<![CDATA[Gaya belajar merujuk pada kecenderungan pribadi seseorang dalam menyerap, mengolah, dan memahami informasi baru, yang umumnya dibagi menjadi tiga jenis utama: visual, auditori, dan kinestetik. Penelitian ini fokus pada pengembangan teknik klasifikasi otomatis untuk mendeteksi gaya belajar siswa dengan cara yang lebih efisien. Algoritma Learning Vector Quantization (LVQ) diterapkan pada 100 sampel data, dengan jaringan saraf yang memiliki 36 neuron di lapisan masukan dan 3 neuron di lapisan keluaran. Implementasinya menggunakan software MATLAB, dan evaluasi model dilakukan melalui metrik akurasi serta Mean Square Error (MSE). Eksperimen melibatkan berbagai proporsi data pelatihan dan pengujian, dengan konfigurasi optimal tercapai ketika menggunakan 90 data untuk pelatihan dan 10 data untuk pengujian, disertai learning rate 0.05 dan 500 iterasi. Hasilnya menunjukkan akurasi sebesar 80% dan MSE terendah yaitu 0.12. Penelitian ini juga menemukan bahwa meningkatkan jumlah data pelatihan secara positif memengaruhi akurasi model. Secara keseluruhan, penelitian ini berkontribusi pada pembuatan sistem klasifikasi gaya belajar otomatis yang bisa diintegrasikan ke dalam lingkungan pendidikan untuk mendukung pendekatan pembelajaran yang lebih personal dan adaptif.]]>
Copyrights © 2026
