Sari, Dyah Aprilia Wulan Sari (2023) Komparasi antara algoritma naive bayes dan support vector machine dalam mengklasifikasi tingkat kesulitan soal / DYAH APRILIA WULAN SARI. Diploma thesis, Universitas Negeri Malang.
Full text not available from this repository.Abstract
Penelitian ini dilakukan dengan tujuan untuk mengukur tingkat kesulitan soal kuis yang dikerjakan oleh mahasiswa dengan menerapkan algoritma klasifikasi. Penelitian dilakukan dengan menerapkan beberapa indicator atau atribut dalam mengelompokkan soal karena dalam beberapa jurnal analisa tingkat kesulitan soal hanya berfokus pada indeks kesulitan saja. Selain itu penelitian dilakukan menggunakan algoritma klasifikasi data mining dikarenakan masih sedikitnya penelitian yang menerapakan metode tersebut. Dari kedua algoritma akan dibandingkan untuk mencari algoritma yang menghasilkan kinerja paling baik. Adapun data yang digunakan dalam penelitian ini ialah data hasil pengerjaan tiap mahasiswa yang berasal dari data quiziz dan data angket pengisian form. Adapun algoritma yang akan digunakan adalah Naive Bayes dan Support Vector Machine. Algoritma Naive Bayes telah digunakan dalam penelitian sebelumnya namun dengan jumlah dataset yang lebih sedikit. Sedangkan SVM merupakan algoritma yang baru digunakan dalam penelitian ini. Algoritma Naive Bayes bekerja dengan cara mencari peluang terbesar dengan memperhatikan probabilitas tiap klasifikasi pada data training. Sedangkan algoritma Support Vector Machine (SVM) bekerja dengan cara menemukan hyperplane yang paling optimal dari pattern. Berdasarkan cara kerja dan kelebihan dari masing masing algoritma akan dilakukan perbandingan untuk mendapatkan nilai akurasi terbaik berdasarkan nilai akurasi presisi dan recall. Hasil penelitian menunjukkan bahwa algoritma SVM berhasil mendapatkan nilai akurasi paling tinggi dengannilai akurasi yang berhasil didapatkan adalah 84 14%. Sedangkan Naive bayes menghasilkan nilai akurasi sebesar 82 50%. Perbandingan nilai akurasi diantara dua algoritma ini tidak terlalu jauh namun diantara nilai akurasi presisi dan recall kinerja SVM selalu lebih tinggi dibandingkan Naive Bayes. Berdasarkan hasil penelitian ini dapat disimpulkan bahwa dari dua algoritma klasifikasi yang digunakan SVM menunjukkan kinerja yang lebih baik dibandingkan Naive Bayes. Hal tersebut dibuktikan dalam hasil perbandingan dari semua skenario yang digunakan bahwa kinerja SVM selalu lebih stabil.
| Item Type: | Thesis (Diploma) |
|---|---|
| Subjects: | ?? ?? |
| Divisions: | Fakultas Teknik (FT) > Departemen Teknik Elektro (TE) > S1 Teknik Informatika |
| Depositing User: | library UM |
| Date Deposited: | 01 Aug 2023 04:29 |
| Last Modified: | 09 Sep 2023 03:00 |
| URI: | http://repository.um.ac.id/id/eprint/292877 |
Actions (login required)
 |
View Item |