SISTEM EVALUASI PEMBELAJARAN MENGGUNAKAN ALGORITMA APRIORI UNTUK MENGHASILKAN REKOMENDASI MATERI BELAJAR SISWA DALAM MENCAPAI KRITERIA KETUNTASAN MINIMAL (KKM)

Maruli Tua Nababan, - (2021) SISTEM EVALUASI PEMBELAJARAN MENGGUNAKAN ALGORITMA APRIORI UNTUK MENGHASILKAN REKOMENDASI MATERI BELAJAR SISWA DALAM MENCAPAI KRITERIA KETUNTASAN MINIMAL (KKM). S1 thesis, Universitas Pendidikan Indonesia.

	Text S_KOM_1404416_Title.pdf Download (236kB)
	Text S_KOM_1404416_Chapter1.pdf Download (94kB)
	Text S_KOM_1404416_Chapter2.pdf Restricted to Staf Perpustakaan Download (281kB)
	Text S_KOM_1404416_Chapter3.pdf Download (195kB)
	Text S_KOM_1404416_Chapter4.pdf Restricted to Staf Perpustakaan Download (2MB)
	Text S_KOM_1404416_Chapter5.pdf Download (72kB)
	Text S_KOM_1404416_Appendix.pdf Restricted to Staf Perpustakaan Download (5MB)

Abstract

Penelitian ini bertujuan menerapkan association rule mining menggunakan algoritma apriori pada sistem evaluasi pembelajaran, yang didasari dari analisis hasil evaluasi tes konvensional yang selama ini sering dilakukan, meskipun menyediakan informasi statistik hasil kinerja siswa pada sebuah tes, tetapi hal tersebut tidak memberikan saran atau umpan balik bagaimana meningkatkan kinerja belajar siswa. Penelitian menggunakan metode eksperimen terhadap 52 orang siswa kelas XI RPL SMK Negeri 11 Bandung dengan melakukan evaluasi dalam dalam sistem dimana sebelumnya sudah terdapat instrumen soal mata pelajaran Pemrograman dasar yang telah divalidasi oleh pakar, hasilnya kemudian dijadikan bahan untuk membangun model rekomendasi dengan association rule mining menggunakan algoritma apriori. Setelah hasil didapatkan kemudian dilakukan analisis menggunakan beberapa parameter yang menghasilkan berbagai rules, selanjutnya adalah melakukan pencocokkan data uji terhadap rules tersebut. Terakhir adalah dilakukan pengukuran akurasi rekomendasi dihasilkan sistem oleh pakar. Dengan menggunakan rules dengan minimum support dan minimum confidence sebesar 90% diperoleh nilai akurasi yang dihasilkan oleh sistem mencapai 91,6% baik itu untuk rekomendasi dan juga level urgensinya. This study aims to apply association rule mining using an apriori algorithm in the learning evaluation system, which is based on the analysis of the results of conventional test evaluations that have often been carried out, even though it provides statistical information on student performance results on a test, but it does not provide suggestions or feedback on how improve student learning performance. The study used an experimental method on 52 students of class XI RPL at SMK Negeri 11 Bandung by conducting an internal evaluation in the system where previously there were instruments about basic programming subjects that had been validated by experts, the results were then used as material to build a recommendation model with association rule mining using a priori algorithm. After the results are obtained, then an analysis is carried out using several parameters that produce various rules, the next step is to match the test data against these rules. The last is to measure the accuracy of the recommendations generated by the system by experts. By using rules with minimum support and minimum confidence of 90%, the accuracy value generated by the system reaches 91.6% for both recommendations and the level of urgency.

Item Type:	Thesis (S1)
Uncontrolled Keywords:	Evaluasi, Sistem Evaluasi Pembelajaran, Association rule mining, Algoritma Apriori
Subjects:	L Education > L Education (General) Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions:	Fakultas Pendidikan Matematika dan Ilmu Pengetahuan Alam > Program Studi Pendidikan Ilmu Komputer
Depositing User:	Maruli Tua Nababan
Date Deposited:	09 Sep 2021 06:36
Last Modified:	09 Sep 2021 06:36
URI:	http://repository.upi.edu/id/eprint/65687

Actions (login required)

View Item