KLASTERING TINGKAT KESULITAN SOAL PEMROGRAMAN BERORIENTASI OBJEK MENGGUNAKAN K-MEANS

Mayang Sari(1*), Mirza Yogy Kurniawan(2), Wagino Wagino(3)

(1) 
(2) 
(3) 
(*) Corresponding Author

Sari


Evaluasi pada tingkat kesukaran soal bisa dilakukan dengan menghitung proporsi jawaban benar terhadap butir soal, namun evaluasi tersebut berlaku secara umum kepada setiap kelas maupun pengajar. Ketika kelas yang akan dievaluasi berbeda pengajar dan tipenya, tentu tidak bisa dipandang sama secara umum. Penelitian ini bertujuan untuk mengukur dan mengevaluasi tingkat kesulitan soal ujian dengan tipe kelas berbeda. K-Means yang merupakan salah satu algoritma dari klastering yang merupakan salah satu teknik data mining yang mampu membagi-bagi data menjadi kelompok yang natural tanpa diperlukan proses pelabelan pada data yang ingin dikelompokkan, atau biasa disebut unsupervised learning. K-Means menghasilkan tiga kelompok soal pada data, yaitu Mudah, Sedang, dan Susah. Implementasi K-Means pada penelitian ini mendapatkan nilai Davies-Boudin Index 0.198 yang berarti klaster yang dihasilkan sudah baik, dan proporsi soal ujian mudah, sedang, dan susah sebesar 4-3-3 yang berarti tingkat kesulitan soal sudah cukup proporsional.

Teks Lengkap:

PDF

Referensi


Adi, W. S. (2011). Efektifitas Model Pembelajaran Team Accelerated Instruction pada Siswa Kelas X SMK Tunas Harapan 2008-2009. Pemantapan Keprofesionalan Peneliti, Pendidik, dan Praktisi MIPA Untuk Mendukung Pembangunan Karakter Bangsa.

Chrisnajanti, W. (2002). Pengaruh Program Remedial terhadap Ketuntasan Belajar Siswa. Jurnal Pendidikan Penabur , 81-86.

Hugo Aprilianto, Erfan Ramadahani. (2013). Implementasi Metode K-Means Clustering untuk Pengelompokan Lulusan STMIK Banjarbaru Berdasarkan Kompetensi. Jurnal Progresif STMIK Banjarbaru, 907-918.

Slamet, H. (2013). Sistem Informasi Geografis Berbasis Web untuk Pemetaan Sebaran Alumni Menggunakan Metode K-Means. Semarang: Universitas Diponegoro.

Triwulandari, E. F. (2013). An Analysis of English Final Test for the First Semester of the Eleventh Grade Students of SMA Negeri Jombang 2012/2013. E-Journal Unesa, 2-6.

Witten, I. H. (2011). Data Mining Practical Machine Learning Tools and Techniques Third Edition. Amsterdam: Morgan Kauffman Press.




DOI: http://dx.doi.org/10.31602/ppdu.v0i0.3781

Refbacks

  • Saat ini tidak ada refbacks.