Klasifikasi tingkat kesulitan soal ujian melalui pelaksanaan secara hybrid dengan menggunakan perbandingan algoritma logistic regression dan decision tree di universitas negeri malang. skripsi, jurusan teknik elektro, fakultas teknik, universitas negeri malang. / Adib Raushanfikr Raharjo - Repositori Universitas Negeri Malang

Klasifikasi tingkat kesulitan soal ujian melalui pelaksanaan secara hybrid dengan menggunakan perbandingan algoritma logistic regression dan decision tree di universitas negeri malang. skripsi, jurusan teknik elektro, fakultas teknik, universitas negeri malang. / Adib Raushanfikr Raharjo

Raharjo, Adib Raushanfikr Raharjo (2023) Klasifikasi tingkat kesulitan soal ujian melalui pelaksanaan secara hybrid dengan menggunakan perbandingan algoritma logistic regression dan decision tree di universitas negeri malang. skripsi, jurusan teknik elektro, fakultas teknik, universitas negeri malang. / Adib Raushanfikr Raharjo. Diploma thesis, Universitas Negeri Malang.

Full text not available from this repository.

Abstract

Penelitian ini menitikberatkan pada tingkat kesulitan soal ujian dan dampaknya pada kinerja akademik siswa serta keadilan dan keberhasilan pendidikan. Tujuannya adalah untuk mengklasifikasikan tingkat kesulitan soal ujian menggunakan algoritma Logistic Regression dan Decision Tree serta menguji atribut lain yang memengaruhi tingkat kesulitan soal. Logistic Regression dan Decision Tree digunakan sebagai metode dalam penelitian ini. Logistic Regression digunakan untuk membangun model hubungan antara variabel prediktor independen dan variabel dependen biner sementara Decision Tree digunakan untuk melakukan klasifikasi dengan menggambarkan partisi rekursif dari ruang instance. Hasil dari confusion matrix menunjukkan bahwa skenario terbaik adalah menggunakan algoritma Decision Tree dengan atribut hasil clustering difficulty index dan mean dengan akurasi presisi recall dan F1-score tertinggi. Sedangkan skenario dengan hasil confusion matrix terendah adalah menggunakan algoritma Logistic Regression dengan atribut hasil clustering difficulty index.

Item Type: Thesis (Diploma)
Subjects: ?? ??
Divisions: Fakultas Teknik (FT) > Departemen Teknik Elektro (TE) > S1 Teknik Informatika
Depositing User: Users 2 not found.
Date Deposited: 28 Aug 2023 04:29
Last Modified: 09 Sep 2023 03:00
URI: http://repository.um.ac.id/id/eprint/292869

Actions (login required)

View Item View Item