SIMULASI AKURASI MENGGUNAKAN METODE RANDOM FOREST (STUDI KASUS : TES KEMAMPUAN DASAR MATEMATIKA MAHASISWA BARU FMIPA UNSYIAH 2015) | ELECTRONIC THESES AND DISSERTATION

Electronic Theses and Dissertation

Universitas Syiah Kuala

    SKRIPSI

SIMULASI AKURASI MENGGUNAKAN METODE RANDOM FOREST (STUDI KASUS : TES KEMAMPUAN DASAR MATEMATIKA MAHASISWA BARU FMIPA UNSYIAH 2015)


Pengarang

PUTRI SHALIHATUL ULA - Personal Name;

Dosen Pembimbing



Nomor Pokok Mahasiswa

1308108010031

Fakultas & Prodi

Fakultas MIPA / Statistika (S1) / PDDIKTI : 49201

Penerbit

Banda Aceh : FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SYIAH KUALA., 2017

Bahasa

Indonesia

No Classification

1

Literature Searching Service

Hard copy atau foto copy dari buku ini dapat diberikan dengan syarat ketentuan berlaku, jika berminat, silahkan hubungi via telegram (Chat Services LSS)

Sebuah penelitian yang dilakukan Nufus pada tahun 2016 bertujuan untuk mendapatkan model dari kemampuan dasar matematika (nilai skor tes matematika) terhadap faktor-faktor yang diidentifikasi mungkin mempengaruhinya. Metode yang digunakan adalah CART (Classification and Regression Trees) sedangkan data didapatkan dari hasil tes pada saat matrikulasi mahasiswa baru FMIPA Unsyiah 2015. Fakor-faktor yang dilihat adalah akreditasi asal sekolah, jalur masuk, jenis kelamin, program studi, dan asal daerah. Jumlah responden yang diamati sebanyak 325 orang yang merupakan mahasiswa dari 7 program studi S1 yang ada di FMIPA, yaitu Matematika, Statistika, Informatika, Biologi, Fisika, Kimia, dan Farmasi. Akurasi model yang didapatkan dengan menggunakan semua faktor tersebut adalah 48%. Tingkat akurasi ini dirasa masih sangat kecil sehingga hasil penelitian menyatakan bahwa faktor-faktor tersebut diatas tidak mempengaruhi kemampuan matematika dasar mahasiswa baru. Salah satu penyebab rendahnya tingkat akurasi mungkin disebabkan oleh kecilnya data yang dipakai. Penelitian ini bertujuan untuk melihat apakah jumlah data yang besar, dilakukan penggandaan data, dan perulangan bootstrap, dilihat dari banyaknya pohon, akan menghasilkan nilai akurasi yang lebih baik. Sebuah simulasi dilakukan untuk melihat hal tersebut. Metode yang digunakan adalah random forest. Penggandaan data yang digunakan adalah sekali, dua kali, tiga kali, empat kali, dan lima kali, dengan banyak data menjadi 325, 650, 975, 1.300 dan 1.625 data. Variasi banyak pohon yang dibangun untuk melakukan bootstrap adalah 10, 50, 100 dan 500. Hasil penelitian menunjukkan bahwa nilai akurasi tertinggi yang dicapai adalah 66,78% dengan nilai error OOB 36,07% pada saat ukuran data 1.625 dan 500 pohon, dan yang terendah adalah 54,46% dengan nilai error OOB 47,73% pada saat ukuran data 325 dan 10 pohon. Walaupun nilai akurasi yang didapatkan meningkat, tetapi masih berada dibawah 80%. Dengan demikian, dapat dikatakan bahwa faktor-faktor yang digunakan pada penelitian ini belum bisa mengidentifikasi kemampuan dasar matematika mahasiswa baru FMIPA Unsiyah 2015.

Kata kunci: bootstrap, random forest, akurasi, error OOB, kemampuan dasar matematika




Tidak Tersedia Deskripsi

Citation



    SERVICES DESK