PEMODELAN KLASIFIKASI MULTILABEL PADA GAYA BELAJAR SISWA SEKOLAH DASAR DENGAN MACHINE LEARNING

Ananda, I Kadek Nicko (2024) PEMODELAN KLASIFIKASI MULTILABEL PADA GAYA BELAJAR SISWA SEKOLAH DASAR DENGAN MACHINE LEARNING. Undergraduate thesis, Universitas Pendidikan Ganesha.

[img] Text (COVER)
2015101007-COVER.pdf
Download (1MB)
[img] Text (ABSTRAK)
2015101007-ABSTRAK.pdf
Download (316kB)
[img] Text (BAB 1 PENDAHULUAN)
2015101007-BAB 1 PENDAHULUAN.pdf
Download (280kB)
[img] Text (BAB 2 KAJIAN TEORI)
2015101007-BAB 2 KAJIAN TEORI.pdf
Restricted to Repository staff only
Download (693kB) | Request a copy
[img] Text (BAB 3 METODOLOGI PENELITIAN)
2015101007-BAB 3 METODOLOGI PENELITIAN.pdf
Restricted to Repository staff only
Download (323kB) | Request a copy
[img] Text (BAB 4 HASIL DAN PEMBAHASAN)
2015101007-BAB 4 HASIL DAN PEMBAHASAN.pdf
Restricted to Repository staff only
Download (2MB) | Request a copy
[img] Text (BAB 5 PENUTUP)
2015101007-BAB 5 PENUTUP.pdf
Restricted to Repository staff only
Download (268kB) | Request a copy
[img] Text (DAFTAR PUSTAKA)
2015101007-DAFTAR PUSTAKA.pdf
Download (229kB)
[img] Text (LAMPIRAN)
2015101007-LAMPIRAN.pdf
Download (554kB)

Abstract

Pada penelitian ini, peneliti membangun sebuah model Machine Learning yang bertujuan untuk mengatasi permasalahan klasifikasi gaya belajar siswa sekolah dasar (SD) agar menjadi lebih efisien dan akurat. Jenis pendekatan model klasifikasi yang dibangun adalah Klasifikasi Multilabel sebanyak empat model dengan masing-masing algoritma berbeda meliputi Decision Tree, K-Nearest Neighbors (KNN), Support Vector Machine (SVM), dan Multi-Layer Perceptron (MLP). Dibangunya sebanyak empat model berbeda memiliki tujuan agar dapat dilakukannya proses perbandingan untuk menemukan model dengan kemampuan terbaik untuk mengatasi masalah klasifikasi gaya belajar. Adapun metode Classifier Chains diimplementasikan untuk memberikan kemampuan pada algoritma yang tidak dapat secara langsung menangani permasalahan klasifikasi multilabel. Dataset yang digunakan dalam proses pelatihan dan pengujian model adalah Data Set of Learning Style Preference dari Mendeley Data. Pada saat proses pemisahan dataset menjadi bagian data pelatihan dan data pengujian, dibuat tiga bentuk ukuran data yang berbeda meliputi Data I:90% pelatihan 10% pengujian; Data II:80% pelatihan 20% pengujian; dan Data III:70% pelatihan 30% pengujian. Adapun pada bagian data pelatihan diterapkan teknik validasi silang yaitu K-Fold Cross Validation dengan nilai k sebesar 10-fold agar model dapat untuk divalidasi selama proses pelatihan berlangsung. Pada saat proses pengujian dilakukan, didapatkan hasil kinerja yang baik pada keempat model machine learning yang dibangun dengan model Decision Tree sebagai model terbaik memiliki kinerja hamming loss 0.014, accuracy 95%, precision 98%, recall 99%, dan f1-score 98% kemudian, diikuti oleh model MLP, SVM, dan KNN. Berdasarkan hasil kinerja tersebut, dapat disimpulkan bahwa model klasifikasi gaya belajar melalui machine learning yang telah berhasil dibangun memiliki kinerja yang baik dan stabil.

Item Type: Thesis (Undergraduate)
Uncontrolled Keywords: Machine Learning, Gaya Belajar, Klasifikasi Multilabel, Data Set of Learning Style Preference, Decision Tree
Subjects: T Technology > T Technology (General)
Divisions: Fakultas Teknik dan Kejuruan > Jurusan Teknik Informatika > Program Studi Ilmu Komputer (S1)
Depositing User: I Kadek Nicko Ananda
Date Deposited: 30 Jul 2024 07:01
Last Modified: 30 Jul 2024 07:01
URI: http://repo.undiksha.ac.id/id/eprint/21547

Actions (login required)

View Item View Item