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.