Klasifikasi Kinerja Akademik Siswa Menggunakan Neighbor Weighted K-Nearest Neighbor dengan Seleksi Fitur Information Gain
Kinerja akademik siswa merupakan indikator kesuksesan dari pembelajaran di sekolah. Mengukur kinerja akademik siswa dapat membantu tenaga didik mengembangkan pembelajaran yang sesuai untuk siswa sehingga meningkatkan keberhasilan pembelajaran sekolah. Kinerja akademik siswa dapat diamati melalui sua...
Saved in:
| Main Authors: | , , |
|---|---|
| Format: | Article |
| Language: | Indonesian |
| Published: |
University of Brawijaya
2022-06-01
|
| Series: | Jurnal Teknologi Informasi dan Ilmu Komputer |
| Online Access: | https://jtiik.ub.ac.id/index.php/jtiik/article/view/5751 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| _version_ | 1823858557033906176 |
|---|---|
| author | Rizky Adinda Azizah Fitra Bachtiar Sigit Adinugroho |
| author_facet | Rizky Adinda Azizah Fitra Bachtiar Sigit Adinugroho |
| author_sort | Rizky Adinda Azizah |
| collection | DOAJ |
| description | Kinerja akademik siswa merupakan indikator kesuksesan dari pembelajaran di sekolah. Mengukur kinerja akademik siswa dapat membantu tenaga didik mengembangkan pembelajaran yang sesuai untuk siswa sehingga meningkatkan keberhasilan pembelajaran sekolah. Kinerja akademik siswa dapat diamati melalui suatu Learning Management System bernama Kalboard 360 yaitu sistem yang berhubungan dengan perilaku siswa menggunakan alat pelacak aktivitas siswa yang memantau aktivitas pembelajaran. Data sekunder dari aktivitas tersebut dapat digunakan untuk mengetahui kinerja siswa dengan salah satu caranya adalah klasifikasi. Klasifikasi menggunakan metode Neighbor Weighted K-Nearest Neighbor dengan seleksi fitur Information Gain diterapkan pada penelitian ini untuk membantu klasifikasi kinerja siswa karena metode NWKNN mempunyai kelebihan memperhitungkan metode pembobotan kelas dan mengatasi data tidak seimbang. Seleksi fitur dengan Information Gain digunakan agar dapat mengoptimalkan hasil kerja classifier. Berdasarkan pengujian dan analisis penelitian, didapatkan nilai akurasi terbaik sebesar 0,604, dengan nilai precision adalah 0,719, nilai recall sebesar 0,676, dan nilai f-measure diperoleh adalah 0,661. Nilai tersebut dihasilkan saat menggunakan 9 fitur yaitu VisitedResource, StudentAbsenceDay, RaisedHands, AnnouncementsView, Relation, ParentsAnsweringSurvey, Discussion, NationalITy, dan PlaceofBirth dimana fitur tersebut memperoleh nilai Gain tertinggi dari urutan Gain keseluruhan fitur, dengan nilai Gain ≥ 0,1182 dan menggunakan nilai parameter optimal yaitu nilai E = 6, dan nilai K = 45.
Abstract
The academic performance of students is an indicator of the success of learning in school. Measuring and understanding student performance can help for improving learning systems that are suitable for students so the success of school learning will increase. Student academic performance can be observed via Learning Management System (LMS) named Kalboard 360 dealing with student behavior through a student activity tracking device so it can monitor learning activities. In this research, the secondary data is used to determine student performance through a classification. Neighbor Weighted K-Nearest Neighbor algorithm with Information Gain method will be applied to this study to help predict student performance. NWKNN method has advantages in calculating the weight of classes and overcoming unbalanced data. Information Gain is used to optimize the classifier. Based on the research analysis, the accuracy value is 0,604, with precision value obtained is 0,719, recall value obtained is 0,676, and the f-measure value obtained is 0,661. That values is generated when using 9 features with the highest order value of all features namely VisitedResource, StudentAbsenceDay, RaisedHands, AnnouncementsView, Relation, ParentsAnsweringSurvey, Discussion, NationalITy, dan PlaceofBirth, which have Gain value≥0,1182 and using optimal parameters value, that is E = 6 and K = 45.
|
| format | Article |
| id | doaj-art-7507b8ee0ece4d4b88f70f11a345f366 |
| institution | Kabale University |
| issn | 2355-7699 2528-6579 |
| language | Indonesian |
| publishDate | 2022-06-01 |
| publisher | University of Brawijaya |
| record_format | Article |
| series | Jurnal Teknologi Informasi dan Ilmu Komputer |
| spelling | doaj-art-7507b8ee0ece4d4b88f70f11a345f3662025-02-11T10:42:35ZindUniversity of BrawijayaJurnal Teknologi Informasi dan Ilmu Komputer2355-76992528-65792022-06-019310.25126/jtiik.2022935751940Klasifikasi Kinerja Akademik Siswa Menggunakan Neighbor Weighted K-Nearest Neighbor dengan Seleksi Fitur Information GainRizky Adinda Azizah0Fitra Bachtiar1Sigit Adinugroho2Universitas Brawijaya, MalangUniversitas Brawijaya, MalangUniversitas Brawijaya, MalangKinerja akademik siswa merupakan indikator kesuksesan dari pembelajaran di sekolah. Mengukur kinerja akademik siswa dapat membantu tenaga didik mengembangkan pembelajaran yang sesuai untuk siswa sehingga meningkatkan keberhasilan pembelajaran sekolah. Kinerja akademik siswa dapat diamati melalui suatu Learning Management System bernama Kalboard 360 yaitu sistem yang berhubungan dengan perilaku siswa menggunakan alat pelacak aktivitas siswa yang memantau aktivitas pembelajaran. Data sekunder dari aktivitas tersebut dapat digunakan untuk mengetahui kinerja siswa dengan salah satu caranya adalah klasifikasi. Klasifikasi menggunakan metode Neighbor Weighted K-Nearest Neighbor dengan seleksi fitur Information Gain diterapkan pada penelitian ini untuk membantu klasifikasi kinerja siswa karena metode NWKNN mempunyai kelebihan memperhitungkan metode pembobotan kelas dan mengatasi data tidak seimbang. Seleksi fitur dengan Information Gain digunakan agar dapat mengoptimalkan hasil kerja classifier. Berdasarkan pengujian dan analisis penelitian, didapatkan nilai akurasi terbaik sebesar 0,604, dengan nilai precision adalah 0,719, nilai recall sebesar 0,676, dan nilai f-measure diperoleh adalah 0,661. Nilai tersebut dihasilkan saat menggunakan 9 fitur yaitu VisitedResource, StudentAbsenceDay, RaisedHands, AnnouncementsView, Relation, ParentsAnsweringSurvey, Discussion, NationalITy, dan PlaceofBirth dimana fitur tersebut memperoleh nilai Gain tertinggi dari urutan Gain keseluruhan fitur, dengan nilai Gain ≥ 0,1182 dan menggunakan nilai parameter optimal yaitu nilai E = 6, dan nilai K = 45. Abstract The academic performance of students is an indicator of the success of learning in school. Measuring and understanding student performance can help for improving learning systems that are suitable for students so the success of school learning will increase. Student academic performance can be observed via Learning Management System (LMS) named Kalboard 360 dealing with student behavior through a student activity tracking device so it can monitor learning activities. In this research, the secondary data is used to determine student performance through a classification. Neighbor Weighted K-Nearest Neighbor algorithm with Information Gain method will be applied to this study to help predict student performance. NWKNN method has advantages in calculating the weight of classes and overcoming unbalanced data. Information Gain is used to optimize the classifier. Based on the research analysis, the accuracy value is 0,604, with precision value obtained is 0,719, recall value obtained is 0,676, and the f-measure value obtained is 0,661. That values is generated when using 9 features with the highest order value of all features namely VisitedResource, StudentAbsenceDay, RaisedHands, AnnouncementsView, Relation, ParentsAnsweringSurvey, Discussion, NationalITy, dan PlaceofBirth, which have Gain value≥0,1182 and using optimal parameters value, that is E = 6 and K = 45. https://jtiik.ub.ac.id/index.php/jtiik/article/view/5751 |
| spellingShingle | Rizky Adinda Azizah Fitra Bachtiar Sigit Adinugroho Klasifikasi Kinerja Akademik Siswa Menggunakan Neighbor Weighted K-Nearest Neighbor dengan Seleksi Fitur Information Gain Jurnal Teknologi Informasi dan Ilmu Komputer |
| title | Klasifikasi Kinerja Akademik Siswa Menggunakan Neighbor Weighted K-Nearest Neighbor dengan Seleksi Fitur Information Gain |
| title_full | Klasifikasi Kinerja Akademik Siswa Menggunakan Neighbor Weighted K-Nearest Neighbor dengan Seleksi Fitur Information Gain |
| title_fullStr | Klasifikasi Kinerja Akademik Siswa Menggunakan Neighbor Weighted K-Nearest Neighbor dengan Seleksi Fitur Information Gain |
| title_full_unstemmed | Klasifikasi Kinerja Akademik Siswa Menggunakan Neighbor Weighted K-Nearest Neighbor dengan Seleksi Fitur Information Gain |
| title_short | Klasifikasi Kinerja Akademik Siswa Menggunakan Neighbor Weighted K-Nearest Neighbor dengan Seleksi Fitur Information Gain |
| title_sort | klasifikasi kinerja akademik siswa menggunakan neighbor weighted k nearest neighbor dengan seleksi fitur information gain |
| url | https://jtiik.ub.ac.id/index.php/jtiik/article/view/5751 |
| work_keys_str_mv | AT rizkyadindaazizah klasifikasikinerjaakademiksiswamenggunakanneighborweightedknearestneighbordenganseleksifiturinformationgain AT fitrabachtiar klasifikasikinerjaakademiksiswamenggunakanneighborweightedknearestneighbordenganseleksifiturinformationgain AT sigitadinugroho klasifikasikinerjaakademiksiswamenggunakanneighborweightedknearestneighbordenganseleksifiturinformationgain |