Skripsi

Perbandingan kinerja algoritma cart dan random forest dalam prediksi kegagalan siswa pada ruang belajar virtual / Reski Dwi Suciati

Abstrak
RINGKASAN Suciati Reski Dwi. 2019. Perbandingan Kinerja Algoritma CART dan Random Forest dalam Prediksi Kegagalan Siswa pada Ruang Belajar Virtual. Skripsi Jurusan Teknik Elektro Fakultas Teknik Universitas Negeri Malang. Pembimbing (I) Utomo Pujianto S.Kom. M.Kom. (II) Harits Ar Rosyid S.T. M.T. Ph.D. Kata Kunci klasifikasi prediksi CART dan Random Forest. Massive Open Online Courses (MOOCs) merupakan sumber daya pendidikan terbuka terbaru yang berkembang pesat dan dipublikasikan ke seluruh dunia. MOOCs merupakan lingkungan belajar terstruktur yang menekankan video instruksional dan penilaian reguler serta memusatkan kegiatan pada satu platform. Seiring dengan perkembangannya pembelajaran MOOC memiliki masalah utama berupa tingkat kelulusan peserta didik yang relatif rendah. Oleh sebab itu mendeteksi sejak dini siswa yang berisiko mengalami kegagalan sangat penting bagi para pendidik untuk melakukan perbaikan dan memberikan perhatian khusus kepada siswa yang diprediksi akan mengalami kegagalan menyelesaikan kelas pembelajaran online. Penelitian ini menggunakan dua teknik machine learning yaitu CART dan Random Forest untuk memprediksi kegagalan siswa berdasarkan data dari Open University Learning Analytics Dataset (OULAD). Tahapan penelitian yang dilakukan yaitu mengambil data dari OULAD melakukan preprocessing data menggunakan agregasi data data cleaning dan SMOTE kemudian melakukan klasifikasi menggunakan algoritma CART dan Random Forest. Tahapan terakhir yaitu melakukan evaluasi dan validasi menggunakan 10 fold cross validation dan confusion matrix. Hasil penelitian menunjukkan bahwa algoritma CART dan Random Forest dapat digunakan untuk klasifikasi siswa yang berisiko mengalami kegagalan menyelesaikan kelas pembelaran online. Penelitian juga membandingkan kinerja algoritma dengan menggunakan scikit-learn Python. Dari percobaan yang dilakukan didapatkan nilai akurasi yaitu 76 5% untuk algoritma CART 81 6% untuk algoritma CART menggunakan teknik SMOTE 83 2% untuk Random Forest dan 85 6% untuk Random Forest menggunakan SMOTE.

Informasi Detail

DDC

Rs 005.1 SUC p

Prodi

Universitas Negeri Malang. Program Studi Teknik Informatika, 2019.

Deskripsi Fisik

xiv, 69 lembar : il., tab. ; 30 cm

Bahasa

Indonesia

No Reg

05378/KI/19

Edisi

Skripsi (Sarjana)--Universitas Negeri Malang. 2019

Subjek

1. ALGORITMA KOMPUTER
2. CART AND RANDOM FOREST
3. COMPUTER ALGORITHMS

Pembimbing

1. Utomo Pujianto; 2. Harits Ar Rosyid

Lampiran Berkas