Penerapan Particle Swarm Optimization Pada Algoritma Naïve Bayes Untuk Klasifikasi Hasil Belajar

Penerapan Particle Swarm Optimization Pada Algoritma Naïve Bayes Untuk Klasifikasi Hasil Belajar

• By Basri, Hasan; Azis, Mohammad Syamsul; Malau, Yesni; Fridayanthie, Eka Wulansari; Rizal, Khairul; Rianto, Harsih;
• Jurnal Nasional Tidak Terakreditasi
• 276
• 97-106

Kemajuan teknologi industri 4.0 memberikan banyak perubahan pada pola hidup saat ini. Salah satu contoh yang melekat pada kemajuan teknologi industri 4.0 yaitu penggunaan komunikasi, transaksi, bahkan sampai tingkat edukasi menggunakan percepatan teknologi informasi. Beberapa sektor sudah menggunakan kemajuan teknologi informasi seperti sektor pemerintahan, sektor industri bahkan sampai dunia pendidikan. Hal ini dikarenakan semakin besar pengaruh penggunaan teknologi informasi untuk mempercepat transformasi pada setiap sektor yang menggunakannya. Namun disisi lain kemajuan teknologi informasi, selain memiliki dampak positif juga memiliki dampak negatif. Sebagai contoh nyata dari dampak positif yaitu di sektor pendidikan, selama pandemi Covid-19 melanda Indonesia pemanfaatan teknologi sangat dapat dirasakan seperti halnya pembelajaran yang jauh bisa menjadi dekat dengan video pembelajaran yang ada. Akan tetapi salah satu tantangan tersendiri bahwa kemajuan teknologi informasi menghadirkan dampak yang negatif juga dibidang pendidikan yaitu ketergantungan siswa atau peserta didik lebih banyak menggunakan waktunya untuk bermain game online (e-sport). Sehingga dapat berpengaruh pada hasil pencapaian pembelajaran siswa. Permasalahan yang dihadapi oleh siswa yang ada di Madrasah Aliyah Negeri Rengasdengklok yaitu banyak siswa merasa kecanduan bermain game online (e-sport) sehingga mempengaruhi hasil belajar setiap semesternya. Oleh karena itu metode penelitian yang akan digunakan adalah menggunakan klasifikasi pengaruh e-sport terhadap hasil pencapaian pembelajaran (nilai raport) siswa menggunakan algoritma naïve bayes yang dioptimasi menggunakan particle swarm optimization. Pada implementasinya ditemukan 178 siswa mengalami hasil pembelajaran nilai raport yang mengalami penurunan dan peningkatan, tentunya hal ini dipengaruhi oleh beberapa faktor baik dari internal maupun eksternal siswa itu sendiri. implementasi algoritma yang digunakan pada penelitian ini memperoleh tingkat klasifikasi cukup dengan nilai AUC ( area under clasification) 0.792 dan memiliki nilai akurasi 75.95 %

• Katakunci e-sport, klasifikasi, teknologi industri 4.0
• URL http://ejournal-binainsani.ac.id/index.php/ISBI/article/view/1752
• Penerbit ,

REFERENSI

[1] Syamsuar and Reflianto, “Pendidikan dan Tantangan Pembelajaran Berbasis Teknologi Informasi di Era Revolusi Industri 4.0,” J. Ilm. Teknol. Pendidik., vol. 6, no. 2, pp. 1–13, 2018.
[2] A. Ginanjar, W. Purnama Sari, H. Rahmawati, and E. Dwipriyoko, “Metodologi RUP Terhadap Pengolahan Data Nilai Siswa Berbasis Android dan NodeJS,” J. TIARSIE, vol. 16, no. 4, p. 113, 2019, doi: 10.32816/tiarsie.v16i4.66.
[3] A. S. Permadi, A. Purtina, and M. Jailani, “Pengaruh Pemanfaatan Teknologi Informasi Dan Komunikasi Terhadap Motivasi Belajar,” Tunas J. Pendidik. Guru Sekol. Dasar, vol. 6, no. 1, pp. 16–21, 2020.
[4] H. Basri, “Implementasi Algoritma Naive Bayes Untuk Mengetahui Potensi Siswa Dalam Pemahaman Ms. Excel,” Sistemasi, vol. 8, no. 3, p. 505, 2019, doi: 10.32520/stmsi.v8i3.569.
[5] A. Syafi’i, T. Marfiyanto, and S. K. Rodiyah, “Studi Tentang Prestasi Belajar Siswa Dalam Berbagai Aspek Dan Faktor Yang Mempengaruhi,” J. Komun. Pendidik., vol. 2, no. 2, p. 115, 2018, doi: 10.32585/jkp.v2i2.114.
[6] I. K. Tojo and A. W. Widjaja, “Antecedents Dari Intention To Play Dan Pengaruhnya Terhadap Intention To Pay Pada Pemain Mobile Moba Games E-Sport Di Jakarta,” J. Ilm. Manaj. Ubhara, vol. 1, no. 2, 2019, doi: 10.31599/jmu.v1i2.675.
[7] K. Azwar, “Dampak Esport Game Terhadap Tingkat Emosiona dan Prestasi Belajar Remaja di Kota Lhoksumawe Provinsi Aceh Tahun 2020. STIKes Getsempena Lhoksukon,” J. Visipena, vol. 11, no. 2, pp. 255–265, 2020.
[8] Y. Suhanda, I. Kurniati, and S. Norma, “Penerapan Metode Crisp-DM Dengan Algoritma K-Means Clustering Untuk Segmentasi Mahasiswa Berdasarkan Kualitas Akademik,” J. Teknol. Inform. dan Komput., vol. 6, no. 2, pp. 12–20, 2020, doi: 10.37012/jtik.v6i2.299.
[9] H. Annur, “Klasifikasi Masyarakat Miskin Menggunakan Metode Naive Bayes,” Ilk. J. Ilm., vol. 10, no. 2, pp. 160–165, 2018, doi: 10.33096/ilkom.v10i2.303.160-165.
[10] Y. Ersan Fadrial, “Algoritma Naive Bayes Untuk Mencari Perkiraan Waktu Studi Mahasiswa,” J. Inf. Technol. Comput. Sci., vol. 1, no. 69, pp. 5–24, 1967.