Skripsi
Implementasi algoritma Learning Vector quantization (LVQ) untuk klasifikasi kemampuan siswa / Mardian Dwi Jaelani
Abstrak
RINGKASAN Jaelani Mardian Dwi.2018. Implementasi Algoritma Learning Vector Quantization untuk Klasifikasi Kemampuan Siswa Skripsi Jurusan Teknik Elektro Fakultas Teknik Universitas Negeri Malang Pembimbing (1) Aji Prasetya Wibawa S.T. M.M.T. Ph.d. (2) Utomo Pujianto S.Kom. M.Kom. Kata Kunci Klasifikasi Kemampuan Siswa Learning Vector Quantization (LVQ) Technology Acceptance Model (TAM) Uji Kompetensi Keahlian (UKK) adalah bagian dari intervensi Pemerintah dalam menjamin mutu pendidikan pada satuan pendidikan Sekolah Menengah Kejuruan (SMK). Guru mempersiapkan siswa SMK untuk dapat memilih kompetensi keahlian siswa dalam menghadapi UKK khususnya siswa SMK kelas XII. Namun hambatan sering ditemui oleh guru dalam merekomendasikan siswa untuk memilih kompetensi keahlian yang sesuai dengan kemampuan siswa. Sistem Klasifikasi Kemampuan dan Kecenderungan Kemampuan Siswa dengan menerapkan algoritma Learning Vector Quantization (LVQ) dapat dijadikan solusi untuk membantu guru dalam mengklasifikasikan kemampuan siswa dan kecenderungan kemampuan siswa yang digunakan untuk memilih kompetensi keahlian saat UKK. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi kemampuan dengan menerapkan algoritma Learning Vector Quantization (LVQ) dan mengevaluasi pengaruh model penerimaan teknologi terhadap keberhasilan implementasi sistem klasifikasi kemampuan siswa dengan menggunakan pendekatan Technology Acceptance Model. Hasil penelitan menunjukkan bahwa sistem berhasil dikembangkan dengan menerapkan algoritma Learning Vector Quantization (LVQ) dengan tingkat akurasi 100% dan evaluasi dengan pendekatan Technology Acceptance Model (TAM) rata-rata pengguna telah merasakan kebermanfaatan dan kemudahan penggunaan sistem. Masing-masing variabel TAM memberikan pengaruh yang signifikan.