DETEKSI KETERATURAN KELAS DENGAN METODE SUPPORT VECTOR MACHINE

Dewi, Ni Wayan Emmy Rosiana (2020) DETEKSI KETERATURAN KELAS DENGAN METODE SUPPORT VECTOR MACHINE. Masters thesis, Universitas Pendidikan Ganesha.

[img] Text (COVER)
1529101011-COVER.pdf
Download (1MB)
[img] Text (ABSTRAK)
1529101011-ABSTRAK.pdf
Download (97kB)
[img] Text (BAB 1 PENDAHULUAN)
1529101011-BAB 1 PENDAHULUAN.pdf
Download (110kB)
[img] Text (BAB 2 KAJIAN TEORI)
1529101011-BAB 2 KAJIAN TEORI.pdf
Restricted to Repository staff only
Download (382kB) | Request a copy
[img] Text (METODELOGI PENELITIAN)
1529101011-BAB 3 METODELOGI PENELITIAN.pdf
Restricted to Repository staff only
Download (494kB) | Request a copy
[img] Text (HASIL DAN PEMBAHASAN)
1529101011-BAB 4 HASIL DAN PEMBAHASAN.pdf
Restricted to Repository staff only
Download (627kB) | Request a copy
[img] Text (PENUTUP)
1529101011-BAB 5 PENUTUP.pdf
Restricted to Repository staff only
Download (49kB) | Request a copy
[img] Text (DAFTAR PUSTAKA)
1529101011-DAFTAR PUSTAKA.pdf
Download (171kB)
[img] Text (LAMPIRAN)
1529101011-LAMPIRAN.pdf
Download (149kB)

Abstract

Penelitian ini bertujuan untuk mengembangkan sistem yang dapat mendeteksi keteraturan di dalam kelas dengan menggabungkan data citra dan data suara, di mana sementara ini belum ada penelitian terkait yang menggunakan data citra dan data suara secara bersama-sama untuk mengklasifikasikan keteraturan di sebuah kelas. Berdasarkan permasalahan yang terjadi bahwa pembelajaran siswa di kelas tidak selalu dapat dipantau oleh guru, maka dibutuhkan suatu sistem yang mendeteksi keteraturan pembelajaran siswa di kelas. Salah satu cara untuk memantau kondisi siswa adalah dengan memasang kamera di dalam kelas yang berfungsi merekam situasi video di dalam kelas selama jam pelajaran berlangsung. Penelitian ini menerapkan ekstraksi fitur citra dan suara menggunakan metode Ekstraksi Centroid digunakan untuk mencari fitur citra dan Mel-Frequency Cepstrum Coefficients (MFCC) digunakan sebagai metode untuk mencari ciri dari fitur suara kemudian dilakukan klasifikasi terhadap ruang kelas yang teratur atau tidak teratur dengan metode Support Vector Machine (SVM). Data diambil langsung melalui kamera yang terpasang di sebuah ruangan kelas. Data yang diujikan sebanyak 50 data yang sama untuk masing-masing kernel. Kernel adalah fungsi pemetaan untuk menggambarkan perpindahan data dari satu ruang ke ruang baru dengan kondisi yang lebih sederhana untuk ditangani oleh SVM. Berdasarkan rumus perbandingan rasio prediksi benar dengan keseluruhan data uji, maka diperoleh nilai akurasi sebesar 78%, presisi 74%, recall 89% dan f-measure 81% untuk data yang diujikan pada kernel linear sedangkan data yang diujikan pada kernel polynomial memperoleh akurasi sebesar 70%, presisi 69%, recall 77% dan f-measure 73%. Dengan menggunakan interval kategori akurasi sistem, maka hasil pengujian tersebut menyatakan metode Support Vector Machine termasuk ke dalam kategori baik untuk mendeteksi keteraturan sebuah kelas. Pengembangan sistem ke depannya agar memperbanyak data latih untuk mendapatkan hasil akurasi yang lebih baik.

Item Type: Thesis (Masters)
Uncontrolled Keywords: teratur, tidak teratur, support vector machine, centroid, MFCC
Subjects: Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions: Pascasarjana > Program Studi Ilmu Komputer (S2)
Depositing User: NI WAYAN EMMY ROSIANA DEWI
Date Deposited: 29 Jul 2020 05:13
Last Modified: 29 Jul 2020 05:13
URI: http://repo.undiksha.ac.id/id/eprint/3161

Actions (login required)

View Item View Item