COVER - Steven Gianmarg H. Siahaan
Terbatas  Dessy Rondang Monaomi
» Gedung UPT Perpustakaan
Terbatas  Dessy Rondang Monaomi
» Gedung UPT Perpustakaan
BAB 1 - Steven Gianmarg H. Siahaan
Terbatas  Dessy Rondang Monaomi
» Gedung UPT Perpustakaan
Terbatas  Dessy Rondang Monaomi
» Gedung UPT Perpustakaan
BAB 2 - Steven Gianmarg H. Siahaan
Terbatas  Dessy Rondang Monaomi
» Gedung UPT Perpustakaan
Terbatas  Dessy Rondang Monaomi
» Gedung UPT Perpustakaan
BAB 3 - Steven Gianmarg H. Siahaan
Terbatas  Dessy Rondang Monaomi
» Gedung UPT Perpustakaan
Terbatas  Dessy Rondang Monaomi
» Gedung UPT Perpustakaan
BAB 4 - Steven Gianmarg H. Siahaan
Terbatas  Dessy Rondang Monaomi
» Gedung UPT Perpustakaan
Terbatas  Dessy Rondang Monaomi
» Gedung UPT Perpustakaan
BAB 5 - Steven Gianmarg H. Siahaan
Terbatas  Dessy Rondang Monaomi
» Gedung UPT Perpustakaan
Terbatas  Dessy Rondang Monaomi
» Gedung UPT Perpustakaan
PUSTAKA - Steven Gianmarg H. Siahaan
Terbatas  Dessy Rondang Monaomi
» Gedung UPT Perpustakaan
Terbatas  Dessy Rondang Monaomi
» Gedung UPT Perpustakaan
Analisis capaian pembelajaran lulusan menjadi salah satu hal yang diperlukan
dalam melakukan continous improvement dalam kurikulum yang digunakan.
Permasalahan ini termasuk ke dalam task klasifikasi multi-label. Namun, belum
terdapat data yang memiliki ground truth, dan proses anotasinya membutuhkan
waktu yang cukup lama. Oleh karena itu, dalam tugas akhir ini dilakukan
pengelompokan teks bersifat soft clustering ke dalam kompetensi. Dalam
melakukan pengelompokan teks, sentence embedding menunjukkan hasil yang
sangat baik dibandingkan dengan embedding pada granularitas tingkat kata. Tugas
akhir ini melakukan analisis capaian pembelajaran lulusan dengan menghasilkan
nilai akhir yang didapatkan dari hasil kali dari bobot dan nilai representasi
kompetensi.
Bobot diperoleh melalui eksperimen pembangunan alternatif model soft clustering
yaitu fuzzy c-means, gaussian mixture models serta perhitungan semantic
similarity score. Sementara itu, representasi nilai setiap kompetensi diperoleh
dengan implementasi algoritma weiszfeld algorithm.
Hasil eksperimen dan pengujian menunjukkan model fuzzy c-means dengan
menggunakan variasi model sentence embedding all-mpnet-base-v2 menunjukkan
hasil paling baik dengan macro average F-1 score 0.73, micro average f-1 score
0.63, dan weighted average f-1 Score 0.69 dibandingkan dengan variasi lainnnya.