KLASIFIKASI KALIMAT TANYA BERDASARKAN
TAKSONOMI BLOOM MENGGUNAKAN SUPPORT
VECTOR MACHINE
TUGAS ASKHIR
Sebagai Persyaratan Guna Meraih Gelar Sarjana Strata 1 Teknik Informatika Universitas Muhammadiyah Malang
Oleh :
Zakiyah Rakhmawati
201310370311208
JURUSAN INFORMATIKA
FAKULTAS TEKNIK
UNIVERSITAS MUHAMMADIYAH MALANG
2017
iv
KATA PENGANTAR
Alhamdulillah, puji syukur kehadirat Allah SWT, yang telah melimpahkan rahmat dan karunia-Nya, sehingga penulis dapat menyelesaikan tugas akhir yang menjadi salah satu syarat untuk menyelesaikan program studi Teknik Informatika jenjang Strata-1 Universitas Muhammadiyah Malang (UMM). Sholawat serta salam semoga tetap tercurah kepada Nabi besar Muhammad SAW, keluarga, sahabat dan para pengikutnya hingga akhir jaman.
Penulis menyadari bahwa dalam menyelesaikan tugas akhir ini tidak lepas dari peran berbagai pihak yang telah banyak memberi bantuan, nasehat, bimbingan dan dukungan. Dalam kesempatan ini penulis ingin mengucapkan terima kasih yang tak terhingga khususnya kepada :
1. Bapak Setio Basuki, S.T., M.T. dan Bapak Galih Wasis Wicaksono, S.Kom., M.Cs selaku Dosen Pembimbing I dan II tugas akhir. Terima kasih atas pengarahan yang telah di berikan sehingga dapat menyelesaikan laporan tugas akhir ini dengan benar adanya.
2. Orang Tua Penulis atas segala do’a restu dan dukungannya baik material atau spiritual kepada penulis dalam penyelesaian tugas akhir ini.
3. Teman-teman yang membantu dan memberikan dukungan dalam proses penulisan tugas akhir ini.
Penulis menyadari bahwa dalam penyusunan tugas akhir ini banyak kekurangannya. Oleh karena itu, penulis mengharapkan kritik dan saran yang dapat menyempurnakan penulisan ini sehingga dapat bermanfaat untuk pengembangan ilmu.
Malang, 12 Oktober 2017
vii
DAFTAR ISI
LEMBAR PERSETUJUAN ... i
LEMBAH PENGESAHAN ... ii
LEMBAR PERNYATAAN ... iii
KATA PENGANTAR ... iv
ABSTRAK ... v
ABSTRACT ... vi
DAFTAR ISI ... vii
DAFTAR GAMBAR ... x
DAFTAR TABEL ... xii
DAFTAR LAMPIRAN ... xiii
BAB I ... 1 PENDAHULUAN ... 1 1.1 Latar Belakang ... 1 1.2 Rumusan Masalah ... 2 1.3 Batasan Masalah... 3 1.4 Tujuan ... 3 1.5 Metodologi ... 3 1.5.1 Studi Literatur ... 3 1.5.2 Analisis Sistem ... 4 1.5.3 Desain Sistem ... 4 1.5.4 Implementasi Sistem ... 4
1.5.5 Pengujian dan Evaluasi ... 4
1.5.6 Penyusunan Laporan ... 5 1.6 Sistematika Penulisan ... 5 BAB II ... 7 LANDASAN TEORI ... 7 2.1 Studi Literatur ... 7 2.2 Text Mining ... 7 2.3 Preprocessing Data ... 8
viii
2.3.1 Case Folding ... 9
2.3.2 Remove Number & Punctuation ... 9
2.3.3 Tokenisasi ... 9
2.4 Klasifikasi ... 10
2.5 Taksonomi Bloom ... 10
2.6 Support Vector Machine ... 13
2.6.1 Konsep SVM ... 13 2.6.2 SVM Linear ... 14 2.6.3 Multi Class SVM ... 14 2.7 Karakteristik SVM ... 15 2.8 Ekstraksi Fitur ... 15 2.8.1 Fitur Sintaktik ... 16
2.8.2 Fitur Bag-of-Words (BoW) ... 16
2.9 Metode Pengujian... 16
2.9.1 Akurasi ... 17
2.9.2 Presisi ... 17
2.9.3 Recall... 17
BAB III ... 19
ANALISA DAN PERANCANGAN SISTEM ... 19
3.1 Persiapan Data ... 19
3.2 Analisis Data ... 20
3.3 Preprocessing Data ... 21
3.3.1 Case Folding ... 21
3.3.2 Remove Number & Punctuation ... 21
3.3.3 Tokenisasi ... 22
3.4 Perancangan Pelatihan Klasifikasi SVM ... 22
3.5 Perancangan Pengujian ... 23
3.5.1 Preprocessing ... 24
3.5.2 Ekstraksi Fitur ... 24
3.5.3 Pemodelan Klasifikasi SVM ... 27
ix
3.7 Skenario Pengujian... 29
3.8 Pengujian Klasifikasi ... 29
BAB IV ... 32
IMPLEMENTASI DAN PENGUJIAN ... 32
4.1. Implementasi Kebutuhan Sistem... 32
4.1.1 Implementasi Kebutuhan Perangkat Keras ... 32
4.1.2 Implementasi Kebutuhan Perangkat Lunak ... 32
4.2. Implementasi Perangkat Lunak ... 32
4.2.1 Preprocessing Data ... 33
4.2.2 Ekstraksi Fitur ... 35
4.2.3 Klasifikasi ... 40
4.2.4 Cross Validation ... 43
4.2.5 Pengujian Klasifikasi ... 45
4.2.6 Pengujian Klasifikasi Tiap Kelas ... 48
4.2.7 Perbandingan Akurasi Data Penelitian Sebelumnya ... 55
BAB V ... 56
PENUTUP ... 56
5.1 Kesimpulan ... 56
5.2 Saran ... 56
x
DAFTAR GAMBAR
Gambar 2.1 Tahap Case folding... 9
Gambar 2.2 Tahap Remove Number & Punctuation ... 9
Gambar 2.3 Tahap Tokenisasi... 10
Gambar 2.4 Margin Hyperplane ... 14
Gambar 3.1 Preprocessing Data ... 21
Gambar 3.2 Proses Case Folding ... 21
Gambar 3.3 Proses Remove Number & Punctuation ... 21
Gambar 3.4 Proses Tokenisasi ... 22
Gambar 3.5 Proses Perancangan Klasifikasi SVM ... 22
Gambar 3.6 Ilustrasi Klasifikasi dengan Metode one-against-all ... 27
Gambar 4.1 Halaman Preprocessing Data ... 33
Gambar 4.2 Halaman Load Data Kalimat Tanya ... 34
Gambar 4.3 Halaman Hasil Preprocessing Data ... 34
Gambar 4.4 Proses Pelabelan Data ... 35
Gambar 4.5 Halaman Ekstraksi Fitur ... 35
Gambar 4.6 Halaman Load Data Ekstraksi Fitur ... 36
Gambar 4.7 Halaman Hasil Ekstraksi Fitur Sintaktik ... 37
Gambar 4.8 Data Untuk Fitur Bag-of-Words ... 38
Gambar 4.9 Hasil Filter StringToWordVector... 38
Gambar 4.10 Hasil Filter NumericToNominal ... 39
Gambar 4.11 Hasil Ordered ... 40
Gambar 4.12 Load Data Model Ekstraksi Fitur Sintaktik... 41
Gambar 4.13 Load Data Klasifikasi ... 41
Gambar 4.14 Hasil Klasifikasi Ekstraksi Fitur Sintaktik ... 42
Gambar 4.15 Detail Hasil Klasifikasi Fitur Sintaktik ... 42
Gambar 4.16 Detail Hasil Klasifikasi Fitur Bag-of-Words. ... 43
Gambar 4.17 Cross Validation Ekstraksi Fitur Sintaktik ... 44
Gambar 4.18 Cross Validation Ekstraksi Fitur Bag-of-Words ... 44
Gambar 4.19 Hasil Prediksi Klasifikasi Fitur Sintaktik ... 45
Gambar 4.20 Detail Hasil Pengujian Klasifikasi Fitur Sintaktik ... 45
Gambar 4.21 Hasil Prediksi Klasifikasi Fitur Bag-of-Words ... 46
Gambar 4.22 Detail Hasil Pengujian Klasifikasi Fitur Bag-of-Words ... 46
Gambar 4.23 Confusion Matrix Tes Klasifikasi Fitur Sintaktik ... 47
Gambar 4.24 Detail Akurasi Tes Klasifikasi Fitur Sintaktik ... 47
Gambar 4.25 Confusion Matrix Tes Klasifikasi Fitur Bag-of-Words ... 48
Gambar 4.26 Detail Akurasi Tes Klasifikasi Fitur Bag-of-Words ... 48
Gambar 4.27 Detail Cross Validation Fitur Sintaktik Kelas Mengingat ... 49
Gambar 4.28 Detail Cross Validation Fitur Bag-of-Words Kelas Mengingat ... 49
Gambar 4.29 Detail Cross Validation Fitur Sintaktik Kelas Memahami... 50
Gambar 4.30 Detail Cross Validation Fitur Bag-of-Words Kelas Memahami ... 50
Gambar 4.31 Detail Cross Validation Fitur Sintaktik Kelas Menerapkan ... 51
Gambar 4.32 Detail Cross Validation Fitur Bag-of-Words Kelas Menerapkan ... 51
xi
Gambar 4.34 Detail Cross Validation Fitur Bag-of-Word Kelas Menganalisis .. 52 Gambar 4.35 Detail Cross Validation Fitur Sintaktik Kelas Mengevaluasi ... 53 Gambar 4.36 Detail Cross Validation Fitur Bag-of-Words Kelas Mengevaluasi . 53 Gambar 4.37Detail Cross Validation Fitur Sintaktik Kelas Membuat ... 54 Gambar 4.38 Detail Cross Validation Fitur Bag-of-Words Kelas Membuat ... 54
xii
DAFTAR TABEL
Tabel 2.1 Hasil Penelitian Selvia Ferdiana Kusuma ... 7
Tabel 2.2 Aspek Kognitif Taksonomi Bloom ... 11
Tabel 2.3 Ekstraksi Fitur Sintaktik ... 16
Tabel 2.4 Ekstraksi Fitur Bag-of-Words ... 16
Tabel 2.5 Confusion Matrix ... 17
Tabel 3.1 Data Kalimat Tanya ... 19
Tabel 3.2 Kalimat Tanya Aspek Kognitif berdasarkan Taksonomi Bloom ... 20
Tabel 3.3 Daftar Ekstraksi Fitur ... 23
Tabel 3.4 Data Kalimat Tanya Sebelum Proses Preprocessing ... 24
Tabel 3.5 Data Kalimat Tanya Sesudah Proses Preprocessing ... 24
Tabel 3.6 Proses Ekstraksi Fitur Sintaktik ... 25
Tabel 3.7 Proses Ekstraksi Fitur Bag-of-Words ... 26
Tabel 3.8 Contoh 2 SVM biner ... 27
Tabel 3.9 Perancangan Pengujian Klasifikasi ... 30
xiii
DAFTAR LAMPIRAN
Lampiran 1. Surat Pengantar Validasi Data ... 59
Lampiran 2. Data Validator... 60
Lampiran 3. Daftar Kata Kunci Taksonomi Bloom ... 61
Lampiran 4. Daftar Variasi Kata ... 63
Lampiran 5. Data Hasil Uji Klasifikasi Fitur Sintaktik ... 69
57
DAFTAR PUSTAKA
[1] C. H. Giani, Zulkardi, “ANALISIS TINGKAT KOGNIITF SOAL-SOAL BUKU TEKS MATEMATIKA KELAS VII BERDASARKAN TAKSONOMI BLOOM,” vol. 1, 2012.
[2] A. Masduki. Subandriah, M.R. Irawan, D.Y. Prihantoro, “Level Kognitif soal-soal Pada Buku Teks Matematika SMP Kelas VII,” 2013.
[3] Widodo, Ari, “Taksonomi Tujuan Pembelajaran Jurusan Pendidikan Biologi FPMIPA – Universitas Pendidikan Indonesia Jl . Dr . Setiabudhi 229 Bandung Email : [email protected] September 2005 Dari penulis Furst , Hill dan Krathwohl ( 1956 ),” vol. 4, pp. 61–69, 2005.
[4] A. H. Nasrulloh, “Analisis Tingkat Kognitif Tes Kompetensi pada Buku Sekolah Elektronik (Bse) Matematika Smp/Mts Kelas IX berdasarkan Berdasarkan Taksonomi Bloom,” 2011.
[5] A. Sudarsyah, “Manajemen Implementasi Kurikulum: Sisi Lain Ujian Nasional,” 2013. [Online]. Available: http://m.kompasiana.com/post/re ad/543693/1/sisi-l.
[6] D. Wulandini, F., “A Study on Text Classification for Webmining Based Spatio Temporal Analysis of the Spread of Tropical Diseases.,” 2010. [7] Ferdiana Kusuma, Selvia, “Otomatisasi Klasifikasi Soal Berbahasa
Indonesia Berdasarkan Taksonomi Bloom Menggunakan Pengolahan Bahasa Ilmiah,” ITS, Surabaya, 2016. P. Magister, B. Keahlian, R. Perangkat, J. T. Informatika, and F. T. Informasi,.
[8] I. Adiwijaya, “Text Mining dan Knowledge Discovery,” pp. 1–9.
[9] Saraswati, Sumartini N.W, P. Pascasarjana and U. Udayana, “Text mining dengan metode naïve bayes classifier dan support vector machines untuk sentiment analysis,” Univ. Stuttgart, pp. 1–99, 2011.
[10] R. Srividhya, V., & Anitha, “Evaluating Preprocessing Techniques in Text Categorization. International Journal of Computer Science and Application Issue 2010,” pp. 49–51, 2010.
[11] E. Susilowati, M. K. Sabariah, and A. A. Gozali, “Implementasi Metode Support Vector Machine Untuk Melakukan Klasifikasi Kemacetan Lalu Lintas Pada Twitter Implementation Support Vector Machine Method for
58
Traffic Jam Classification on Twitter,” pp. 1–7, 2015.
[12] D. H. N. S. A. Ariief Budi Witarto, “Support Vector Machine- Teori dan Implementasinya dalam Bioinformatika.,” 2003.
[13] A. A. Pranatha, “Analisis Perbandingan Lima Metode Klasifikasi Pada Dataset Sensus Penduduk,” J. Sist. Inf., vol. 4, no. 2, pp. 127–134, 2012. [14] I. K. Sukajaya, N., Purnomo, M. H., & Purnama, “Intelligent Classification
of Learner’s Cognitive Domain using Bayes Net, Naive Bayes, and J48 Utilizing Bloom’s Taxonomy-based Serious Game. International Journal Of Emerging Technologies in Learning (IJET),” pp. 46–52, 2015.
[15] A. Yahya, A. A., & Osman, “Automatic Classification Of Questions Into Bloom’s Cognitive Levels Using Support Vector Machine.,” 2011.
[16] O. M. Taher, W. Pertama, B. Diklat, and K. Medan, “http://sumut.kemenag.go.id/ 07/11/2013,” 2013.
[17] J. S. T. Christianini, Nello, “An Introduction to Support Vector Machines and Other Kernel-based Learning Methods.,” 2000.
[18] Prasetyo, Eko., Alim, Syariful., Rosyid, Harunur, N. Dengan and S. V. M. Dan, “UJI KINERJA DAN ANALISIS K-SUPPORT VECTOR NEAREST B-173 B-174,” vol. 6, pp. 173–178, 2014.
[19] D. Widiastuti, “Analisa Perbandingan Algoritma SVM, Naïve Bayes, dan Decission Tree dalam Mengklasifikasikan Serangan (Attack) pada Sistem Pendeteksi Intrusi,” Dwi Widiastuti, p. 3, 2007.
[20] K. Sembiring, “Pengantar,” Training, no. September, pp. 1–28, 2007. [21] E. Prasetyo, “Data Mining Konsep dan Aplikasi Menggunakan MATLAB,”
2014.
[22] B. Loni, “Enhanced Question Classification With Optimal Combination of Features. Delft University of Technology,” 2011.
[23] “Bag of words model.” [Online]. Available: http://en.wikipedia.org/wiki/Bag-of-words_model. . [Accessed: 05-Dec-2014].
[24] A. Indriani, “Klasifikasi Data Forum dengan menggunakan Metode Naïve Bayes Classifier,” Semin. Nas. Apl. Teknol. Inf., pp. 5–10, 2014.
