Klasifikasi Gaya Belajar Menggunakan Algoritma C5.0

Hadi, Masita Erfina (2023) Klasifikasi Gaya Belajar Menggunakan Algoritma C5.0. Undergraduate thesis, Universitas Muhammadiyah Jember.

	Text a. PENDAHULUAN.pdf Download (1MB)
	Text b. ABSTRAK.pdf Download (226kB)
	Text c. BAB I.pdf Download (222kB)
	Text d. BAB II.pdf Restricted to Repository staff only Download (1MB) | Request a copy
	Text e. BAB III.pdf Restricted to Repository staff only Download (1MB) | Request a copy
	Text f. BAB IV.pdf Restricted to Repository staff only Download (1MB) | Request a copy
	Text g. BAB V.pdf Restricted to Repository staff only Download (188kB) | Request a copy
	Text h. DAFTAR PUSTAKA.pdf Download (221kB)
	Text i. LAMPIRAN.pdf Restricted to Repository staff only Download (515kB) | Request a copy

Abstract

Mempelajari gaya belajar pada setiap siswa merupakan salah satu cara terbaik untuk memaksimalkan proses belajar. Apabila siswa telah mengetahui gaya belajar dan metode terbaik untuk membantu belajarnya, hal tersebut akan meningkatkan hasil belajar siswa dalam memahami sesuatu. Terdapat 3 tipe dalam gaya belajar yaitu Visual, Auditori dan Kinestetik. Pelajar visual belajar melalui apa yang mereka lihat, auditori, mengandalkan kesuksesan belajarnya melalui telinga dan Kinestetik belajar lewat gerak dan menyentuh. Ditemukan masalah bahwa siswa kelas 7 SMPN 2 Jember memiliki gaya belajar siswa yang berbeda-beda, terdapat beberapa siswa yang kurang berkonsentrasi saat pelajaran berlangsung dan ada siswa yang juga kesulitan mengerjakan latihan, sehingga hal tersebut membuat siswa belum dapat memaksimalkan dalam proses belajar. Adapun algoritma yang digunakan untuk menganalisa dan mengolah data, yaitu algoritma C5.0. Dengan mengimplementasikan Algoritma C5.0, dimungkinkan untuk membantu mengelomppokkan gaya belajar dominan dengan mudah. Berdasarkan 5 kali pengujian untuk gaya belajar siswa SMPN 2 Jember dengan rapid miner menggunakan metode decision tree C5.0, diperoleh akurasi terbesar sebesar 66,92%, presisi 61,91% dan recall 56,84% dengan menggunakan confusion matrix.

Item Type:	Thesis (Undergraduate)
Uncontrolled Keywords:	Gaya Belajar, Data Mining, Algoritma C5.0, Decision Tree, Confusion matrix
Subjects:	600 Technology and Applied Science > 620 Engineering > 622 Mining and Related Operations
Divisions:	Faculty of Engineering > Department of Informatics Engineering (S1)
Department:	D3 Manajemen Informatika
Depositing User:	Masita Erfina Hadi
Contributors:	Contribution Contributor Name NIDN/NIDK Thesis advisor Arifianto, Deni NIDN0718068103 Thesis advisor A'yun, Qurrota NIDN0703069002
Contact Email Address:	masitaerfina25@gmail.com
Date Deposited:	21 Aug 2023 06:45
Last Modified:	21 Aug 2023 06:45
URI:	http://repository.unmuhjember.ac.id/id/eprint/19433

Actions (login required)

View Item