PEMBANGUNAN SISTEM REKOMENDASI PADA SMARTENGTEST DENGAN PEMANFAATAN ASSOCIATION RULES MENGGUNAKAN ALGORITMA APRIORI DAN FP-GROWTH

Aji Muhammad Zapar, - (2024) PEMBANGUNAN SISTEM REKOMENDASI PADA SMARTENGTEST DENGAN PEMANFAATAN ASSOCIATION RULES MENGGUNAKAN ALGORITMA APRIORI DAN FP-GROWTH. S1 thesis, Universitas Pendidikan Indonesia.

	Text S_KOM_2008433_Title.pdf Download (499kB)
	Text S_KOM_2008433_Chapter 1.pdf Download (62kB)
	Text S_KOM_2008433_Chapter 2.pdf Restricted to Staf Perpustakaan Download (219kB) | Request a copy
	Text S_KOM_2008433_Chapter 3.pdf Download (123kB)
	Text S_KOM_2008433_Chapter 4.pdf Restricted to Staf Perpustakaan Download (1MB) | Request a copy
	Text S_KOM_2008433_Chapter 5.pdf Download (38kB)
	Text S_KOM_2008433_Appendix.pdf Restricted to Staf Perpustakaan Download (742kB) | Request a copy

Abstract

Berdasarkan data English Proficiency Index (EPI) yang dirilis oleh EF (Education First), diketahui bahwa nilai rata-rata kemampuan berbahasa Inggris orang Indonesia pada tahun 2023 masih berada di bawah rata-rata global dengan nilai 473, sehingga menunjukkan bahwa banyak orang Indonesia mengalami kesulitan dalam mempelajari bahasa Inggris. Oleh karena itu, penelitian ini bertujuan untuk mengembangkan sistem rekomendasi yang dapat merekomendasikan pelajaran yang perlu diambil untuk meningkatkan kemampuan bahasa Inggris. Sistem rekomendasi ini menggunakan pendekatan machine learning dengan metode association rules dan heuristic mapping untuk membangun rekomendasi berdasarkan tingkat kesulitan yang dihadapi oleh siswa. Hasil penelitian menunjukkan bahwa rekomendasi yang diberikan oleh sistem memiliki skor validasi dari ahli sebesar 79.44%, yang menunjukkan efektivitas dan akurasi dari sistem rekomendasi yang dikembangkan. Based on the English Proficiency Index (EPI) data released by EF (Education First), it is known that the average English proficiency score of Indonesians in 2023 is still below the global average with a score of 473, thus showing that many Indonesians have difficulty in learning English. Therefore, this research aims to develop a recommendation system that can recommend lessons that need to be taken to improve English language skills. This recommendation system uses a machine learning approach with association rules and heuristic mapping methods to build recommendations based on the level of difficulty faced by students. The results show that the recommendations provided by the system have an expert validation score of 79.44%, which indicates the effectiveness and accuracy of the recommendation system developed.

Item Type:	Thesis (S1)
Additional Information:	SINTA ID: 5975668 SINTA ID: 5974517
Uncontrolled Keywords:	machine learning, association rules, sistem rekomendasi, bahasa inggris, appriori, fp-growth machine learning, association rules, recommendation system, english, appriori, fp-growth
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions:	Fakultas Pendidikan Matematika dan Ilmu Pengetahuan Alam > Program Studi Ilmu Komputer
Depositing User:	Aji Muhammad Zapar
Date Deposited:	12 Aug 2024 09:39
Last Modified:	12 Aug 2024 09:39
URI:	http://repository.upi.edu/id/eprint/119852

Actions (login required)

View Item