PREDIKSI GAYA BELAJAR MENGGUNAKAN ALGORITMA RANDOM FOREST DENGAN OPTIMASI HYPERPARAMETER TUNING BERBASIS WEB
Rabit : Jurnal Teknologi dan Sistem Informasi Univrab · 10.07.2025 · 10 (2) · 864-873
DOI: 10.36341/rabit.v10i2.6393 ↗Kurz gefasst
Fachartikel in der Zeitschrift Rabit : Jurnal Teknologi dan Sistem Informasi Univrab, online erschienen am 10.07.2025. Verfasst von Risma Bidayatul Hidayah und 2 weiteren Autor:innen. Die Arbeit wurde bisher 2-mal zitiert (Crossref). Der Volltext ist frei zugänglich (Open Access, CC BY-NC-SA 4.0).
Abstract (Originalsprache)
Gaya belajar berperan penting dalam menunjang pencapaian akademik siswa, karena ketidaksesuaian antara metode pembelajaran dan preferensi belajar siswa dapat menurunkan motivasi belajar, menghambat pemahaman materi, serta berdampak negatif terhadap hasil akademik. Menyikapi permasalahan tersebut, sistem prediksi gaya belajar berbasis web dikembangkan dalam studi ini dengan menerapkan pendekatan algoritma Random Forest. Namun dalam masalah klasifikasi Random Forest sering sekali menghadapi performa prediksi yang kurang optimal. Penelitian ini bertujuan untuk mengoptimalkan algoritma Random Forest menggunakan optimasi hyperparameter tuning melalui grid search dan random search untuk meningkatkan performa klasifikasi prediksi gaya belajar siswa. Penelitian ini menggunakan dataset kuesioner sekunder yang terdiri dari 1.210 sampel data yang telah diklasifikasikan berdasarkan metode VAK (Visual, Auditori, dan Kinestik). Hasil pengujian menunjukkan bahwa model dengan optimasi hyperparameter dengan random search mampu meningkatkan performa akurasi sebesar 88% dan rata-rata nilai validasi silang sebesar 86%. Dibandingkan dengan model konfigurasi default dan grid search yang hanya menghasilkan akurasi sebesar 86%. Peningkatan ini juga ditunjukkan dengan pemrosesan penyeimbangan data menggunakan SMOTE dan reduksi data dengan PCA mampu memberikan kontribusi dalam meningkatkan akurasi model. Secara keseluruhan, penelitian ini membuktikan bahwa optimasi hyperparameter grid search dan random search mampu mengoptimalkan algoritma Random Forest dalam klasifikasi gaya belajar siswa secara akurat.
Zitieren
APA
Hidayah, R. B., Latifah, K., & Herlambang, B. A. (2025). PREDIKSI GAYA BELAJAR MENGGUNAKAN ALGORITMA RANDOM FOREST DENGAN OPTIMASI HYPERPARAMETER TUNING BERBASIS WEB. Rabit : Jurnal Teknologi dan Sistem Informasi Univrab, 10(2), 864-873. https://doi.org/10.36341/rabit.v10i2.6393
Vancouver
Hidayah RB, Latifah K, Herlambang BA. PREDIKSI GAYA BELAJAR MENGGUNAKAN ALGORITMA RANDOM FOREST DENGAN OPTIMASI HYPERPARAMETER TUNING BERBASIS WEB. Rabit : Jurnal Teknologi dan Sistem Informasi Univrab. 2025;10(2):864-873. doi:10.36341/rabit.v10i2.6393
BibTeX
@article{Hidayah2025,
author = {Hidayah, Risma Bidayatul and Latifah, Khoiriya and Herlambang, Bambang Agus},
title = {PREDIKSI GAYA BELAJAR MENGGUNAKAN ALGORITMA RANDOM FOREST DENGAN OPTIMASI HYPERPARAMETER TUNING BERBASIS WEB},
journal = {Rabit : Jurnal Teknologi dan Sistem Informasi Univrab},
year = {2025},
volume = {10},
number = {2},
pages = {864--873},
doi = {10.36341/rabit.v10i2.6393}
}
EUVIMED