Peningkatan Performa Pengelompokan Pola Berpikir Siswa dalam Belajar pada Media Pembelajaran Menggunakan Direct Batch Growing Self Organizing Map

Penulis

Mochammad Izzuddin, Ahmad Afif Supianto, Tibyani Tibyani, Hilman Ferdinandus Pardede, Asri Rizki Yuliani, Ade Ramdan

Abstrak

Tidak sedikit siswa mengalami kendala untuk keluar dari kebuntuan berpikir saat belajar. Setiap siswa memiliki caranya masing-masing untuk menyelesaikan masalah kebuntuan tersebut, yang disebabkan oleh pola berpikir yang berbeda-beda. Kendati berbeda, pola berpikir tersebut memiliki kemiripan yang dapat dikelompokkan agar pemberian umpan balik dapat dilakukan dengan tepat secara berkelompok. Salah satu cara yang dapat dilakukan untuk mengelompokkan siswa berdasarkan pola berpikirnya adalah clustering. Penelitian untuk pengelompokkan berdasarkan kecerdasan sudah pernah dilakukan menggunakan salah satu teknik clustering yaitu Self Organizing Map (SOM). Namun SOM memiliki keterbatasan dalam menentukan ukuran jaringan karena bersifat statis. Keterbatasan yang ada pada SOM dapat diatasi, penelitian ini mengusulkan Direct Batch Growing Self Organizing Map (DBGSOM) yang bersifat dinamis dalam ukuran jaringan dan lebih cepat dalam proses pelatihannya. Penelitian ini dimulai dengan mengidentifikasi masalah untuk mengetahui kemungkinan penyelesaian permasalahan. Tahap selanjutnya adalah pengumpulan data dan pemilihan data yang digunakan dalam penelitian. Tahap akhir, evaluasi dilakukan terhadap data yang terdiri dari 12 assignment untuk mengetahui performa terbaik dari DBGSOM. Hasil evaluasi yang telah dilakukan menunjukkan bahwa clustering DBGSOM memperoleh performa lebih baik daripada SOM pada 11 assignment dari 12 assignment. Pengukuran signifikansi perbandingan dilakukan dengan metode Wilcoxon yang menghasilkan nilai test stat 8 dan critical value 13. Hal ini membuktikan bahwa penerapan DBGSOM mampu memberikan peningkatkan performa clustering yang signifikan dari SOM.

 

Abstract

A few times, students have difficulty getting out of the deadlock in thinking while studying. Each student has their own way of solving the deadlock problem, which is caused by different thinking patterns. Although different, these thinking patterns have similarities that can be grouped so that giving feedback can be done appropriately in groups. One way that can be done to group students based on their thinking patterns is clustering. Research for grouping based on intelligence has been done using one of the clustering techniques, namely Self Organizing Map (SOM). However, SOM has limitations in determining network size because it is static. The limitations that exist in SOM can be overcome, this study proposes a Direct Batch Growing Self Organizing Map (DBGSOM) which is dynamic in network size and faster in the training process. This research begins by identifying the problem to determine the possibility of solving the problem. The next stage is data collection and data selection used in research. The final stage, evaluation is carried out on the data consisting of 12 assignments to find out the best performance of DBGSOM. The results of the evaluation that have been carried out show that DBGSOM clustering has better performance than SOM on 11 assignments out of 12 assignments. The comparison significance measurement was carried out using the Wilcoxon method which resulted in a test stat value of 8 and a critical value of 13. This proves that the application of DBGSOM is able to provide a significant increase in clustering performance from SOM.


Teks Lengkap:

PDF

Referensi


AZMI, M., 2014. Komparasi Metode Jaringan Syaraf Tiruan SOM dan LVQ untuk Mengidentifikasi Data Bunga Iris. Jurnal TEKNOIF, pp. 64-70.

BUDHI, G. S., LILIANA dan HARRYANTO, S., 2008. Cluster Analysis untuk Memprediksi Talenta Pemain Basket Menggunakan Jaringan Saraf Tiruan Self Organizing Maps (SOM). Jurnal Informatika, 9(1), pp. 23-32.

CAHYA, R. A., ADIMANGGALA, D. dan SUPIANTO, A. A., 2019. Deep Feature Weighting Based on Genetic Algorithm and Naive Bayes For Twitter Sentiment Analysis. Sustainable Information Engineering and Technology (SIET), pp. 326-331.

EKO S., T. Y., 2005. Upaya Mengingkatkan Kemampuan Berpikir Kreatif Siswa Melalui Pengajuan Masalah. Jurnal Pendidikan Matematika dan Sains, pp. 1-9.

GHOZALI, M. I., EHWAN, R. Z. dan SUGIHARTO, W. H., 2017. Analisa Pola Belanja Menggunakan Algoritma FP Growth, Self Organizing Map (SOM) dan K-means. Jurnal SIMETRIS, Volume 8, pp. 317-326.

HAN, J., KAMBER, M. dan PEI, J., 2012. Data Mining Concepts and Techniques. United States of America: Elsevier Inc..

HILMI, M. N., WILANDARI, Y. dan YASIN, H., 2015. Pemetaan Preferensi Mahasiswa Baru dalam Memilih Jurusan Menggunakan Artificial Neural Network (ANN) dengan Algoritma Self Organizing Maps (SOM). Jurnal Gaussian, 4(1), pp. 53-60.

KURAYAMA, M. dan HIRASHIMA, T., 2010. Interactive Learning Environment Designed Based on A Task Model of Problem-Posing. Putrajaya, Malaysia, S. L. Wong et al., pp. 98-100.

LESTARI, W., 2014. Sistem Clustering Kecerdasan Majemuk Mahasiswa Menggunakan Algorita Self Organizing Maps (SOM). Jurnal Sainstech Politeknik Indonusa Surakarta, pp. 53-58.

NURKHOLIS, 2013. Pendidikan Dalam Upaya Memajukan Teknologi. Jurnal kependidikan, pp. 24-44.

PAMITAH, D. DAN MURNI, 2017. Analisis Kualitatif Gaya Berpikir Siswa SMA Dalam Memecahkan Masalah Fisika Pada Materi Gerak Parabola. Journal Inovasi dan Pembelajaran Fisika, pp. 106-118.

PANDEY, A. dan JAIN, A., 2017. Comparative Analysis of KNN Algorithm using Various Normalization Techniques. I. J. Computer Network and Information Security, pp. 36-42.

S., ID, I. D. DAN ANGRAINI, T., 2018. Penentuan Daerah Rawan Titik Api di Provinsi Riau Menggunakan Clustering Algoritma K-Means (Determination of Fire Point Prone Areas in Riau Province Using Clustering K-Means Algorithm). JUITA, Volume VI, pp. 137-148.

SPANAKIS, G. DAN WEISS, G., 2016. AMSOM : Adaptive Moving Self-organizing Map for Clustering and Visualization.

SUPIANTO, A. A., HAYASHI, Y. dan HIRASHIMA, T., 2017. Process-based Assignment-Setting Change for Support of Overcoming Bottlenecks in Learning by Problem-Posing in Arithmetic Word Problems. Journal of Physics Conference Series, 812(1).

VASIGHI, M. DAN AMINI, H., 2017. A Direct Batch Growing Approach to Enchance the Topology Perservation of Self-Organizing Map. Applied Soft Computing, pp. 424-435.




DOI: http://dx.doi.org/10.25126/jtiik.2022915573