Tes Psikologi Differential Aptitude Test Dengan Metode Random Forest Berbasis Website
DOI:
https://doi.org/10.34818/eoe.v8i6.17246Abstract
Saat ini banyak remaja pada rentang umur 15 – 18 tahun (SMA) masih bingung atau tidak mengetahui apa minat dan bakat mereka. dan dengan adanya Pandemi Covid – 19 membuat tes Psikologi sangat jarang dilakukan. Untuk mengatasi masalah tersebut, Penulis mengimplementasi metode Random Forest pada tes Psikologi berbasis website, tes ini berbasis web agar para siswa dapat mengerjakan tes psikologi secara fleksibel dan kapan saja dengan digunakannya metode random forest, sistem akan memprediksi minat dan bakat siswa berdasarkan datasets yang sudah dikumpulkan, nilai dari datasets tersebut akan menjadi variabel parameter yang terdapa pada setiap pohon/tree yang terdapat pada random forest. Hasil dari vote setiap pohon/tree yang paling dominan akan menjadi rekomendasi minat dan bakat dari siswa. Penulis menggunakan datasets milik siswa SMA yang sudah di bersihkan dan siap untuk di latih dan dijadikan model menggunakan metode Random Forest, lalu didapati score dari model tersebut sebesar 82% namun salah satu element memiliki f1 score rendah, sehingga dilakukan penambahan data Dummy. Setelah penambahan data Dummy score meningkat menjadi 94% dengan nilai f1 score yang lebih baik. Kata Kunci: DAT, Random Forest, Tes Psikologi.References
1] R. Fadli, "Psikologi," [Online]. Available: https://www.halodoc.com/. [Accessed 27 November 2020].
[2] A. T. Hutomo, PERANCANGAN DAN IMPLEMENTASI TES PSIKOLOGI ROTHWELL MILLER INTEREST BLANK
BERBASIS KOMPUTER DENGAN METODE FUZZY SEBAGAI PENGAMBILAN KEPUTUSAN, Bandung:
Universitas Telkom, S1 Teknik Komputer, 2020.
[3] Kusrini, Sistem Pakar Teori dan Aplikasi, Yogyakarta: ANDI, 2006.
[4] C. Wade, PSIKOLOGI, 9th ed., Semarang: Erlangga, 2008.
[5] D. C. Jyoti Mankar, "Differential Aptitude Testing of Youth," International Journal Scientific and Research Publication,
vol. 3, no. 7, pp. 2250 - 3153, 2013.
[6] F. A. Setiawati, "Aptitude Test's Predictive Ability for Academic Success in," Psycholoy Research and Intervention, vol. 3,
no. 1, pp. 1 - 12, 2020.
[7] P. K. S. Vrushali Y Kulkarni, "Effective Learning and Classification using," International Journal of Engineering and , vol.
3, no. 11, pp. 2277 - 3754, 2014.
[8] S. M. Bedy Purnama, Pengantar Machine Learning, Bandung: Informatika Bandung, 2019.
[9] T. W. M. Dr. Yahya heryadi, Machine Learning (Konsep dan Implementasi), Yogyakarta: GAVA MEDIA, 2020.



