Deteksi Kepribadian dan Tumbuh Kembang Anak dengan Sidik Jari Menggunakan Algoritma K-Nearest Neighbor dan Decision Tree : Personality and Child Development Detection Using Fingerprints with K-Nearest Neighbor and Decision Tree Algorithm

Abstrak

Kepribadian dan gaya belajar merupakan dua aspek penting dalam mendukung tumbuh kembang anak. Penelitian ini bertujuan untuk mengidentifikasi kepribadian dan tumbuh kembang anak berdasarkan pola sidik jari menggunakan algoritma klasifikasi K-Nearest Neighbor (K-NN) dan Decision Tree (DT). Penelitian dilakukan pada 10 partisipan di taman kanak-kanak Annisa Tangerang, dengan pengumpulan data sidik jari dari jari tengah, manis, dan kelingking menggunakan metode sidik tinta. Data kemudian dipindai dan dikategorikan ke dalam tiga pola utama: Arch, Loop, dan Whorl. Proses klasifikasi dilakukan menggunakan algoritma K-NN dan DT, serta diuji menggunakan pendekatan hold-out validation dan Leave-One-Out Cross-Validation (LOOCV). Hasil pengujian menunjukkan bahwa model klasifikasi mencapai nilai akurasi, precision, recall, dan F1 score sebesar 1.0, serta akurasi LOOCV sebesar 90%. Hasil prediksi menunjukkan bahwa 50% anak memiliki kepribadian dengan daya ingat tajam, 40% ambisius dan disiplin, serta 10% perfeksionis dan komunikatif. Gaya belajar yang teridentifikasi menggunakan K-NN adalah visual (60%) dan kinestetik (40%), sementara dengan DT terdiri dari visual (50%), kinestetik (40%), dan auditori (10%). Penelitian ini menunjukkan adanya korelasi antara pola sidik jari dengan kecenderungan kepribadian dan gaya belajar anak serta bisa menjadi alat bantu dalam deteksi dini dan intervensi edukatif berbasis karakter anak.