Hanum, Novia (2020) KLASIFIKASI PRESTASI BELAJAR MATEMATIKA MENGGUNAKAN METODE SVM PADA BLOOM'S TAXONOMY-BASED SERIOUS GAME. Undergraduate thesis, Universitas Pendidikan Ganesha.
Text (COVER)
1613011029-COVER.pdf Download (2MB) |
|
Text (ABSTRAK)
1613011029-ABSTRAK.pdf Download (130kB) |
|
Text (BAB 1 PENDAHULUAN)
1613011029-PENDAHULUAN.pdf Download (178kB) |
|
Text (BAB 2 KAJIAN TEORI)
1613011029-KAJIAN TEORI.pdf Restricted to Repository staff only Download (314kB) | Request a copy |
|
Text (BAB 3 METODELOGI PENELITIAN)
1613011029-METODELOGI PENELITIAN.pdf Restricted to Repository staff only Download (174kB) | Request a copy |
|
Text (HASIL DAN PEMBAHASAN)
1613011029-HASIL DAN PEMBAHASAN.pdf Restricted to Repository staff only Download (253kB) | Request a copy |
|
Text (BAB 5 PENUTUP)
1613011029-PENUTUP.pdf Restricted to Repository staff only Download (47kB) | Request a copy |
|
Text (DAFTAR PUSTAKA)
1613011029-DAFTAR PUSTAKA.pdf Download (128kB) |
|
Text (LAMPIRAN)
1613011029-LAMPIRAN.pdf Download (220kB) |
Abstract
Mendiagnosa profil siswa merupakan hal penting yang harus dilakukan oleh guru. Sebelum menetapkan hasil penilaian guru harus membandingkan nilai siswa dengan profil siswa. Untuk memudahkan mendiagnosa profil siswa, guru dapat mengklasifikasikan profil siswa. Sayangnya saat ini banyak tenaga pendidik yang menjadikan penilaian berbasis kertas sebagai tolak ukur utama dalam penilian. Penilian berbasis kertas memiliki resiko kecurangan yang cukup tinggi sehingga hasil penilian yang didapat tidak valid. Salah satu alternatif penilian untuk mendiagnosa profil siswa yaitu dalam permbelajaran matematika yaitu Bloom’s Taxonomy-based Serious Games (BoTySeGa). Profil siswa dapat diketahui dengan cara tes menggunakan BoTySeGa. Rekaman pemain pada data BoTySeGa akan dijadikan sebagai acuan penilaian untuk melakukan klasifikasi profil siswa. Terdapat tiga atribut rekaman data pemain yang digunakan untuk mengklasifikasikan profil siswa yaitu: 1. skor siswa, 2. waktu untuk menyelesaikan tantangan, dan 3. frekuensi mengakses bantuan. Kelas yang digunakan untuk mengklasifiksikan prestasi belajar matematika siswa ada tiga yaitu: 1. kelas baik, 2. kelas cukup , dan 3. kelas rendah. Kelas klasifikasi didapat dari hasil tes prestasi belajar matematika siswa. Klasifikasi dilakukan menggunakan metode Support Vector Machine (SVM) one against one dengan teknik k-fold cross validation dengan 85 data sampel penelitian. Terdapat lima tahapan dalam mengimplentasikan SVM dalam klasifikasi profil siswa yang didasarkan pada data prestasi belajar matematika siswa yaitu: 1. pengelompokanan data, 2. split data, 3. proses training, 4. proses testing, dan 5. pengukuran kinerja klasifikasi. Rata-rata persentase kebenaran klasifikasi prestasi belajar matematika siswa pada data BoTySeGa dengan menggunakan metode SVM yaitu 62,32% dengan eror kinerja klasifikasi sebesar 37,68%. Hasil klasifikasi prestasi belajar matematika dalam permainan BoTySeGa tergolong ke dalam kategori baik.
Item Type: | Thesis (Undergraduate) |
---|---|
Uncontrolled Keywords: | botysega, klasifikasi, svm |
Subjects: | L Education > L Education (General) T Technology > T Technology (General) T Technology > TN Mining engineering. Metallurgy |
Divisions: | Fakultas Matematika dan Ilmu Pengetahuan Alam > Jurusan Matematika > Program Studi Matematika (S1) |
Depositing User: | Novia Hanum |
Date Deposited: | 29 Jul 2020 01:01 |
Last Modified: | 29 Jul 2020 01:01 |
URI: | http://repo.undiksha.ac.id/id/eprint/3033 |
Actions (login required)
View Item |