Sistem Untuk Monitoring Data Tumbuh Kembang Anak Menggunakan Klasifikasi Decision Tree di PAUD IT Nur Hidayah
DOI:
https://doi.org/10.47701/ac65gc18Keywords:
Tumbuh kembang anak, monitoring perkembangan, klasifikasi decision tree, Deteksi DiniAbstract
Penelitian ini mengusulkan sistem monitoring tumbuh kembang anak berbasis klasifikasi Decision Tree di PAUD IT Nur Hidayah Surakarta. Tujuan utamanya adalah mengatasi inefisiensi pengumpulan data manual yang sering menyebabkan inkonsistensi dan keterlambatan deteksi penyimpangan perkembangan. Sistem ini dirancang untuk menyediakan platform komprehensif guna merekam dan menganalisis parameter pertumbuhan anak, meliputi tinggi badan, berat badan, lingkar kepala, dan tahapan perkembangan. Metode yang digunakan adalah klasifikasi Decision Tree untuk menganalisis data antropometri dan perkembangan yang terkumpul, memungkinkan kategorisasi otomatis status tumbuh kembang anak serta deteksi dini potensi masalah. Hasil menunjukkan bahwa implementasi sistem ini secara signifikan meningkatkan akurasi dan kecepatan monitoring, memfasilitasi intervensi cepat oleh guru dan orang tua untuk mendukung perkembangan anak yang optimal. Penggunaan Decision Tree terbukti menjadi alat cerdas yang membuat proses monitoring lebih robust dan andal.
References
[1] Dona, D., & Rifqi, M. (2022). Penerapan Metode K-Means Clustering untuk Menentukan Status Gizi Baik dan Gizi Buruk Pada Balita (Studi Kasus Kabupaten Rokan Hulu). Rabit: Jurnal Teknologi Dan Sistem Informasi Univrab, 7(2), 179–191. https://doi.org/10.36341/rabit.v7i2.2171.
[2] Kartika, R. C., Selviyanti, E., Umbaran, D. P. A., Fitriyah, D., & Yuanta,
Y. (2021). Peningkatan Pengetahuan Ibu Tentang Gizi Seimbang Untuk Mencegah Permasalahan Gizi Pada Balita di Kabupaten Jember. Journal of Community Development, 2(2), 91–96. https://doi.org/10.47134/comdev.v2i2.52.
[3] Lestari, R. I., Rahayu, D., Budiati, E., Irianto, S. E., & Karyus, A. (2023). Analisis Faktor-Faktor Yang Berhubungan Dengan Kejadian Berat Badan Lahir Rendah Di Kabupaten Mesuji Tahun 2022. An Idea Health Journal, 3(02), 41–48. https://doi.org/10.53690/ihj.v3i02.157.
[4] Asriwati Amirah, Teguh Suharto, Yulita, Y., Hanna Yusrima Dalimunthe, & Sri Maryani Tanjung. (2023). Gemar Makan Olahan Ikan Lele Sebagai Upaya Peningkatan Gizi Anak Stunting di Kabupaten Labuhan Batu. J- ABDI: Jurnal Pengabdian Kepada Masyarakat, 3(2),471–476 https://doi.org/10.53625/jabdi.v3i2.6219
[5] Bulkisah, S. B., Astuti, R., & Bahtiar, A. (2024). Implementasi Data Mining Algoritma Decision Tree Untuk Klasifikasi Status Gizi Balita di Kecamatan Ciledug. Jurnal Ilmiah Informatika Komputer, 29(1), 1–12. https://doi.org/10.35760/ik.2024.v29i1.10346.
[6] Maritalia, D., et al. (2023). Pelatihan Penilaian Tumbuh Kembang Balita pada Guru PAUD dan Kader Posyandu di Desa Samuti Krueng. Jurnal Abdimas Kesehatan, 5(3). https://doi.org/10.36565/jak.v5i3.627
[7] Chairunnisa, A. S., et al. (2022). Pengetahuan Ibu tentang Stimulasi Tumbuh Kembang Anak Usia 2–5 Tahun. Window of Nursing Journal, 5(2) https://doi.org/10.33096/won.v5i2.801.
[8] Rangkuti, S. (2023). Hubungan Stimulasi Orang Tua dan Perkembangan Anak 4–5 Tahun di PAUD. Science Midwifery, 11(2). https://doi.org/10.35335/midwifery.v11i2.1261.
[9] Surtini, T., Musahdad, A., & Sulastri, F. (2022). Pendampingan Skrining DDTK di PAUD Tunas Mulia. Jurnal Khidmat Almujtamae, 2(2). https://doi.org/10.62216/khamu.v2i02.158.
[10] Suhadianto & Ananta, A. (2022). Pendampingan Psikologis di PAUD Kartini. PSHPM, 1(1), 131–137. https://doi.org/10.30996/scfp.v1i1.728.
[11] Winarsih, B. D., & Hartini, S. (2020). KPSP untuk Deteksi Tumbuh Kembang di PAUD. Jurnal Pengabdian Kesehatan, 3(2), 100–108. https://doi.org/10.31596/jpk.v3i2.8
[12] Wijayanti, E. T., Risnasari, N., & Aizah, S. (2022). Skrining Tumbuh Kembang Anak di TK Al Fath. Jurnal ABDINUS, 6(1), 99–105. https://doi.org/10.29407/ja.v6i1.15897.
[13] Mahmud, T., Wara, T. U., & Das, C. (2024). Identifikasi malnutrisi balita dengan algoritma decision tree dan random forest. International Journal of Health Informatics, 10(2), 102–110. https://doi.org/10.9734/ijhi.v10i2.7450.
[14] Lestari, D., Kurnia, S., & Aminah, N. (2024). Reliability of early childhood development assessment tools in Indonesian PAUD settings. Jurnal Pendidikan Anak Usia Dini, 14(2), 88–95. https://doi.org/10.21009/jpaud.v14i2.4902.
[15] He, S., Zhang, Y., & Jin, M. (2022). Decision tree models for predicting activity intensity in children with cerebral palsy. Frontiers in Bioengineering and Biotechnology, 10, 876672.
https://doi.org/10.3389/fbioe.2022.876672.
[16] WHO. (2024). WHO child growth standards. World Health Organization. https://www.who.int/tools/child-growth-standards
