Pemodelan Gaya Belajar Siswa dengan Menggunakan Support Vector Machine
Abstract views: 199
,
PDF downloads: 128
Abstract
Gaya belajar siswa memiliki pengaruh signifikan dalam pemahaman dan penyerapan materi pelajaran. Penelitian ini bertujuan untuk menggunakan metode Support Vector Machine (SVM) dalam mengklasifikasikan gaya belajar siswa dan membentuk kelompok belajar yang sesuai. Dalam penelitian ini, data gaya belajar siswa dikumpulkan dan dianalisis menggunakan SVM sebagai algoritme klasifikasi. Evaluasi hasil menunjukkan tingkat akurasi sebesar 88% dengan confusion matrix. Hasil ini mengindikasikan bahwa SVM efektif dalam menentukan kelompok belajar yang serupa berdasarkan gaya belajar siswa. Penelitian ini memberikan kontribusi penting dalam memahami pentingnya penyesuaian gaya belajar siswa, yang memungkinkan guru untuk mengoptimalkan pengelompokan siswa berdasarkan gaya belajar individu mereka. Selain itu, hasil evaluasi juga memberikan informasi lengkap tentang kinerja model SVM termasuk confusion matrix. Dengan tingkat akurasi yang memadai, penelitian ini dapat mendukung pengembangan lingkungan pembelajaran yang inklusif, responsif, dan efektif bagi siswa.
References
Maulid Inda Muhammad, & Arifin Toni. (2022). [2022] Pengembangan Sistem Pakar Gaya Belajar Anak Dengan Metode Fuzzy Logic Berbasis Android. E-PROSIDING TEKNIK INFORMATIKA, 3(1).
Ibrohim, M., & Purwanty, N. (n.d.). Rancang Bangun Aplikasi Identifikasi Gaya Belajar Siswa Dengan Metode Forward Chaining (Studi Kasus: Sekolah Dasar Negeri Sumampir). Jurnal ProTekInfo, 4(2017).
Karnando J, & Slamet L. (2020). Sistem Pakar Menentukan Gaya Belajar Siswa Dengan Metode Forward Chaining Berbasis Web. Vocational Jurnal Teknik Elektronika Dan Informatika, 8(2).
Yulianti, W., Trisnawati, L., & Manullang, T. (2019). Sistem Pakar Dengan Metode Certainty Factor Dalam Penentuan Gaya Belajar Anak Usia Remaja. Jurnal Teknologi Informasi & Komunikasi Digital Zone, 10(2), 2086–4884.
Putra, A. P., Mulyana, I., Maryana, S., & Susanti, F. (2019). Implementasi Multiclass Support Vector Machine Pada Sistem Rekomendasi Obat Berdasarkan Gejala Penyakit. Seminar Nasional Sains Teknologi Dan Inovasi Indonesia (SENASTINDO AAU), 1(1).
Mahdiyah, U. (2017). Pencarian Rongga Berpotensi Binding Site pada Protein dengan Menggunakan Support Vector Machine (SVM). In J. Math. and Its Appl. E-ISSN (Vol. 14, Issue 2).
Pratama, T. S., & Soebroto, A. A. (2022). Sistem Pakar untuk Deteksi Dini Tingkat Depresi Mahasiswa menggunakan Metode Support Vector Machine (Studi Kasus: Fakultas Ilmu Komputer Universitas Brawijaya) (Vol. 6, Issue 1). http://j-ptiik.ub.ac.id
Ulfa A, Indra J, & Mansruriyah A. (2022). Implementasi Algoritma Support Vector Machine (SVM) untuk Prediksi Penyakit Stroke dengan Atribut Berpregnaruh. Scientific Student Journal for Information, Technology and Science, III.
Mayadewi, P., & Rosely, E. (2015). PREDIKSI NILAI PROYEK AKHIR MAHASISWA MENGGUNAKAN ALGORITMA KLASIFIKASI DATA MINING. In Seminar Nasional Sistem Informasi Indonesia.
Copyright (c) 2023 Bagas Dwi Pranata, Umi Mahdiyah, Patmi Kasih
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Authors who publish with this journal agree to the following terms:
- Copyright on any article is retained by the author(s).
- The author grants the journal, right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgment of the work’s authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal’s published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.
- The article and any associated published material is distributed under the Creative Commons Attribution-ShareAlike 4.0 International License
