Klasifikasi Kemampuan Kognitif Pembelajar Pada Permainan Matematika Berbasis Metode Backpropagation Neural Network

Yuniarti, Heny (2016) Klasifikasi Kemampuan Kognitif Pembelajar Pada Permainan Matematika Berbasis Metode Backpropagation Neural Network. Masters thesis, Institut Teknologi Sepuluh Nopember Surabaya.

[thumbnail of 2212205017-Master_Thesis.pdf]
Preview
Text
2212205017-Master_Thesis.pdf - Published Version

Download (1MB) | Preview

Abstract

Mengklasifikasikan profil pembelajar siswa merupakan suatu kebutuhan dalam dunia pendidikan. Klasifikasi tersebut bisa meliputi kemampuan kognitif maupun gaya belajar dari seorang siswa. Kemampuan kognitif siswa dalam belajar di sekolah sangat penting untuk diketahui perkembangannya agar seorang pengajar dapat mengevaluasi kegiatan belajar mengajar yang dilakukan telah sesuai dengan yang diharapkan atau belum. Dengan menerapkan metode jaringan saraf tiruan, diharapkan hasil klasifikasi dapat menunjukkan angka galat yang sedikit. Penelitian ini mengklasifikasikan profil pembelajar dari segi kemampuan kognitifnya. Klasifikasi ini diharapkan dapat memudahkan pengajar dalam menilai kemampuan anak didiknya serta mengevaluasi kegiatan belajar mengajar di dalam kelas. Dengan cara membandingkan keluaran sistem dengan keluaran hasil tes tulis siswa, didapatkan nilai selisih akar kuadrat (RMSE) senilai 0.295
=====================================================================================================
Classify student learner profile is a necessity in education sector. Such classification includes cognitive ability and learning style of the student. The student cognitive skill in learning at school is very important to note its development so that a teacher can evaluate the studying and teaching methods that have been done. By applying Artificial Neural Network method, expected results of classification can show a small error. This research classify student cognitive ability. This classify is expected to help teacher in assessing student ability and also evaluate the studying and teaching methods at class. Student cognitive ability can be classified in this research with RMSE value 0.295

Item Type: Thesis (Masters)
Additional Information: RTE 006.3 Yun k
Uncontrolled Keywords: permainan matematika, klasifikasi profil pembelajar, artificial neural network
Subjects: Q Science > QA Mathematics > QA336 Artificial Intelligence
Divisions: Faculty of Electrical Technology > Electrical Engineering > 20101-(S2) Master Thesis
Depositing User: EKO BUDI RAHARJO
Date Deposited: 14 Apr 2020 01:15
Last Modified: 14 Apr 2020 01:15
URI: http://repository.its.ac.id/id/eprint/75773

Actions (login required)

View Item View Item