Penerapan Particle Swarm Optimization Pada Algoritme K-Means Untuk Pengelompokan Proses Berpikir Siswa Dalam Belajar

##plugins.themes.bootstrap3.article.main##

Annisa Salamah Rahmadhani Ahmad Afif Supianto Candra Dewi

Abstrak

Proses berpikir siswa selama belajar mencerminakan pemahaman dan kesalapahaman mereka tentang struktur soal dalam sebuah latihan. Penerapan pemahaman akan struktur soal telah dikemas dalam sebuah media pembelajaran bernama Monsakun. Monsakun memberikan dukungan dengan menawarkan konsep pemahaman struktur soal dalam menyelesaikan soal kata aritmatika sederhana (penambahan dan pengurangan). Meskipun Monsakun telah berhasil memberikan dukungan dalam belajar, identifikasi kelompok pola belajar antar siswa belum dilakukan. Pengelompokan pola ini perlu dilakukan untuk memberikan kemudahan bagi tenaga pengajar dalam memahami karakteristik berpikir siswa, memahami kesulitan yang dihadapi, dan memberikan umpan balik yang sesuai dengan karakteristik berpikir dan kesulitan yang dialami oleh siswa tersebut. Penelitian ini bertujuan melakukan pengelompokan proses berpikir siswa selama belajar di Monsakun menggunakan algoritme K-Means yang dioptimasikan dengan algoritme Particle Swarm Optimization dalam menentukan centroid awal. Data yang digunakan merupakan datalog Monsakun level 5 yang terdiri dari 12 soal. Berdasarkan implementasi serta pengujian yang telah dilakukan, hasil pengelompokan didominasi oleh 2 cluster dimana kualitas cluster ditentukan menggunakan metode Silhouette Coefficient.

##plugins.themes.bootstrap3.article.details##

Cara Sitasi
Rahmadhani, A., Supianto, A., & Dewi, C. Penerapan Particle Swarm Optimization Pada Algoritme K-Means Untuk Pengelompokan Proses Berpikir Siswa Dalam Belajar. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, vol. 4, no. 6, p. 1683-1692, juli 2020. ISSN 2548-964X. Tersedia pada: <http://j-ptiik.ub.ac.id/index.php/j-ptiik/article/view/7339>. Tanggal Akses: 23 sep. 2020
Bagian
Artikel