dilakukan pembagian untuk data training sebanyak 403 data dan data testing sebanyak 110 data.
Sistem ini menentukan klasifikasi status perkembangan anak usia dini berdasarkan tiga kelas yaitu
normal, suspect dan abnormal. Parameter masukan yang digunakan ada 6 yaitu: usia, jenis kelamin,
jumlah gagal sektor 1, jumlah gagal sektor 2, jumlah gagal sektor 3 dan jumlah gagal sektor 4. Sistem
dirancang menggunakan bahasa pemrograman Java. Dari hasil pengujian validitas sistem menggunakan
single decision threshold (one feature) dihasilkan tingkat akurasi sebesar 83,1%.
Kata Kunci: Perkembangan Anak, Denver Developmental Screening Test (DDST), Naïve Bayes
Classifier.
Abstract. Denver Developmental Screening value (P-value) from previous seen documents.
Test (DDST) is used to assess children Sample data used in this research are data of
development in four sectors, namely: personal children development taken from Posyandu
and social development, fine motor, language, Mentari Kelurahan Sidomulyo Kota Bengkulu
and gross motor development of children in for about 513 instances with 403 instances for
range from 0 month to 6 years old (72 months). training and the 110 remains are for testing.
Naïve Bayes Classifier is a data mining This expert system defines classification of early
technique that classify data using probability childhood development status based on three
107 ejournal.unib.ac.id
Jurnal Rekursif, Vol. 3 No.2 November 2015, ISSN 2303-0755
classes: normal, suspect, and abnormal. The six demikian dapat tercapai kondisi tumbuh kembang
input parameters used, are age, sex, number of yang optimal.
failed sector 1, number of failed sector 2, Dalam ilmu kebidanan untuk menilai sejauh
number of failed sector 3, and the number of mana perkembangan anak, terdapat atau tidaknya
failed sector 4. The application is built using penyimpangan perkembangan digunakan Denver
Java programming language. From the Developmental Screening Test (DDST) yang
experiments, the system validity using single bertujuan menilai perkembangan anak pada empat
decision threshold (one feature) results an aspek yaitu perkembangan personal sosial, motorik
accuracy rate of 83.1%. halus, bahasa dan motorik kasar anak mulai usia 0
Keywords: Children Development, Denver bulan sampai 6 tahun. Problem yang timbul pada
Developmental Screening Test (DDST), Naïve bidang-bidang tersebut jika tidak dideteksi secara
Bayes Classifier. dini akan mempunyai akibat dalam kehidupan
pribadi dan pekerjaan anak diwaktu kemudian [2].
I. PENDAHULUAN
Sistem pakar merupakan program komputer
Aspek tumbuh kembang pada anak merupakan
yang mampu menyimpan pengetahuan dan kaidah
aspek penting yang menjelaskan mengenai proses
seorang pakar yang khusus. Sistem pakar sangat
pembentukan seseorang, baik secara fisik maupun
membantu untuk pengambilan keputusan,
psikososial. Namun sebagian orang tua belum
dimana sistem pakar ini dapat mengumpulkan dan
memahami hal ini. Banyak yang menganggap
menyimpan pengetahuan dari seseorang atau
selama anak tidak sakit berarti anak tersebut tidak
beberapa orang pakar dalam suatu basis
mengalami masalah kesehatan termasuk
pengetahuan (knowledge base) dan
perkembangannya.
menggunakan sistem penalaran yang menyerupai
Periode penting dalam perkembangan anak
seorang pakar dalam memecahkan masalah.
adalah masa balita atau masa kritis proses tumbuh
Seorang pakar pada penilitian ini adalah bidan.
kembang anak yaitu dibawah 6 tahun. Pada masa
Berdasarkan permasalahan diatas, untuk
ini perkembangan kemampuan anak berbahasa,
mengatasi sebelum terjadinya gejala-gejala
kreativitas, kesadaran sosial, emosional dan
abnormal pada anak dan agar dapat menemukan
intelegensia berjalan sangat cepat dan merupakan
ada atau tidaknya keterlambatan perkembangan
landasan perkembangan berikutnya [1].
anak sedini mungkin maka penulis tertarik untuk
Guna deteksi dini perkembangan anak adalah
merancang sebuah sistem pakar dengan judul
untuk mengetahui penyimpangan tumbuh
“Sistem Pakar Klasifikasi Status Perkembangan
kembang anak secara dini, sehingga upaya
Anak Usia Dini Dengan Metode Naïve Bayes
pencegahan, upaya stimulasi, dan upaya
Classifier Berbasis DDST Rules”. Metode Naïve
penyembuhan serta pemulihan dapat diberikan
Bayes Classifier adalah suatu metode yang
dengan indikasi yang jelas secara dini pada masa-
digunakan untuk memprediksi keanggotaan suatu
masa kritis proses tumbuh kembang. Upaya ini
class dengan menggunakan pendekatan
diberikan sesuai umur perkembangan anak, dengan
probabilitas untuk menghasilkan klasifikasi. Dalam
ejournal.unib.ac.id 108
Jurnal Rekursif, Vol. 3 No.2 November 2015, ISSN 2303-0755
penelitian ini akan dideteksi perkembangan anak menyebabkan penyimpangan perkembangan anak
usia dini melalui pertanyaan tugas-tugas bahkan gangguan yang menetap [4].
perkembangan yang diberikan sesuai dengan usia
C. Denver Development Sreening Test (DDST)
anak (dalam bulan) berdasarkan aturan DDST.
Denver Development Sreening Test (DDST)
II. LANDASAN TEORI merupakan salah satu alat skrining perkembangan,
alat ini membantu tenaga kesehatan untuk
A. Perkembangan Anak
mengetahui sedini mungkin penyimpangan
Perkembangan adalah bertambahnya
perkembangan yang terjadi pada anak sejak lahir
keterampilan dan fungsi yang kompleks dalam pola
sampai berusia 6 tahun. Pemeriksaan dilakukan
yang teratur. Perkembangan (development)
secara rutin yaitu setiap bulan.
berkaitan dengan pematangan dan penambahan
Tes DDST bukanlah tes diagnostik atau tes IQ.
kemampuan (skill) fungsi organ atau individu.
DDST memenuhi semua persyaratan yang
Kedua proses ini terjadi secara sinkron pada
diperlukan untuk metode skrining yang baik. Tes
setiap individu.
ini dilakukan kurang lebih 20 menit, dapat
Penilaian terhadap perkembangan seorang anak
diandalkan dan menunjukkkan validitas yang
dapat di nilai melalui kemampuan fungsi organ
tinggi. Dari beberapa penelitian yang pernah
seseorang dalam melakukan fungsi tubuhnya,
dilakukan ternyata DDST secara efektif dapat
seperti kemampuan dia bergerak, bernyanyi,
mengidentifikasikan antara 85-100% bayi dan
berbicara dan berjalan atau kemampuan gerak
anak-anak prasekolah yang mengalami
kasar, gerak halus, bicara dan bahasa serta
keterlambatan perkembangan, dan pada “follow
sosialisasi dan kemandirian [3].
up” selanjutnya ternyata 89% dari kelompok
B. Stimulasi DDST abnormal mengalami kegagalan di sekolah
Stimulasi adalah kegiatan merangsang 5-6 tahun kemudian [2].
kemampuan dasar anak umur 0-6 tahun agar anak
D. Aspek Perkembangan
tumbuh dan berkembang secara optimal. Setiap
Aspek perkembangan yang dinilai dalam
anak perlu mendapat stimulasi rutin sedini
pemeriksaan DDST terdiri dari 125 tugas
mungkin dan terus menerus pada setiap
perkembangan. Tugas perkembangan yang
kesempatan. Stimulasi perkembangan anak dapat
diberikan adalah sesuai dengan usia kronologis
dilakukan oleh kedua orang tua, pengasuh anak,
anak tiap bulan. Alat yang diperlukan dalam
anggota keluarga terdekat dan kelompok
pemeriksaan perkembangan anak diberikan sesuai
masyarakat di lingkungan rumah tangga dalam
usia anak untuk menunjang pemeriksaan. Ada 4
kehidupan sehari-hari. Stimulasi ini diberikan
sektor perkembangan yang dinilai:
kepada anak dengan klasifikasi status
1. Personal Social (perilaku sosial)
perkembangan abnormal, stimulasi ini oleh sistem
Aspek yang berhubungan dengan kemampuan
sebagai data solusi. Kurangnya stimulasi dapat
mandiri, bersosialisasi dan berinteraksi dengan
lingkungannya.
109 ejournal.unib.ac.id
Jurnal Rekursif, Vol. 3 No.2 November 2015, ISSN 2303-0755
2. Fine Motor Adaptive (gerakan motorik halus) Naïve bayes adalah Teorema Bayes, yaitu
Aspek yang berhubungan dengan kemampuan teorema yang digunakan dalam statistika untuk
anak untuk mengamati sesuatu, melakukan menghitung suatu peluang, Naïve Bayes
gerakan yang melibatkan bagian-bagian tubuh Classifier menghitung peluang dari satu kelas dari
tertentu dan dilakukan otot-otot kecil, tetapi masing-masing kelompok atribut yang ada dan
memerlukan koordinasi yang cermat. menentukan kelas yang paling optimal. Proses
3. Language (bahasa) pengelompokan atau klasifikasi dibagi menjadi
Kemampuan untuk memberikan respons dua fase yaitu learning/training dan testing/classify.
terhadap suara, mengikuti perintah dan Pada fase learning , sebagian data yang telah
berbicara spontan. diketahui kelas, datanya diumpankan untuk
4. Gross motor (gerakan motorik kasar) membentuk model perkiraan. Kemudian pada fase
Aspek yang berhubungan dengan pergerakan testing, model yang sudah terbentuk diuji dengan
dan sikap tubuh. sebagian data.
Naïve Bayes Classifier merupakan salah satu
metoda machine learning yang memanfaatkan
E. Sistem Pakar
perhitungan probabilitas dan statistik yang
Sistem pakar adalah program artificial
dikemukakan oleh ilmuwan Inggris Thomas Bayes,
intelegence yang menggabungkan pangkalan
yaitu memprediksi probabilitas di masa depan
pengetahuan (knowledge base) dengan sistem
berdasarkan pengalaman di masa sebelumnya.
inferensi. Perangkat lunak komputer yang memiliki
Dasar dari Naïve Bayes yang dipakai dalam
basis pengetahuan untuk domain tertentu dan
pemrograman adalah rumus Bayes [6]:
menggunakan penalaran inferensi menyerupai
seorang pakar dalam memecahkan suatu
permasalahan. Sistem pakar adalah sebuah teknik
Likelihood Class Prior Probability
inovatif baru dalam menangkap dan memadukan
pengetahuan. Kekuatan sistem pakar terletak pada
𝑃 𝐸 𝐻 .𝑃(𝐻)
P(H|E) = .................................... (1)
kemampuannya memecahkan masalah-masalah 𝑃(𝐸)
ejournal.unib.ac.id 110
Jurnal Rekursif, Vol. 3 No.2 November 2015, ISSN 2303-0755
Dimana: 𝑥=Rata-rata hasil dari setiap kelas dan untuk setiap kelas yang menunjuk kelas yang
parameter, n=banyak data dihasilkan.
2. Hitung probabilitas setiap parameter untuk
G. Basis Data
semua kelas menggunakan perhitungan dengan
Database merupakan kumpulan data yang
fungsi Densitas Gauss [6] :
saling berhubungan. Hubungan antar data dapat
−(𝑥−𝜇 )2
1 ditunjukkan dengan adanya field kunci dari setiap
𝑓(𝑥) = 𝑒 2𝜎 2
.............................. (3)
2𝜋σ
tabel yang ada. Dalam satu file atau tabel terdapat
Dimana: 𝜇 = 𝑚𝑒𝑎𝑛, 𝜎 = 𝑠𝑡𝑎𝑛𝑑𝑎𝑟 𝑑𝑒𝑣𝑖𝑎𝑠𝑖, record-record yang sejenis, sama besar, sama
111 ejournal.unib.ac.id
Jurnal Rekursif, Vol. 3 No.2 November 2015, ISSN 2303-0755
dikumpulkan yaitu mengenai metode Denver training sebanyak 403 data dan data testing
Developmental Screening Test (DDST) sebagai sebanyak 110 data. Data training adalah data yang
acuan tugas perkembangan anak untuk dijadikan data master dan menjadi data acuan
ejournal.unib.ac.id 112
Jurnal Rekursif, Vol. 3 No.2 November 2015, ISSN 2303-0755
Pakar
Login
tidak
IV. ANALISIS DAN PERANCANGAN ya
Pilih Sub
Menu Opsi
Autentikasi Pengguna
Sukses?
Dalam sistem ini, input berupa data anak yaitu Halaman Pilih Tab Menu
Pilih Sub
Menu Keluar
Utama Pakar Home
Pilih Sub
Classifier. Sedangkan output pada sistem ini Menu Data Tugas
Perkembangan
ya
Manajemen Data
Tugas
Pek=rkembangan
Pilih Tab Menu Pilih Sub Menu Manajemen
ya ya
adalah klasifikasi perkembangan anak yaitu Konsultasi Pendaftaran Pendaftaran
tidak
tidak
Pilih Sub Manajemen Data
normal, suspect atau abnormal. Gambar 2 Menu Data Solusi
ya
Solusi
Pilih Sub
Informasi
Menu Data
Data
Pelatihan Pelatihan
Pilih Tab
Informasi
Menu Pilih Sub Menu
ya Petunjuk
Informasi Petunjuk Aplikasi Aplikasi
tidak
Informasi
Pilih Sub Menu Tentang
ya
Tentang Aplikasi Aplikasi
tidak
Informasi
Pilih Sub Menu Tentang
Tentang Perkemba
Perkembangan ngan Anak Selesai
Anak
113 ejournal.unib.ac.id
Jurnal Rekursif, Vol. 3 No.2 November 2015, ISSN 2303-0755
ejournal.unib.ac.id 114
Jurnal Rekursif, Vol. 3 No.2 November 2015, ISSN 2303-0755
merancang dan mendokumentasikan sistem Anggota dan Statistik merupakan perluasan dari
perangkat lunak. Tidak semua diagram mutlak menu Konsultasi atau dapat diakses jika
harus digunakan dalam pengembangan perangkat pengguna telah masuk pada menu Konsultasi.
lunak, semuanya dibuat sesuai dengan kebutuhan Sub menu Petunjuk Aplikasi, Tentang Aplikasi
[7]. dan Tentang Perkembangan merupakan
Karena penelitian ini tidak melakukan proses perluasan dari menu Informasi atau jika
yang kompleks serta termasuk sistem yang kecil pengguna telah memilih menu Informasi maka
dan lebih spesifik maka 4 diagram dianggap sudah pengguna juga dapat mengakses ketiga sub
mewakili sesuai kebutuhan yaitu Use-Case menu yang ada pada menu Informasi.
Diagram, Activity Diagram, Sequence Diagram 2. Activity Diagram
dan Class Diagram. Diagram UML ini dibuat
dengan menggunakan perangkat lunak Astah
Community.
1. Use Case Diagram
115 ejournal.unib.ac.id
Jurnal Rekursif, Vol. 3 No.2 November 2015, ISSN 2303-0755
3. Sequence Diagram
ejournal.unib.ac.id 116
Jurnal Rekursif, Vol. 3 No.2 November 2015, ISSN 2303-0755
117 ejournal.unib.ac.id
Jurnal Rekursif, Vol. 3 No.2 November 2015, ISSN 2303-0755
kembali berfungsi untuk kembali ke halaman opsi 4. Halaman Data Tugas Perkembangan DDST
pengguna, tombol batal berfungsi untuk
mengosongkan field dan tombol masuk berfungsi
untuk masuk ke halaman utama sistem pakar.
2. Halaman Utama Pengguna (Pakar)
Halaman pada Gambar 10 akan tampil jika pakar Gambar 12. Tampilan Halaman Data Pelatihan
memilih submenu data anak pada menu pakar. Halaman ini
Halaman pada Gambar 12 akan tampil jika
berfungsi untuk pakar mengolah data anak yang ada pada
pakar memilih submenu data pelatihan pada menu
sistem atau telah terdaftar menjadi anggota.
ejournal.unib.ac.id 118
Jurnal Rekursif, Vol. 3 No.2 November 2015, ISSN 2303-0755
5 MENIT
Halaman pada Gambar 14 akan tampil jika
pengguna/pemeriksa selesai menjawab pertanyaan
tugas perkembangan pada halaman pemeriksaan
Gambar 13. Tampilan Halaman Pemeriksaan Perkembangan
dan hasil pemeriksaan adalah abnormal. Halaman
Anak
ini berisi hasil diagnosa perkembangan anak,
Halaman pada Gambar 13 merupakan halaman jumlah jawaban gagal tiap sektor. Jumlah jawaban
pemeriksaan perkembangan anak. Pada halaman gagal 4 sektor merupakan parameter untuk metode
ini terdapat sektor sesuai dengan tugas Naïve Bayes Classifier dalam mengklasifikasikan
perkembangannya yaitu sektor personal sosial, hasil perkembangan anak. Pada halaman ini juga
motorik halus, bahasa dan motorik kasar. Tugas disajikan langkah perhitungan menggunakan
perkembangan diberikan kepada anak dengan metode Naïve Bayes Classifier dengan 7 tombol
bantuan pengguna / pemeriksa. Pengguna / yang berfungsi untuk menampilkan hasil
pemeriksa harus memilih opsi jawaban tiap tugas perhitungan kedalam tabel yaitu tombol mean,
perkembangan dengan bantuan petunjuk dan watu standar deviasi, densitas Gauss, probabilitas jenis
maksimal pelaksanaan yang telah diberikan sesuai kelamin, probabilitas setiap kategori status
tugas perkembangan yang diberikan. perkembangan, likelihood dan normalisasi
probabilitas.
7. Halaman Hasil Tes Perkembangan Abnormal 8. Halaman Tentang Aplikasi
119 ejournal.unib.ac.id
Jurnal Rekursif, Vol. 3 No.2 November 2015, ISSN 2303-0755
5 YA
ABNORMAL ABNORMAL
6 YA
NORMAL NORMAL
7 YA
SUSPECT SUSPECT
8 YA
SUSPECT SUSPECT
9 YA
SUSPECT SUSPECT
10 TIDAK
SUSPECT ABNORMAL
11 TIDAK
SUSPECT ABNORMAL
12 YA
SUSPECT SUSPECT
13 YA
SUSPECT SUSPECT
Gambar 15. Tampilan Halaman Tentang Aplikasi 14 YA
ABNORMAL ABNORMAL
15 YA
ABNORMAL ABNORMAL
Halaman pada gambar 15 akan tampil jika 16 YA
NORMAL NORMAL
pengguna memilih submenu tentang aplikasi pada 17 TIDAK
NORMAL SUSPECT
menu informasi. Halaman ini berisi tentang 18 TIDAK
SUSPECT ABNORMAL
informasi mengenai pembuat aplikasi Sistem Pakar 19 SUSPECT SUSPECT
YA
ejournal.unib.ac.id 120
Jurnal Rekursif, Vol. 3 No.2 November 2015, ISSN 2303-0755
46 YA 87 YA
SUSPECT SUSPECT SUSPECT SUSPECT
47 YA 88 YA
ABNORMAL ABNORMAL NORMAL NORMAL
48 YA 89 YA
SUSPECT SUSPECT ABNORMAL ABNORMAL
49 YA 90 YA
NORMAL NORMAL SUSPECT SUSPECT
50 TIDAK 91 YA
SUSPECT ABNORMAL SUSPECT SUSPECT
51 YA 92 TIDAK
NORMAL NORMAL SUSPECT ABNORMAL
52 YA 93 YA
SUSPECT SUSPECT SUSPECT SUSPECT
53 YA 94 YA
SUSPECT SUSPECT SUSPECT SUSPECT
54 YA 95 YA
SUSPECT SUSPECT NORMAL NORMAL
55 YA 96 YA
ABNORMAL ABNORMAL SUSPECT SUSPECT
56 YA 97 YA
NORMAL NORMAL ABNORMAL ABNORMAL
57 YA 98 YA
SUSPECT SUSPECT SUSPECT SUSPECT
58 YA 99 YA
SUSPECT SUSPECT NORMAL NORMAL
59 YA 100 TIDAK
SUSPECT SUSPECT SUSPECT ABNORMAL
60 TIDAK 101 YA
SUSPECT ABNORMAL SUSPECT SUSPECT
61 TIDAK 102 TIDAK
SUSPECT ABNORMAL SUSPECT ABNORMAL
62 YA 103 YA
SUSPECT SUSPECT SUSPECT SUSPECT
63 YA 104 YA
SUSPECT SUSPECT SUSPECT SUSPECT
64 YA 105 YA
ABNORMAL ABNORMAL NORMAL NORMAL
65 YA 106 YA
ABNORMAL ABNORMAL SUSPECT SUSPECT
66 YA 107 YA
NORMAL NORMAL ABNORMAL ABNORMAL
67 TIDAK 108 YA
NORMAL SUSPECT SUSPECT SUSPECT
68 TIDAK 109 YA
SUSPECT ABNORMAL NORMAL NORMAL
69 YA 110 TIDAK
SUSPECT SUSPECT SUSPECT ABNORMAL
70 YA
SUSPECT SUSPECT
71 YA Validitas sistem dinilai dengan cara menghitung
ABNORMAL ABNORMAL
72 TIDAK nilai TP, TN, FP dan FN dari Tabel 1.
SUSPECT ABNORMAL
73 YA
SUSPECT SUSPECT TP = Normal-Normal + Suspect-Suspect +
74 YA
ABNORMAL ABNORMAL Abnormal-Abnormal
75 YA
ABNORMAL ABNORMAL
= 14+53+15 = 82
76 YA
SUSPECT SUSPECT
77 TIDAK TN = (Suspect-Suspect + Abnormal-Abnormal) +
ABNORMAL SUSPECT
78 YA (Normal - Normal + Abnormal - Abnormal)
SUSPECT SUSPECT
79 TIDAK + (Normal-Normal + Suspect-Suspect)
SUSPECT ABNORMAL
80 YA = (53+15) + (14+15) + (14+53) = 164
SUSPECT SUSPECT
81 TIDAK FP = (Suspect-Normal + Abnormal-Normal) +
NORMAL SUSPECT
82 YA
SUSPECT SUSPECT (Normal- Suspect + Abnormal-Suspect) +
83 TIDAK
ABNORMAL SUSPECT (Normal-Abnormal + Suspect-Abnormal)
84 YA
SUSPECT SUSPECT = (0+0) + (4+4) + (0+18) = 26
85 YA
SUSPECT SUSPECT
86 TIDAK
SUSPECT ABNORMAL
121 ejournal.unib.ac.id
Jurnal Rekursif, Vol. 3 No.2 November 2015, ISSN 2303-0755
VII. SARAN
Berdasarkan analisa perancangan sistem,
implementasi, dan pengujian sistem, maka untuk
pengembangan penelitian selanjutnya penulis
menyarankan Sistem ini dapat dilakukan
pengembangan sistem dalam hal perangkat
pendukungnya, kedepan diharapkan dapat
diaplikasikan untuk perangkat online (web) atau
bergerak (mobile) berbasis android.
ejournal.unib.ac.id 122