Klasifikasi Kalimat Tanya Berdasarkan Taksonomi Bloom Menggunakan Support Vector Machine

Abstract

Klasifikasi adalah suatu teknik dalam melakukan kategori pada dokumen yang memiliki jumlah isi dokumen sangat banyak. Pada penelitian ini mengusulkan sebuah metode yang dapat menghasilkan klasifikasi kalimat tanya sesuai dengan level untuk ranah kognitif pada Taksonomi Bloom. Proses identifikasi soal dilakukan berdasarkan ekstraksi fitur sintaktik dan Bag-of-Words (BoW). Hasil dari ekstraksi fitur tersebut kemudian akan diklasifikasikan menggunakan algoritma klasifikasi SVM.

Tugas akhir ini bertujuan untuk melakukan hasil klasifikasi kalimat tanya berdasarkan taksonomi bloom untuk ranah kognitif yang terbagi dalam 6 level yaitu, mengingat, memahami, menerapkan, menganalisis, mengevaluasi, dan membuat. Algoritma yang digunakan pada penelitian ini adalah Support Vector Machine (SVM). Algoritma tersebut dipilih karena mampu mengklasifikasikan data berdimensi tinggi yang dalam konteks tugas akhir ini adalah data berupa teks. Berdasarkan skenario pengujian yang sudah dilakukan, hasil rata-rata akurasi yang diperoleh pada proses pengklasifikasian kalimat menggunakan fitur sintaktik pada data uji sebesar 89.2%, sedangkan untuk fitur Bag-of-Words (BoW) tingkat akurasi yang diperoleh sebesar 100%. Berdasarkan hasil pengujian terhadap sistem klasifikasi yang telah dilakukan, rata-rata nilai akurasi didapatkan sangat baik, sehingga sistem dapat dikatakan atau layak untuk dikembangkan selanjutnya dengan berbagai variasi fitur atau algoritma pendukung lainnya.