IMPLEMENTASI ALGORITMA NAÏVE BAYES DALAM PENYEDERHANAAN TEKS UNTUK ANAK DISLEKSIA
DOI:
https://doi.org/10.70248/jrsit.v3i1.2925Abstract
Disleksia merupakan gangguan belajar spesifik yang ditandai dengan kesulitan membaca, menulis, dan mengeja, serta sering kali memengaruhi kemampuan anak untuk mengikuti pelajaran di sekolah. Permasalahan yang sering terjadi pada anak disleksia meliputi kesulitan membedakan huruf tertentu seperti "b" dan "d" atau "p" dan "q. Penelitian ini bertujuan mengembangkan sistem klasifikasi teks untuk membantu anak-anak dengan disleksia memahami bacaan melalui penyederhanaan teks. Sistem dibangun menggunakan algoritma Multinomial Naïve Bayes yang mengklasifikasikan teks menjadi kategori “sederhana” dan “tidak sederhana”. Dataset disusun secara manual dengan mengumpulkan kalimat dari buku dan majalah anak, lalu mengidentifikasi kata atau frasa sulit bagi anak usia 10–12 tahun. Metode penelitian mencakup tahapan preprocessing (tokenisasi, stopword removal, stemming), pelabelan teks, pembagian data latih dan uji (70:30), pelatihan model dengan optimasi parameter α, serta evaluasi menggunakan akurasi, balanced accuracy, precision, recall, dan F1-score. Hasil penelitian menunjukkan akurasi sebesar 93,72% pada data latih dan 92,49% pada data uji, dengan balanced accuracy masing-masing 94,23% dan 92,59%. Nilai precision, recall, dan F1-score rata-rata mencapai 0,92, menandakan kinerja model yang konsisten pada kedua kelas. Visualisasi confusion matrix menunjukkan sebagian besar prediksi tepat, meskipun masih terdapat kesalahan klasifikasi pada teks dengan makna ambigu. Penelitian ini membuktikan bahwa Naïve Bayes efektif dalam mengklasifikasikan tingkat kesederhanaan teks berbahasa Indonesia, serta berpotensi menjadi solusi teknologi pendukung pendidikan inklusif bagi anak-anak dengan disleksia
References
R. L. Ginting, A. Y. K. Siburian, T. E. Sianturi, S. M. Sianturi, N. B. Ginting, dan S. A. Pratiwi, “Bimbingan Konseling Bagi Anak Cerdas Istimewa Dan Kesulitan Belajar (Disleksia, Disgrafia, Diskalkulia),” J. Pendidik. Berkarakter, vol. 1, no. 6, hal. 134–145, 2023.
M. U. Hasballah dan N. B. M. Rabi, “Meningkatkan Kemampuan Literasi Dini Pada Anak Disleksia Melalui Metode ‘Vakta,’” J. Buah Hati, vol. 9, no. 1, hal. 43–56, 2022, doi: 10.46244/buahhati.v9i1.1735.
D. Yuliana Putri, A. Siti Lathifah, C. Mukholis Aji Prasetyo, dan S. Suparmi, “Peran Guru dalam Meningkatkan Keterampilan Membaca Anak Disleksia,” Wahana Karya Ilm. Pendidik., vol. 8, no. 01, hal. 26–36, 2024, doi: 10.35706/wkip.v8i01.11578.
E. Rahmawati dan M. Muhroji, “Pengaruh Media Puzzle Huruf untuk Meningkatkan Kemampuan Membaca Anak Disleksia,” Ideguru J. Karya Ilm. Guru, vol. 9, no. 3, hal. 1408–1413, 2024, doi: 10.51169/ideguru.v9i3.1103.
L. Budiani dan I. B. Putrayasa, “Kesulitan Membaca Kata Anak Disleksia Usia 7-12 Tahun di Sekolah Dasar,” J. Educ. Action Res., vol. 7, no. 3, hal. 376–381, 2023, doi: 10.23887/jear.v7i3.66560.
A. Harbani, S. Syafrial, J. Warmansyah, dan A. F. Arif, “Penerapan Metode Naive Bayes untuk Penentuan Penanganan Pasien pada Penyakit ISPA,” Digit. Transform. Technol., vol. 4, no. 2, hal. 1012–1023, 2025, doi: 10.47709/digitech.v4i2.5190.
M. Afriansyah, Joni Saputra, V. Y. P. Ardhana, dan Yuan Sa’adati, “Algoritma Naive Bayes Yang Efisien Untuk Klasifikasi Buah Pisang Raja Berdasarkan Fitur Warna,” J. Inf. Syst. Manag. Digit. Bus., vol. 1, no. 2, hal. 236–248, 2024, doi: 10.59407/jismdb.v1i2.438.
N. A. Prakoso Indaryono, “Analisa Perbandingan Algoritma Random Forest Dan Naïve Bayes Untuk Klasifikasi Curah Hujan Berdasarkan Iklim Di Indonesia,” JIPI (Jurnal Ilm. Penelit. dan Pembelajaran Inform., vol. 9, no. 1, hal. 158–167, 2024, doi: 10.29100/jipi.v9i1.4421.
N. Darmayanti, N. Hayati, A. Rohali, dan Z. E. Marpaung, “Pendidikan dan Bimbingan Anak Berkebutuhan Khusus (ABK) Disleksia,” El-Mujtama J. Pengabdi. Masy., vol. 4, no. 2, hal. 854–862, 2023, doi: 10.47467/elmujtama.v4i2.4431.
L. Oktamarina dkk., “BHARASUMBA : Jurnal Multidisipliner GANGGUAN GEJALA DISLEKSIA PADA ANAK USIA DINI,” J. Multidisipliner, vol. 02, no. 01, hal. 104–118, 2022.
T. Sinaga, “Penerapan Algoritma Naive Bayes dalam Pemrosesan Bahasa Alamiah,” no. December, 2023, [Daring]. Tersedia pada: https://www.researchgate.net/publication/376720851
Siti Alyunita Mega Lestari, Akim M.H. Pardede, dan Magdalena Simanjuntak, “Prediksi Disleksia pada Anak menggunakan Metode Naive Bayes,” J. Kaji. dan Penelit. Umum, vol. 2, no. 5, hal. 37–51, 2024, doi: 10.47861/jkpu-nalanda.v2i5.1287.
E. P. Adamansyah dan A. Yudhistira, “Evaluasi Opini Publik di Media Sosial X terhadap Kebijakan Pajak Pertambahan Nilai 12% di Indonesia Menggunakan Naive Bayes dan Decision Tree,” J. Pendidik. dan Teknol. Indones., vol. 5, no. 3, hal. 831–843, 2025, doi: 10.52436/1.jpti.710.
M. Yusuf Rismanda Gaja, I. Maulana, dan O. Komarudin, “Analisis Sentimen Opini Pengguna Aplikasi Vidio Pada Ulasan Playstore Menggunakan Algoritma Naive Bayes,” JATI (Jurnal Mhs. Tek. Inform., vol. 7, no. 4, hal. 2767–2774, 2024, doi: 10.36040/jati.v7i4.7197.
F. A. Ramadhan, S. H. Sitorus, dan T. Rismawan, “Penerapan Metode Multinomial Naïve Bayes untuk Klasifikasi Judul Berita Clickbait dengan Term Frequency - Inverse Document Frequency,” J. Sist. dan Teknol. Inf., vol. 11, no. 1, hal. 70, 2023, doi: 10.26418/justin.v11i1.57452.
Yuyun, N. Hidayah, dan S. Sahibu, “Algoritma Multinomial Naïve Bayes Untuk Klasifikasi Sentimen Pemerintah Terhadap Penanganan Covid-19 Menggunakan Data Twitter,” J. RESTI, vol. 5, no. 4, hal. 820–826, 2021, doi: 10.29207/resti.v5i4.3146.
N. F. Az-haari, D. Juardi, dan A. Jamaludin, “Analisis Sentimen Terhadap Boikot Brand Pro-Israel Pada Twitter Menggunakan Metode Naïve Bayes,” JATI (Jurnal Mhs. Tek. Inform., vol. 8, no. 3, hal. 4256–4261, 2024, doi: 10.36040/jati.v8i3.9888.
Gilbert, Syariful Alam, dan M. Imam Sulistyo, “Analisis Sentimen Berdasarkan Ulasan Pengguna Aplikasi Mypertamina Pada Google Playstore Menggunakan Metode Naïve Bayes,” STORAGE J. Ilm. Tek. dan Ilmu Komput., vol. 2, no. 3, hal. 100–108, 2023, doi: 10.55123/storage.v2i3.2333.
S. Surayya dan H. Mubarok, “Pengaruh Aplikasi Marbel Membaca Terhadap Kemampuan Membaca Anak Disleksia,” Ibriez J. Kependidikan Dasar Islam Berbas. Sains, vol. 6, 2021, doi: 10.21154/ibriez.v6i2.165.
N. Haifa, A. Mulyadiprana, dan R. Respati, “Pengenalan Ciri Anak Pengidap Disleksia,” PEDADIDAKTIKA J. Ilm. Pendidik. Guru Sekol. Dasar, vol. 7, no. 2, hal. 21–32, 2020, doi: 10.17509/pedadidaktika.v7i2.25035.
E. Martantoh dan N. Yanih, “Implementasi Metode Naïve Bayes Untuk Klasifikasi Karakteristik Kepribadiaan Siswa Di Sekolah MTS Darussa’adah Menggunakan Php Mysql,” J. Teknol. Sist. Inf., vol. 3, no. 2, hal. 166–175, 2022, doi: 10.35957/jtsi.v3i2.2896.
S. Susilawati dan M. Iqbal, “Penerapan Metode Naïve Bayes Untuk Mengidentifikasi Sentimen Pengguna Pada Ulasan Aplikasi ReelShort di Google Play Store,” Simkom, vol. 10, no. 1, hal. 49–59, 2025, doi: 10.51717/simkom.v10i1.686.
A. Oktaviyani, A. Heryati, dan M. F. A. Alie, “Penerapan Metode Naive Bayes Untuk Klasifikasi Kategori Olah Pangan (Studi Kasus Dinas Kesehatan Kota Palembang),” AnoaTIK J. Teknol. Inf. dan Komput., vol. 2, no. 1, hal. 30–38, 2024, doi: 10.33772/anoatik.v2i1.30.
M. K. Insan, U. Hayati, dan O. Nurdiawan, “Analisis Sentimen Aplikasi Brimo Pada Ulasan Pengguna Di,” J. Mhs. Tek. Inform., vol. 7, no. 1, hal. 478–483, 2023.
F. Rumaisa, Y. Puspitarani, A. Rosita, A. Zakiah, dan S. Violina, “Penerapan Natural Language Processing (NLP) di bidang pendidikan,” J. Inov. Masy., vol. 1, no. 3, hal. 232–235, 2021, doi: 10.33197/jim.vol1.iss3.2021.799.
