SISTEM ANALISIS GAYA BELAJAR MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOUR
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
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.
Copyright for articles published in this journal is retained by the authors, with first publication rights granted to the journal. By virtue of their appearance in this open access journal, articles are free to use after initial publication under the International Creative Commons Attribution-NonCommercial 4.0 Creative Commons CC_BY_NC.