Prediksi Kesiapan Sekolah Menggunakan Machine Learning Berbasis Kombinasi Adam dan Nesterov Momentum

Penulis

Indah Mustika Rahayu, Ahmad Yusuf, Mujib Ridwan

Abstrak

Kesiapan sekolah perlu diukur untuk mengetahui tingkat kematangan anak dan mengetahui kemampuan anak yang perlu dikembangan. Namun, instrumen tes NST untuk mengukur kesiapan sekolah hanya dapat digunakan oleh Biro Psikologi, sehingga guru dan juga orang tua yang berperan dalam bentuk pemberian dukungan dan stimulasi pada anak tidak dapat menggunakan instrumen tersebut. Oleh karena itu, diperlukan machine learning untuk menciptakan model prediksi kesiapan sekolah. Data penelitian adalah data administratif anak yang telah mengikuti tes kesiapan sekolah berbasis NST yang diselenggarakan oleh TK Ar-Rasyid pada tahun 2012-2018.  Data administratif NST terdiri dari umur, jenis kelamin, urutan anak, jumlah saudara, status TK, pendidikan ayah, pendidikan ibu dan hasil kesiapan sekolah. Penelitian menggunakan algoritma Artificial Neural Network dengan metode optimasi kombinasi Adam dan Nesterov Momentum. Pengujian mengunakan skenario 5-fold cross validation. Hasil penelitian menunjukkan bahwa kombinasi Adam dan Nesterov Momentum memiliki kinerja lebih baik daripada clasical Adam dalam memprediksi kesiapan sekolah dengan akurasi 96% dan loss 0.06 dalam 1.98 seconds pada 10 neuron dan 1000 epochs.

Referensi


DOZAT, T., 2016. Incorporating Nesterov Momentum Into Adam. ICLR.

GUNA, P.W.T. & PUTRI, L.A.A.R., 2020. Endek Classification Based on GLCM Using Artificial Neural Network with Adam Optimization. Jurnal Elektronik Ilmu Komputer Udayana, 9(2).

HERDYANA, E., 2019. Perbedaan Masa Perkembangan Anak Prasekolah Usia 48-60 Bulan Berdasarkan Jenis Kelamin dengan Menggunakan Instrumen Kuesioner Pra Skrining Perkembangan (KPSP). Jurnal Kebidanan, 8(1), pp.40–46.

HUDA, N.S., MUBAROK, M.S. & ADIWIJAYA., 2019. A Multi-label Classification on Topics of Quranic Verses (English Translation) Using Backpropogation Neural Network with Stochastic Gradient Descent and Adam Optimizer. In International Conference on Information and Communication Technology. Kuala Lumpur: IEEE.

INTAN, GHANI & SALMAN, 2019. Implementation of The K-Nearest Neighbor and Neural Network for Predicting School Readiness to Enter Elementary School. In International Conference on Cyber and IT Service Management (CITSM). Jakarta: IEEE.

KINGMAN, D.P. & BA, J., 2015. Adam: A Method for Stochastic Optimization. In 3rd International Conference for Learning Representations. San Diego.

MENDIKBUD, 2018. Peraturan Menteri Pendidikan Dan Kebudayaan Republik Indonesia Nomor 14 Tahun 2018 Tentang Penerimaan Peserta Didik Baru Pada Taman Kanak-Kanak, Sekolah Dasar, Sekolah Menengah Pertama, Sekolah Menengah Atas, Sekolah Menengah Kejuruan, Atau Bentuk Lainnya.

MONKS, ROST, & COFFIE, 1978. Manual Nijmeegse Schoolbekwaamheids Test.

NURLINA, INTAN, I. & SYAHRIANI, 2019. Pre Test Prediction System for Preparing Readiness for Basic Education. In Seminar Nasional Komunikasi dan Informatika, pp. 119–124. Jakarta: Jurnal Kominfo.

SABOL, T. & PIANTA, R., 2017. The State of Young Children in The United States: School Readiness. In The Wiley Handbook of Early Childhood Development Programs, Practices and Policies (First Edit). New Jersey: John Wiley & Sons, Inc.

SULEIMAN, I., ARSLAN, M. & RIDLEY, M., 2017. Prediction Model for School Readiness. International Journal of Scientific & Engineering Research, 8(3).

WANG, Y., ZHOU, P. & ZHONG, W., 2018. An Optimization Strategy Based on Hybrid Algorithm of Adam and SGD. In 2rd International Conference on Electronic Information Technology and Computer Engineering. Shanghai.

WARDHANI, R. K., JAYA, S. T. & FAUZIYAH, N., 2019. Hubungan Pengetahuan Ibu Tentang Stimulasi Perkembangan dengan Perkembangan Personal Sosial pada Anak. Jurnal Ilmiah Pamenang, 1(1), pp.39–44.




DOI: http://dx.doi.org/10.25126/jtiik.2022955442