Article Per Year (5 Year)
p-Index From 2019 - 2024
4.542
P-Index
This Author published in this journals
All Journal Jurnal Karya Pendidikan Matematika AKSIOMA: Jurnal Program Studi Pendidikan Matematika Journal of Educational Science and Technology EDU-MAT: Jurnal Pendidikan Matematika JURNAL PENGABDIAN KEPADA MASYARAKAT Saintifik : Jurnal Matematika, Sains, dan Pembelajarannya Jurnal Teknologi dan Informasi GERVASI: Jurnal Pengabdian kepada Masyarakat Square : Journal of Mathematics and Mathematics Education Arus Jurnal Pendidikan Jurnal Pengabdian Masyarakat Jurnal Pendidikan Progresif Prisma Sains: Jurnal Pengkajian Ilmu dan Pembelajaran Matematika dan IPA IKIP Mataram Jurnal Khasanah Pendidikan JME (Journal of Mathematics Education) Abdi Reksa
Jahring
Program Studi Pendidikan Matematika, Universitas Sembilanbelas November Kolaka
Agriculture, Biological Sciences & Forestry Humanities Biochemistry, Genetics & Molecular Biology Computer Science & IT Earth & Planetary Sciences Education Electrical & Electronics Engineering Energy Engineering Environmental Science Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Mathematics Physics Public Health Social Sciences Other

Published : 30 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : Jurnal Teknologi dan Informasi

 1 
Student Learning Style Classification Using Naive Bayes Classifier Method S Ramadandi; Jahring Jahring
Jurnal Teknologi dan Informasi (JATI) Vol 10 No 2 (2020): Jurnal Teknologi dan Informasi (JATI)
Publisher : Program Studi Sistem Informasi, Fakultas Teknik dan Ilmu Komputer, Universitas Komputer Indonesia.

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34010/jati.v10i2.3096

Abstract

Setiap mahasiswa memiliki kebiasaan tersendiri dalam menyerap dan memproses materi kuliah yang diberikan. Kebiasaan ini disebut dengan gaya belajar. Mengetahui gaya belajar mahasiswa merupakan hal yang sangat penting bagi seorang dosen karena dengan mengetahui gaya belajar mahasiswa dalam satu kelas, dosen dapat menerapkan metode pembelajaran yang dapat mengakomodir seluruh gaya belajar mahasiswa. Pada mata kuliah Komputer di Program Studi Pendidikan Bahasa Indonesia dan Program Studi Pendidikan Bahasa Inggris, masih terdapat beberapa mahasiswa yang kesulitan memahami materi kuliah karena metode pembelajaran yang diberikan dosen hanya terpaku pada gaya belajar tertentu. Untuk itu, penelitian ini akan membantu dosen untuk mengetahui gaya belajar mahasiswa berdasarkan data-data terdahulu dengan menggunakan metode Naïve Bayes Classifier pada Data Mining. Beberapa penelitian menyebutkan bahwa metode Naïve Bayes Classifier lebih baik dibandingkan dengan metode klasifikasi yang lain. Dalam penelitian ini, peneliti menggunakan Rapid Miner sebagai alat bantu dalam melakukan klasifikasi. Setelah melakukan pengujian terhadap data uji, diperoleh nilai akurasi sebesar 90%. Hal ini membuktikan bahwa model klasifikasi yang dibentuk dari data latih dapat memberikan hasil klasifikasi gaya belajar yang baik serta model ini dapat diterapkan oleh dosen untuk mengetahui gaya belajar mahasiswa.
Co-Authors Agus Sugiarto Akbar Nasrum Andi Mariani Ramlan Andra Aprisal Andri Estining Sejati Armiana M Armin Armin Astrinasari Astrinasari Chairuddin Chairuddin Djidu, Hasan Firawati Firawati Firda Firda Gemi Susanti Herlina Herlina Hermayani Hermayani I KD Indra Purnomo Ilham K Indrawaty Indrawaty Irajuana Haidar Lukman Lukman Lutfiana Tarida Made Subawo Marlina Marniati Marniati Muhammad Hasan Muhammad Rivai Nasruddin Nasruddin Nasruddin Nasruddin Nisa Miftachurohmah Pingky Hastuti Putri Tipa Anasi Rendy Prakasa Ridhonul Rahman Risnanang Kurniawan S Ramadandi Siska Arhita Sufri Mashuri Syarifuddin Syarifuddin Ully Hidayati Wayan Yuliani Yuli Purbaningsih