KLASIFIKASI TENDENSI HASIL UJIAN AKHIR MAHASISWA BERDASARKAN DATA KEBIASAAN DALAM PENGGUNAAN MOOC (STUDI KASUS: ELOK UGM)

ANNISHA FIRDAUSY R, Isna Alfi Bustoni, S. T., M. Eng.

2020 | Skripsi | S1 ILMU KOMPUTER

Peningkatan ketertarikan penggunaan e-learning telah dilakukan salah satunya dengan implementasi gamifikasi. Gamifikasi memanfaatkan elemen pada gim untuk mengarahkan pengguna menuju tujuan dan perilaku yang ingin dicapai. Namun, im- plementasi gamifikasi belum sepenuhnya memberikan dampak yang baik. Terdapat peluang peningkatan hasil ujian akhir dengan mendeteksi hasil ujian akhir melalui klasifikasi dan pengolahan data kebiasaan pengguna. Penelitian ini melakukan klasifikasi pada data kebiasaan penggunaan eLOK sebagai e-learning yang dipilih menggunakan algoritma Support Vector Machine dan Random Forest. Tujuannya unutk mengklasifikasikan hasil ujian akhir mahasiswa. Data kebisaan merupakan ekstraksi data log eLOK pembelajaran Pemrograman I se- mester gasal tahun ajaran 2017/2018 yang didukung oleh nilai harian, ujian tengah semester dan ujian akhir semster masing-masing pengguna Akurasi yang dihasilkan oleh klasifikasi SVM tertinggi dihasilkan pada ming- gu ke-9 dan ke-17 adalah 0.51 tanpa dilakukannya seleksi pada fitur. Sedangkan akurasi pada klasifikasi Random Forest mengalami kenaikan pada pertambahan jum- lah data dengan akurasi tertinggi pada minggu ke-17 dengan nilai 0.68. Minggu yang dianjurkan untuk melakukan klasifikasi dimulai pada minggu ke-9 dengan menggu- nakan algoritma klasifikasi Random Forest

One of the ways to improve the use of e-learning is by implementing gamification. Gamification utilizes elements in the game that is capable of directing users towards the goals and behaviors to be achieved. However, the implementation of gamification has not fully had a good impact. There is an opportunity to improve the results of the final exam by detecting the final exam results through the classification and processing of user data habits. The data used for the research are collected from eLOK. Classification is done to find the tendency of final exam scores. The behavior data was the extraction of eLOK log data in the Programming I learning odd semester of the academic year 2017/2018 which is supported by daily score, midterm, and final examinations for each user. The accuracy produced by the SVM classification at 9th and 17th weeks is 0.51 without selection on features. While the accuracy of the Random Forest classification has increased in increasing the amount of data with the highest accuracy in the 17th week with a value of 0.68. The recommended week for classification starts at 9th week using the Random Forest classification algorithm

Kata Kunci : Klasifikasi, SVM, Random Forest, Tendensi, Hasil Ujian Akhir.