SISTEM REKOMENDASI SOAL MENGGUNAKAN METODE

MACHINE LEARNING PADA PENYIMPANAN BIG DATA

PROPOSAL SKRIPSI

Oleh:
HENRY MICHAEL SURYANTO NIM. 1841720124

PROGRAM STUDI TEKNIK INFORMATIKA

JURUSAN TEKNOLOGI INFORMASI
POLITEKNIK NEGERI MALANG
2021

i
 SISTEM REKOMENDASI SOAL MENGGUNAKAN METODE
MACHINE LEARNING PADA PENYIMPANAN BIG DATA

Disusun oleh:
HENRY MICHAEL SURYANTO NIM. 1841720124

Proposal Skripsi ini telah diuji pada tanggal ... 2021

Disetujui oleh:

1. Pembimbing : Gunawan Budi Prasetyo, ST.,

Utama MMT., Ph.D. ...........................
NIP. 19770424 200812 1 001

2. Pembahas I : Eka Larasati Amalia, S.ST., MT.

NIP. 0011078803 ...........................

3. Pembahas II : Moch. Zawaruddin Abdullah, S.ST.,

M.Kom. ...........................
NIP. 0010028906

Mengetahui,

Ketua Jurusan Ketua Program Studi

Teknologi Informasi Teknik Informatika

Rudy Ariyanto, S.T., M.Cs. Imam Fahrur Rozi, S.T., M.T.

NIP. 19711110 199903 1 002 NIP. 19840610 200812 1 004
 DAFTAR ISI

DAFTAR ISI.................................................................................................................iii
DAFTAR GAMBAR .................................................................................................... iv
DAFTAR TABEL .......................................................................................................... v
BAB 1. Pendahuluan ...................................................................................................... 1
1.1 Latar Belakang ............................................................................................... 1
1.2 Rumusan Masalah .......................................................................................... 2
1.3 Batasan Masalah ............................................................................................ 2
1.4 Tujuan ............................................................................................................ 2
1.5 Manfaat .......................................................................................................... 3
BAB II. LANDASAN TEORI ....................................................................................... 4
2.1 Studi Literatur ................................................................................................ 4
2.2 Dasar Teori..................................................................................................... 5
2.2.1 Bank Soal ................................................................................................... 5
2.2.2 Bloom Taxonomy ...................................................................................... 5
2.2.3 Machine Learning ...................................................................................... 7
2.2.4 Big Data ..................................................................................................... 7
2.2.5 Text Mining ............................................................................................... 8
BAB III. METODOLOGI PENELITIAN ..................................................................... 9
3.1 Waktu dan Tempat Penelitian ........................................................................ 9
3.2 Teknik Pengolahan Data ................................................................................ 9
3.2.1 Dokumentasi .............................................................................................. 9
3.3 Teknik Pengolahan Data ................................................................................ 9
3.4 Desain Sistem............................................................................................... 11
3.5 Uji Coba Sistem ........................................................................................... 12
BAB IV. JADWAL PENELITIAN ............................................................................. 12
DAFTAR PUSTAKA .................................................................................................. 14

iii
 DAFTAR GAMBAR

Gambar 2.1 Tingkatan Bloom Taxonomy ..................................................................... 7

Gambar 3.1 Flowchart Teknik Pengolahan Data ......................................................... 11
Gambar 3.2 Flowchart Desain Sistem ......................................................................... 12

iv
 DAFTAR TABEL

Tabel 4.1 Jadwal Penelitian ......................................................................................... 12

v
 1

BAB I. PENDAHULUAN

1.1 Latar Belakang

Kemajuan teknologi informasi adalah suatu hal yang tidak dapat dipisahkan lagi
dengan kehidupan sekarang. Seiring berkembangnya zaman dengan kemajuan
teknologi informasi yang semakin pesat tidak dapat dihindari lagi pengaruhnya
terhadap segala aspek kehidupan baik di bidang ekonomi, politik, budaya dan bahkan
di dunia pendidikan sekalipun. Pada bidang pendidikan pengaruh teknologi informasi
menjadi pembeda dengan metode pendidikan yang sebelumnya masih bersifat
konvensional menjadi bersifat digital.
Memasuki abad ke-21, UNESCO melalui jurnal yang dikerjakan oleh (Delors,
1998) “The Internasional Commission on Education for the Twenty First Century”
memberikan saran pendidikan yang berkelanjutan (seumur hidup) yang dilaksanakan
berdasarkan empat pilar proses pembelajaran, yaitu : Learning to Know (belajar untuk
menguasai ilmu pengetahuan), Learning to do (belajar untuk mengetahui ketrampilan),
Learning to be (belajar untuk mengembangkan diri), dan Learning to live together
(belajar untuk bermasyrakat), untuk mencapai keempat pilar tersebut para tenaga
pendidik perlu untuk menguasai dan menerapkan teknologi informasi dalam
pembelajaran.
Salah satu tolak ukur keberhasilan dosen menyampaikan pengetahuan kepada
mahasiswa adalah dengan berhasilnya mahasiswa mengerjakan soal latihan dan ujian
yang diberikan kepada mahasiswa tersebut. Namun klasifikasi soal berdasarkan waktu
pengerjaan soal, bab materi, jenis soal, koefiesien kesulitan soal, tingkat dan skor
kesulitan soal masih sangat terbatas. Hal ini menyebabkan macam soal yang dikerjakan
mahasiswa masih sama dengan mahasiswa yang lain hanya saja urutan dari soal yang
diacak, akibatnya masih banyak ditemukan kecurangan yang dilakukan mahasiswa
karena hal tersebut.
Dengan permasalahan tersebut maka perlu dibuat sistem bank soal cerdas yang
menggunakan metode machine learning dengan bantuan Bloom Taxonomy untuk
memudahkan dalam melakukan klasifikasi tingkatan soal secara otomatis. Namun juga
dibutuhkan text mining sehingga soal tersebut dapat diklasifikasikan berdasarkan waktu
pengerjaan soal, bab materi, jenis soal, koefiesien kesulitan soal, tingkat dan skor
kesulitan soal sehingga soal dapat di distribusikan menjadi lembar ujian yang
 2

berkualitas. Jadi tidak diperlukan adanya campur tangan manusia dalam

mengklasifikasikan soal untuk pembuatan lembar ujian yang sesuai dengan tingkat
kognitif setiap mahasiswa. Pembuatan sistem bank soal cerdas juga membutuhkan
teknologi big data untuk menyimpan berbagai macam dan tipe soal. Dalam big data
tersebut tersimpan jumlah soal yang besar terdiri dari text, gambar, video dan audio
sehingga membutuhkan metode machine learning untuk mengelola jumlah soal yang
besar tersebut agar menjadi lembar ujian yang sesuai dengan kebutuhan mahasiswa.

1.2 Rumusan Masalah

Berdasarkan latar belakang di atas, maka rumusan masalah yang dapat diambil
adalah sebagai berikut:
1. Bagaimana membuat sistem rekomendasi soal menggunakan metode machine
learning untuk membantu dalam mendistribusikan soal?
2. Bagaimana implementasi penggunaan teknologi big data kedalam sistem bank soal
cerdas?

1.3 Batasan Masalah

Batasan ruang lingkup permasalahan yang akan dibahas pada penelitian ini
yaitu:
1. Hasil akhir berbentuk sistem bank soal cerdas berbasis Web .
2. Mengimplementasikan metode Machine Learning untuk distribusi soal pada ujian
pemrogramman web.
3. Soal yang diterapkan dalam bank soal berbentuk pilihan ganda dengan karakteristik
beberapa pilihan salah dengan satu jawaban benar dan beberapa pilihan salah dengan
beberapa jawaban benar.
4. Klasifikasi soal hanya untuk soal bertipe soal teks.
5. Soal coding style menggunakan tipe gambar.
 3

1.4 Tujuan
Tujuan dari dilakukannya skripsi dengan judul “SISTEM REKOMENDASI
SOAL MENGGUNAKAN METODE MACHINE LEARNING PADA
PENYIMPANAN BIG DATA”, adalah sebagai berikut:
1. Menghasilkan sistem rekomendasi soal yang sesuai dengan tingkat kognitif setiap
mahasiswa
2. Mengetahui hasil implementasi metode Machine Learning untuk distribusi soal
pada ujian pemrogramman web.

1.5 Manfaat
Manfaat dari penelitian ini yaitu:
1. Manfaat penulis
Menambah wawasan dan pengalaman bagi penulis tentang machine learning dan
big data.
2. Manfaat pembaca
Penelitian ini dapat dijadikan referensi untuk penelitian yang akan dikerjakan
terutama bagi mahasiswa Program Studi Teknik Informatika
3. Manfaat instansi
Sistem bank soal cerdas dapat digunakan untuk melaksanakan latihan dan ujian
kepada mahasiswa di masa mendatang.
 4

BAB II. LANDASAN TEORI

2.1 Studi Literatur

Studi Literatur merupakan bagian yang akan membahas beberapa penelitian
terdahulu sebagai bahan rujukan dalam pembuatan penelitian ini, adalah sebagai
berikut:
Penelitian dengan judul “An Integration of Machine Learning Approach in
Item Bank Test System” yang disusun oleh Sangodiah and Ramendran, 2017 dapat
disimpulkan bahwa makalah dibuat untuk melakukan penelitian dan pembuatan sistem
bank soal cerdas menggunakan metode machine learning dan big data yang bermanfaat
untuk pengembangan sistem manajemen pembelajaran yang berbasis web. Selain itu
bertujuan juga untuk mengetahui potensi penggunaan metode machine learning yang
di integrasikan ke dalam sistem bank soal cerdas untuk melakukan klasifikasi soal
berdasarkan kriteria yang sudah ditentukan sehingga distribusi soal yang telah
diklasifikan tersebut dapat menghasilkan lembar ujian yang sesuai dengan tingkat
kognitif dari setiap mahasiswa.
Penelitian dengan judul “Automatized Test Item Generation in Moodle” yang
disusun oleh Raykova, Kostadinova and Totkov, 2014 dapat diperoleh hasil pendekatan
akumulatif dalam pembuatan lembar ujian secara otomatis dengan jenis yang berbeda
dapat digunakan kembali dan lebih efisien. Sebuah model AQT digunakan dengan
atribut yang sesuai diterapkan pada modul ujian. Modul tersebut diimplementasikan
dalam Moodle 2.6 dan menyediakan antarmuka pengguna untuk membuat, mengedit,
dan menilai dengan lebih dari satu slot berbeda jenis yang digunakan untuk
mengumpulkan dan menyimpan jawaban setiap siswa. Pendekatan dan implementasi
modul tersebut dapat berfungsi untuk melakukan evaluasi berbagai tingkat pengetahuan
siswa tergantung pada tujuan pembelajarannya.
Penelitian dengan judul “Rancang Sistem Penyajian Bank Soal untuk Jenjang
Sekolah Menengah Atas Berbasis Web” yang disusun oleh Napiah et al., 2020 dari
penelitian ini didapatkan bahwa SMA Cengkareng 1 selama ini saat melakukan latihan
mengerjakan soal ataupun ujian masih menggunakan metode yang konvensional
sehingga belum memiliki bank soal berbasis web. Hal ini memberikan kemudahan bagi
guru dan siswa dalam proses pembelajaran. Dengan adanya bank soal yang berbasis
web guru dapat memberikan penilaian yang baik dan terencana sehingga dapat
 5

menunjang keberhasilan proses pembelajaran, Selain itu siswa juga dapat mengakses
soal dimanapun dan kapanpun juga tanpa harus hadir ke sekolah.
Penelitian dengan judul “Bloom's Taxonomy–Based Classification for Item
Bank Questions Using Support Vector Machines” yang disusun oleh Yahya, Toukal
and Osman, 2012 dapat diketahui bahwa makalah tersebut memperkenalkan
pendeketan klasifikasi otomatis pertanyaan pada bank soal menggunakan metode SVM
(Support Vector Machine). Hasil yang diperoleh dari melakukan klasifikasi soal
menggunakan metode SVM menunjukan kinerja yang memuaskan, sehubungan dengan
tingkat akurasi. Performa terbaik dari SVM diperoleh ketika Term Frequency lebih dari
dua sebagai reprentasi. Dalam makalah ini juga menunjukan bahwa penggunaan
stopwords tidak meningkatkan kinerja SVM secara signifikan.

2.2 Dasar Teori

2.2.1 Bank Soal
Secara singkat bank soal merupakan suatu sistem yang menyimpan
kumpulan dari butir-butir soal.
Menurut penelitian yang dilakukan oleh (Suyata et al., 2011) dengan judul
“MODEL PENGEMBANGAN BANK SOAL BERBASIS GURU DAN
MUTU PENDIDIKAN” mendefinisikan bank soal sebagai kumpulan soal-soal
yang relatif besar sehingga mempermudah dalam memperoleh pertanyaan-
pertanyaan penyusun tes. “Mudah” memiliki pengertian bahwa soal-soal tersebut
diberi indeks, terstruktur, dan diberi keterangan sehingga mudah dalam
pemilihannya untuk disusun sebagai perangkat tes pada suatu ujian.

2.2.2 Bloom Taxonomy

Bloom taxonomy adalah klasifikasi tingkatan berbagai tujuan pembelajaran
pembelajaran yang ditetapkan oleh pengajar kepada peserta didik. Dengan ini
membuat tingkat pembelajaran yang berjenjang sehingga untuk menyelesaikan
tingkatan yang lebih tinggi memerlukan syarat untuk menyelesaikan tingkatan
yang lebih rendah terlebih dahulu.
Pada penelitian yang dilakukan oleh (Gunawan and Paluti, 2017) dengan
judul “Taksonomi bloom – revisi ranah kognitif” dapat diperoleh bahwa
taksonomi bloom merupakan salah satu cara untuk melakukan klasifikasi atau
 6

pengelompokan berdasarkan kata benda. Dalam taksonomi bloom juga memiliki

tingkatan sebagai dasar untuk penyusunan tujuan-tujuan pendidikan, penyusunan
tes, dan kurikulum. Tingkatan taksonomi bloom yakni:
1. Pengetahuan (Knowledge)
Pengetahuan dalam pengertian ini melibatkan proses mengingat kembali
hal-hal yang spesifik dan universal, mengingat kembali metode dan
proses, atau mengingat kembali pola, struktur atau setting.
2. Pemahaman (Comprehension)
Pemahaman bersangkutan dengan inti dari sesuatu, ialah suatu bentuk
pengertian atau pemahaman yang menyebabkan seseorang mengetahui
apa yang sedang dikomunikasikan, dan dapat menggunakan bahan atau
ide yang sedang dikomunikasikan itu tanpa harus menghubungkannya
dengan bahan lain
3. Penerapan (Application)
Di tingkat ini, seseorang memiliki kemampuan untuk menerapkan
gagasan, prosedur, metode, rumus, teori, prinsip di dalam berbagai
situasi.
4. Analisis (Analysis)
Analisis diartikan sebagai pemecahan atau pemisahan suatu komunikasi
(peristiwa, pengertian) menjadi unsur-unsur penyusunnya, sehingga ide
(pengertian, konsep) itu relatif menjadi lebih jelas dan/atau hubungan
antar ide-ide lebih eksplisit.
5. Sintetis (Synthetis)
Sintesis adalah memadukan elemen-elemen dan bagian-bagian untuk
membentuk suatu kesatuan. Sintesis bersangkutan dengan penyusunan
bagian-bagian atau unsur-unsur sehingga membentuk suatu keseluruhan
atau kesatuan yang sebelumnya tidak tampak jelas.
6. Evaluasi (Evaluation)
Evaluasi adalah menentukan nilai materi dan metode untuk tujuan
tertentu. Evaluasi bersangkutan dengan penentuan secara kuantitatif atau
kualitatif tentang nilai materi atau metode untuk sesuatu maksud dengan
memenuhi tolok ukur tertentu.
 7

Gambar 2.1 Tingkatan Bloom Taxonomy

2.2.3 Machine Learning

Machine learning adalah teknologi mesin yang dikembangkan untuk bisa
belajar dengan sendirinya tanpa arahan dari penggunanya. Pembelajaran mesin
dikembangkan berdasarkan ilmu lainnya seperti statistika, matematika dan data
mining sehingga mesin dapat belajar menganalisa data tanpa perlu di program
ulang atau diperintah.
Dari penelitian yang dilakukan oleh (Tanaka and Okutomi, 2014) dengan
judul “A novel inference of a restricted boltzmann machine” dapat diketahui
bahwa Machine Learning (ML) atau pembelajaran mesin merupakan pendekatan
dalam AI yang banyak digunakan untuk menggantikan atau menirukan perilaku
manusia untuk menyelesaikan masalah atau melakukan otomatisasi. Sesuai
namanya, ML mencoba menirukan bagaimana proses manusia atau makhluk
cerdas belajar dan mengeneralisasi.

2.2.4 Big Data

Big Data adalah kumpulan data yang jumlahnya besar. Data tersebut terdiri
dari data terstruktur maupun tidak terstruktur yang digunakan untuk mendukung
segala aktivitas diberbagai bidang.
Dari penelitian yang dilakukan oleh (Maryanto, 2017) dengan judul “Big
Data dan pemanfaatannya dalam berbagai sektor” dapat diketahui bahwa Big
 8

Data merupakan kumpulan data yang volume datanya sangat besar, memiliki
keragaman sumber data yang sangat tinggi, sehingga perlu dikelola dengan metode
dan perangkat bantu yang kinerjanya sesuai.
Dari penelitian yang dilakukan oleh (Solihin, 2021) dengan judul
“Implementasi Big Data pada soal sosial media sebagai strategi komunikasi
krisis pemerintah” dapat disimpulkan bahwa big data merupakan sekumpulan
data dengan jumlah yang sangat besar dan komplek. Mengingat banyaknya jumlah
data yang tertampung maka software tradisional diyakini tidak akan mampu untuk
mengelola data yang sangat banyak tersebut. Big data bisa dibilang sebagai sebuah
konsep tentang kemampuan untuk mengumpulkan, menganalisa, dan mengerti
jumlah data yang cukup besar yang datang setiap detiknya.

2.2.5 Text Mining

Text Mining merupakan salah satu bagian dari data mining, karena teks
juga bagian dari data. Tetapi text mining lebih kepada menambang atau
mendapatkan kata-kata yang mewakili suatu data.
Berdasarkan penelitian yang dilakukan oleh (Yunarfi and Simdy, 2021)
yang berjudul “Implementasi Text Mining untuk mengetahui kata abservasi
dalam percakapan media sosial” dapat diperoleh bahwa text mining adalah
sebuah proses menambang data yang berupa teks dimana sumber data biasanya
didapatkan dari dokumen dan tujuannya adalah mencari kata-kata yang dapat
mewakili isi dari dokumen sehingga dapat dilakukan analisa keterhubungan antar
dokumen.
 9

BAB III. METODOLOGI PENELITIAN

3.1. Waktu dan Tempat Penelitian

Penelitian ini dilakukan di jurusan Teknologi Informasi Politeknik Negeri
Malang. Dilaksanakan selama 6 bulan dimulai pada bulan Desember 2021 sampai
dengan bulan Mei 2022.

3.2. Teknik Pengumpulan Data

Teknik pengambilan data digunakan untuk mengumpulkan data-data yang
dibutuhkan dalam proses penelitian. Berikut merupakan beberapa teknik pengambilan
data yaitu:
3.2.1. Dokumentasi
Teknik pengumpulan data yang digunakan pada penelitian sistem rekomendasi
soal adalah dengan teknik dokumentasi. Teknik dokumentasi menurut
(Nilamsari, 2014) adalah studi dokumen merupakan pelengkap dari penggunaan
metode observasi dan wawancara dalam penelitian kualitatif. Bahkan
kredibilitas hasil penelitian kualitatif akan semakin tinggi jika
melibatkan/menggunakan studi dokumen dalam metode penelitian
kualitatifnya.
Dengan ini dokumen yang diambil adalah data soal dari dosen mata kuliah
pemrograman web baik bersifat dokumen tertulis ataupun dokumen elektronik.

3.3 Teknik Pengolahan Data

Teknik pengolahan data pada penelitian sistem rekomendasi soal akan dimulai
sebagai berikut:
1. Setelah soal terkumpul pada database. Soal tersebut akan di urai
berdasarkan kata kerja, kata benda, kata sifat maupun stopwords.
2. Sesudah soal diurai dilakukan penghapusan stopwords yaitu seperti titik,
koma, tanda seru ataupun tanda tanya.
3. Lalu langkah selanjutnya melakukan stemming yang diartikan sebagai
pemetaan bentuk suatu kata menjadi bentuk kata dasarnya. Lebih tepat,
proses mengubah kata berimbuhan menjadi kata dasar.
4. Setiap kata dasar yang sudah melalui proses stemming akan diekstrasi
setara dengan atribut atau vektor dalam konteks machine learning.
 10

5. Setelah itu, setiap atribut atau vektor diberikan bobot tingkatan kesulitan
soal.
6. Atribut atau vektor setelah ditentukan bobot tingkat kesulitan akan di uji
menggunakan SVM untuk membangun model klasifikasi.
7. Langkah terakhir setelah soal diklasifikan akan di distribusikan menjadi
lembar ujian yang sesuai dengan tingkat kognitif mahasiswa.

Gambar 3.1 Flowchart Teknik Pengolahan Data

 11

3.4 Desain Sistem

Berikut ini adalah gambaran umum tentang langkah langkah kerja sistem yang
akan digambarkan melalui flowchart

Gambar 3.2 Flowchart Desain Sistem

Berdasarkan gambar 3.2 saat dosen akan menggunakan sistem bank soal cerdas
diharuskan login terlebih dahulu, setelah login dengan benar sesaui user dan
passwordnya dosen akan diarahkan ke halaman input soal. Soal yang telah di inputkan
tersebut akan disimpan pada database dimana database yang digunakan menggunakan
teknologi Big Data. Selanjutnya akan dijalankan modul machine learning untuk
memberikan bobot tingkat kesulitan soal. Setelah soal memiliki bobot tingkat
 12

kesulitannya akan dilanjutkan menjalankan modul pembuatan lembar ujian yang sesuai
dengan tingkat kognitif mahasiswa yang ditentukan berdasarkan history pengerjaan
latihan ataupun ujian pada waktu sebelumnya. Setelah itu data lembar ujian tersebut
akan diterima oleh dosen. Jika pekerjaan telah selesai dapat keluar sistem.

3.5 Uji Coba Sistem

Tahap ini berisi tentang rencana pengujian yang akan dilakukan pada tahapan
kegiatan penelitian yang bertujuan untuk membuktikan bahwa sistem yang
diimplementasikan telah memenuhi spesifikasi dan rancangan yang direncanakan
sebelumnya. Pada penelitian dengan judul sistem rekomendasi soal menggunakan
metode machine learning dan big data penulis menggunakan 2 tahapan
pengujian yaitu:
1. Pengujian menggunakan teknik black box. Teknik pengujian black box adalah
salah satu teknik metode pengujian perangkat lunak yang fokus terhadap sisi
fungsionalitas, Seperti fungsi dari suatu tombol ataupun fungsi input dan output dari
aplikasi tersebut. Maka dari itu penguji cukup melakukan pengujian tanpa perlu
mengetahui tentang dan bagaimana proses tersebut terjadi.
2. Pengujian terhadap user. Pengujian ini melibatkan langsung dosen sebagai
aktor pada sistem bank soal cerdas. Dengan melibatkan dosen secara langsung dapat
diketahui kinerja sistem apakah sudah sesuai dengan kebutuhan, perlu perbaikan
ataupun perlunya pengembangan yang dibutuhkan.
 13

BAB IV. JADWAL PENELITIAN

Perencanaan jadwal kegiatan tergambar pada Tabel 4.1. Jadwal berisi perencanaan pengerjaan mulai dari tahap paling awal hingga
akhir.
Tabel 4.1 Tabel Jadwal Penelitian
 14

DAFTAR PUSTAKA

Delors, J. (1998) The Internasional Commission on Education for the Twenty First Century.
Available at: https://unesdoc.unesco.org/ark:/48223/pf0000114766.
Gunawan, I. and Paluti, A. R. (2017) ‘Taksonomi Bloom – Revisi Ranah Kognitif’, E-
Journal.Unipma, 7(1), pp. 1–8. Available at: http://e-
journal.unipma.ac.id/index.php/PE.
Maryanto, B. (2017) ‘Big Data dan Pemanfaatannya Dalam Berbagai Sektor’, Media
Informatika, 16(2), pp. 14–19. Available at:
https://jurnal.likmi.ac.id/Jurnal/7_2017/0717_02_BudiMaryanto.pdf.
Napiah, M. et al. (2020) ‘Rancang Sistem Penyajian Bank Soal Untuk Jenjang Sekolah
Menengah Atas Berbasis Web’, Jurnal Infortech, 2(2), pp. 133–138. doi:
10.31294/infortech.v2i2.9022.
Nilamsari, N. (2014) ‘Memahami Studi Dokumen Dalam Penelitian Kualitatif’, Wacana,
13(2), pp. 177–181.
Raykova, M., Kostadinova, H. and Totkov, G. (2014) ‘Automatized test item generation in
moodle’, ACM International Conference Proceeding Series, 883, pp. 417–423. doi:
10.1145/2659532.2659606.
Sangodiah, A. and Ramendran, S. P. R. C. (2017) ‘An integration of unsupervised approach
of machine learning in item bank test system’, Advanced Science Letters, 23(11), pp.
11162–11165. doi: 10.1166/asl.2017.10242.
Solihin, O. (2021) ‘Implementasi Big Data Pada Sosial Media Sebagai Strategi Komunikasi
Krisis Pemerintah’, Jurnal Common |, 5(1), pp. 56–66.
Suyata, P. et al. (2011) ‘Model Pengembangan Bank Soal Berbasis Guru Dan Mutu
Pendidikan Model of Developing Test Item Bank’, Jurnal Kependidikan, 41(2), pp.
120–128.
Tanaka, M. and Okutomi, M. (2014) ‘A Novel Inference of a Restricted Boltzmann
Machine’, Proceedings - International Conference on Pattern Recognition, pp. 1526–
1531. doi: 10.1109/ICPR.2014.271.
Yahya, A. A., Toukal, Z. and Osman, A. (2012) ‘Bloom ’ s Taxonomy – Based Classification
for Item Bank’, pp. 135–140.
Yunarfi, G. R. and Simdy, R. (2021) ‘Implementasi Text Mining untuk Mengetahui Kata
 15

Abreviasi dalam Percakapan Media Sosial’, 1(2).