PREDIKSI TINGKAT PEMAHAMAN MATERI PESERTA DIDIK DALAM PEMBELAJARAN ONLINE MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE (SVM

DJANO, NURUL HIKMAH (2022) PREDIKSI TINGKAT PEMAHAMAN MATERI PESERTA DIDIK DALAM PEMBELAJARAN ONLINE MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE (SVM. Other thesis, Institut Agama Islam Negeri Palopo.

Text Skripsi Djano Revisi 8.pdf Download (1MB)

Abstract

ABSTRAK
Nurul Hikmah Djano, 2022, “Prediksi Tingkat Pemahaman Materi Peserta
Didik dalam Pembelajaran Online Menggunakan Algoritma
Support Vector Machine (SVM)”. Skripsi Program Studi Tadris
Matematika Fakultas Tarbiyah dan Ilmu Keguruan, Institut Agama
Islam Negeri Palopo. Dibimbing oleh Alia Lestari dan Muhammad
Hajarul Aswad a.
Penelitian ini bertujuan untuk memprediksi tingkat pemahaman materi
peserta didik dalam pembelajaran online menggunakan algoritma Support Vector
Machine (SVM). Algoritma ini digunakan agar mendapatkan penilaian terhadap
pemahaman materi peserta didik yang lebih akurat dan objektif berdasarkan
aktivitas peserta didik selama proses pembelajaran online.
Penelitian ini menggunakan pendekatan ex post facto untuk
mengimplementasikan algoritma Support Vector Machine (SVM), sehingga
memiliki kinerja yang optimal dalam melakukan prediksi, menggunakan data
yang dikumpulkan dari seluruh sekolah yang menjadi sasaran penelitian. Tahapan
implementasi ini diantaranya data preprocessing yang terdiri dari Encoding
Categorical dan normalisasi, kemudian proses pemodelan yaitu proses pelatihan
dan pengujian model.
Hasil implementasi algoritma Support Vector Machine (SVM) didapatkan
akurasi sebesar 73.5% untuk data ipa dan 80% untuk data ips dengan
menggunakan parameter C = 1. Selain itu yang menjadi target pada dataset ini
adalah Hasil Belajar yang diklasifikasikan kedalam dua kategori berdasarkan nilai
semester para peserta didik. Yaitu Cukup untuk nilai > 80, dan Baik untuk nilai <
80. Kemudian, fitur yang memiliki pengaruh sangat besar terhadap hasil prediksi
tingkat pemahaman materi pembelajaran dalam pembelajaran online adalah fitur
ketidakhadiran.
Kata Kunci : Support Vector Machine (SVM), Prediksi, Tingkat Pemahaman
Materi, Pembelajaran Online

Item Type:	Thesis (Other)
Subjects:	500 Ilmu Pengetahuan Alam, Sains, dan matematika > 510 Matematika
Divisions:	Fakultas Tarbiyah dan Ilmu Keguruan > Program Studi S-1 Pendidikan Matematika
Depositing User:	Muh. Afandhy Amir
Date Deposited:	26 Jul 2023 02:45
Last Modified:	26 Jul 2023 02:45
URI:	http://repository.iainpalopo.ac.id/id/eprint/7001

Actions (login required)

View Item