Implementasi Learning Vector Quantization (LVQ) Untuk Klasifikasi Gaya Belajar
Keywords:
Gaya belajar, Klasifikasi otomatis, PembelajaranAbstract
Gaya belajar merujuk pada kecenderungan pribadi seseorang dalam menyerap, mengolah, dan memahami informasi baru, yang umumnya dibagi menjadi tiga jenis utama: visual, auditori, dan kinestetik. Penelitian ini fokus pada pengembangan teknik klasifikasi otomatis untuk mendeteksi gaya belajar siswa dengan cara yang lebih efisien. Algoritma Learning Vector Quantization (LVQ) diterapkan pada 100 sampel data, dengan jaringan saraf yang memiliki 36 neuron di lapisan masukan dan 3 neuron di lapisan keluaran. Implementasinya menggunakan software MATLAB, dan evaluasi model dilakukan melalui metrik akurasi serta Mean Square Error (MSE). Eksperimen melibatkan berbagai proporsi data pelatihan dan pengujian, dengan konfigurasi optimal tercapai ketika menggunakan 90 data untuk pelatihan dan 10 data untuk pengujian, disertai learning rate 0.05 dan 500 iterasi. Hasilnya menunjukkan akurasi sebesar 80% dan MSE terendah yaitu 0.12. Penelitian ini juga menemukan bahwa meningkatkan jumlah data pelatihan secara positif memengaruhi akurasi model. Secara keseluruhan, penelitian ini berkontribusi pada pembuatan sistem klasifikasi gaya belajar otomatis yang bisa diintegrasikan ke dalam lingkungan pendidikan untuk mendukung pendekatan pembelajaran yang lebih personal dan adaptif.
References
A. Aziz, F. Insani, J. Jasril, and F. Syafria, “Implementasi Metode Learning Vector Quantization (LVQ) Untuk Klasifikasi Keluarga Beresiko Stunting,” Building of Informatics, Technology and Science (BITS), vol. 5, no. 1, pp. 12–20, Jun. 2023, doi: 10.47065/bits.v5i1.3478.
A. B. Pratama, E. Budianita, N. Yanti, R. Mai Candra, and T. Informatika UIN Sultan Syarif Kasim Riau Jl Subrantas Km, “Implementasi Metode Learning Vector Quantization (LVQ) Untuk Sentimen Analisis Terhadap Aplikasi Go-Jek Pada Playstore,” Jurnal Nasional Komputasi dan Teknologi Informasi, vol. 5, no. 3, pp. 364–373, 2022, doi: 10.32672/jnkti.v5i3.4287.
A. I. Sakti et al., “Implementasi Artificial Neural Network (ANN) dalam Memprediksi Nilai Tukar Rupiah terhadap Dolar Amerika,” Euler : Jurnal Ilmiah Matematika, Sains dan Teknologi, vol. 12, no. 2, pp. 124–130, Nov. 2024, doi: 10.37905/euler.v12i2.26654.
A. R. Yanti and S. N. Endah, “Aplikasi Deteksi Dini Gangguan Sistem Pernafasan Menggunakan Metode Learning Vector Quantization (LVQ) Berbasis Web,” Sukmawati N Endah Jurnal Masyarakat Informatika, vol. 7, no. 1, pp. 55–65, 2016, doi: 10.14710/jmasif.7.1.10134.
A. Saleh, M. Harahap, and E. Indra, “Kombinasi Jaringan Learning Vector Quantization Dan Normalized Cross Correlation Pada Pengenalan Wajah,” Junal Sistem Informasi Ilmu Komputer Prima, vol. 3, no. 2, pp. 13–0, Feb. 2020, doi: 10.34012/jusikom.v3i2.851.
D. M. Arumsari, “Analisis Gaya Belajar Siswa Terhadap Hasil Belajar Pada Mata Pelajaran IPAS,” LEARNING : Jurnal Inovasi Penelitian Pendidikan dan Pembelajaran, vol. 3, no. 1,
E. Budianita and W. Prijodiprodjo, “Penerapan Learning Vector Quantization (LVQ) untuk Klasifikasi Status Gizi Anak,” IJCCS, vol. 7, no. 2, pp. 155–166, 2013, doi: 10.22146/ijccs.3354.
E. Setyowati and S. Mariani, “Penerapan Jaringan Syaraf Tiruan dengan Metode Learning Vector Quantization (LVQ) Untuk Klasifikasi Penyakit Infeksi Saluran Pernapasan Akut (ISPA). Matematika,” in PRISMA, Prosiding Seminar Nasional, 2021, pp. 514–523. [Online]. Available: https://journal.unnes.ac.id/sju/index.php/prisma/
E. Setyowati and S. Mariani, “Penerapan Jaringan Syaraf Tiruan dengan Metode Learning Vector Quantization (LVQ) Untuk Klasifikasi Penyakit Infeksi Saluran Pernapasan Akut (ISPA).,” in PRISMA, Prosiding Seminar Nasional Matematika, 2021, pp. 514–523. [Online]. Available: https://journal.unnes.ac.id/sju/index.php/prisma/
E. Sivari, Z. Civelek, and S. Sahin, “Determination and classification of fetal sex on ultrasound images with deep learning,” Expert Syst Appl, vol. 240, pp. 1–13, Apr. 2024, doi: 10.1016/j.eswa.2023.122508.
F. Alamri, S. Ningsih, I. Djakaria, D. Wungguli, and I. K. Hasan, “Perbandingan Metode LVQ dan Backpropagation Untuk Klasifikasi Status Gizi Anak Di Kecamatan Sangkup,” Jurnal Gaussian, vol. 12, no. 3, pp. 314–321, Sep. 2023, doi: 10.14710/j.gauss.12.3.314-321.
F. R. Hariri, E. Utami, and A. Amborowati, “Learning Vector Quantization untuk Klasifikasi Abstrak Tesis,” Citec Journal, vol. 2, no. 2, pp. 128–143, 2015.
H. D. Bhakti, “Aplikasi Artificial Neural Network (ANN) untuk Memprediksi Masa Studi Mahasiswa Program Studi Teknik Informatika Universitas Muhammadiyah Gresik,” Eksplora Informatika, vol. 9, no. 1, pp. 88–95, Sep. 2019, doi: 10.30864/eksplora.v9i1.234.
Hidayatunnisa, Kusrini, and Kusnawi, “Perbandingan Kinerja Metode Naive Bayes dan Support Vector Machine dalam Analisis Soal,” Jurnal FASILKOM, vol. 13, no. 2, pp. 173–180, 2023, doi: 10.37859/jf.v13i02.5087.
Hidayatunnisa, Kusrini, and Kusnawi, “Perbandingan Kinerja Metode Naive Bayes dan Support Vector Machine dalam Analisis Soal,” Jurnal FASILKOM, vol. 13, no. 2, pp. 173–180, 2023, doi: 10.37859/jf.v13i3.6292.
J. Gea, “Implementasi Algoritma Learning Vector Quantization Untuk Pengenalan Barcode Barang,” Journal of Informatics, Electrical and Electronics Engineering, vol. 2, no. 1, pp. 1–4, 2022, doi: 10.47065/jieee.v2i1.385.
L. Rahmawati and S. Gumiandari, “Identifikasi Gaya Belajar (Visual, Auditorial dan Kinestetik) Mahasiswa Tadris Bahasa Inggris Kelas 3F Iain Syekh Nurjati Cirebon,” Pedagogik Jurnal Pendidikan, vol. 16, no. 1, pp. 54–61, 2021, doi: 10.33084/pedagogik.v16i1.1876.
M. F. Arif and A. A. Pramana, “Implementasi Metode Learning Vector Quantization (LVQ) Pada Pengenalan Bahasa Isyarat yang Mengandung Kata Kerja,” JAMI: Jurnal Ahli Muda Indonesia, vol. 3, no. 1, pp. 1–8, Jun. 2022, doi: 10.46510/jami.v3i1.40.
M. N. Harahap, “Tinjauan Gaya Belajar dan Model Pembelajaran Dalam Peningkatan Prestasi Belajar Siswa,” MANHAJ: Jurnal Ilmu Pengetahuan, Sosial Budaya dan Kemasyarakatan, vol. 2, no. 2, pp. 55–67, 2023.
P. Melani, A. Batubara, I. Afrianty, S. Sanjaya, and F. Syafria, “Klasifikasi Penyakit Stroke Jaringan Syaraf Tiruan Menerapkan Metode Learning Vector Quantization,” Jurnal Informatika Universitas Pamulang, vol. 8, no. 2, pp. 223–228, 2023, doi: 10.32493/informatika.v7i2.31359. pp. 111–119, 2023, doi: 10.51878/learning.v3i1.2118.
Downloads
Published
Issue
Section
License
Copyright (c) 2026 Muhammad Nazri
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
