PENERAPAN ALGORITMA K-NEAREST NEIGHBOR (KNN) DALAM KLASIFIKASI PENILAIAN JAWABAN UJISAN ESAI

  • Iqbal Mubarok M
  • Purwantoro P
  • Carudin C
N/ACitations
Citations of this article
13Readers
Mendeley users who have this article in their library.

Abstract

Pendidikan menjadi faktor yang mempengaruhi manusia untuk dapat berproses dan berinteraksi dengan lingkungan sekitar dan merupakan hal pokok yang perlu diperhatikan karena pendidikan dapat membentuk karakter pribadi seseorang. Evaluasi pembelajaran dilakukan sebagai salah satu tolak ukur pada siswa terhadap pemahaman dalam materi yang diberikan oleh guru dan guru akan mengetahui kemampuan dari setiap masing-masing siswanya. Ujian itu sendiri dibagi menjadi dua sifat yang berbeda, yakni ujian objektif yang jawabannya bersifat pilihan ganda dan ujian subjektif yang jawabannya bersifat jawaban uraian atau esai. Ujian esai seringkali menjadi tantangan bagi pengajar dan penilai dalam mengidentifikasi serta memberikan skor yang objektif kepada setiap jawaban mahasiswa. Dalam Upaya meningkatkan efisiensi dan keakuratan dalam penilaian, penelitian ini menggunakan metode KNN untuk mengklasifikasikan jawaban ujian esai berdasarkan kesamaan dengan jawaban-jawaban referensi yang suda ada sebelumnya. Tujuan dari penelitian ini yaitu untuk menerapkan algoritma K-Nearest Neighbor (KNN) dalam proses klasifikasi penilaian jawaban ujian esai dan mengetahui performa dari algortima K-Nearest Neighbor (KNN) yang diterapkan dalam klasifikasi penilaian jawaban ujian esai. Metodologi penelitian yang diterakan dalam penerapan algoritma KNN dalam klasifikasi penilaian ujian esai menggunakan pendekatan Knowledge Discovert in Database (KDD). Klasifikasi menggunakan KNN dan pembobotan TF-IDF ini menghasilkan akurasi sebesar 14,01%. Sedangkan performa lainnya yaitu nilai precision diperoleh rata-rata 10,4% dan recall dengan rata-rata 14,1%, serta f-measure sebesar 5,7%. Data latih yang terdiri dari berbagai jawaban referensi digunakan untuk melatih model KNN dan kemudian model ini diuji pada jawaban ujian esai yang belum pernah dilihat sebelumnya. Hasil dari penelitian ini diharapkan dapat memberikan kontribusi dalam mempermudah proses penilaian jawaban ujian esai secara efisien dan akurat, serta meningkatkan kualitas evaluasi akademik.

Cite

CITATION STYLE

APA

Iqbal Mubarok, M., Purwantoro, P., & Carudin, C. (2024). PENERAPAN ALGORITMA K-NEAREST NEIGHBOR (KNN) DALAM KLASIFIKASI PENILAIAN JAWABAN UJISAN ESAI. JATI (Jurnal Mahasiswa Teknik Informatika), 7(5), 3446–3452. https://doi.org/10.36040/jati.v7i5.7676

Register to see more suggestions

Mendeley helps you to discover research relevant for your work.

Already have an account?

Save time finding and organizing research with Mendeley

Sign up for free