A mother and daughter enjoying a cozy moment reading together in a bright bedroom.

Pada Usia Berapa Disleksia Bisa Didiagnosis Dengan Akurat?

Disleksia, gangguan neurologis yang mempengaruhi kemampuan membaca dan menulis, dapat didiagnosis pada berbagai usia, dengan kemajuan terbaru dalam teknologi dan metodologi yang meningkatkan deteksi dini. Usia di mana disleksia dapat didiagnosis secara akurat bervariasi, tetapi penelitian menunjukkan bahwa identifikasi dini dimungkinkan dan bermanfaat. Beberapa penelitian telah mengeksplorasi berbagai alat dan metode diagnostik, mulai dari penilaian tradisional hingga model pembelajaran mesin tingkat lanjut, untuk menentukan usia yang paling efektif untuk diagnosis.

Metode Deteksi Dini

  • Pendekatan Pembelajaran Mesin: Model pembelajaran mesin telah menunjukkan harapan dalam mendiagnosis disleksia pada anak-anak berusia 4 hingga 8 tahun. Model ini menggunakan berbagai algoritma, seperti Pohon Keputusan, K-Nearest Neighbors, dan Random Forest, mencapai tingkat akurasi tinggi dalam deteksi dini, yang memfasilitasi intervensi tepat waktu (Kurniawan & Tiaharyadini, 2024) (K.Purnachand et al., 2024).
  • Pelacakan Mata dan Jaringan Saraf: Teknologi pelacakan mata yang dikombinasikan dengan model pembelajaran mendalam, seperti LSTM dan VGG16, telah digunakan untuk mendeteksi disleksia pada anak usia 7 hingga 13 tahun. Metode ini telah menunjukkan akurasi tinggi, menunjukkan bahwa disleksia dapat diidentifikasi secara efektif pada anak-anak usia dini sekolah (Gomółka et al., 2024) (Vajs et al., 2022).
  • Deteksi Berbasis EEG: Sinyal Electroencephalogram (EEG) telah digunakan untuk mendeteksi disleksia pada anak berusia 7 hingga 12 tahun. Pendekatan Wavelet Scattering Transform, khususnya, telah mencapai akurasi tinggi, menunjukkan potensinya untuk deteksi disleksia tahap awal (Parmar & Paunwala, 2023) (Parmar & Paunwala, 2023).

Alat dan Protokol Diagnostik

  • Protokol Terstruktur: Protokol yang dikembangkan untuk deteksi dini, seperti yang dilakukan oleh Universitas Malaga, fokus pada wawancara terstruktur dan tes standar untuk mengevaluasi kecerdasan, membaca, dan keterampilan menulis. Protokol ini dirancang untuk mengidentifikasi karakteristik disleksia dan membedakannya dari masalah komorbiditas lainnya, memungkinkan intervensi dini (González-Valenzuela & Martin-Ruiz, 2020).
  • Bagan Alur RAPALI: Diagram alir RAPALI, yang menilai keterampilan melek huruf awal, telah efektif dalam mengidentifikasi risiko disleksia pada kelas 3. Alat ini sangat berguna dalam pengaturan pediatrik untuk identifikasi dan intervensi dini (Thongseiratch et al., 2023).

Tantangan dan Pertimbangan

  • Variabilitas dalam Kriteria Diagnostik: Salah satu tantangan dalam mendiagnosis disleksia pada usia dini adalah kurangnya protokol diagnostik umum. Variabilitas ini dapat menyebabkan inkonsistensi dalam diagnosis dan strategi intervensi (González-Valenzuela & Martin-Ruiz, 2020).
  • Keterbatasan Teknologi: Sementara teknologi canggih seperti EEG dan pembelajaran mesin menawarkan hasil yang menjanjikan, mereka juga memerlukan validasi dan adaptasi lebih lanjut untuk memastikan keandalan dan aksesibilitas dalam beragam pengaturan pendidikan (Parmar & Paunwala, 2023) (Parmar & Paunwala, 2023).

Sementara diagnosis dini disleksia sangat penting untuk intervensi yang efektif, penting untuk mempertimbangkan variabilitas dalam kriteria diagnostik dan kebutuhan untuk validasi lebih lanjut dari alat diagnostik canggih. Integrasi penilaian tradisional dengan teknologi modern dapat meningkatkan akurasi dan keandalan diagnosis disleksia, yang pada akhirnya menguntungkan anak-anak dan keluarga mereka.

Kurniawan, Z., & Tiaharyadini, R. (2024). Machine Learning Approach for Early Diagnosis of Dyslexia Among Primary School Children: A Scoping Review and Model Development. Indonesian Journal of Artificial Intelligence and Data Mining. https://doi.org/10.24014/ijaidm.v7i2.30614
K.Purnachand, st, K.Manvitha, K. M., Anurag, S., Ayyalasomayajula, A., & G.Meghana, G. M. (2024). Framework of Dyslexia Detection Using Machine Learning Algorithms. https://doi.org/10.1109/iccsp60870.2024.10544038
Gomółka, Z., Å»esÅ‚awska, E., Czuba, B., & Kondratenko, Y. (2024). Diagnosing Dyslexia in Early School-Aged Children Using the LSTM Network and Eye Tracking Technology. Applied Sciences. https://doi.org/10.3390/app14178004
Vajs, I., Kovic, V., Papić, T., Savić, A. M., & Isaković, M. (2022). Dyslexia detection in children using eye tracking data based on VGG16 network. 2022 30th European Signal Processing Conference (EUSIPCO). https://doi.org/10.23919/eusipco55093.2022.9909817
Parmar, S. K., & Paunwala, C. N. (2023a). A novel and efficient Wavelet Scattering Transform approach for primitive-stage dyslexia-detection using electroencephalogram signals. Healthcare Analytics. https://doi.org/10.1016/j.health.2023.100194
Parmar, S. K., & Paunwala, C. N. (2023b). Early detection of dyslexia based on EEG with novel predictor extraction and selection. Discover Artificial Intelligence. https://doi.org/10.1007/s44163-023-00082-4
González-Valenzuela, M.-J., & Martin-Ruiz, I. (2020). Assessing Dyslexia at Six Year of Age. Journal of Visualized Experiments. https://doi.org/10.3791/60858
Thongseiratch, T., Traipidok, P., Charleowsak, P., Kraiwong, T., & Geater, A. F. (2023). Development and Diagnostic Accuracy of Dyslexia Early Identification Flowchart for Pediatric Practice. Asian Journal of Psychiatry. https://doi.org/10.1016/j.ajp.2023.103795
Scroll to Top