IMPLEMENTASI SISTEM PREDIKSI GAYA BELAJAR MAHASISWA MENGGUNAKAN NAÃVE BAYES BERBASIS WEB
DOI:
https://doi.org/10.54314/jssr.v7i4.2327Abstract
Aplikasi ini dibuat untuk memprediksi gaya belajar mahasiswa, menggunakan algoritma naïve bayes, dibandingkan dengan algoritmanya naïve bayes sangat baik dalam proses klasifikasi, untuk melakukan prediksi dimasa depan algoritma ini menggunakan probabilitas dan statistik. Data yang digunakan berupa data demografis mahasiswa seperti semester/tingkat studi, data gaya belajar seperti visual, kinestetik, auditori, dan data preferensi belajar seperti preferensi belajar visual, preferensi belajar auditori, dan preferensi belajar kinestetik. Metode pembelajaran yang diamati untuk menentukan gaya belajar metode synchoronous.  Sampel data yang digunakan adalah mahasiswa program studi teknologi rekayasa perangkat lunak. Bahasa yang digunakan dalam membuat aplikasi ini menggunakan PHP dan database MySQL. Aplikasi ini nantinya dapat membantu tenaga pendidik dapat menyusun strategi pembelajaran yang sesuai dengan gaya belajar mahasiswa sehingga proses pembelajaran dapat berjalan dengan efektif dan efesien.
Downloads
References
Anggrawan, A. (2019). Analisis Deskriptif Hasil Belajar Pembelajaran Tatap Muka dan Pembelajaran Online Menurut Gaya Belajar Mahasiswa. MATRIK J. Manajemen, Tek. Inform. Dan Rekayasa Komput., vol. 18, no. 2,
pp. 339–346. doi: 10.30812/matrik.v18i2.411.
Arieni, F, N., Irawan, E., Suhendro, D. (2022). Analisis Tingkat Kepuasan Pengguna Google Classroom Dalam Pembelajaran Online Menggunakan Algoritma Naïve Bayes. Jurnal Ilmiah Sistem Informasi Dan Ilmu Komputer, 2(3), 39–50. https://doi.org/10.55606/juisik.v2i3.327
Cahyo, A. D. (2023). Metode Naive Bayes Untuk Klasifikasi Masa Studi Sarjana. Jurnal Teknologi Pintar, 3(4). http:/ /teknologipintar.org/index.php/teknologipintar/article/download/385/370
DePorter., Bobby., Hernacki., Mike. (2000). Quantum Learning : Membiasakan Belajar Nyaman dan Menyenangkan, Bandung: Kaifa.
Jatmiko, A. T., Sukmo Wardhono, W., & Wijoyo, S. H. (2023). Analisis Komparasi Algoritme C4.5 dan Naïve Bayes dalam Kasus Klasifikasi Kecenderungan Gaya Belajar Visual Auditori Kinestetik (VAK). Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, 7(7), 3507–3516. http://j-ptiik.ub.ac.id
Lase, Y, Y., Fatmi, Y., Haryadi, Prayudani, S. (2023). Prediksi Dampak Pembelajaran Hybrid Learning Menggunakan Naive Bayes. Bulletin of Information Technology (BIT) Vol 4, No 4, Desember 2023, Hal 425 - 429 ISSN 2722-0524 (media online) DOI 10.47065/ bit.v3i1. 968 https://journal.fkpt.org/index.php/BIT.
Magdalena, i., Affifah, A, N. (2020). Identifikasi Gaya Belajar Siswa (Visual, Auditorial, Kinestetik). Jurnal Pendidikan Dan Ilmu Sosial,2(1),1-8.
Nizaruddin, Waluya, S. B., Rochmad, & Isnarto. (2020). Validitas dan reliabilitas angket gaya belajar VAK. Seminar Nasional Matematika Dan Pendidikan Matematika, 2, 435–441.
Pressman, R. S., (2012). Rekayasa Perangkat Lunak (Pendekatan Praktisi), Yogyakarta: Penerbit ANDI.
Rahmayati, L., Gumiandari, S. (2021). Identifikasi Gaya Belajar (Visual, Auditorial Dan Kinestetik) Mahasiswa Tadris Bahasa Inggris Kelas 3f Iain Syekh Nurjati Cirebon, Pedagogik Jurnal Pendidikan, Vol 16, No.1.
Saija, L. M. (2020). Analisis Terhadap Gaya Belajar Siswa Sekolah Menengah Di Bandung. Jurnal Padegogik 3 (1), 57 – 70.
Salsabila, N. (2023). Klasifikasi Gaya Belajar Peserta Didik Menggunakan Metode Naive Bayes. UIN Maulana Malik Ibrahim.
Susilo, M. J. (2006). Gaya Belajar Menjadikan Makin Pintar, Yogyakarta : Pinus.
Wahyuni, Y. (2017). Identifikasi Gaya Belajar (Visual, Auditorial, Kinestetik) Mahasiswa Pendidikan Matematika Universitas Bung Hatta. JPPM, 10 (2).
Yulianci, S., Nurjumiati. (2020). Analisis Karakteristik Gaya Belajar VAK (Visual, Auditori, Kinestetik) Siswa Pada Pembelajaran Fisika. Jurnal Pendidikan Mipa, 10(1),40–44. https://doi.org/10.37630/jpm.v10i1.328
