PERBANDINGAN KINERJA METODE NAÏVE BAYES DAN SUPPORT MACHINE (SVM) DALAM ANALISIS KUALITAS BUTIR SOAL
Abstract
Dalam melakukan analisis butir soal yang dilakukan proses pengumpulan, peringkas, dan penggunaan informasi dari jawaban siswa untuk membuat keputusan tentang setiap penilaian. Tujuan dari penilaian adalah untuk meningkatkan hasil belajar siswa serta memberikan informasi kepada siswa tentang kelebihan dan kekurangannya dalam mata pelajaran tertentu yang telah dipelajari. Oleh karena itu, dalam penelitian ini akan membahas tentang analisis perbandingan tingkat kinerja algoritma klasifikasi Naïve Bayes dan algoritma Support Vector Machine (SVM). Metode data mining untuk klasifikasi dapat digunakan untuk membantu meningkatkan kecepatan dan ketepatan dalam menganalisis butir soal sehingga akan didapatkan jenis soal yang diterima, direvisi, dan ditolak. Perbandingan kinerja algoritma Naive Bayes dan Support Vector Mahcine (SVM) bertujuan untuk mengukur tingkat akurasi dan lama waktu proses (execution time) dari masing-masing algoritma untuk mendapatkan algoritma terbaik yang akan diterapkan dalam membantu proses analisis butir soal. Data yang digunakan dalam penelitian sebanyak 50 dengan hasil jawaban siswa pada soal biologi dengan penggunaakn data training dan data testing 80:20. dengan menggunakan alat bantu bahasa pemrograman python, dapat disimpulkan bahwa algoritma Support Vector Machine (SVM) dengan K-fold Cross Validation sebesar 10 atau 10 kali tahap percobaan lebih unggul dibandingkan dengan Naïve Bayes.
Downloads
Copyright (c) 2023 Hidayatunnisa, Kusrini, Kusnawi (Author)
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Copyright Notice
An author who publishes in the Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer) agrees to the following terms:
- Author retains the copyright and grants the journal the right of first publication of the work simultaneously licensed under the Creative Commons Attribution-ShareAlike 4.0 License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal
- Author is able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book) with the acknowledgement of its initial publication in this journal.
- Author is permitted and encouraged to post his/her work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of the published work (See The Effect of Open Access).
Read more about the Creative Commons Attribution-ShareAlike 4.0 Licence here: https://creativecommons.org/licenses/by-sa/4.0/.