KLASTERISASI DAN KLASIFIKASI KESIAPAN SEKOLAH UNTUK MENERAPKAN BLENDED LEARNING MENGGUNAKAN ALGORITMA K-MEANS DAN SUPPORT VECTOR MACHINES

MULYA, NANDA HADY (2022) KLASTERISASI DAN KLASIFIKASI KESIAPAN SEKOLAH UNTUK MENERAPKAN BLENDED LEARNING MENGGUNAKAN ALGORITMA K-MEANS DAN SUPPORT VECTOR MACHINES. Sarjana thesis, Universitas Putera Indonesia YPTK Padang.

	Text Skripsi_NandaHadyMulya_18101152630171.pdf Restricted to Repository staff only Download (5MB)
	Text Skripsi_NandaHadyMulya_18101152630171-7.pdf Download (139kB)
	Text Skripsi_NandaHadyMulya_18101152630171-22-31.pdf Download (254kB)
	Text Skripsi_NandaHadyMulya_18101152630171-142-148.pdf Download (132kB)

Abstract

Pendidikan adalah upaya sadar yang sistematis untuk menciptakan lingkungan belajar dan proses belajar agar peserta didik dapat secara aktif mengembangkan diri, sehingga memiliki nilai-nilai yang bermanfaat bagi diri, keluarga, masyarakat, bangsa dan negara. Kemunculan Pandemi Covid-19 (Coronavirus Disease) yang menyebar ke seluruh dunia dan menjangkit Indonesia pada awal Maret 2020 membawa dampak besar terhadap berbagai sektor kehidupan di seluruh dunia termasuk di Indonesia. Pada sector pendidikan, pelaksanaan kegiatan pembelajaran selama pandemi dilaksanakan secara daring/online dan seluruh stakeholder harus menyiapkan semua perangkat pembelajaran jarak jauh (PJJ). Dalam menjembatani pembelajaran jarak jauh, salah satu metode pembelajaran yang efektif diterapkan di Indonesia adalah pembelajaran Blended Learning. Blended Learning merupakan metode pembelajaran campuran yang mengkolaborasikan antara metode tatap muka dan metode pembelajaran berbasis internet. Metode Blended Learning adalah bentuk tindakan lanjutan dari metode pembelajaran jarak jauh. Oleh sebab itu, diperlukan adanya sebuah sistem yang dapat mengukur tingkat kesiapan sekolah dalam menerapkan metode Blended Learning. Sistem ini dibangun dengan mengimplementasikan algoritma K-Means untuk membantu mengklasterisasi serta mengklasifikasikan tingkat kesiapan masing-masing sekolah dan dikolaborasikan dengan metode Support Vector Machines yang bertujuan untuk mengevaluasi kegiatan pembelajaran Blended Learning di sekolah. Penelitian ini melalui 3 tahapan yang terdiri dari tahap menentukan atribut menggunakan pendekatan model E-Learning Readiness, tahap desain model machine learning dan tahap analyst and result. Kriteria-kriteria yang diperhatikan dalam penelitian ini adalah people, technology, innovation dan self development. Hasil keputusan dari 10 data sekolah yaitu 7 termasuk ke cluster siap dan 3 termasuk ke cluster belum siap, dan didapatkan hasil pengujian data yaitu accuracy, recall dan precision 100%.

Actions (login required)

View Item