Analisis Komparasi Algoritme C4.5 dan Naïve Bayes dalam Kasus Klasifikasi Kecenderungan Gaya Belajar Visual Auditori Kinestetik (VAK)
Kata Kunci:
gaya belajar Fleming-VAK, otomatisasi prediksi gaya belajar, data mining, Algoritme C4.5, Algoritme Naïve BayesAbstrak
Kebutuhan data dalam identifikasi gaya belajar merupakan hal yang penting dan berpengaruh dalam menentukan preferensi belajar seseorang. Proses identifikasi gaya belajar menggunakan pendekatan sensorik untuk menggali kebutuhan data yang diperlukan. Salah satu model yang sering digunakan adalah Fleming-VAK (Visual, Auditori, Kinestetik). Data yang dapat diperoleh dan diukur adalah indikator gaya belajar yang dalam masing-masing tipe terdapat 10 indikator, dengan variasi tipe gaya belajar ada 3 yaitu visual, auditori, dan kinestetik. Metode yang digunakan pada saat prediksi gaya belajar secara sederhana menggunakan metode penentuan nilai tertinggi dari salah satu gaya belajar yang dilakukan secara sederhana, sehingga tidak terdapat otomatisasi prediksi gaya belajar dan terdapat masalah ketika dari ketiga gaya belajar terdapat nilai yang sama dari dua atau tiga gaya belajar. Oleh karena itu dilakukan pengujian untuk melakukan komparasi bagaimana hasil yang didapat menggunakan metode komparasi nilai terbesar dari ketiga gaya belajar dengan hasil pengolahan data menggunakan Algoritme C4.5 yang ditujukan untuk klasifikasi. Data dummy digunakan sebagai contoh kasus dalam penelitian, data tersebut dibangkitkan menggunakan software microsoft excel. Hasil pengujian dilakukan menggunakan tahapan preprocessing data, klasifikasi, dan evaluasi. Hasil evaluasi menunjukkan Algoritme Naïve Bayes memiliki nilai akurasi 90% dibandingkan Algoritme C4.5 dengan nilai akurasi 79%. Akurasi didapatkan dari komposisi pembagian data 90% data latih dan 10% data tes. Dengan demikian, penggunaan Algoritme Naïve Bayes memberikan hasil yang lebih akurat dalam prediksi gaya belajar dibandingkan dengan Algoritme C4.5.
Referensi
Arcinas, M. M. et al., 2021. Role of data mining in education for improving students performance for social change. Turkish Journal of Physiotherapy and Rehabilitation, 32(3), pp. 6519-6526.
Azhari, M., Situmorang, Z. & Rosnelly, R., 2021. Komparasi Akurasi, Recall, dan Presisi Klasifikasi pada Algoritme C4.5, Random Forest, SVM dan Naive Bayes. JURNAL MEDIA INFORMATIKA BUDIDARMA, 5(2), pp. 640-651.
Badriah, S. et al., 2021. Klasifikasi Algoritma C4.5 dalam Menentukan Penerima Bantuan Covid-19 (Studi Kasus: Desa di Karawang). Jurnal Informatika Polinema, 7(3), pp. 23-28.
Bayes, T., 1763. LII. An essay towards solving a problem in the doctrine of chances. By the late Rev. Mr. Bayes, FRS communicated by Mr. Price, in a letter to John Canton, AMFR S. Philosophical transactions of the Royal Society of London, (53), pp. 370-418.
Febriani, S. & Sulistiani, H., 2021. Analisis Data Hasil Diagnosa Untuk Klasifikasi Gangguan Kepribadian Menggunakan Algoritme C4.5. Jurnal Teknologi dan Sistem Informasi, 2(4), pp. 89-96.
Fleming, N. D., 2001. Teaching and Learning Styles: VARK Strategies. Christchurch: Neil Fleming.
Hamu, M. A., 2022. Hasil Belajar Siswa Ditinjau Dari Gaya Belajar. AKSARA: Jurnal Ilmu Pendidikan Nonformal, 8(1), pp. 547-562.
Irawati, I., Nasruddin & Ilhamdi, M. L., 2021. Pengaruh Gaya Belajar Terhadap Hasil Belajar IPA. J. Pijar MIPA, 16(1), pp. 44-48.
Jijo, B. T. & Abdulazeez, A. M., 2021. Classification Based on Decision Tree Algorithm for Machine Learning. JOURNAL OF APPLIED SCIENCE AND TECHNOLOGY TRENDS, 2(01), pp. 20-28.
Kondas, A., 2023. Home - PHP-ML - Machine Learning library for PHP. [Online]
Available at: https://php-ml.readthedocs.io/en/latest/
[Accessed 15 Juni 2023].
Lestari, S. & Djuhan, M. W., 2021. Analisis Gaya Belajar Visual, Audiotori dan Kinestetik Dalam Pengembangan Prestasi Belajar Siswa. IIPSI: Jurnal Ilmiah Ilmu Pengetahuan Sosial Indonesia, 1(1), pp. 79-90.
Maulid, M. I. & Arifin, T., 2022. Pengembangan Sistem Pakar Gaya Belajar Anak dengan Metode Fuzzy Logic Berbasis Android. E-PROSIDING TEKNIK INFORMATIKA, 3(1), pp. 11-22.
Php, 2023. PHP: Hypertext Preprocessor. [Online]
Available at: https://www.php.net/
[Accessed 15 Juni 2023].
Quinlan, J. R., 1993. C4. 5: Programs for machine learning. San Mateo, CA: Morgan Kaufmann Publishers.
Rahmi, M. N. & Samsudi, M. A., 2020. Pemanfaatan Media Pembelajaran Berbasis Teknlologi Sesuai dengan Karakteristik Gaya Belajar. Jurnal Edumaspul, 4(2), pp. 355-363.
Ritonga, N. C. & Rahma, I. F., 2021. Analisis Gaya Belajar VAK pada Pembelajaran Daring Terhadap Minat Belajar Siswa. Jurnal Analisis, 7(1), pp. 76-88.
Yunita, D. & Ikasari, I. H., 2021. Komparasi Metode Klasifikasi C4.5 dan Naïve Bayes untuk Mengukur Kepuasan Pelanggan. Jurnal Informatika Universitas Pamulang, 6(3), pp. 456-462.
Arcinas, M. M. et al., 2021. Role of data mining in education for improving students performance for social change. Turkish Journal of Physiotherapy and Rehabilitation, 32(3), pp. 6519-6526.
Azhari, M., Situmorang, Z. & Rosnelly, R., 2021. Komparasi Akurasi, Recall, dan Presisi Klasifikasi pada Algoritme C4.5, Random Forest, SVM dan Naive Bayes. JURNAL MEDIA INFORMATIKA BUDIDARMA, 5(2), pp. 640-651.
Badriah, S. et al., 2021. Klasifikasi Algoritma C4.5 dalam Menentukan Penerima Bantuan Covid-19 (Studi Kasus: Desa di Karawang). Jurnal Informatika Polinema, 7(3), pp. 23-28.
Bayes, T., 1763. LII. An essay towards solving a problem in the doctrine of chances. By the late Rev. Mr. Bayes, FRS communicated by Mr. Price, in a letter to John Canton, AMFR S. Philosophical transactions of the Royal Society of London, (53), pp. 370-418.
Febriani, S. & Sulistiani, H., 2021. Analisis Data Hasil Diagnosa Untuk Klasifikasi Gangguan Kepribadian Menggunakan Algoritme C4.5. Jurnal Teknologi dan Sistem Informasi, 2(4), pp. 89-96.
Fleming, N. D., 2001. Teaching and Learning Styles: VARK Strategies. Christchurch: Neil Fleming.
Hamu, M. A., 2022. Hasil Belajar Siswa Ditinjau Dari Gaya Belajar. AKSARA: Jurnal Ilmu Pendidikan Nonformal, 8(1), pp. 547-562.
Irawati, I., Nasruddin & Ilhamdi, M. L., 2021. Pengaruh Gaya Belajar Terhadap Hasil Belajar IPA. J. Pijar MIPA, 16(1), pp. 44-48.
Jijo, B. T. & Abdulazeez, A. M., 2021. Classification Based on Decision Tree Algorithm for Machine Learning. JOURNAL OF APPLIED SCIENCE AND TECHNOLOGY TRENDS, 2(01), pp. 20-28.
Kondas, A., 2023. Home - PHP-ML - Machine Learning library for PHP. [Online]
Available at: https://php-ml.readthedocs.io/en/latest/
[Accessed 15 Juni 2023].
Lestari, S. & Djuhan, M. W., 2021. Analisis Gaya Belajar Visual, Audiotori dan Kinestetik Dalam Pengembangan Prestasi Belajar Siswa. IIPSI: Jurnal Ilmiah Ilmu Pengetahuan Sosial Indonesia, 1(1), pp. 79-90.
Maulid, M. I. & Arifin, T., 2022. Pengembangan Sistem Pakar Gaya Belajar Anak dengan Metode Fuzzy Logic Berbasis Android. E-PROSIDING TEKNIK INFORMATIKA, 3(1), pp. 11-22.
Php, 2023. PHP: Hypertext Preprocessor. [Online]
Available at: https://www.php.net/
[Accessed 15 Juni 2023].
Quinlan, J. R., 1993. C4. 5: Programs for machine learning. San Mateo, CA: Morgan Kaufmann Publishers.
Rahmi, M. N. & Samsudi, M. A., 2020. Pemanfaatan Media Pembelajaran Berbasis Teknlologi Sesuai dengan Karakteristik Gaya Belajar. Jurnal Edumaspul, 4(2), pp. 355-363.
Ritonga, N. C. & Rahma, I. F., 2021. Analisis Gaya Belajar VAK pada Pembelajaran Daring Terhadap Minat Belajar Siswa. Jurnal Analisis, 7(1), pp. 76-88.
Yunita, D. & Ikasari, I. H., 2021. Komparasi Metode Klasifikasi C4.5 dan Naïve Bayes untuk Mengukur Kepuasan Pelanggan. Jurnal Informatika Universitas Pamulang, 6(3), pp. 456-462.
Unduhan
Diterbitkan
Cara Mengutip
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2023 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
Artikel ini berlisensiCreative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
