Skripsi

Komparasi algoritma K-Nearest Neighbor (KNN) dan Classification and Regression Trees (CART) untuk klasifikasi tingkat pengetahuan pengguna e-learning adaptif / Aditya Cahyadi Putra

Abstrak
RINGKASAN Putra Aditya Cahyadi. 2019.KomparasiAlgoritmaK-Nearest Neighbor (KNN) dan Classification and Regression Trees (CART)untukKlasifikasiTingkat PengetahuanPengguna E-Learning Adaptif.Skripsi. Jurusan Teknik Elektro Fakultas Teknik Universitas Negeri Malang. Pembimbing (I) Harits Ar Rosyid S.T. M.T. Ph.D. (II) Utomo Pujianto S.Kom. M.Kom. Kata kunci KNN CART Klasifikasi Machine Learning E-Learning Adaptif. Gaya belajarseseorang yang merujuk pada cara belajar yang disukai merupakandasarpengembangansisteme-learningadaptif. Denganmengetahuigayabelajar yang spesifik sistemdapatmemberikanrekomendasi dan menawarkanintruksikepadaseseorangbagaimanamengoptimalkan proses belajar. Selainitusisteme-learningadaptifdapatmengatasikekurangan pada metodedeteksikonvensional yang menggunakankuesioner. Gaya belajar yang tepatsangatdibutuhkan karenadapatmenunjang pencapaian tingkatpengetahuanseseorangdalambelajar. Tujuandaripenelitianiniadalahmembandingkanmetodedata mining yang efektifuntukmengklasifikasikantingkatpengetahuanpenggunae-learningadaptifdenganalgoritmaK-Nearest Neighbor (KNN) dan Classification and Regression Trees (CART). Algoritma KNN termasukalgoritmasupervised learning yang didasarkandenganmencarikedekatanatributpenelitian dan mengklasifikasikanberdasarsuaraterbanyakdaritetangga yang ditemukan. Algoritma CART termasukalgoritmadari Teknik pohonkeputusan yang menggambarkanstatistic nonparametrikdariatributpenelitian. Atribut yang digunakanadalahwaktubelajar jumlahpengulangan hasilujian dan tingkatpengetahuan. Atributtersebutdiambildariuser modelling yang menggunakansistempembelajaranberbasisAdaptive Educational Intelegent Hypermedia System (AEIHS). Hasildaripenelitianinidiharapkandapatmenjadipanduanuntukmengembangkan Pendidikan berbasis AEIHS ataue-learningadaptif.

Informasi Detail

DDC

Rs 005.1076 PUT k

Prodi

Universitas Negeri Malang. Program Studi Teknik Informatika, 2019.

Deskripsi Fisik

xiii, 194 lembar: ill., tab.; 30 cm

Bahasa

Indonesia

No Reg

06597/KI/19

Edisi

Skripsi (Sarjana)--Universitas Negeri Malang. 2019

Subjek

1. KOMPUTER - PEMROGRAMAN
2. COMPUTER PROGRAMMING

Pembimbing

1. Harits Ar Rosyid; 2. Utomo Pujianto

Lampiran Berkas