Skripsi

Penerapan algoritma cosine similarity dan pembobotan tf-idf pada representasi pengetahuan extension concept mapping / Balqies Savina

Abstrak
Extension concept mapping adalah suatu teknik perluasan dari concept map dengan menambahkan proposisi baru dan mengintegrasikannya ke dalam peta yang telah ada sebelumnya untuk menghasilkan concept map tambahan (additional map). Bagaimana pun tantangan besar pada pendekatan ini adalah tahap evaluasi yang biasanya dilakukan secara manual. Oleh karena itu diperlukan sebuah solusi yang dapat mengungkap informasi-informasi penting yang sulit diterjemahkan secara langsung. Penelitian ini bertujuan untuk mengukur kemiripan hasil pembuatan open-ended extension concept mapping. Dataset yang digunakan adalah open-ended concept maps pada matakuliah Basis Data. Melalui penerapan konsep data mining dalam mengolah dataset Algoritma cosine similarity dan pembobotan TF-IDF digunakan untuk mengungkap representasi pengetahuan pada pembuatan extension concept mapping dengan lebih akurat dan relevan serta dapat memberikan informasi yang berharga. Penelitian ini meneliti bagaimana hasil penerapan concept map khususnya extension concept mapping dalam pembelajaran dan berfokus kepada seberapa jauh hasil kemiripan pembuatan concept map siswa terhadap hasil yang diharapkan. Dengan menggunakan metode CRISP-DM tiga bentuk data diujikan yang menghasilkan variasi hasil kemiripan tiap siswa. Kemiripan dengan hasil terbaik ada pada data dengan filtering wordlist di dalamnya dengan 17 dari 23 siswa memiliki kemiripan yang paling baik dibanding dua pengujian yang lain karena pengujian yang dibatasi pada kata terdaftar saja.

Informasi Detail

DDC

SKRIPSI DIGITAL

Prodi

Universitas Negeri Malang. Program Studi Teknik Informatika, 2024.

Deskripsi Fisik

ix, 27 hlm. : ilus.

Bahasa

Indonesia

No Reg

1900/RS/24

Edisi

Skripsi (Sarjana)--Universitas Negeri Malang. 2024

Subjek

Pembimbing

1. Dr. Eng. Didik Dwi Prasetya, S.T., M.T.

Lampiran Berkas