Early Detection of Mental Health Risk Indicators in Children Using Machine Learning Based on Teacher Questionnaires in Islamic Early Childhood Education in Gorontalo.

Abstrak

Penelitian ini bertujuan mengidentifikasi indikator risiko kesehatan mental pada anak usia dini melalui pengembangan machine learning dan menganalisis implikasinya bagi pendidikan. Kesehatan mental anak usia dini merupakan aspek krusial yang menunjang perkembangan optimal. Beberapa faktor internal dan eksternal, mempengaruhi perkembangan kesehatan mental anak. Deteksi dini indikator risiko memungkinkan intervensi yang tepat untuk mencegah permasalahan yang lebih serius. Penelitian ini memanfaatkan data dikumpulkan dari 100 guru PIAUD (Pendidikan Islam Anak Usia Dini) di Provinsi Gorontalo yang dipilih secara acak. Algoritma K-Means Clustering digunakan untuk mengelompokkan data dan membentuk variabel target, sedangkan algoritma Decision Tree digunakan untuk klasifikasi. Hasil penelitian menunjukkan bahwa model Decision Tree mencapai akurasi sebesar 85% dalam memprediksi risiko kesehatan mental pada anak. Indikator "Menarik Diri", "Mudah Marah", "Perubahan Berat Badan", dan "Masalah Makan" teridentifikasi sebagai faktor penting. Sistem prediksi ini diharapkan dapat menjadi alat bantu bagi guru dan orangtua dalam melakukan deteksi dini dan intervensi yang tepat.