Adaptive E-Learning System Berbasis Vark Learning Style dengan Klasifikasi Materi Pembelajaran Menggunakan K-NN (K-Nearest Neighbor)

Penelitian ini tentang Adaptive E-Learning System Berbasis VARK (Visual, Aural, Read/Write & Kinesthetic) Learning Style Dengan Klasifikasi Materi Pembelajaran Menggunakan K-NN (K-Nearest Neighbor). Dunia pendidikan saat ini harus mengikuti perkembangan teknologi, salah satunya dengan memanfaatkan pembelajaran dengan menggunakan e-learning, salah satu kekurangan dalam e-learning yang ada pada saat ini sebagian besar memberikan materi yang sama kepada semua siswa, pada kenyataannya setiap siswa mempunyai gaya belajar yang berbeda-beda dalam menyerap materi pembelajaran. Adaptive E-Learning System ini mengadopsi VARK Learning Style dalam mengelompokkan gaya belajar siswa ke dalam empat kelas (Visual, Aural, Read/Write & Kinesthetic). Pada awal menggunakan e-learning siswa diharuskan mengisi questioner berdasarkan instrumen VARK dan akan dimasukkan ke salah satu dari empat kelas tersebut sesuai kecenderungan gaya belajarnya. Siswa akan mendapatkan materi sesuai dengan kelasnya dengan metode klasifikasi K-NN (K-Nearest Neighbor). Pada penelitian ini klasifikasi materi pembelajaran menggunakan 60 materi pembelajaran sebagai dataset dengan label visual, aural, read/write & kinesthetic, dengan pembagian 48 data training dan 12 data testing mendapatkan akurasi sebesar 91%, presisi sebesar 93% dan recall sebesar 91%