SISTEM ANALISIS GAYA BELAJAR MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOUR

  • Sulton Ginanjar Abdullah Jurusan Teknologi Infomasi Politeknik Negeri Malang
  • Rawansyah Rawansyah Jurusan Teknologi Infomasi Politeknik Negeri Malang
  • Dyah Ayu Irawati Jurusan Teknologi Infomasi Politeknik Negeri Malang

Abstract

Gaya  belajar  adalah  cara  atau  kebiasaan  yang  dilakukan  individu  dalam  menyerap, memproses,  dan mengelola  informasi.  Gaya  belajar  merupakan  faktor  penting  yang  menunjang  bagi  tercapainya  tujuan pembelajaran.  Tipe  gaya  belajar  ada  tiga  yaitu  visual,  auditori  dan  kinestetik.  Tipe  visual  belajar  melalui  apa yang  mereka  lihat.  Tipe  auditori  belajar  melalui  apa  yang  mereka  dengar.  Sedangkan  tipe  kinestetik  belajar malalui gerak, emosi dan sentuhan. Tujuan dari penelitian ini adalah membuat aplikasi untuk menganalisis gaya belajar seseorang sehingga dapat diketahui gaya belajar dan cara belajar yang tepat untuk individu tersebut. Cara belajar  merupakan  penerapan  dari  tipe  gaya  belajar  yang  telah  diketahui,  sehingga  memudahkan  seseorang dalam proses belajarnya. Metode yang digunakan adalah membandingkan training data set dengan data uji yang kemudian  diolah  menggunakan  algoritma K-Nearest  Neighbour  (KNN)  dalam  proses  data  mining  untuk menganalisis gaya belajar. Training  data  set yang  digunakan  dalam  sistem  ini  merupakan  data  hasil  tes  gaya belajar yang dihasilkan oleh Bela Hening Hukama (2011), yang di dalamnya terdapat parameter-parameter tipe gaya belajar. Algoritma K-Nearest Neighbour merupakan pendekatan untuk mencari kasus baru dengan kasus lama,  yaitu  berdasarkan  pada  pencocokan  bobot  dari  sejumlah  fitur  yang  ada.  Hasil  dari  penelitian  ini adalah aplikasi analisis gaya belajar berdasarkan pernyataan-pernyataan yang berisi parameter gaya belajar yang sudah ditentukan yang dapat menentukan gaya belajar yang tepat dengan akurasi 88%. Kesimpulan dari penelitian ini adalah  algoritma K-Nearest  Neighbour dapat  diimplementasikan  dalam  kasus  ini  dengan  akurasi  yang  paling optimal sebesar 88%, yaitu pada K = 9. Error banyak terjadi pada parameter yang merupakan kombinasi dari beberapa tipe gaya belajar, dan error terbesar yaitu pada parameter kombinasi visual, auditori dan kinestetik.

Downloads

Download data is not yet available.

References

Susilo, M. Joko. 2006. Gaya Belajar Menjadikan

Makin Pintar. Yogyakarta: Pinus Book

Publisher.

Hermawati, Fajar Astuti. 2013. Data Mining.

Yogyakarta: Andi Publisher

Kristanto Harianto. 2004. Konsep & Perancangan

Database. Yogyakarta: Andi Publisher.

Nugroho Aryo. 2009. SQL Server 2008. Jakarta:

PT. Elex Media Komputindo.

Kusrini; Emha Taufiq Luthfi. 2009. Algoritma

Data Mining. Jogjakarta: Andi Publisher.

Hasan Iqbal. 2004. Analisis Data Penelitian

Dengan Statistik. Jakarta: PT. Bumi Aksara

Fathansyah, Ir. 2002. Basis Data. Bandung:

Informatika.

Samples, Bob. 2002. Revolusi Belajar untuk Anak.

Bandung: Kaifa.

Saputra, Sigit A. 2012. Visual Basic 2010

Programming. Yogyakarta: Andi Publisher

kerjasama dengan Wahana Komputer

Nasution, S. 1988. Berbagai Pendekatan dalam

Proses Belajar Mengajar. Cetakan ke-4.

Jakarta: PT. Bina Aksara.

Dwipriyatmoko. 2011. Pengembangan Aplikasi

Learning Style Inventory Berbasis Fuzzy

Logic untuk Menentukan Gaya Belajar.

Skripsi Sarjana Universitas Negeri Malang.

Hening Hukama, Bella. 2011. Inventori Gaya

Belajar Siswa Sekolah Dasar Berbasis

Komputer dengan Menggunakan Software.

Skripsi Sarjana Universitas Negeri Malang.http://educate.intel.com/id/ProjectDesign/Thinking

Skills/ThinkingFrameworks/Learning_Styles.h tm.

Gaya Belajar. Diakses tanggal 21 April 2014.

http://people.revoledu.com/kardi/tutorial/KNN/inde

x.html. Algoritma K-Nearest Neighbour. Diakses

tanggal 27 April 2014.

How to Cite
Abdullah, S. G., Rawansyah, R., & Irawati, D. A. (2014). SISTEM ANALISIS GAYA BELAJAR MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOUR. Jurnal Informatika Polinema, 1(1), 47. https://doi.org/10.33795/jip.v1i1.90
Section
Articles

Most read articles by the same author(s)