Prasetya, Januari Adi (2024) Analisis text mining pada materi pembelajaran dasar program keahlian kompetensi keahlian TITL berbantuan kecerdasan buatan / Januari Adi Prasetya</p>. Diploma thesis, Universitas Negeri Malang.
Full text not available from this repository.Abstract
Perkembangan zaman yang semakin maju memberikan dampak signifikan pada berbagai aspek kehidupan termasuk di dunia pendidikan. Kemudahaan yang disuguhkan oleh teknologi digital dapat dimanfaatkan untuk mengembangkan proses pembelajaran. Pengembangan proses pembelajaran dapat diawali dengan mengembangkan pada perangkat pembelajaran. Materi pembelajaran merupakan salah satu perangkat pembelajaran yang digunakan untuk mencapai tujuan pembelajaran. Ketersediaan materi pembelajaran akan mempengaruhi motivasi belajar peserta didik. Selain itu kualitas materi pembelajaran yang digunakan juga dapat berpengaruh terhadap tingkat pemahaman materi. Penelitian ini bertujuan untuk mengembangkan materi pembelajaran Dasar Program Keahlian pada kompetensi TITL dengan bantuan kecerdasan buatan yang ditinjau berdasarkan tingkat kelengkapan materi yang dihasilkan. Tingkat kelengkapan tersebut akan diukur menggunakan pemrosesan data yaitu text mining. Text mining pada penelitian ini bertujuan untuk mengukur tingkat kelengkapan materi melalui identifikasi kata dengan membandingkan antara data teks satu dan teks yang lainnya. Perbandingan tersebut dinilai dari kesamaan kata yang diproses dengan jaccard similarity. Terdapat dua jenis data yang digunakan pada penelitian ini yaitu data pembanding dan data uji. Data pembanding diperoleh dari Buku Dasar-Dasar Ketenagalistrikan sedangkan data uji dihasilkan dua aplikasi yang berbeda yaitu Chat GPT dan Perplexity. Salah metode untuk menganalisa data mining adalah metode Cross-Industry Standard Process For Data Mining (CRISP-DM). Untuk mengetahui kualitas data yang digunakan terdapat 6 tahapan pada metode CRISP-DM yang harus dilewati antara lain (1) Pemahaman Bisnis (2) Pemahaman Data (3) Pengolahan Data (4) Pemodelan (5) Evaluasi dan (6) Penyebaran. Hasil dari penelitian ini adalah untuk mengetahui kelayakan materi yang dihasilkan aplikasi kecerdasan buatan berdasarkan kelengkapan materi yang dianalisis dengan metode text mining. Dari penilaian jaccard similarity produk yang dihasilkan aplikasi Chat GPT mendapatkan nilai tertinggi 62.40 dan terendah 32.75% sedangkan dari penilaian validasi guru mendapatkan nilai tertinggi 80% dan terendah 50%. Pada aplikasi yang berbeda dengan Perplexity penilaian jaccard similarity tertinggi hanya mencapai 47.67% dan terendah mencapai 23.86% sedangkan pada penilaian validasi guru nilai tertinggi dapat mencapai 70% dan nilai terendah 40%. Nilai-nilai tersebut dipengaruhi oleh kesesuaian penggunaan prompt dengan tujuan produk yang ingin dihasilkan. Oleh karena itu dapat disimpulkan bahwa semakin detail prompt yang digunakan maka semakin lengkap juga materi yang dihasilkan oleh aplikasi kecederaan buatan.
| Item Type: | Thesis (Diploma) |
|---|---|
| Subjects: | ?? ?? |
| Divisions: | Fakultas Teknik (FT) > Departemen Teknik Elektro (TE) > S1 Pendidikan Teknik Elektro |
| Depositing User: | library UM |
| Date Deposited: | 28 May 2024 04:29 |
| Last Modified: | 09 Sep 2024 03:00 |
| URI: | http://repository.um.ac.id/id/eprint/315480 |
Actions (login required)
 |
View Item |