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.

Student Learning Style Classification Using Naïve Bayes Classifier Method

“…Penelitian ini menghasilkan rekomendasi penentuan gaya belajar yang baik. Penelitian lain yang sejenis juga pernah dilakukan oleh [10]. Penelitian ini menghasilkan tingkat akurasi 88% dengan menggunakan algotitma K-Nearest Neighbour.…”

“…Berdasarkan penelitian terdahulu yang sejenis, maka peneliti menggunakan metode yang berbeda dari penelitian yang dilakukan oleh [9] dan [10] yaitu metode Naïve Bayes Classifier. Metode ini juga digunakan oleh [8] namun dengan studi kasus yang berbeda dan jumlah kriteria yang lebih banyak.…”