Klasterisasi siswa bimbingan belajar Tesla Sidoarjo Menggunakan Algoritma K-Means

INDONESIA :

Pendidikan merupakan salah satu aspek penting yang terus berkembang seiring dengan perkembangan teknologi. Salah satu media yang kerap digunakan untuk mendapatkan akses pendidikan adalah bimbingan belajar. Masing – masing siswa memiliki perbedaan kemampuan serta gaya belajar yang diminati. Hal ini tentu berpengaruh pada hasil akhir berupa perbedaan pemahaman siswa pada materi yang dijelaskan. Fenomena ini dapat diatasi dengan mengelompokkan siswa menjadi beberapa kelompok. Penelitian ini bertujuan untuk mengelompokkan siswa yang memiliki ciri serta karakteristik yang serupa menggunakan Algoritma K-Means Clustering berdasarkan hasil kuesioner Index of Learning Styles(ILS). Proses pengelompokan akan dilakukan sesuai dengan skenario yang telah ditentukan. Hasil dari skenario tersebut kemudian akan dievaluasi menggunakan Silhouette Score untuk menentukan skenario pengelompokan yang paling optimal. Pada penelitian ini, skenario 3 keluar sebagai skenario terbaik dengan nilai Silhouette Score tertinggi diantara skenario yang lain dengan nilai 0.24523330344105687. Hasil yang diperoleh dapat dimanfaatkan oleh para tenaga pendidik untuk menyesuaikan strategi serta model pembelajaran yang kiranya cocok untuk digunakan pada kelompok siswa dengan gaya belajar tertentu.

ENGLISH :

Education is an important aspect that continues to evolve alongside technological developments. One medium that is often used to gain access to education is tutoring. Each student has different abilities and preferred learning styles. This certainly affects the final results in the form of differences in students' understanding of the material being explained. This phenomenon can be overcome by grouping students into several groups. This study aims to group students who have similar traits and characteristics using the K-Means Clustering Algorithm based on the results of the Index of Learning Styles(ILS) questionnaire. The grouping process will be carried out according to a predetermined scenario. The results of the scenario will then be evaluated using the Silhouette Score to determine the most optimal grouping scenario. In this study, scenario 3 emerged as the best scenario with the highest Silhouette Score value among the other scenarios with a value of 0.24523330344105687. The results obtained can be used by educators to adjust strategies and learning models that are suitable for use in groups of students with specific learning styles.

ARABIC :

التعليم هو جانب مهم يستمر في التطور جنبًا إلى جنب مع التطورات التكنولوجية. أحد الوسائل التي غالبًا ما تستخدم للوصول إلى التعليم هو التدريس الخصوصي. لكل طالب قدرات مختلفة وأساليب تعلم مفضلة. وهذا يؤثر بالتأكيد على النتائج النهائية في شكل اختلافات في فهم الطلاب للمواد التي يتم شرحها. يمكن التغلب على هذه الظاهرة من خلال تجميع الطلاب في عدة مجموعات. تهدف هذه الدراسة إلى تجميع الطلاب الذين لديهم خصائص متشابهة باستخدام خوارزمية التجميع K-Means استنادًا إلى نتائج استبيان مؤشر أنماط التعلم (ILS). سيتم تنفيذ عملية التجميع وفقًا لسيناريو محدد مسبقًا. سيتم بعد ذلك تقييم نتائج السيناريو باستخدام معامل الصورة الظلية لتحديد السيناريو الأمثل للتجميع. في هذه الدراسة، ظهر السيناريو 3 كأفضل سيناريو مع أعلى قيمة لمعامل الصورة الظلية بين السيناريوهات الأخرى. يمكن للمعلمين استخدام النتائج التي تم الحصول عليها لتعديل الاستراتيجيات ونماذج التعلم المناسبة للاستخدام في مجموعات الطلاب ذات أنماط التعلم المحددة.