Article Per Year (5 Year)
p-Index From 2021 - 2026
1.829
P-Index
This Author published in this journals
All Journal Jurnal Teknologi Sistem Informasi dan Aplikasi Jurnal Sistem Informasi dan Sistem Komputer JAMAIKA: Jurnal Abdi Masyarakat KOMMAS: Jurnal Pengabdian Kepada Masyarakat Journal of Artificial Intelligence and Digital Business LOGIC : Jurnal Ilmu Komputer dan Pendidikan JRIIN :Jurnal Riset Informatika dan Inovasi
Octaviano, Alvino
Unknown Affiliation
Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Other

Published : 11 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 11 Documents
Search

 1   2 
Prediksi Pemahaman Matematika Siswa Menggunakan SVM di Yayasan Al Lathiif Khotibul Akhyar Azmi, Zidane Muhammad; Octaviano, Alvino
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 5 No. 1 (2026): Februari - April
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v5i1.5521

Abstract

Kemampuan siswa dalam memahami matematika merupakan salah satu indikator penting dalam mengevaluasi keberhasilan proses pembelajaran. Namun, metode penilaian yang masih dilakukan secara manual dan subjektif sering kali menyebabkan keterlambatan dalam mengidentifikasi tingkat pemahaman siswa secara akurat. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem berbasis web yang menerapkan metode Support Vector Machine (SVM) untuk memprediksi kategori pemahaman matematika siswa di Yayasan Al Lathiif Khotibul Akhyar. Penelitian ini menggunakan pendekatan kuantitatif dengan jenis penelitian terapan. Data akademik yang digunakan meliputi nilai pre-test, nilai tugas, nilai ujian, dan kehadiran siswa. Data tersebut melalui tahapan preprocessing dan normalisasi menggunakan StandardScaler sebelum diproses oleh model klasifikasi SVM. Sistem dikembangkan menggunakan bahasa pemrograman PHP dengan framework CodeIgniter serta basis data MySQL. Evaluasi kinerja model dilakukan menggunakan confusion matrix dengan mengukur accuracy, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa metode Support Vector Machine (SVM) mampu mengklasifikasikan pemahaman matematika siswa ke dalam kategori Paham, Sangat Paham, dan Tidak Paham dengan tingkat akurasi sebesar 92,31%, precision rata-rata sebesar 93,94%, recall rata-rata sebesar 88,89%, serta F1-score rata-rata sebesar 90%. Nilai tersebut menunjukkan bahwa model memiliki kemampuan klasifikasi yang baik dan stabil dalam memprediksi tingkat pemahaman siswa berdasarkan data akademik. Sistem yang dikembangkan mampu membantu guru dalam melakukan identifikasi tingkat pemahaman siswa secara lebih cepat, objektif, dan berbasis data, sehingga mendukung penyusunan strategi pembelajaran yang lebih tepat sasaran.
Co-Authors Ayu Puspita, Nita Azmi, Zidane Muhammad Bambang Santoso Haryono, Wasis Miorandi, Yoga Aditya Nawan, Agus Priyadi, Satrio Pandita Sofiana, Sofa Suryaningrat Taruna, Gilang