KLASIFIKASI SOAL PILIHAN GANDA BERBAHASA INDONESIA BERDASARKAN LEVEL KOGNITIF PUSPENDIK DENGAN SUPPORT VECTOR MACHINE

Lilis Setyaningsih, Endang Setyati, Suhatati Tjandra

Abstract


Bank soal merupakan kebutuhan penting di sekolah, sebagai media evaluasi pembelajaran. Bank soal yang berkualitas, dapat membantu dalam menganalisa kemampuan kognitif peserta didik. Pada akhirnya meningkatkan kualitas pembelajaran di sekolah. Penelitian ini menggunakan dataset berupa pokok soal dari soal PG, yang di dalamnya terdapat stimulus yang berupa text. Soal akan diklasifikasi berdasarkan level kognitif Puspendik, yaitu level pengetahuan dan pemahaman (L1), level aplikasi (L2) dan level penalaran atau HOTS (L3). Tidak semua soal menggunakan kata kerja operasional. Proses penelitian dilakukan dalam 3 tahap, yaitu pengumpulan dan labeling dataset, preprocessing, training model, dan testing data. Penelitian dilakukan dengan Bag Of Words, TF-IDF, Latent Semantic Analysis  dan metode Support Vector Machine. Hasil uji coba menunjukkan tingkat akurasi dalam mengklasifikasi soal L1 sebesar 64,67%, L2 75,42% dan L3 25,83%. Tingkat akurasi secara keseluruhan dicapai, pada saat ujicoba 30% data testing, yaitu 61,54%.

Full Text:

PDF

References


Asmira,O., Ariyana, Y., Bestary, R., Pudjiastuti, A., Setiawati, W.2018. Buku Pegangan Pembelajaran Berorientasi pada Ketrampilan Berpikir Tingkat Tinggi. Direktorat Jendral Guru dan Tenaga Kependidikan dan Kebudayaan. Jakarta.

Kannan, S., Gurusamy, V. 2014.Preprocessing Techniques for Text Mining.https://www.researchgate.net/publication/273127322_Preprocessing_Techniques_for_Text_Mining. Diakses tanggal 14 September 2020

Kusuma., S. F., Siahaan, D., Yuhana, U. L. 2015. Automatic Indonesia’s Questions Classification Based On Bloom’s Taxonomy Using Natural Language Processing. Bandung :International Conference on Information Technology Systems and Innovation (ICITSI). Hal 1-6.

Puspendik. 2019. Penulisan Soal Pilihan Ganda.https://www.slideshare.net/MushlihatunSyarifah/ppt-penulisan-soal-pilihan-ganda. Diakses tanggal 16 September 2020

Putri, W. T. H., Hendrowati, R. 2018.Penggalian Teks Dengan Model Bag Of Words terhadap Data Twitter. Jurnal Muara Sains, Teknologi, Kedokteran, dan Ilmu Kesehatan. Vol 2 No 1.Hal .129-138.

Suhartono, D. 21015. Penggunaan Latent Semantic Analysis dalam Pemrosesan Text.https://socs.binus.ac.id/2015/08/03/penggunaan-latent-semantic-analysis-lsa-dalam-pemrosesan-teks/. Diakses tanggal 20 September 2020.

Sudin, Sakina. 2018. Analisis Jenis Pertanyaan Berbahasa Indonesia pada Question and Answering System Menggunakan Metode Support Vector Machine (SVM).Jurnal Ilmiah Teknologi Sistem Informasi

Valtemir A. Silva, Ig I. Bittencourt, and José C. Maldonado. 2018.Automatic Question Classifiers: a Systematic Review, IEEE Transactions on Learning Technologies. Vol. 12. Hal 485-502.




DOI: http://dx.doi.org/10.53712/jic.v5i2.921

Refbacks

  • There are currently no refbacks.


E-ISSN: 2580-488X

P-ISSN: 2302-6227

Indexed by:

Published by Prodi Informatika - Teknik Informatika - Universitas Madura
Jl. Raya Panglegur Km 3,5 Pamekasan
Phone: (0324) 322231
website: http://http://ejournal.unira.ac.id/index.php/insand_comtech/index

Email: roney@unira.ac.id

Creative Commons License
InsandComtech by Universitas Madura is licensed under a Creative Commons Attribution 4.0 International License.