Rancang Bangun Dashboard Klasifikasi Tipe Pembelajaran Siswa Berbasis Web Menggunakan Machine Learning

SETYADI, Panji and Khusnuliawati, Hardika and Retnoningsih, Dwi (2026) Rancang Bangun Dashboard Klasifikasi Tipe Pembelajaran Siswa Berbasis Web Menggunakan Machine Learning. Smartcomp : Jurnalnya Orang Pintar Komputer, 15 (4). pp. 847-857. ISSN 2549-0796

[img] Text
Panji Setyadi_Halaman Awal_2022061029.pdf

Download (2MB)
[img] Text
Panji Setyadi_BAB I-II_2022061029.pdf

Download (1MB)
[img] Text
Panji Setyadi_BAB III-IV_2022061029.pdf
Restricted to Repository staff only

Download (1MB) | Request a copy
[img] Text
Panji Setyadi_BAB V_2022061029.pdf

Download (372kB)
[img] Text
Panji Setyadi_Daftar Pustaka_2022061029.pdf

Download (490kB)
[img] Text
Panji Setyadi_Lampiran_2022061029.pdf

Download (779kB)
Official URL: https://ejournal.poltekharber.ac.id/index.php/smar...

Abstract

Perkembangan teknologi informasi dalam bidang pendidikan mendorong pemanfaatan data pembelajaran untuk mendukung proses monitoring aktivitas dan hasil belajar siswa. Data pembelajaran yang dihasilkan dari berbagai aktivitas belajar memiliki potensi untuk dimanfaatkan dalam mengidentifikasi karakteristik pembelajaran siswa, sehingga diperlukan suatu sistem yang mampu mengolah, mengklasifikasikan, dan menyajikan informasi pembelajaran secara terintegrasi. Penelitian ini bertujuan untuk merancang dan membangun Dashboard Klasifikasi Tipe Pembelajaran Siswa Berbasis Web menggunakan algoritma Light Gradient Boosting Machine (LightGBM) sebagai media monitoring aktivitas dan hasil belajar siswa. Sistem dikembangkan menggunakan Next.js sebagai framework utama, PostgreSQL yang dikelola melalui Supabase sebagai basis data, Prisma ORM sebagai penghubung basis data, Tailwind CSS untuk antarmuka pengguna, serta layanan Brevo untuk pengiriman email peringatan. Model machine learning dibangun menggunakan algoritma LightGBM dengan 31 data siswa asli yang terlebih dahulu dikembangkan menjadi 5.000 data sintetis menggunakan metode Gaussian Copula, kemudian dilakukan penyeimbangan distribusi kelas menggunakan Synthetic Minority Over-sampling Technique (SMOTE) sebelum proses pelatihan model. Data tersebut diklasifikasikan ke dalam empat tipe pembelajaran, yaitu The Overachiever, The All-Rounder, The Steady Climber, dan Low-Performance Learner. Pengujian sistem dilakukan menggunakan metode Black Box Testing untuk menguji fungsionalitas sistem, pengujian API menggunakan Postman untuk memvalidasi fungsi setiap endpoint, serta evaluasi model menggunakan confusion matrix, classification report, dan metrik accuracy. Hasil pengujian menunjukkan bahwa seluruh 7 skenario Black Box Testing dan 8 endpoint API berhasil dijalankan sesuai dengan skenario pengujian. Sementara itu, model LightGBM memperoleh nilai accuracy sebesar 99,9% dengan nilai weighted average precision, recall, dan F1-score masing-masing sebesar 0,99. Hasil penelitian menunjukkan bahwa sistem yang dikembangkan mampu mengintegrasikan proses pengelolaan data, klasifikasi tipe pembelajaran siswa, visualisasi informasi melalui dashboard, serta pengiriman email peringatan sehingga dapat mendukung proses monitoring aktivitas dan hasil belajar siswa.

Item Type: Article
Uncontrolled Keywords: Dashboard, Klasifikasi Tipe Pembelajaran, Gaussian Copula, SMOTE, LightGBM, Machine Learning
Subjects: T Technology > T Technology (General)
Divisions: Fakultas Sains, Teknologi dan Kesehatan > Informatika
Depositing User: Panji Setyadi
Date Deposited: 17 Nov 2026 08:39
Last Modified: 17 Nov 2026 08:39
URI: https://repository.usahidsolo.ac.id/id/eprint/4317

Actions (login required)

View Item View Item