EVALUASI DAN PREDIKSI PENGUASAAN BAHASA INGGRIS MARITIM MENGGUNAKAN METODE DECISION TREE DAN CONFUSION MATRIX (STUDI KASUS DI UNIVERSITAS MARITIM AMNI)

ENDAH, FAUZININGRUM and ENCIS, INDAH SURYANINGSIIH EVALUASI DAN PREDIKSI PENGUASAAN BAHASA INGGRIS MARITIM MENGGUNAKAN METODE DECISION TREE DAN CONFUSION MATRIX (STUDI KASUS DI UNIVERSITAS MARITIM AMNI). PROSIDING KEMARITIMAN 2021.

[img] Text
Prosiding_Evaluasi dan Prediksi Penguasaan Bahasa Inggris Maritim Menggunakan Metode Decision Tree dan Confusion Matrix_UNIMAR AMNI.pdf

Download (653kB)

Abstract

Bahasa Inggris Maritim adalah sebuah bahasa yang memang dirancang untuk percakapan atau komunikasi di atas kapal baik antar kapal, antara kru kapal maupun pihak petugas pelabuhan. Cara mengetahui kemampuan Bahasa Inggris Maritim yang dimiliki taruna yaitu dengan penilaian. Nilai-nilai ini dapat dioptimalkan untuk memprediksi kemampuan taruna. Salah satunya dengan menggunakan metode decision tree yaitu metode yang dapat memprediksi berdasarkan bentuk pola dari suatu data. Pola tersebut dapat diketahui dari berbagai variabel yang ada pada data tersebut. Sedangkan Confusion Matrix digunakan untuk menentukan persentase accuracy, precision dan recall. Tujuan dari penelitian ini adalah untuk memprediksi kemampuan Bahasa Inggris Maritim taruna di masa mendatang dengan menggunakan 4 atribut yaitu berbicara (speaking), mendengarkan (listening), membaca (reading) dan menulis (writing). Hasil dari penelitian ini menyatakan bahwa untuk Mata Kuliah Bahasa Inggris Maritim kemampuan berbicara (speaking) mempunyai dampak yang besar terhadap atribut yang lain. Sehingga perlu diberikan perlakuan khusus terhadap taruna yang tidak lulus. Dan perlu peningkatan pembelajaran untuk reading, writing terutama listening serta mempunyai nilai accuracy 97.83%, precision 99.26% dan recall 97.81%.

Item Type: Article
Subjects: Prosiding
Depositing User: AMNI Perpustakaan Semarang
Date Deposited: 19 Oct 2021 06:07
Last Modified: 31 Jan 2023 07:12
URI: http://repository.unimar-amni.ac.id/id/eprint/3837

Actions (login required)

View Item View Item