<![CDATA[Gaya belajar merupakan preferensi individu dalam memperoleh, memproses, dan memahami informasi baru, yang secara umum dikelompokkan menjadi tiga kategori utama: visual, auditori, dan kinestetik. Penelitian ini bertujuan untuk mengembangkan metode klasifikasi otomatis guna mengidentifikasi gaya belajar siswa secara efisien. Algoritma Learning Vector Quantization (LVQ) digunakan untuk mengklasifikasikan gaya belajar berdasarkan 100 sampel data, dengan struktur jaringan yang terdiri dari 36 neuron pada lapisan input dan 3 neuron pada lapisan output. Implementasi dilakukan menggunakan perangkat lunak MATLAB, dan model dievaluasi menggunakan metrik akurasi serta Mean Square Error (MSE). Pengujian dilakukan dengan berbagai rasio data latih dan data uji, dan konfigurasi terbaik diperoleh saat menggunakan 90 data sebagai data latih dan 10 data sebagai data uji, dengan learning rate sebesar 0.05 dan iterasi sebanyak 500. Hasil menunjukkan akurasi mencapai 80% dan nilai MSE minimum sebesar 0.12. Temuan ini menunjukkan bahwa penambahan jumlah data latih berdampak positif terhadap akurasi model. Penelitian ini memberikan kontribusi dalam pengembangan sistem klasifikasi gaya belajar otomatis yang dapat diintegrasikan ke dalam sistem pendidikan untuk mendukung strategi pembelajaran yang lebih personal dan adaptif secara efektif.]]>
Copyrights © 2025
