<?xml version="1.0" encoding="UTF-8" ?>
<modsCollection xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns="http://www.loc.gov/mods/v3" xmlns:slims="http://slims.web.id" xsi:schemaLocation="http://www.loc.gov/mods/v3 http://www.loc.gov/standards/mods/v3/mods-3-3.xsd">
<mods version="3.3" id="90842">
 <titleInfo>
  <title>PERBANDINGAN ALGORITMA MACHINE LEARNING DALAM MENENTUKAN PERFORMA PENGGUNA PADA APLIKASI LARI JAVA</title>
 </titleInfo>
 <name type="Personal Name" authority="">
  <namePart>Arif Munandar</namePart>
  <role>
   <roleTerm type="text">Primary Author</roleTerm>
  </role>
 </name>
 <typeOfResource manuscript="no" collection="yes">mixed material</typeOfResource>
 <genre authority="marcgt">bibliography</genre>
 <originInfo>
  <place>
   <placeTerm type="text">Banda Aceh</placeTerm>
   <publisher>Universitas Syiah Kuala</publisher>
   <dateIssued>2021</dateIssued>
  </place>
 </originInfo>
 <language>
  <languageTerm type="code">id</languageTerm>
  <languageTerm type="text">Indonesia</languageTerm>
 </language>
 <physicalDescription>
  <form authority="gmd">Null</form>
  <extent></extent>
 </physicalDescription>
 <note>Lari Java merupakan aplikasi berbasis web yang berguna sebagai media pembelajaran bahasa pemrograman berbasis Java. Pada penelitian ini akan dilakukan penggunaan metode klasifikasi data mining dengan algoritma machine learning yaitu Support Vector Machine, Naïve Bayes dan K-Nearest Neighbor terhadap hasil jawaban latihan pengguna aplikasi Lari Java. Penelitian ini melibatkan proses pengumpulan data, labeling, pembangkitan fitur, klasifikasi, perbandingan akurasi dan penentuan performa pengguna Lari Java. Pengumpulan data dilakukan dalam bentuk hasil jawaban berdasarkan 26 soal dari 68 pengguna. Pembangkitan 4 fitur antara lain fitur pertama tentang kesamaan jawaban pengguna dengan kunci jawaban, fitur kedua menilai keterkaitan syntax, fitur ketiga tentang perbandingan waktu dan fitur keempat tentang pengulangan dalam menjawab soal. Hasil pada proses pembangkitan fitur akan digunakan pada proses klasifikasi berdasarkan kelas performanya, yaitu excellent, good dan bad. Pengujian dilakukan untuk menemukan performa metode klasifikasi yang terbaik berdasarkan akurasinya. Kemudian menentukan performa untuk 68 pengguna berdasarkan keseluruhan jawaban dan fitur-fiturnya. Hasil klasifikasi terhadap 2297 data jawaban latihan pengguna aplikasi Lari Java berdasarkan akurasi menunjukkan bahwa metode klasifikasi Support Vector Machine dengan menggunakan kernel linear memiliki nilai f-measure terbaik dengan nilai f-measure sebesar 0,98. Penentuan performa pengguna dari 68 pengguna berdasarkan keseluruhan jawaban aplikasi Lari Java dapat dilakukan dengan hasil kelas excellent mempunyai pengguna paling banyak yaitu sebanyak 30 orang.</note>
 <classification>0</classification>
 <identifier type="isbn"></identifier>
 <location>
  <physicalLocation>ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala</physicalLocation>
  <shelfLocator></shelfLocator>
 </location>
 <slims:digitals/>
</mods>
<recordInfo>
 <recordIdentifier>90842</recordIdentifier>
 <recordCreationDate encoding="w3cdtf">2021-06-15 13:53:13</recordCreationDate>
 <recordChangeDate encoding="w3cdtf">2021-06-16 12:41:41</recordChangeDate>
 <recordOrigin>machine generated</recordOrigin>
</recordInfo>
</modsCollection>