Prediksi kesiapan sekolah menggunakan Machine Learning berbasis kombinasi Adam dan Nesterov Momentum

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 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. Penelitian menggunakan algoritma Artificial Neural Network dengan metode optimasi kombinasi Adam dan Nesterov Momentum. Pengujian model 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.