KLASIFIKASI PRESTASI BELAJAR MATEMATIKA MENGGUNAKAN METODE SVM PADA BLOOM'S TAXONOMY-BASED SERIOUS GAME

Hanum, Novia (2020) KLASIFIKASI PRESTASI BELAJAR MATEMATIKA MENGGUNAKAN METODE SVM PADA BLOOM'S TAXONOMY-BASED SERIOUS GAME. Undergraduate thesis, Universitas Pendidikan Ganesha.

[img] Text (COVER)
1613011029-COVER.pdf
Download (2MB)
[img] Text (ABSTRAK)
1613011029-ABSTRAK.pdf
Download (130kB)
[img] Text (BAB 1 PENDAHULUAN)
1613011029-PENDAHULUAN.pdf
Download (178kB)
[img] Text (BAB 2 KAJIAN TEORI)
1613011029-KAJIAN TEORI.pdf
Restricted to Repository staff only
Download (314kB) | Request a copy
[img] Text (BAB 3 METODELOGI PENELITIAN)
1613011029-METODELOGI PENELITIAN.pdf
Restricted to Repository staff only
Download (174kB) | Request a copy
[img] Text (HASIL DAN PEMBAHASAN)
1613011029-HASIL DAN PEMBAHASAN.pdf
Restricted to Repository staff only
Download (253kB) | Request a copy
[img] Text (BAB 5 PENUTUP)
1613011029-PENUTUP.pdf
Restricted to Repository staff only
Download (47kB) | Request a copy
[img] Text (DAFTAR PUSTAKA)
1613011029-DAFTAR PUSTAKA.pdf
Download (128kB)
[img] 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 View Item