Perbandingan model klasifikasi random forest dan SVM pada penilaian otomatis kualitas proposisi peta konsep / Satria Yuda Setiawan</p> - Repositori Universitas Negeri Malang

Perbandingan model klasifikasi random forest dan SVM pada penilaian otomatis kualitas proposisi peta konsep / Satria Yuda Setiawan</p>

Setiawan, Satria Yuda (2025) Perbandingan model klasifikasi random forest dan SVM pada penilaian otomatis kualitas proposisi peta konsep / Satria Yuda Setiawan</p>. Diploma thesis, Universitas Negeri Malang.

Full text not available from this repository.

Abstract

p Penilaian kualitas proposisi dalam peta konsep open-ended sering kali menghadapi tantangan dalam hal objektivitas dan efisiensi. Penilaian manual yang umum digunakan rentan terhadap subjektivitas dan memerlukan waktu yang cukup lama. Untuk mengatasi hal tersebut penelitian ini mengusulkan pendekatan penilaian otomatis menggunakan algoritma machine learning khususnya dengan membandingkan kinerja algoritma Random Forest dan Support Vector Machine (SVM). Dataset yang digunakan terdiri dari 691 proposisi hasil peta konsep siswa pada materi ldquo Basis Data Relasional rdquo dengan empat label tingkat kualitas. Proses praproses data meliputi case folding tokenisasi stopword removal dan stemming. Selanjutnya data direpresentasikan menggunakan dua metode pembobotan teks yaitu TF-IDF dan Word2Vec kemudian dilakukan pelatihan model menggunakan tiga skenario pembagian data 90 10 80 20 dan 70 30. Hasil evaluasi menggunakan metrik akurasi presisi recall dan F1- score menunjukkan bahwa algoritma Random Forest memberikan performa yang lebih baik secara konsisten dibandingkan SVM terutama ketika dikombinasikan dengan metode pembobotan TF-IDF. Hal ini membuktikan bahwa Random Forest lebih andal dalam menangani klasifikasi multi- kelas pada data proposisi yang memiliki distribusi tidak seimbang. Penelitian ini memberikan kontribusi dalam pengembangan sistem penilaian otomatis peta konsep yang lebih efisien dan objektif serta dapat diimplementasikan pada sistem pembelajaran digital untuk mendukung evaluasi berbasis teknologi. /p

Item Type: Thesis (Diploma)
Divisions: Fakultas Teknik (FT) > Departemen Teknik Elektro (TE) > S1 Teknik Informatika
Depositing User: library UM
Date Deposited: 09 Sep 2025 04:29
Last Modified: 09 Sep 2025 03:00
URI: http://repository.um.ac.id/id/eprint/426159

Actions (login required)

View Item View Item