Sistem Ulangan Harian Dengan Penentuan Tingkat Kesulitan Soal Menggunakan Algoritma Naive Bayes Classifier

Lugas Anegah Bahalwan, Aji Prasetya Wibawa, Utomo Pujianto

Abstract


Dalam pelaksanaan ulangan harian, guru memiliki beberapa kendala yang dapat mengarahkan pada kemungkinan gagalnya evaluasi pendidikan dengan baik. Beberapa kendala Ulangan Harian yang dialami guru adalah beban kerja guru yang cukup banyak, selain dari tugas mengajar dan mendidik juga terdapat tugas kedinasan yang diberikan pada guru tertentu dengan tugas yang berbeda-beda. Dalam penelitian ini. Sistem Ulangan Harian dikembangkan untuk mengatasi masalah yang muncul dengan penentuan tingkat kesulitan soal menggunakan metode klasifikasi Naïve Bayes Classifier. Perhitungan kinerja algoritma menggunakan metode konfusi matrik dengan hasil Akurasi sebesar 89.99%, Precission sebesar 89.3%, dan Recall sebesar 89.3%. Penelitian ini akan menguji perilaku pengguna Sistem Ulangan Harian berdasarkan faktor-faktor yang memengaruhi mereka dengan pendekatan Technology Acceptance Model (TAM). Berdasarkan hasil analisis diketahui bahwa ada pengaruh pengaruh Perceived Ease of Use (PEOU) terhadap Perceived Usefulness (PU) sebesar 90.6%, sedangkan pengaruh Perceived Ease of Use (PEOU) dan Perceived Usefulness (PU) terhadap Attitude Toward Using (ATU) adalah 74,3%. Diketahui juga bahwa pengaruh Perceived Usefulness (PU) dan Attitude Toward Using (ATU) terhadap Behavioural Intention to Use (ITU) adalah 79,7%. Pengaruh Behavioural Intention to Use (ITU) terhadap Actual System Use (ASU) sebesar 79,3%. Dari hasil penelitian, Sistem Ulangan Harian dengan klasifikasi tingkat kesulitan soal menggunakan algoritma Naïve Bayes Classifier bisa diimplementasikan secara efektif.

Keywords


Ulangan Harian; Sistem Informasi; Naïve Bayes Classifier; Technology Acceptance Model

Full Text:

PDF

References


Republik Indonesia, “Peraturan Pemerintah Republik Indonesia Nomor 19 Tahun 2005 Tentang Standar Nasional Pendidikan,” 2005.

Kementerian Pendidikan dan Kebudayaan Republik Indonesia, “Peraturan Menteri Pendidikan Nasional Republik Indonesia Nomor 20 Tahun 2007 Tentang Standar Penilaian Pendidikan,” p. 17, 2007.

S. Surapranata, Analisis, Validitas, Realibilitas, dan Interpretasi Hasil Tes. Bandung: PT Remaja Rosdakarya, 2005.

S. Arikunto, Dasar-Dasar Evaluasi Pendidikan, 2nd ed. Jakarta: Bumi Aksara, 2009.

Suwarto, Pengembangan Tes Diagnostik Dalam Pembelajaran. Yogyakarta: Pustaka Pelajar, 2013.

N. L. C. Dewi, A. P. Wibawa, and U. Pujianto, “Pengembangan Sistem Informasi Prakerin Dengan Rekomendasi Penempatan Prakerin Menggunakan Algoritma Naïve Bayes Di SMKN 1 Kepanjen,” 2018.

R. S. Pressman, Software engineering: a practitioner’s approach, 8th ed. New York: McGraw-Hill Education, 2015.

N. W. S. Saraswati, “Naïve Bayes Classifier Dan Support Vector Machines Untuk Sentiment Analysis,” p. 7, 2013.

E. Prasetyo, Data Mining - Konsep dan Aplikasi menggunakan Matlab, 1st ed. Yogyakarta: Andi, 2012.

W. S. Fatimah, W. Sakti, and H. W. Herwanto, “Penerapan Metode Naive Bayes Classification Pada Sistem Pendukung Keputusan Analisis Butir Soal Pilihan Ganda Di Jurusan Teknik Elektro,” 2017.

M. D. Jaelani, A. P. Wibawa, and U. Pujianto, “Implementasi Algoritma Learning Vector Quantization (LVQ) Untuk Klasifikasi Kemampuan Siswa,” 2018.

P. A. Santoso, A. P. Wibawa, and U. Pujianto, “Sistem Rekomendasi Tempat Praktik Kerja lapangan (PRAKERLAP) dengan Metode Simple Additive Weighting di SMK Negeri 10 Malang,” 2018.

S. Arikunto, Prosedur Penelitian Suatu Pendekatan Praktek. Jakarta: PT Rineka Cipta, 2012.

D. Priyatno, Panduan Praktis Olah Data Menggunakan SPSS. Yogyakarta: Andi, 2017.


Refbacks

  • There are currently no refbacks.


Copyright (c) 2019 Prosiding SAKTI (Seminar Ilmu Komputer dan Teknologi Informasi)

Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.