| Penyandang disabilitas merupakan kelompok minoritas terbesar didunia, dengan anak-anak menempati sepertiga dari jumlah keseluruhan penyandang disabilitas. Pada penerapannya proses diagnosis dan klasifikasi dimensi disabilitas membutuhkan ahli terapis okupasi. Jumlah terapis okupasi yang terbatas mengakibatkan penanganan penyandang disabilitas menjadi tertunda. Teknik data mining digunakan untuk membantu proses diagnosis yang bertujuan untuk menghindari kesalahan dalam diagnosis. Penelitian ini menggunakan dataset Scadi yang merepresentasikan masalah kemampuan perawatan diri anak dengan disabilitas. Dataset Scadi merupakan dataset baru yang belum banyak diteliti. Pada dataset Scadi terdapat permasalahan yaitu, ketidakseimbangan kelas (imbalanced class). Masalah tersebut menyebabkan rendahnya nilai akurasi klasifikasi. Algoritma yang diusulkan yaitu neural network untuk klasifikasi kemampuan perawatan diri anak dengan disabilitas, Selain neural network digunakan algoritma Smote untuk mengatasi masalah ketidakseimbangan kelas (imbalanced class) pada level data. Hasil penelitian menunjukan bahwa metode yang diusulkan telah meningkatan kinerja algoritma klasifikasi neural network, dengan meningkatkan nilai akurasi secara signifikan sebesar 90.4762 % dibandingkan hasil yang dilaporkan pada penelitian sebelumnya yaitu 83,1%. |
