PENGEMBANGAN LEARNING MANAGEMENT SYSTEM BERBASIS ALGORITMA CLUSTERING DAN ALGORITMA GENETIKA UNTUK PEMBENTUKAN KELOMPOK HETEROGEN DALAM MODEL TEAMS GAMES TOURNAMENT

Raihan Syeka Pramukastie, - and Wahyudin, - and Yogi Prasetyo, - (2025) PENGEMBANGAN LEARNING MANAGEMENT SYSTEM BERBASIS ALGORITMA CLUSTERING DAN ALGORITMA GENETIKA UNTUK PEMBENTUKAN KELOMPOK HETEROGEN DALAM MODEL TEAMS GAMES TOURNAMENT. S1 thesis, Universitas Pendidikan Indonesia.

Abstract

Penelitian ini berangkat dari masalah nyata yang dialami guru, yaitu sulitnya membentuk kelompok belajar siswa yang anggotanya beragam (heterogen) secara adil. Padahal, kelompok yang beragam merupakan kunci keberhasilan model pembelajaran kerja sama seperti Teams Games Tournament (TGT). Untuk mengatasi masalah tersebut, penelitian ini bertujuan mengembangkan dan menguji sebuah Learning Management System yang dapat membentuk kelompok secara otomatis. Penelitian ini menggunakan metode Penelitian dan Pengembangan (R&D) dengan model ADDIE dan diuji coba pada 31 siswa SMK. Sistem ini bekerja dalam dua tahap cerdas: pertama, algoritma K-Means Clustering digunakan untuk mengenali profil motivasi setiap siswa dari data kuesioner ARCS. Kedua, Algoritma Genetika mengolah profil tersebut untuk menyusun rekomendasi kelompok dengan keanggotaan yang paling beragam. Hasil penelitian menunjukkan bahwa sistem LMS ini berhasil dikembangkan, dinyatakan Sangat Layak (96.8%) oleh para ahli, dan dinilai Sangat Baik (Excellent) dengan skor SUS 88.1 oleh siswa. Mekanisme intinya terbukti berfungsi efektif, mampu memberikan gambaran diagnostik mengenai motivasi kelas, dan berhasil membentuk kelompok-kelompok strategis bahkan saat data awal siswa tidak seimbang. This research was initiated by a real-world problem faced by teachers: the difficulty of forming fair and diverse (heterogeneous) student learning groups. Heterogeneous groups are a key factor for the success of cooperative learning models like Teams Games Tournament (TGT). To address this issue, this study aimed to develop and test a Learning Management System capable of automatically forming these groups. The research employed the Research and Development (R&D) method with the ADDIE model and was tested on 31 vocational high school students. The system operates in two intelligent stages: first, the K-Means Clustering algorithm is used to identify each student's motivation profile from ARCS questionnaire data. Second, a Genetic Algorithm processes these profiles to recommend the most diverse group compositions. The research findings indicate that this LMS was successfully developed, was rated as "Very Feasible" (96.8%) by experts, and was assessed as "Excellent" with a SUS score of 88.1 by students. Its core mechanism proved to be effective, providing a diagnostic overview of class motivation and successfully forming strategic groups even when the initial student data was imbalanced.

	Text S_KOM_2106860_Title.pdf Download (686kB)
	Text S_KOM_2106860_Chapter1.pdf Download (395kB)
	Text S_KOM_2106860_Chapter3.pdf Download (635kB)
	Text S_KOM_2106860_Chapter4.pdf Download (5MB)
	Text S_KOM_2106860_Chapter2.pdf Download (1MB)
	Text S_KOM_2106860_Chapter5.pdf Download (330kB)
	Text S_KOM_2106860_Appendix.pdf Download (45MB)

Item Type:	Thesis (S1)
Additional Information:	https://scholar.google.com/citations?user=u06cHk4AAAAJ&hl=en ID SINTA Dosen Pembimbing: Wahyudin: 5979725 Yogi Prasetyo: 6745790
Uncontrolled Keywords:	Learning Management System; Pembentukan Kelompok Heterogen; Teams Games Tournament; Algoritma Clustering; Algoritma Genetika; Motivasi Belajar
Subjects:	L Education > L Education (General) L Education > LB Theory and practice of education Q Science > QA Mathematics > QA76 Computer software
Divisions:	Fakultas Pendidikan Matematika dan Ilmu Pengetahuan Alam > Program Studi Pendidikan Ilmu Komputer
Depositing User:	Raihan Syeka Pramukastie
Date Deposited:	03 Sep 2025 00:38
Last Modified:	03 Sep 2025 00:38
URI:	http://repository.upi.edu/id/eprint/137138

Actions (login required)

View Item