Ayuba, Vieri Fath (2021) Rancang Bangun Sistem Deteksi Mutu Pada Penyusunan Dokumen Rencana Pembelajaran Semester Berdasarkan Standar Taksnomi Bloom Menggunakan Metode Text Mining. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.
Preview |
Text
05111840000153-Undergraduate_Thesis.pdf - Accepted Version Download (1MB) | Preview |
Abstract
Rancangan Pembelajaran Semester (RPS) adalah rencana proses pembelajaran yang disusun untuk kegiatan pembelajaran selama satu semester guna memenuhi capaian pembelajaran yang dibebankan pada mata kuliah. RPS berisi penjelasan bagaimana bahan kajian disampaikan atau dipelajari ke mahasiswa dengan cara yang tepat dan efisien. Namun dalam penyusunan dokumen Rencana Pembelajaran Semester terdapat perbedaan standar mutu pada setiap penyusunannya. Terdapat dokumen RPS pada antar universitas pada program studi yang sama tidak memiliki learning outcome atau hasil pembelajaran yang sama dengan kata lain mutu pada penyusunan dokumen RPS masih kurang ada acuan tetap.
Penelitian tugas akhir ini bertujuan untuk membuat sistem yang dapat melakukan deteksi mutu pada penyusunan dokumen RPS dengan acuan standar Taksonomi Bloom. Sistem deteksi pada aplikasi ini menggunakan metode antara lain algoritma TF-IDF dan Cosine Similarity, serta algoritma Jaccard Similarity. Algoritma tersebut dibandingkan dan dicari yang terbaik untuk dimplementasikan pada sistem ini. Dengan memanfaatkan algoritma tersebut sistem dapat mengelompokkan dokumen berdasarkan tiga ranah utama Taksonomi Bloom.
Fitur yang diimplementasikan dalam sistem ini antara lain fitur mengunggah dokumen RPS dengan format PDF dan fitur deteksi mutu dokumen RPS dengan output pengelompokkan tiga ranah utama beserta level turunannya berdasarkan pengukuran Taksonomi Bloom.
Hasil pengujian dari implementasi sistem ini didapatkan bahwa metode TF-IDF dan Cosine Similarity merupakan metode terbaik yang dapat digunakan untuk mengukur mutu pada penyusunan dokumen RPS dengan acuan standar Taksonomi Bloom.
====================================================================================================
Semester Learning Plan (RPS) is a learning process plan that is prepared for learning activities for one semester in order to fulfil the learning outcomes imposed on the course. RPS contains an explanation of how the study material is delivered or studied to students in an appropriate and efficient way. However, in the preparation of the Semester Learning Plan document there are differences in quality standards in each preparation. There are RPS documents between universities in the same study program that do not have the same learning outcomes or learning outcomes, in other words, the quality in the preparation of RPS documents still lacks fixed references.
This final project research aims to create a system that can perform quality detection in the preparation of RPS documents with reference to Bloom's taxonomy standards. The detection system in this application uses methods such as the TF-IDF and Cosine Similarity algorithms, as well as the Jaccard Similarity algorithm. The algorithm is compared and the best one is found to be implemented in this system. By utilizing this algorithm, the system can group documents based on three main areas of Bloom's Taxonomy.
The features implemented in this system include the feature of uploading RPS documents in PDF format and the feature of detecting the quality of RPS documents with the output of grouping three main domains and their derivative levels based on Bloom's Taxonomy measurements.
The test results from the implementation of this system show that the TF-IDF and Cosine Similarity methods are the best methods that can be used to measure quality in the preparation of RPS documents with reference to the Bloom’s Taxonomy standard.
| Item Type: | Thesis (Undergraduate) |
|---|---|
| Uncontrolled Keywords: | Cosine Similarity, Dokumen RPS, Jaccard Similarity, Taksonomi Bloom, Text Mining, TFIDF, Bloom’s Taxonomy, Cosine Similarity, Jaccard Similarity, RPS Document, Text Mining, TFIDF. |
| Subjects: | Q Science > QA Mathematics > QA76.9.D343 Data mining. Querying (Computer science) |
| Divisions: | Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Informatics Engineering > 55201-(S1) Undergraduate Thesis |
| Depositing User: | Vieri Fath Ayuba |
| Date Deposited: | 14 Feb 2022 01:40 |
| Last Modified: | 03 Sep 2024 06:49 |
| URI: | http://repository.its.ac.id/id/eprint/93716 |
Actions (login required)
 |
View Item |