Penerapan Particle Swarm Optimization Pada Algoritme K-Means Untuk Pengelompokan Proses Berpikir Siswa Dalam Belajar
| Main Author: | Rahmadhani, Annisa Salamah |
|---|---|
| Format: | Thesis NonPeerReviewed |
| Terbitan: |
, 2020
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/183630/ |
Daftar Isi:
- Proses berpikir mencerminakan pemahaman dan kesalapahaman siswa tentang struktur masalah. Penerapan struktur masalah terdapat pada proses belajar yang biasanya dikemas menggunakan media pembelajran. Monsakun merupakan salah satu media pembelajaran yang memberikan dukungan dengan menawarkan masalah dalam menyelesaikan kata aritmatika penambahan dan pengurangan). Oleh karena itu setiap siswa yang menggunakan Monsakun akan mempunyai proses berpikir yang berbeda beda dalam menyelesaikan masalah. Disisi lain, walaupun proses berpikir siswa berbeda beda namun di antaranya tetap terdapat kemiripan dan perlu dilakukan pengelompokan berdasarkan proses berpikir siswa agar mempermudah guru dalam memahami kesulitan yang dihadapi oleh siswa dan dapat dilakukan evaluasi serta timbal balik yang sesuai. Dalam proses pengelompokan digunakan algoritme K-Means yang dioptimasikan menggunakan algoritme Particle Swarm Optimization dalam menentukan centroid awal. Data yang digunakan merupakan datalog Monsakun level 5 yang terdiri dari 12 soal. Berdasarkan implementasi serta pengujian yang sudah dilakukan, hasil pengelompokan didominasi oleh 2 cluster dan penerapan algoritme K-Means yang dipadukan dengan Particle Swarm Optimization dominan menghasilkan cluster lebih baik dibandingkan dengan algoritma K-Means yang berdiri sendiri, dimana kualitas cluster ditentukan menggunakan metode Silhouette Coefficient. Perbandingan kedua metode juga dilakukan menggunakan uji Wilcoxon dengan hasil bahwa penggunaan algoritme KMeans murni dan algoritme KMeans-PSO pada clustering proses berpikir siswa terdapat perbedaan.