Ariyanti, Mei Dwi (2022) Komparasi algoritma naive bayes dan decision tree pada klasifikasi tingkat kesulitan pertanyaan berdasarkan hasil quiz / Mei Dwi Ariyanti. Diploma thesis, Universitas Negeri Malang.
Full text not available from this repository.Abstract
Evaluasi merupakan tahapan paling penting dalam suatu pembelajaran. Evaluasi digunakan untuk mengukur seberapa baik siswa memahami tentang kompetensi yang sudah diberikan oleh guru. Memberikan soal ujian merupakan salah satu cara untuk melakukan evaluasi. Soal ujian yang baik adalah saol ujian yang memiliki tingkat kesulitan yang seimbang. Untuk mengetahui soal tersebut sudah seimbang atau belum maka harus dilakukan analisis tingkat kesulitian pada setiap butir soal. Kegiatan analisis butir soal merupakan kegiatan penting dalam menyusun soal untuk mendapatkan butir soal yang berkualitas. Tingkat kesukaran butir dapat dilihat ketika siswa mengerjakan soal tersebut. Agar soal dapat merata dan seimbang juga dapat memudahkan guru dalam membuat soal berikutnya harus dilakukan analisis dan mengukur tingkat kesulitan soal yang sudah pernah diujikan. Analisis soal dilakukan dengan mengklasifikasikan soal ke dalam kategori soal mudah dan sulit. Tahap pertama adalah Business Understanding Phase yitu menentukan tujuan dan rumusan masalah pada penelitian. Selanjutnya melakukan Data Understanding Phase atau melakukan analisis pada data apa saja yang akan dipakai. Kemudian melakukan Data Preparation dengan beberapa langkah yaitu menggabungkan data transformasi data dan missing value. Selanjutnya Modelling Phase pemodelan dilakukan dengan 6 skenario clustering untuk mendapatkan kelas label untuk klasifikasi. Selanjutnya adalah proses klasifikasi menggunakan algoritma Na iuml ve Bayes dan Decision Tree. Langkah berikutnya adalah dengan melakukan evaluasi dengan menggunakan metode k-fold validation terhadap algoritma Na iuml ve Bayes dan Decision Tree. Yang terakhir adalah Deployment Phase dengan melakukan pembuatan laporan akhir. Hasil klasifikasi paling baik diperoleh pada klasifikasi skenario 4 dimana algoritma Decision Tree dan label kelas dihasilkan dari atribut akurasi manual jumlah benar dan jumlah salah. Performa klasifikasi yang ditunjukkan pada skenario 4 mendapatkan hasil yang paling baik dimana akurasi presisi dan recall mencapai hasil sempurna 100%. Sedangkan skenario yang memiliki nilai paling rendah yaitu skenario 1 dengan nilai akurasi presisi dan recall mendapat nilai dibawah 73%.
| Item Type: | Thesis (Diploma) |
|---|---|
| Subjects: | ?? ?? |
| Divisions: | Fakultas Teknik (FT) > Departemen Teknik Elektro (TE) > S1 Teknik Informatika |
| Depositing User: | library UM |
| Date Deposited: | 22 Aug 2022 04:29 |
| Last Modified: | 09 Sep 2022 03:00 |
| URI: | http://repository.um.ac.id/id/eprint/264972 |
Actions (login required)
 |
View Item |