Mochammad Rizky
Teknik Informatika, Universitas Pamulang

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

PENGELOMPOKAN GAYA BELAJAR SISWA MENGGUNAKAN ALGORITMA K-MEANS BERDASARKAN MODEL VAK: Sri Yulia; Okta Irawati; Nurhasanah Nurhasanah; Syndhe Qumaruw Syty; Mochammad Rizky; Putri Adela Fadli; Sandi Firmansyah
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 10 No. 1 (2026): JATI Vol. 10 No. 1
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v10i1.16935

Abstract

Perbedaan gaya belajar siswa merupakan tantangan dalam menciptakan pembelajaran yang efektif, khususnya di sekolah menengah kejuruan yang menekankan keseimbangan antara teori dan praktik. Permasalahan yang sering muncul adalah proses identifikasi gaya belajar siswa yang masih dilakukan secara manual, sehingga memerlukan waktu yang lama dan berpotensi menimbulkan subjektivitas. Penelitian ini bertujuan untuk mengelompokkan gaya belajar siswa di SMKN 3 Tangerang Selatan secara objektif menggunakan algoritma K-Means berdasarkan model Visual, Auditory, dan Kinesthetic (VAK). Metode penelitian meliputi pengumpulan data melalui kuesioner, pra-proses data, penerapan algoritma K-Means, serta penentuan jumlah klaster optimal menggunakan metode evaluasi Silhouette Score. Hasil penelitian menunjukkan bahwa jumlah klaster optimal diperoleh pada k = 3 berdasarkan nilai Silhouette Score tertinggi, yang menghasilkan tiga klaster, yaitu C1 (Visual–Kinesthetic Moderat), C2 (Low Engagement Learner), dan C3 (Kinesthetic-Dominant Active Learner) yang menunjukkan jumlah anggota terbesar. Hasil pengelompokan ini menunjukkan bahwa gaya belajar siswa bersifat multidimensi dan tidak terbatas pada satu kategori VAK tertentu. Temuan penelitian ini diharapkan dapat membantu guru dalam merancang strategi pembelajaran yang lebih terpersonalisasi dan sesuai dengan karakteristik masing-masing kelompok siswa.