Klasifikasi gaya belajar siswa dalam pembelajaran ipa di Sekolah Dasar menggunakan Naïve Bayes dengan media animasi

INDONESIA:

Pembelajaran Ilmu Pengetahuan Alam (IPA) di sekolah dasar sering menghadapi tantangan karena banyak konsep yang bersifat abstrak, sementara setiap siswa memiliki gaya belajar yang berbeda, yaitu visual, auditori, dan kinestetik. Penggunaan media animasi berpotensi menjadi stimulus yang efektif, namun belum banyak dimanfaatkan untuk mengidentifikasi gaya belajar siswa secara komputasional. Penelitian ini bertujuan untuk mengukur performa algoritma naïve bayes dalam mengklasifikasikan gaya belajar siswa berdasarkan data interaksi terhadap media animasi pembelajaran. Data dikumpulkan dari 200 siswa kelas V sekolah dasar melalui kuesioner gaya belajar, observasi interaksi siswa saat menonton animasi pembelajaran IPA tentang gaya gravitasi, serta penilaian dari lima orang guru sebagai ground truth. Model klasifikasi dibangun menggunakan algoritma gaussian naïve bayes dengan skenario pembagian data rasio 80:20, 70:30, dan 60:40, serta dievaluasi menggunakan confusion matrix, accuracy, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa model mencapai akurasi terbaik sebesar 90,57% pada rasio 70:30. Performa model sangat baik pada kategori visual (F1-score 0,95), cukup baik pada kinestetik (F1-score 0,59), namun masih lemah pada kategori auditori (F1-score 0,19) karena jumlah sampel yang sedikit dan kemiripan pola fitur. Secara keseluruhan, algoritma naïve bayes terbukti efektif dalam mengklasifikasikan gaya belajar siswa, terutama untuk kecenderungan visual, sehingga dapat membantu guru dalam memahami karakteristik belajar siswa untuk menciptakan pembelajaran yang lebih adaptif.

ENGLISH:

Science learning in elementary schools often faces challenges because many concepts are abstract, while each student has different learning styles: visual, auditory, and kinesthetic. The use of animated media has the potential to be an effective stimulus, but it has not been widely used to computationally identify student learning styles. This study aims to measure the performance of the Naïve Bayes algorithm in classifying student learning styles based on interaction data with animated learning media. Data were collected from 200 fifth-grade elementary school students through learning style questionnaires, observation of student interactions while watching science animation about gravity, and assessments from five teachers as ground truth. The classification model was built using the Gaussian Naïve Bayes algorithm with data splitting scenarios of 80:20, 70:30, and 60:40 ratios, and evaluated using confusion matrix, accuracy, precision, recall, and F1-score. The results showed that the model achieved the best accuracy of 90.57% at a 70:30 ratio. The model performed very well for the visual category (F1-score 0.95), adequately for the kinesthetic category (F1-score 0.59), but was still weak for the auditory category (F1-score 0.19) due to the small number of samples and similarity of feature patterns. Overall, the Naïve Bayes algorithm proved effective in classifying student learning styles, especially for visual tendencies, thus assisting teachers in understanding student learning characteristics to create more adaptive learning.

ARABIC:

غالبا ما يواجه تعلم العلوم في المدارس الابتدائية تحديات لأن العديد من المفاهيم مجردة، بينما لكل طالب أساليب تعلم مختلفة: بصري، سمعي، وحركية. استخدام الوسائط المتحركة لديه القدرة على أن يكون محفزا فعالا، لكنه لم يستخدم على نطاق واسع لتحديد أنماط تعلم الطلاب حسابيا. تهدف هذه الدراسة إلى قياس أداء خوارزمية Naïve Bayes في تصنيف أنماط تعلم الطلاب بناء على بيانات التفاعل مع وسائط التعلم المتحركة. تم جمع البيانات من 200 طالب في المرحلة الابتدائية في الصف الخامس من خلال استبيانات أسلوب التعلم، وملاحظة تفاعلات الطلاب أثناء مشاهدة الرسوم المتحركة العلمية حول الجاذبية، وتقييمات من خمسة معلمين كحقيقة على الأرض. تم بناء نموذج التصنيف باستخدام خوارزمية بايز ساذجة غاوسية مع سيناريوهات تقسيم البيانات بنسبة 80:20، 70:30، و60:40، وتم تقييمه باستخدام مصفوفة الالتباس، والدقة، والدقة، والاسترجاع، ودرجة F1. أظهرت النتائج أن النموذج حقق أفضل دقة بنسبة 90.57٪ بنسبة 70:30. أداء النموذج كان جيدا جدا في فئة الرؤية (درجة F1 0.95)، وبشكل كاف لفئة الحركة (درجة F1 0.59)، لكنه ظل ضعيفا في فئة السمعيات (درجة F1 0.19) بسبب قلة عدد العينات وتشابه أنماط الميزات. بشكل عام، أثبتت خوارزمية نايف بايز فعاليتها في تصنيف أنماط تعلم الطلاب، خاصة في الاتجاهات البصرية، مما ساعد المعلمين على فهم خصائص تعلم الطلاب لخلق تعلم أكثر تكيفية.