Update Artikelilmiah: 50045

ZUHAIRINA DESIYATUL LAILIYAH

NIM

Judul Artikel

Abstrak (Bhs. Indonesia)

Tingginya intensitas penggunaan gadget pada anak usia sekolah dasar dapat menimbulkan kecanduan yang berdampak pada perkembangan kognitif, sosial, dan emosional anak. Penelitian ini bertujuan untuk mendeteksi dini tingkat kecanduan gadget pada anak usia 7–12 tahun menggunakan metode Fuzzy Inference System (FIS) metode Mamdani. Metode ini dipilih karena mampu menangani data yang bersifat subjektif dan ambigu serta menghasilkan keluaran linguistik yang mudah dipahami. Terdapat empat variabel input, yaitu faktor internal, faktor lingkungan, faktor kemajuan teknologi, dan faktor pola asuh, serta satu variabel output berupa tingkat kecanduan gadget. Data diperoleh melalui wawancara dengan pakar dan pengisian kuisioner kepada 50 anak. Berdasarkan hasil wawancara, disusun 81 aturan fuzzy yang menjadi dasar sistem. Sistem diimplementasikan menggunakan software Scilab 6.0.1, dan diuji dengan membandingkan hasil sistem terhadap hasil pakar. Hasil penelitian menunjukkan bahwa sistem mampu mengidentifikasi tingkat kecanduan gadget secara akurat dengan akurasi sistem sebesar 100%.

Abtrak (Bhs. Inggris)

The high intensity of gadget use in elementary school-age children can lead to addiction that has an impact on children's cognitive, social, and emotional development. This study aims to early detect the level of gadget addiction in children aged 7-12 years using the Fuzzy Inference System (FIS) Mamdani method. This method was chosen because it is able to handle subjective and ambiguous data and produce linguistic outputs that are easy to understand. There are four input variables, namely internal factors, environmental factors, technological progress factors, and parenting factors, and one output variable in the form of the level of gadget addiction. Data was obtained through interviews with experts and filling out questionnaires to 50 children. Based on the results of the interview, 81 fuzzy rules were compiled as the basis for the system. The system was implemented using Scilab 6.0.1 software, and tested by comparing the system results to expert results. The results show that the system is able to identify the level of gadget addiction accurately with 100% system accuracy.

Kata kunci

Pembimbing 1

Pembimbing 2

Pembimbing 3

Tahun

Jumlah Halaman