Fhylayli, Siti Utami (2018) Prediksi Tingkat Pemahaman Siswa Dalam Materi Pelajaran Bahasa Indonesia Menggunakan Naïve Bayes Dengan Seleksi Fitur Information Gain. Sarjana thesis, Universitas Brawijaya.
Abstract
Mata pelajaran Bahasa Indonesia secara umum dianggap sebagai pelajaran yang mudah dan tidak perlu dipelajari secara serius oleh kebanyakan siswa dan masyarakat. Mengakibatkan kemampuan setiap siswa dalam memahami pelajaran tersebut berbeda-beda, sehingga proses belajar siswa pun akan berbeda pula. Hal ini menyebabkan pengajar memiliki keterbatasan untuk mengukur tingkat pemahaman siswa, maka diperlukan sistem untuk untuk memprediksi tingkat pemahaman siswa. Prediksi ini menggunakan metode klasifikasi dengan algoritme Naïve Bayes. Kelas yang akan digunakan pada penelitian ini diantaranya siswa sangat paham, cukup paham dan kurang paham. Fitur dari klasifikasi berupa faktor personal, sosial, lingkungan, psikologis. Selain bertujuan mendapatkan nilai akurasi yang baik juga bertujuan mendapatkan model fitur dengan cara menerapkan seleksi fitur. Pada penelitian ini penulis menggunakan seleksi fitur Information Gain (IG). Tiap-tiap Fitur dari data set dihitung nilai gainnya dan dipilih fitur mana saja yang memilki nilai gain sesuai threshold. Fitur yang terpilih akan diproses dengan algoritme klasifikasi naive bayes kemudian dilihat akurasinya jika belum maksimal maka dilakukan kembali proses seleksi fitur tadi hingga mendapatkan akurasi yang diinginkan. Dari pengujian yang sudah dilakukan, didapatkan hasil bahwa fitur yang memiliki nilai Gain lebih dari 0.2 memiliki akurasi terbesar yaitu mencapai 90%. Fitur yang terpilih yaitu fitur jumlah anggota keluarga, status tempat tinggal, pekerjaan ibu, pengasuh, dukungan keluarga, ikut ekstrakurikuler, mengulang pelajaran di rumah, lama belajar di rumah, jenis bacaan di rumah, lama membaca di rumah.
English Abstract
Indonesian Language Subjects are generally considered to be easy lessons and do not need to be learned by most students and societies. Resulting in the ability of each student to understand the different lessons, the process of the student dropping will also be different. This causes the instructor to have limitations in measuring the level of understanding of students, so a system is needed to predict the level of understanding of students. This prediction uses the classification method with the Naïve Bayes algorithm. The class that will be used in this study is very understanding, quite understanding and lacking in understanding. Features of various personal, social, environmental, psychological factors. In addition, you can also use feature features by running the feature. At this time the author uses the Information Gain (IG) feature flow. Each feature of the data set is calculated and taken which features have the gain value according to the threshold. The features that will be used with the Naive Bayes classification algorithm next to its Accuracy if not maximal, then done. From the credit that has been done, get the results of features that have a Gain value of more than 0.2 having the greatest accuracy, reaching 90%. The features used are features of family members, residence status, mother's work, caregivers, family, taking extracurricular activities, repeating lessons at home, length of study at home, reading at home, reading time at home.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FTIK/2018/962/051900710 |
| Uncontrolled Keywords: | klasifikasi, naive bayes, seleksi fitur, information gain, pemahaman,bahasa Indonesia bahasa Indonesia.-classification, naive bayes, feature selection, information gain, understanding, Indonesian language |
| Subjects: | 400 Language > 499 Non-Austronesian languages of Oceania, Austronesian languages, miscellaneous languages > 499.22 Malayo-Polynesian languages of Indonesia, Malaysia, Singapore, Brunei, East Timor; Chamic languages > 499.221 Indonesian (bahasa Indonesia) |
| Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
| Depositing User: | Sugeng Moelyono |
| Date Deposited: | 17 Oct 2019 03:18 |
| Last Modified: | 17 May 2022 07:08 |
| URI: | http://repository.ub.ac.id/id/eprint/166828 |
![[thumbnail of Siti Utami Fhylayli.pdf]](http://repository.ub.ac.id/style/images/fileicons/text.png) |
Text
Siti Utami Fhylayli.pdf Download (2MB) |
Actions (login required)
 |
View Item |