KLASIFIKASI KALIMAT TANYA BERDASARKAN TAKSONOMI BLOOM MENGGUNAKAN SUPPORT VECTOR MACHINE TUGAS ASKHIR

Transkripsi

1 KLASIFIKASI KALIMAT TANYA BERDASARKAN TAKSONOMI BLOOM MENGGUNAKAN SUPPORT VECTOR MACHINE TUGAS ASKHIR Sebagai Persyaratan Guna Meraih Gelar Sarjana Strata 1 Teknik Informatika Universitas Muhammadiyah Malang Oleh : Zakiyah Rakhmawati JURUSAN INFORMATIKA FAKULTAS TEKNIK UNIVERSITAS MUHAMMADIYAH MALANG 2017

2 i

3 ii

4 iii

5 KATA PENGANTAR Alhamdulillah, puji syukur kehadirat Allah SWT, yang telah melimpahkan rahmat dan karunia-nya, sehingga penulis dapat menyelesaikan tugas akhir yang menjadi salah satu syarat untuk menyelesaikan program studi Teknik Informatika jenjang Strata-1 Universitas Muhammadiyah Malang (UMM). Sholawat serta salam semoga tetap tercurah kepada Nabi besar Muhammad SAW, keluarga, sahabat dan para pengikutnya hingga akhir jaman. Penulis menyadari bahwa dalam menyelesaikan tugas akhir ini tidak lepas dari peran berbagai pihak yang telah banyak memberi bantuan, nasehat, bimbingan dan dukungan. Dalam kesempatan ini penulis ingin mengucapkan terima kasih yang tak terhingga khususnya kepada : 1. Bapak Setio Basuki, S.T., M.T. dan Bapak Galih Wasis Wicaksono, S.Kom., M.Cs selaku Dosen Pembimbing I dan II tugas akhir. Terima kasih atas pengarahan yang telah di berikan sehingga dapat menyelesaikan laporan tugas akhir ini dengan benar adanya. 2. Orang Tua Penulis atas segala do a restu dan dukungannya baik material atau spiritual kepada penulis dalam penyelesaian tugas akhir ini. 3. Teman-teman yang membantu dan memberikan dukungan dalam proses penulisan tugas akhir ini. Penulis menyadari bahwa dalam penyusunan tugas akhir ini banyak kekurangannya. Oleh karena itu, penulis mengharapkan kritik dan saran yang dapat menyempurnakan penulisan ini sehingga dapat bermanfaat untuk pengembangan ilmu. Malang, 12 Oktober 2017 Penulis iv

6 DAFTAR ISI LEMBAR PERSETUJUAN... i LEMBAH PENGESAHAN... ii LEMBAR PERNYATAAN... iii KATA PENGANTAR... iv ABSTRAK... v ABSTRACT... vi DAFTAR ISI... vii DAFTAR GAMBAR... x DAFTAR TABEL... xii DAFTAR LAMPIRAN... xiii BAB I... 1 PENDAHULUAN Latar Belakang Rumusan Masalah Batasan Masalah Tujuan Metodologi Studi Literatur Analisis Sistem Desain Sistem Implementasi Sistem Pengujian dan Evaluasi Penyusunan Laporan Sistematika Penulisan... 5 BAB II... 7 LANDASAN TEORI Studi Literatur Text Mining Preprocessing Data... 8 vii

7 2.3.1 Case Folding Remove Number & Punctuation Tokenisasi Klasifikasi Taksonomi Bloom Support Vector Machine Konsep SVM SVM Linear Multi Class SVM Karakteristik SVM Ekstraksi Fitur Fitur Sintaktik Fitur Bag-of-Words (BoW) Metode Pengujian Akurasi Presisi Recall BAB III ANALISA DAN PERANCANGAN SISTEM Persiapan Data Analisis Data Preprocessing Data Case Folding Remove Number & Punctuation Tokenisasi Perancangan Pelatihan Klasifikasi SVM Perancangan Pengujian Preprocessing Ekstraksi Fitur Pemodelan Klasifikasi SVM Perhitungan SVM viii

8 3.7 Skenario Pengujian Pengujian Klasifikasi BAB IV IMPLEMENTASI DAN PENGUJIAN Implementasi Kebutuhan Sistem Implementasi Kebutuhan Perangkat Keras Implementasi Kebutuhan Perangkat Lunak Implementasi Perangkat Lunak Preprocessing Data Ekstraksi Fitur Klasifikasi Cross Validation Pengujian Klasifikasi Pengujian Klasifikasi Tiap Kelas Perbandingan Akurasi Data Penelitian Sebelumnya BAB V PENUTUP Kesimpulan Saran DAFTAR PUSTAKA ix

9 DAFTAR GAMBAR Gambar 2.1 Tahap Case folding... 9 Gambar 2.2 Tahap Remove Number & Punctuation... 9 Gambar 2.3 Tahap Tokenisasi Gambar 2.4 Margin Hyperplane Gambar 3.1 Preprocessing Data Gambar 3.2 Proses Case Folding Gambar 3.3 Proses Remove Number & Punctuation Gambar 3.4 Proses Tokenisasi Gambar 3.5 Proses Perancangan Klasifikasi SVM Gambar 3.6 Ilustrasi Klasifikasi dengan Metode one-against-all Gambar 4.1 Halaman Preprocessing Data Gambar 4.2 Halaman Load Data Kalimat Tanya Gambar 4.3 Halaman Hasil Preprocessing Data Gambar 4.4 Proses Pelabelan Data Gambar 4.5 Halaman Ekstraksi Fitur Gambar 4.6 Halaman Load Data Ekstraksi Fitur Gambar 4.7 Halaman Hasil Ekstraksi Fitur Sintaktik Gambar 4.8 Data Untuk Fitur Bag-of-Words Gambar 4.9 Hasil Filter StringToWordVector Gambar 4.10 Hasil Filter NumericToNominal Gambar 4.11 Hasil Ordered Gambar 4.12 Load Data Model Ekstraksi Fitur Sintaktik Gambar 4.13 Load Data Klasifikasi Gambar 4.14 Hasil Klasifikasi Ekstraksi Fitur Sintaktik Gambar 4.15 Detail Hasil Klasifikasi Fitur Sintaktik Gambar 4.16 Detail Hasil Klasifikasi Fitur Bag-of-Words Gambar 4.17 Cross Validation Ekstraksi Fitur Sintaktik Gambar 4.18 Cross Validation Ekstraksi Fitur Bag-of-Words Gambar 4.19 Hasil Prediksi Klasifikasi Fitur Sintaktik Gambar 4.20 Detail Hasil Pengujian Klasifikasi Fitur Sintaktik Gambar 4.21 Hasil Prediksi Klasifikasi Fitur Bag-of-Words Gambar 4.22 Detail Hasil Pengujian Klasifikasi Fitur Bag-of-Words Gambar 4.23 Confusion Matrix Tes Klasifikasi Fitur Sintaktik Gambar 4.24 Detail Akurasi Tes Klasifikasi Fitur Sintaktik Gambar 4.25 Confusion Matrix Tes Klasifikasi Fitur Bag-of-Words Gambar 4.26 Detail Akurasi Tes Klasifikasi Fitur Bag-of-Words Gambar 4.27 Detail Cross Validation Fitur Sintaktik Kelas Mengingat Gambar 4.28 Detail Cross Validation Fitur Bag-of-Words Kelas Mengingat Gambar 4.29 Detail Cross Validation Fitur Sintaktik Kelas Memahami Gambar 4.30 Detail Cross Validation Fitur Bag-of-Words Kelas Memahami Gambar 4.31 Detail Cross Validation Fitur Sintaktik Kelas Menerapkan Gambar 4.32 Detail Cross Validation Fitur Bag-of-Words Kelas Menerapkan Gambar 4.33 Detail Cross Validation Fitur Sintaktik Kelas Menganalisis x

10 Gambar 4.34 Detail Cross Validation Fitur Bag-of-Word Kelas Menganalisis.. 52 Gambar 4.35 Detail Cross Validation Fitur Sintaktik Kelas Mengevaluasi Gambar 4.36 Detail Cross Validation Fitur Bag-of-Words Kelas Mengevaluasi. 53 Gambar 4.37Detail Cross Validation Fitur Sintaktik Kelas Membuat Gambar 4.38 Detail Cross Validation Fitur Bag-of-Words Kelas Membuat xi

11 DAFTAR TABEL Tabel 2.1 Hasil Penelitian Selvia Ferdiana Kusuma... 7 Tabel 2.2 Aspek Kognitif Taksonomi Bloom Tabel 2.3 Ekstraksi Fitur Sintaktik Tabel 2.4 Ekstraksi Fitur Bag-of-Words Tabel 2.5 Confusion Matrix Tabel 3.1 Data Kalimat Tanya Tabel 3.2 Kalimat Tanya Aspek Kognitif berdasarkan Taksonomi Bloom Tabel 3.3 Daftar Ekstraksi Fitur Tabel 3.4 Data Kalimat Tanya Sebelum Proses Preprocessing Tabel 3.5 Data Kalimat Tanya Sesudah Proses Preprocessing Tabel 3.6 Proses Ekstraksi Fitur Sintaktik Tabel 3.7 Proses Ekstraksi Fitur Bag-of-Words Tabel 3.8 Contoh 2 SVM biner Tabel 3.9 Perancangan Pengujian Klasifikasi Tabel 3.10 Perancangan Confusion Matrix xii

12 DAFTAR LAMPIRAN Lampiran 1. Surat Pengantar Validasi Data Lampiran 2. Data Validator Lampiran 3. Daftar Kata Kunci Taksonomi Bloom Lampiran 4. Daftar Variasi Kata Lampiran 5. Data Hasil Uji Klasifikasi Fitur Sintaktik Lampiran 6. Data Hasil Uji Klasifikasi Fitur BOW xiii

13 DAFTAR PUSTAKA [1] C. H. Giani, Zulkardi, ANALISIS TINGKAT KOGNIITF SOAL-SOAL BUKU TEKS MATEMATIKA KELAS VII BERDASARKAN TAKSONOMI BLOOM, vol. 1, [2] A. Masduki. Subandriah, M.R. Irawan, D.Y. Prihantoro, Level Kognitif soal-soal Pada Buku Teks Matematika SMP Kelas VII, [3] Widodo, Ari, Taksonomi Tujuan Pembelajaran Jurusan Pendidikan Biologi FPMIPA Universitas Pendidikan Indonesia Jl. Dr. Setiabudhi 229 Bandung widodo@upi.edu September 2005 Dari penulis Furst, Hill dan Krathwohl ( 1956 ), vol. 4, pp , [4] A. H. Nasrulloh, Analisis Tingkat Kognitif Tes Kompetensi pada Buku Sekolah Elektronik (Bse) Matematika Smp/Mts Kelas IX berdasarkan Berdasarkan Taksonomi Bloom, [5] A. Sudarsyah, Manajemen Implementasi Kurikulum: Sisi Lain Ujian Nasional, [Online]. Available: ad/543693/1/sisi-l. [6] D. Wulandini, F., A Study on Text Classification for Webmining Based Spatio Temporal Analysis of the Spread of Tropical Diseases., [7] Ferdiana Kusuma, Selvia, Otomatisasi Klasifikasi Soal Berbahasa Indonesia Berdasarkan Taksonomi Bloom Menggunakan Pengolahan Bahasa Ilmiah, ITS, Surabaya, P. Magister, B. Keahlian, R. Perangkat, J. T. Informatika, and F. T. Informasi,. [8] I. Adiwijaya, Text Mining dan Knowledge Discovery, pp [9] Saraswati, Sumartini N.W, P. Pascasarjana and U. Udayana, Text mining dengan metode naïve bayes classifier dan support vector machines untuk sentiment analysis, Univ. Stuttgart, pp. 1 99, [10] R. Srividhya, V., & Anitha, Evaluating Preprocessing Techniques in Text Categorization. International Journal of Computer Science and Application Issue 2010, pp , [11] E. Susilowati, M. K. Sabariah, and A. A. Gozali, Implementasi Metode Support Vector Machine Untuk Melakukan Klasifikasi Kemacetan Lalu Lintas Pada Twitter Implementation Support Vector Machine Method for 57

14 Traffic Jam Classification on Twitter, pp. 1 7, [12] D. H. N. S. A. Ariief Budi Witarto, Support Vector Machine- Teori dan Implementasinya dalam Bioinformatika., [13] A. A. Pranatha, Analisis Perbandingan Lima Metode Klasifikasi Pada Dataset Sensus Penduduk, J. Sist. Inf., vol. 4, no. 2, pp , [14] I. K. Sukajaya, N., Purnomo, M. H., & Purnama, Intelligent Classification of Learner s Cognitive Domain using Bayes Net, Naive Bayes, and J48 Utilizing Bloom s Taxonomy-based Serious Game. International Journal Of Emerging Technologies in Learning (IJET), pp , [15] A. Yahya, A. A., & Osman, Automatic Classification Of Questions Into Bloom s Cognitive Levels Using Support Vector Machine., [16] O. M. Taher, W. Pertama, B. Diklat, and K. Medan, 07/11/2013, [17] J. S. T. Christianini, Nello, An Introduction to Support Vector Machines and Other Kernel-based Learning Methods., [18] Prasetyo, Eko., Alim, Syariful., Rosyid, Harunur, N. Dengan and S. V. M. Dan, UJI KINERJA DAN ANALISIS K-SUPPORT VECTOR NEAREST B-173 B-174, vol. 6, pp , [19] D. Widiastuti, Analisa Perbandingan Algoritma SVM, Naïve Bayes, dan Decission Tree dalam Mengklasifikasikan Serangan (Attack) pada Sistem Pendeteksi Intrusi, Dwi Widiastuti, p. 3, [20] K. Sembiring, Pengantar, Training, no. September, pp. 1 28, [21] E. Prasetyo, Data Mining Konsep dan Aplikasi Menggunakan MATLAB, [22] B. Loni, Enhanced Question Classification With Optimal Combination of Features. Delft University of Technology, [23] Bag of words model. [Online]. Available: [Accessed: 05-Dec- 2014]. [24] A. Indriani, Klasifikasi Data Forum dengan menggunakan Metode Naïve Bayes Classifier, Semin. Nas. Apl. Teknol. Inf., pp. 5 10,