ANALISIS NILAI HASIL EVALUASI PEMBELAJARAN PESERTA DIDIK SMP BERDASARKAN ASSOCIATION RULES MENGGUNAKAN ALGORITMA APRIORI

Non Alyya Yan Hari, - (2024) ANALISIS NILAI HASIL EVALUASI PEMBELAJARAN PESERTA DIDIK SMP BERDASARKAN ASSOCIATION RULES MENGGUNAKAN ALGORITMA APRIORI. S1 thesis, Universitas Pendidikan Indonesia.

Abstract

Dalam era teknologi informasi yang berkembang pesat, sistem manajemen informasi di lingkungan sekolah menghasilkan sejumlah besar data, khususnya dari evaluasi pembelajaran siswa. Namun, data ini sering hanya dianggap sebagai bagian dari administrasi sekolah, padahal potensinya jauh lebih besar. Di dalamnya, kemungkinan tersimpan adanya pola tersembunyi yang mengaitkan performa siswa di antara berbagai mata pelajaran. Dalam konteks ini, pendekatan penambangan data dengan menggunakan algoritma Apriori menjadi penting untuk menemukan association rules yang dapat mengungkap pola-pola ini. Penelitian ini difokuskan pada 636 siswa SMPN di Kota Bekasi, menganalisis 11 mata pelajaran untuk memahami keterkaitan antar mata pelajaran dan faktor-faktor apa yang mempengaruhi nilai tinggi atau rendah pada setiap mata pelajaran. Dengan memanfaatkan bahasa pemrograman Python, eksperimen ini bertujuan untuk menemukan association rules yang kuat dan saling berkaitan secara positif. Harapannya, hasil dari penambangan data nilai siswa ini dapat memberikan panduan yang bermakna bagi pengambilan keputusan dalam upaya meningkatkan kualitas kegiatan pembelajaran di lingkungan sekolah, melampaui sekadar aspek administratif, dan memanfaatkan informasi yang ada untuk memperbaiki pengalaman belajar siswa secara keseluruhan. Penelitian yang dilakukan berhasil menghasilkan association rules antar mata pelajaran, salah satu association rules yang dihasilkan adanya keterkaitan antara nilai Prakarya keterampilan dengan nilai Seni Budaya Keterampilan dengan support 60,53% dan confidence 92,27%. In the rapidly evolving era of information technology, the information management system within the school environment generates a substantial amount of data, particularly from student learning evaluations. However, this data is often regarded merely as part of school administration, despite its far-reaching potential. Within it, hidden patterns may exist that link student performance across various subjects. In this context, a data mining approach utilizing the Apriori algorithm becomes crucial to discover association rules that can unveil these patterns. This research is focused on 636 junior high school students in Bekasi City, analyzing 11 subjects to comprehend the interconnections among subjects and the influencing factors on high or low scores in each subject. By leveraging the Python programming language, this experiment aims to identify strong and positively correlated association rules. The expectation is that the results of mining student grade data can provide meaningful guidance for decision-makers in efforts to enhance the quality of learning activities within the school environment, transcending mere administrative aspects and utilizing information to improve the overall student learning experience. This research carried out succeeded and founded association rules between subjects, one of the resulting rules was a rule between the grade of Prakarya keterampilan and Seni Budaya with support 60,53% and confidence 92,27%.

	Text S_KOM_1804430_Title.pdf Download (734kB)
	Text S_KOM_1804430_Chapter1.pdf Download (132kB)
	Text S_KOM_1804430_Chapter2.pdf Restricted to Staf Perpustakaan Download (379kB)
	Text S_KOM_1804430_Chapter3.pdf Download (135kB)
	Text S_KOM_1804430_Chapter4.pdf Restricted to Staf Perpustakaan Download (835kB)
	Text S_KOM_1804430_Chapter5.pdf Download (170kB)
	Text S_KOM_1804430_Appendix.pdf Restricted to Staf Perpustakaan Download (31kB)

Item Type:	Thesis (S1)
Additional Information:	https://scholar.google.com/citations?view_op=new_articles&hl=en&imq=Non+Alyya+Yan+Hari# ID SINTA Dosen Pembimbing: Eddy Prasetyo Nugroho: 5990993 Yaya Wihardi: 5994413
Uncontrolled Keywords:	Association rules, Algoritma apriori, Nilai hasil evaluasi, Analisis nilai siswa, Educational Data Mining Association rules, Apriori algorithm, Evaluation result scores, Student grade analysis, Educational Data Mining
Subjects:	L Education > L Education (General) L Education > LB Theory and practice of education > LB1603 Secondary Education. High schools T Technology > T Technology (General)
Divisions:	Fakultas Pendidikan Matematika dan Ilmu Pengetahuan Alam > Program Studi Ilmu Komputer
Depositing User:	Non Alyya Yan Hari
Date Deposited:	29 Apr 2024 08:06
Last Modified:	29 Apr 2024 08:06
URI:	http://repository.upi.edu/id/eprint/116938

Actions (login required)

View Item