METHOMIKA: Jurnal Manajemen Informatika & Komputerisasi Akuntansi Vol.
8 No.
1 (April 2.
ISSN: 2598-8565 .
edia ceta.
ISSN: 2620-4339 .
edia onlin.
IMPLEMENTASI CLUSTERISASI UNTUK PENGELOMPOKKAN GAYA
BELAJAR MAHASISWA DENGAN METODE K MODES
Muhammad Faizal KurniawanA.
Devi Sugianti.
Arief Soma Darmawan.
Ari Putra Wibowo.
Widiyono Sekolah Tinggi Manajemen Informatika dan Komputer (STMIK) Widya Pratama.
Pekalongan.
Indonesia Email: faizal@stmik-wp.
DOI: https://doi.
org/10.
46880/jmika.
Vol8No1.
ABSTRACT
One of the keys to success in learning is determining student learning styles.
Learning styles are grouped into 3, grouping learning styles based on the characteristics of students.
Sample data used for 3 classes in the artificial intelligence course with total data of 83 students who answered 36 questions.
To be able to carry out student mapping using the k modes method for clustering.
The K modes method is used because the data used is K modes can be used for multi-dimensional clustering and shorter computing times.
With the clustering application for grouping student learning styles with a sample of 83 students by answering 36 questions to be divided into 3 groups, the results were 37 students for the visual group, 31 students for the auditory group and 15 students for kinesthetics.
At the testing stage, black box testing is used.
By knowing learning style groups, students can easily learn and absorb information.
Keyword: Clustering.
Learning Styles.
K Modes.
ABSTRAK
Salah satu kunci sukses dalam pembelajaran adalah penentuan gaya belajar siswa.
Gaya belajar dikelompokkan menjadi 3 kelompok, pengelompokkan gaya belajar dengan berdasarkan karakteristik yang dimiliki mahasiswa.
Data sempel yang digunakan untuk 3 kelas pada matakuliah kecerdasan buatan dengan jumlah data 83 mahasiswa yang menjawab 36 pertanyaan.
Untuk dapat melakukan pemetaan mahasiswa dengan menggunakan metode k modes untuk melakukan clustering.
Metode K modes digunakan karena data yang digunakan bersifat kategorikal.
K modes dapat digunakan untuk pengklasteran berdimensi banyak dan waktu komputasi yang lebih singkat .
Dengan adanya aplikasi clustering untuk pengelompokkan gaya belajar mahasiswa dengan sampel 83 mahasiswa dengan menjawab 36 pertanyaan untuk dapat dibagi menjadi 3 kelompok maka dihasilkan untuk kelompok visual sebanyak 37 mahasiswa, untuk kelompok auditorial sebanyak 31 mahasiswa dan untuk kinestetik sebanyak 15 Pada tahapan pengujian menggunakan pengujian blackbox.
Dengan mengetahui kelompok gaya belajar, maka mahasiswa dapat dengan mudah dalam belajar dan menyerap informasi.
Kata Kunci: Clustering.
Gaya Belajar.
K Modes.
PENDAHULUAN
Salah satu kunci kesusksesan dalam proses pembelajaran adalah dalam penentuan gaya belajar siswa, guru dapat membantu mengarahkan dalam mengenali gaya belajar sesuai krakteristik dari siswa tersebut (Abdurrahman & Kibtiyah, 2.
Guru harus memahami karakteristik siswa agar dapat mengelola pembelajaran dan pemilihan strategi pembelajaran (Estari, 2.
Untuk dapat mengakomodir setiap perbedaan dari karakteristik siswa, guru dapat memberikan variasi dalam gaya belajar yang cocok sehingga pembelajaran berjalan secara optimal (Zagoto et al.
, 2.
Gaya belajar dapat dipilih dengan melihat kemampuan siswa dalam penangkapan ilmu pengetahuan, mengolah serta menyajikan ilmu pengetahuannya (Kurniati et al.
, 2.
Menurut (DePorter & Hernacki, 2.
Gaya belajar dikelompokkan menjadi 3 kelompok yaitu gaya belajar secara visual, gaya belajar secara auditorial dan gaya belajar secara kinestetik.
Untuk memudahkan dalam pengelompokkan, maka dibutuhkan analisa cluster dengan pengelompokkan berdasarkan karakteristik yang sama diantara objek yang ada (Malikhatin et al.
Cluster merupakan teknik untuk penggalian pola dengan melakukan pengelompokkan titik datadata yang mirip (Indriani & Budiman, 2.
Clustering digunakan untuk pengelompokkan dengan melakukan pemrosesan data yang tidak mempunyai label (Fauzi et al.
, 2.
Halaman 20 METHOMIKA: Jurnal Manajemen Informatika & Komputerisasi Akuntansi Vol.
8 No.
1 (April 2.
Pada penelitian ini menggunakan clustering dengan menggunakan metode K modes.
Alasan menggunakan K modes dapat diterapkan pada data yang bersifat ketegorikal serta dapat lebih rinci pada proses pengklasteran, waktu yang dibutuhkan lebih singkat dalam komputasi dan dapat mengatasi klasterisasi dengan berdimensi banyak (Yulianton et , 2.
K modes adalah pengembangan dari k means, k modes dapat menangani kategorikal dengan menggunakan modus (Prastya et al.
, 2.
Objek penelitian dilaksanakan di STMIK Widya Pratama, sampel yang diambil pada matakuliah Kecerdasan buatan untuk 3 kelas.
Dengan jumlah responen 83 mahasiswa dengan mengisi kuisoner yang dibagikan lewat google form.
Dengan 36 pertanyaan, jawaban yang harus dipilih adalah sering, jarang, dan kadang-kadang.
Dengan melihat jawaban dari kuisoner dengan menggunakan tipe data kategorikal.
Maka penelitian ini menggunakan metode K modes yang dapat menyelesaikan permasalahan yang bersifat Penelitian ini bertujuan untuk mengetahui gaya belajar masiswa dengan mengelompokkan mahasiswa dengan berdasarkan karakteristik yang dimiliki mahasiswa untuk dapat melakukan pemetaan mahasiswa menggunakan metode k modes untuk melakukan clustering, agar mahasiswa mempunyai cara yang paling mudah dalam belajar dan menyerap Peneliti Terdahulu Pada penelitian yang dilakukan (Putra & Yuniarti, 2.
Dalam melakukan analisa gaya belajar mahasiswa agar dapat membantu dosen untuk dapat menentukan metode yang tepat.
Pada penelitian tersebut menggunakan metode K Means Penelitian tentang pengelompokkan gaya belajar juga dilakukan oleh (Putra & Yuniarti, 2.
Penelitian ini menghasilkan aplikasi data mining dalam pengelompokkan mahasiswa untuk mengetahui gaya belajar mahasiswa dibagi menjadi 3 kelompok yaitu model belajar visual, auditori, dan kinestetik.
Algoritma untuk melakukan clustering menggunakan K means.
Metode K Modes dapat digunakan untuk pengelompokkan kepuasan mahasiswa dengan menggunakan data yang bersifat kategorikal dengan sampel data 100 responen, atribut yang dipakai untuk analisa kepuasan Kehandalan, ketanggapan, perhatian, jaminan, dan bukti fisik nilai atribut: sangat puas, puas, tidak puas dan sangat tidak puas (Desyanti et al.
, 2.
ISSN: 2598-8565 .
edia ceta.
ISSN: 2620-4339 .
edia onlin.
Pada penelitian yang dilakukan oleh (Sugianti et , 2.
Metode K modes dapat digunakan untuk segmentasi mahasiswa baru dengan data yang bersifat Hasil penelitian ini menghasilkan 2 Cluster dengan atribut yang digunakan jenis kelamin, asal kota, pekerjaan ayah serta asal sekolah.
TINJAUAN PUSTAKA
Gaya Belajar Gaya belajar adalah seorang indvidu dapat menyerap, mengatur serta mengolah informasi untuk belajar lebih mudah.
Terdapat 3 kategori gaya belajar yaitu .
secara visual dengan pola pembelajaran mereka lihat, .
auditorial dengan pola pembelajaran dengan cara mendengar dan .
kinestetik dengan pola pembelajaran gerak, bekerja dan sentuhan (Soleh.
Kons, & Yarni, 2.
Cluster Cluster digunakan untuk pengelompokkan objek yang memiliki karakteristik yang sama (Sudibyo et al.
, 2.
Clustering dapat diterapkan dibergabai bidang contohnya pada industri.
Pada dunia insustri clustering dapat melakukan pengelompokkan produk yang laku dan tidak laku agar dapat menentukan promosi (Sugianti et al.
, 2.
Clustering juga dapat digunakan pada dunia pendidikan contohnya untuk pengelompokkan peminatan mata kuliah (Karmanita & Hendrik, 2.
K Modes K modes adalah sebuah metode pengembangan dari metode K means.
K Mode dikembangkan oleh Huang pada tahun 1998.
K mode menggunakan data yang bersifat kategorikal.
K mode dapat menangani pengelompokkan mahasiswa (Yulianton et al.
, 2.
K modes juga dapat digunakan untuk mengetahui jenis makanan pada suatu daerah yang populer (Indriani & Budiman, 2.
cara kerja algoritma K mode adalah sebagai berikut:
Tentukan nilai K untuk dijadikan cluster awal Membandingkan setiap objek ke setiap cluster, jika tidak sama dengan cluster maka berikan nilai 1, akan tetapi jika sama maka berinilai 0 Tetapkan setiap data ke centroid terdekat.
Tentukan nilai modus untuk centroid terdekat Ulangi langkah ke 2-4 sampai tak ada perubahan data disetiap cluster.
(Saputra & Kristiyanti.
Halaman 21 METHOMIKA: Jurnal Manajemen Informatika & Komputerisasi Akuntansi Vol.
8 No.
1 (April 2.
Berikut ini adalah flowchart dari K modes:
Mulai Menentukan Jumlah K Membandingkan setiap objek ke seetiap klister, jika tidak sama dengan klister maka berikan nilai 1, akan tetapi jika sama maka bernilai 0 Tetapkan setiap data ke centroid Tetapkan setiap data ke centroid Apakah ada perubahan data setiap Tidak Selesai ISSN: 2598-8565 .
edia ceta.
ISSN: 2620-4339 .
edia onlin.
menyerap pelajaran berbeda tingkatnya ada yang cepat dan lambat.
Dari hasil pre test yang dilakukan pada 3 kelas tersebut bahwa nilai matakuliah kecerdasan buatan dengan rata-rata 6,39, masih terdapat 56 mahasiswa yang nilainya dibawah niali standar yang telah ditetapkan.
Maka dari itu penelitian ini akam mebuat kelompok gaya belajar yang berbeda-beda tergantung dari karakteristik dari mahasiswa tersebut.
Pengumpulan Data Proses pengumpulan data dengan menyebarkan kuisoner di 3 kelas pada matakuliah kecerdasan buatan dengan cara lewat google form dengan alamat https://forms.
gle/3fbfQgHacA6pxPui8.
Pertanyan disetaip pertanyaan mahasiswa wajib memilih salah satu jawaban yaitu sering, kadangkadang dan jarang.
Data yang terkumpul sebanyak 83 mahasiswa yang dijadikan sebagai sampel untuk melakukan pengelompokkan.
Pengolahan Data Dari hasil kuisoner yang dibagikan ke mahasiswa maka data perlu diolah dengan cara melakukan eksplorasi data, dan melakukan seleksi fitur yang dibutuhkan untuk pengelompokkan.
Gambar 1.
Flowchart K modes METODE PENELITIAN Berikut langkah penelitian yang dilakukan untuk membuat aplikasi clutering gaya berlajar mahasiswa dengan menggunakan metode K modes.
Pembuatan Aplikasi Dalam pembuatan aplikasi membutuhkan perancangan terlebih dahulu.
Perancangan yang digunakan untuk membangun aplikasi menggunakan digram use case seperti pada gambar 3 Identifikasi permasalahan Pengumpulan data Pengolahan data pembuatan aplikasi Gambar 2.
Langkah Ae langkah penelitian clutering dengan K Modes Identifikasi Permasalahan Mengidentifikasikan permasalahan yang ada bahwa mahasiswa di STMIK Widya Pratama dalam Gambar 3.
Use case sistem K modes Untuk menggunakan PHP.
Halaman 22 METHOMIKA: Jurnal Manajemen Informatika & Komputerisasi Akuntansi Vol.
8 No.
1 (April 2.
Pengujian Pengujian dilakukan dengan menggunakan blackbox dan UAT.
Pengujian Blackbox dignakan untuk menguji program agar sesuai dengan fungsi seperti yang diinginkan dengan mengabaikan kode program yang di gunakan (Ningrum et al.
, 2.
HASIL DAN PEMBAHASAN
Pada penelitian implementasi clusterisasi untuk pengelompokkan gaya belajar mahasiswa dengan metode k modes bahwa sangat dibutuhkan karena adanya perbedaan dalam penyerapan pembelajaran, dari data yang terkumpul sebanyak 83 mahasiswa yang mengisi kuioner dengan 36 pertanyaan akan dikelompokkan menjadi 3 kelompok gaya belajar yaitu:
visual, auditorial, dan kinestetik.
Aplikasi yang dihasilkan terdapat 2 user yaitu mahasiswa dan dosen.
Dengan tampilan program seperti berikut:
ISSN: 2598-8565 .
edia ceta.
ISSN: 2620-4339 .
edia onlin.
Form Pengisian Kuisoner Gambar 5.
Form Pengisian Kuisoner Keterangan gambar 5 adalah form pengisian kuisoner untuk mahasiswa dengan jumlah pertanyaan sebanyak 36 pertanyaan Menu Utama Halaman Login Gambar 6.
Menu Utama Keterangan gambar 6 untuk menu utama untuk dosen pada halaman menu utama terdapat menu Home, kuisoner, rekap kuisoner, dan hasil.
Form Input daftar kuisoner Gambar 4.
Halaman Login Keterangan gambar 4 adalah halaman login pengguna, terdapat 2 pengguna yaitu mahasiswa dan dosen, yang disesuaikan dengan peran pengguna.
Jika mahasiswa maka username dan passordnya sama dengan username dan passwordnya seperti untuk membuka LMS mahasiswa, jika username dan password benar maka akan tampil form pengisian kuisoner seperti pada gamabar 5.
Sedangkan untuk username dan password untuk dosen sama dengan dosen saat membuka sistem aplikasi SiDosen.
Jika login sebagai dosen maka akan tampil seperti pada gambar 6 untuk menu utamanya Gambar 7.
Input Daftar Kuisoner Keterangan gambar 7 bahwa dosen dapat menginputkan mengubah, dan menghapus daftar Halaman 23 METHOMIKA: Jurnal Manajemen Informatika & Komputerisasi Akuntansi Vol.
8 No.
1 (April 2.
ISSN: 2598-8565 .
edia ceta.
ISSN: 2620-4339 .
edia onlin.
Rekap Hasil Kuisoner Menampilkan rekap hasil kuisoner yang diinput oleh Melakukan inputan jumlah K, centroid awal, proses iterasi, dan dengan nilai angka dan grafik Gambar 8.
Rekap Hasil Kuisoner Keterangan gambar 8 adalah rekap hasil kuisoner yang terkumpul Hasil Perhitungan K Modes Gambar 9.
Form Hasil Perhitungan K Modes Keterangan gambar 9 adalah hasil perhitungan k modes dengan mengelompokkan menjadi 3 gaya belajar dan disertai dengan grafik Pengujian Pengujian dilakukan dengan menggunakan Tabel 1.
Pengujian Blackbox Form Halaman Login Pengisian Kuisoner Input data Deskripsi yang Memasukkan username dan password sesuai dengan LMS .
agi Memasukkan username dan password sesuai dengan SiDosen .
agi dose.
Pengisian kuisoner yang dilakukan oleh mahasiswa wajib semua diisi Dosen dapat mengubah serta menghapus kuisoner Kesesuaian Sesuai Sesuai Sesuai Sesuai Rekap hasil Hasil K modes Sesuai KESIMPULAN Dengan aplikasi clusteing untuk mengetahui gaya belajar mahasiswa dengan menggunakan metode k modes dapat melakukan pemetaan mahasiswa dengan mengelompokkan mahasiswa dengan berdasarkan karakteristik yang dimiliki.
Dari data mahasiswa yang sebanyak 83 mahasiswa dibagi menjadi 3 kelompok, untuk kelompok visual sebanyak 37 mahasiswa, untuk kelompok auditorial sebanyak 31 mahasiswa dan untuk kinestetik sebanyak 15 mahasiswa.
Dengan mengetahui kelompok gaya belajar maka mahasiswa dapat dengan mudah dalam belajar dan menyerap informasi
DAFTAR PUSTAKA