<![CDATA[Klasifikasi gaya belajar siswa penting untuk merancang strategi pembelajaran efektif. Penelitian ini mengevaluasi performa tiga algoritma machine learning C4.5 Decision Tree, Support Vector Machine (SVM), dan Naive Bayes dalam memetakan preferensi belajar siswa SMK berdasarkan data lingkungan pembelajaran. Data diperoleh dari 300 siswa SMK YUM Pesantren Teknologi Riau melalui kuesioner yang terdiri dari indikator gaya belajar VAK (visual, auditory, kinesthetic) dan karakteristik lingkungan belajar. Evaluasi menggunakan skema 10-Fold Cross-Validation dengan metrik akurasi, precision, recall, dan F1-score. Hasil menunjukkan C4.5 mencapai akurasi tertinggi sebesar 68,67% dengan F1-score 65,98%, diikuti SVM dengan akurasi 60,67% (F1-score 48,13%), dan Naive Bayes dengan akurasi 47,00% (F1-score 34,51%). C4.5 unggul dalam interpretabilitas model, SVM menunjukkan stabilitas validasi namun kurang optimal untuk kelas minoritas, sedangkan Naive Bayes tercepat dalam pelatihan namun memiliki akurasi terendah. Temuan ini menunjukkan bahwa model klasifikasi berbasis lingkungan belajar dapat menjadi pendekatan praktis untuk sistem pembelajaran adaptif di SMK.]]>
Copyrights © 2025
