UMM Institutional Repository

ANALISIS GAYA BELAJAR MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOUR

KENNEDY, DANY SATRIYA (2014) ANALISIS GAYA BELAJAR MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOUR. Other thesis, University of Muhammadiyah Malang.

[img]
Preview
Text
jiptummpp-gdl-danysatriy-35242-2-babi.pdf

Download (93kB) | Preview
[img]
Preview
Text
jiptummpp-gdl-danysatriy-35242-1-pendahul-n.pdf

Download (332kB) | Preview

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. Tujuan dari penelitian ini adalah membuat aplikasi untuk menganalisis gaya belajar sehingga dapat diketahui gaya belajar dan cara belajar yang tepat untuk individu tersebut. Metode yang digunakan adalah membandingkan training data set dengan data uji yang kemudian diolah menggunakan algoritma K-Nearest Neighbour dalam proses data mining untuk menganalisis gaya belajar. 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 = 6. Error banyak terjadi pada parameter yang merupakan kombinasi, dan error terbesar yaitu pada parameter kombinasi visual, auditori dan kinestetik. Kata Kunci : Gaya Belajar, Data Mining, K-Nearest Neighbour, KNN

Item Type: Thesis (Other)
Subjects: T Technology > T Technology (General)
Divisions: Faculty of Engineering > Department of Informatics (55201)
Depositing User: Mrs Ruli Alfi
Date Deposited: 21 Apr 2016 04:25
Last Modified: 21 Apr 2016 04:25
URI : http://eprints.umm.ac.id/id/eprint/27638

Actions (login required)

View Item View Item
UMM Official

© 2008 UMM Library. All Rights Reserved.
Jl. Raya Tlogomas No 246 Malang East Java Indonesia - Phone +62341464318 ext. 150, 151 - Fax +62341464101
E-Mail : infopus[at]umm.ac.id - Website : http://lib.umm.ac.id - Online Catalog : http://laser.umm.ac.id - Repository : http://eprints.umm.ac.id

Web Analytics

UMM Institutional Repository is powered by :
EPrints Logo