Hasil Pencarian  ::  Simpan CSV :: Kembali

"Pada Skripsi ini akan dibahas mengenai penggunaan sebuah sistem penilaian esai otomatis dengan menggunakan metode Latent Semantic Analysis (LSA) pada sebuah media pembelajaran elektronik. Sistem penilaian esai yang digunakan adalah SIMPLE-O yang merupakan sistem penilaian esai otomatis yang menggunakan LSA. Pada skripsi ini suatu bagian perhitungan esai yang ada pada SIMPLE-O diimplementasikan ke dalam sebuah Virtual Learning Environment (VLE) yang bernama Moodle. Dengan dilakukannya pengintegrasian SIMPLE-O dengan Moodle, suatu jawaban esai pelajar dapat dihitung nilainya dengan melalui VLE ini. Pada sistem ini, jawaban pelajar dihitung secara bersama-sama sehingga waktu prosesnya memiliki hubungan linier dengan banyaknya jawaban pelajar yang dihitung. Kesimpulan dari skripsi ini yaitu aplikasi SIMPLE-O dapat berhasil diimplementasikan pada Moodle, jumlah attempt yang dihitung berbanding lurus dengan lama waktu pengeksekusian halaman perhitungan. Ratarata waktu yang dibutuhkan untuk memproses 5 attempt sebesar 32,983 detik, untuk 10 attempt sebesar 78,678 detik, dan untuk 15 attempt sebesar 113,752 detik.

---

This paper will present about the use of automated essay grading system with Latent Semantic Analysis (LSA) in an electronic leaning media. Essay grading system used the SIMPLE-O which is the automated essay grading using LSA.

In this paper, an essay calculating part of the SIMPLE-O is implemented into a Virtual Learning Environment (VLE) called Moodle. By doing SIMPLE-O and Moodle integration, student essay answer can be calculated through this VLE. In this system, the student answer calculated together so that the processing time has a linear relationship with the number of student answers are counted.

The conclusion of this paper is the SIMPLE-O can be successfully implemented on Moodle, the amount of calculated attempt is proportional to the execution time of the calculation pages. Average time required to process five attempts is 32.983 seconds, for ten attempts is 78.678 seconds, and for the fifteen attempts is 113.752 seconds."

"Tingginya tingkat kompleksitas program menyebabkan program memiliki waktu eksekusi yang lama jikalau tidak dijalankan pada mesin berkomputasi tinggi. Masalah ini dapat diatasi salah satunya dengan cara menjalankan berbagai proses pada program tersebut secara simultan sehingga program dapat semakin cepat tereksekusi. Metode ini dikenal dengan istilah parallel computing. Untuk lebih mempercepat waktu eksekusi program, parallel computing tersebut dapat diimplementasikan pada arsitektur High Performance Computing HPC. Metode parallel computing dalam HPC tersebut diimplementasikan ke dalam program Sistem Penilaian Esai Otomatis Simple-O. Simple-O merupakan program penilai esai otomatis yang merupakan pengembangan dari Departemen Teknik Elektro. Dengan menerapkan parallel computing dan menjalankan program pada HPC, eksekusi yang dibutuhkan untuk memeriksa jawaban esai dapat semakin cepat. Parallel computing atau parallelism akan diterapkan pada salah satu bagian dari Simple-O yaitu pada algoritma pembelajaran dalam Simple-O, lebih tepatnya pada Self Organizing Map SOM atau Learning Vector Quantization LVQ. Parallelism dalam SOM dan LVQ diterapkan dengan metode network partition dimana node komputasi Euclidean distance dilakukan secara parallel. Pada penelitian ini didapatkan bahwa kecepatan program serial 1,28 kali lebih cepat dibandingkan program parallel.

---

The escalation of program complexity nowadays means slower run time when it is not executed in high performance machine. One way to address this issue is to execute the processes in the program simultaneously so the program may be executed quicker, known as parallel computing. To further accelerate the program parallel computing can be implemented in High Performance Computing HPC architecture. This method of applicating parallel computing with HPC is implemented in Automatic Essay Grading System, known as Simple O. Simple O is an automatic essay grading system developed by Department of Electrical Engineering Universitas Indonesia. The purpose of applicating the aforementioned method to Simple O is to accelerate the speed of essay grading execution. Parallel computing will be implemented to one of Simple O rsquo s part of program, which is in the learning algorithm. The learning algorithm applied in Simple O is Self Organizing Map SOM and Learning Vector Quantization LVQ. The implementation of parallelism in the learning algorithm uses network partition method, where the calculation of Euclidean distance is done in parallel. Through this research, it can be concluded that the the speed of serial program is 1.28 times quicker than the parallelized program."

"Metode Latent Semantic Analysis (LSA) adalah salah satu metode yang digunakan untuk sistem penilaian essay secara otomatis (essay grading). Metode ini merepresentasikan suatu tulisan essay kedalam bentuk matriks dimana pada matriks tersebut dihitung frekuensi kemunculan suatu kata. Matriks tersebut kemudian diolah dengan cara penganalisisan bernama SVD (Singular Value Decomposition) yang akan mengkompres matriks besar menjadi matriks yang lebih kecil namun matriks yang lebih kecil tersebut mampu mewakili korelasi antar kata yang lebih baik dibandingkan dengan matriks sebelumnya. Pada skripsi ini akan dibahas mengenai aplikasi SIMPLE-O yang dikembangkan dengan cara memberi pembobotan pada kata-kata kunci pada matriks awal. Pembobotan yang digunakan adalah IDF-NDV (Inverse Document Frequency - Normalized Document Vector) yang telah diujikan pada penelitian sebelumnya. Setelah diujikan, pembobotan IDF-NDV masih perlu perbaikan untuk mendekati human raters, dan dibandingkan dengan SIMPLE-O lama, terdapat perbedaan sebesar 11,78%.

---

Method of Latent Semantic Analysis (LSA) is one of the methods used for automatic essay grading system (grading essays). This method represents an essay written in the matrix form where the matrix is calculate the frequency of occurrence of a word. Matrix is then processed by analyzing method called SVD (Singular Value decomposition), which compresses the large matrix into smaller matrices, but that smaller matrix can represent the correlation between a better word than the previous matrix.

In this final project will discuss about the application of SIMPLE-O who developed a way to give weighting to the key words at the matrix. The Weighting method was used is IDF-NDV (Inverse Document Frequency - Normalized Document Vector) that have been tested in previous research. After tested, the IDF-NDV Weighting still need improvement to approach the human raters, and compared with Original SIMPLE-O, there is a difference of 11,78%."

"Simple-O, suatu aplikasi essay grading yang dikembangkan di Departemen Teknik Elektro Universitas Indonesia, menggunakan algoritma MD5+salt untuk melakukan proteksi terhadap data password user yang tersimpan pada databasenya. Namun dengan banyaknya kelemahan yang terdapat pada algoritma MD5, maka diterapkan algoritma SHA-1+salt pada aplikasi ini, yang kemudian dibandingkan dengan algoritma sebelumnya yaitu MD5+salt. Pengujian meliputi pengukuran waktu dan estimasi waktu brute force untuk masing-masing algoritma, serta mengukur processing time dan CPU usage saat melakukan login ke dalam system. Hasil pengujian brute force menunjukkan bahwa penerapan algoritma SHA-1 lebih kuat terhadap serangan brute force dibandingkan dengan MD5. Selisih processing time SHA-1+salt dengan MD5+salt berkisar antara 0.001 detik hingga 0.002 detik untuk tiap variasi panjang password. Sedangkan selisih CPU usage SHA-1+salt dengan MD5+salt sebesar 0.545%, 0.985%, dan 1.69% masing-masing untuk password sepanjang 8, 9, dan 10 karakter. Hasil ini menunjukkan bahwa penerapan algoritma SHA-1+salt tidak akan membebani kinerja aplikasi Simple-O.

---

Simple-O, an essay grading application that was developed at the Department of Electrical Engineering University of Indonesia, using MD5+salt algorithm to perform protection for password of user's which stored on its database. But with so many flaws contained in the MD5 algorithm, then SHA-1+salt algorithm was implemented in this application, which is then compared with the previous algorithm MD5+salt. The tests include measurements of time and estimated time of brute force for each algorithm, and measure the processing time and CPU usage when logging into the system.

The test results show that the application of brute force algorithm SHA-1 is more robust against brute force attacks than MD5. Difference in processing time SHA-1+salt with MD5+salt was ranged from 0.001 seconds to 0.002 seconds for each length variation of the password. While the difference in CPU usage of SHA-1+salt with MD5+salt is 0.545%, 0.985%, and 1.69% respectively for the password with 8, 9, and 10 characters length. These results indicate that the implementation of the algorithm SHA-1+salt does not impose on the performance of Simple-O application."

"Skripsi ini membahas tentang integrasi ILIAS dengan SIMPLE-O untuk mendukung penerapan situs e-learning yang sudah mulai berkembang pesat di dunia ini. Dengan adanya e-learning maka masyarakat akan semakin mudah untuk memperoleh pendidikan karena tidak lagi dibatasi oleh waktu dan tempat. ILIAS merupakan Learning Management System (LMS) yang memiliki peranan sebagai sistem aplikasi e-learning dimana pada LMS ini mampu untuk memvirtualisasi proses pembelajaran, manajemen kelas, penyimpanan materi, sistem ujian, sistem penilaian dan segala hal yang berhubungan dengan manajemen belajar mengajar. Untuk sistem penilaian ujian pada e-learning ini dapat dilakukan dua cara, yaitu secara manual ataupun otomatis. Untuk ujian pilihan ganda, tentu bukanlah hal yang sulit untuk memeriksanya secara otomatis. Beda halnya dengan ujian essay yang membutuhkan algoritma tertentu sehingga penilaian secara otomatis bisa mendekati penilaian secara manual. SIMPLE-O merupakan aplikasi ujian essay online yang menggunakan metode Latent Semantic Analysis (LSA) untuk menentukan tingkat kebenaran dari jawaban mahasiswa sesuai dengan jawaban referensi. Pengintegrasian ILIAS dengan SIMPLE-O ini dikarenakan proses penilaian essay online pada ILIAS hanya dicocokan melalui kata-kata kunci saja, sehingga tidak dapat diandalkan keabsahannya. Proses penilaian esai otomatis dengan menggunakan SIMPLE-O ini tidaklah terlalu cepat. Perlu diperhatikan spesifikasi hardware pada server sehingga penghitungan SIMPLE-O dapat berjalan dengan cepat.

---

This undergraduate thesis discusses about integration of ILIAS with SIMPLE-O to support the implementation of e-learning site that has grown rapidly in this world. With e-learning, community will be easier to obtain education because it is no longer limited by time and place. ILIAS is a Learning Management System (LMS) that has a role as a e-learning system which is able to accomodate virtual classroom, management, materials storage, system test, and all things related to the study management. Essay grading on e-learning can be done by two ways, manually or automatically. Multiple choices test is not difficult to check automatically. It is different with essay test that requires a specific algorithm to score automatically so that the score is approaching manual scoring. SIMPLE-O is an essay exam application online using the method of Latent Semantic Analysis (LSA) to determine the level of the student's answers according to the reference answers. Integration SIMPLE-O with ILIAS is important because ILIAS poorness in scoring essay automatically. The way SIMPLE-O analyzes the answer and then give its score is not fast. It depends on the hardware that use in the server. So, the server must have a high specification to shorten its calculation time."

"Sistem Penilaian Otomatis SIMPLE-O selama ini dikembangkan dengan pemrograman PHP di Departemen Teknik Elektro Fakultas Teknik Universitas Indonesia. Namun akurasi SIMPLE-O saat ini belum cukup tinggi untuk dapat digunakan secara praktis. SIMPLE-O kemudian dilanjutkan pengembangannya menggunakan pemrograman Bahasa C, tidak hanya untuk mencoba meningkatkan akurasi SIMPLE-O, tapi juga untuk memperluas penggunaannya. Untuk dapat meningkatkan akurasi penilaian SIMPLE-O diintegrasikan learning vector quantization LVQ pada pengembangannya. Skripsi ini membahas bagaimana pengembangan SIMPLE-O dengan LVQ menggunakan pemrograman Bahasa C.Seberapa banyak bagian data sampel yang digunakan pada saat training mempengaruhi performa penilaian. Semakin sedikit data yang digunakan pada fase training, maka akan terjadi penurunan akurasi pada fase evaluasi. Akurasi penilaian juga dipengaruhi proses ekstraksi ciri-ciri teks yang dilakukan menggunakan latent semantic analysis LSA dan singular value decomposition SVD . Akurasi penilaian dapat berubah ketika singular value yang dihasilkan, di proses terlebih dulu dengan frobenius norm dan vector angle. Faktor lainnya seperti jumlah kata-per-kolom matriks LSA tidak begitu mempengaruhi akurasi penilaian. Pada akhir percobaan, akurasi SIMPLE-O dengan LVQ secara rata-rata adalah 52.27 . Dengan menambahkan LVQ, akurasi SIMPLE-O mengalami peningkatan sebesar 41.67.

---

Sistem Penilaian Otomatis SIMPLE O was developed using PHP at Departemen Teknik Elektro Fakultas Teknik Universitas Indonesia. But the resulting accuracy of the SIMPLE O was not reliable enough to be used practically. Right now, SIMPLE O was being developed using C Programming Language. This was done to increase its reliability and to further widen its applications. To increase the accuracy of SIMPLE O, learning vector quantization LVQ was integrated as part of the new program. This Paper was written to address the development of SIMPLE O with LVQ.With less data used in LVQ training phase there will a decrease in the resulting accuracy of the validation phase. The accuracy was also affected by the method of how well the extraction of the text characteristic using latent semantic analysis LSA and singular value decomposition SVD . Additional process of the resulting singular value will result in change of accuracy. The number of words per column when creating the LSA matrix did not have any significant effect. At the end, SIMPLE O with LVQ has an average accuracy of 52.27. Implementation of LVQ give an increase of 41.67 of the accuracy."

"SIMPLE-O merupakan sistem penilaian esai otomatis berbasis LSA. Tesis ini membahas tentang rancang bangun arsitektur parallel yang mungkin diaplikasikan pada SIMPLE-O. Paralelisasi SIMPLE-O akan dilakukan dalam 2 tingkat, tingkat pertama dengan membuat cluster yang hemat energi, dan tingkat kedua adalah paralelisasi algoritma SVD. Paralelisasi algoritma SVD akan dilakukan pada 3 platform, yaitu: GPGPU, APU, CPU, dan dengan 3 jenis algoritma, algoritma numerik Golub-Kahan-Reinsch, algoritma eksak Hestenes-Jacobi dan prediksi nilai singular berbasis norm. Algoritma pendekatan berbasis norm pada platform GPU mampu meningkatkan kecepatan 5.8 kali lipat dari sistem awal dengan mempertahankan korelasi hasil penilaian hingga 0.928.

---

SIMPLE-O is an LSA based automatic essay grader. This tesis proposes several parallel computing architecture for SIMPLE-O. SIMPLE-O parallelization will be done in 2 level. First level is done by building a low power cluster and the second level is at the SVD algorithm level. Parallel SVD architecture will be implemented in 3 platform: GPGPU, APU, CPU with 3 algorithm, numeric based Golub-Kahan-Reinsch, Hestenes-Jacobi exact algorithm and singular value prediction based on norm. The proposed algorithm, Norm Based Approximation gains up to 5.8 times calculation speed of the original system while maintaining 0.928 correlation against reference algorithm."

"Teknologi yang sedang dikembangkan saat ini adalah penggunaan sebuah program yang dirancang untuk mengakomodasi ujian essay melalui komputer dimana penilaiannya dilakukan oleh komputer melalui proses perhitungan dengan metode Latent Semantic Analysis (LSA). Sistem yang dikenal dengan nama essay grading ini memiliki beberapa program pendukung lainnya, salah satunya adalah penggunaan database sebagai tempat penyimpanan informasi dalam sistem ini. Database berperan penting dalam sistem ini, sehingga untuk mendapatkan hasil yang maksimum maka diperlukan sebuah database yang handal. Salah satu proses yang dilakukan dalam sistem ini adalah proses pencarian kata dalam tabel persamaan kata yang berjumlah ribuan kata. Untuk mempercepat proses pencarian ini maka dibutuhkan sebuah metode pencarian kata yang lebih efektif. Metode pencarian kata yang diterapkan untuk memfokuskan proses pencarian kata dengan membagi-bagi tabel persamaan kata telah berhasil diterapkan dan dapat meningkatkan kecepatan proses aplikasi Simple-O dengan peningkatan waktu mencapai 4,185549 detik yang berarti meningkat hingga 7,21 kali lebih cepat.

---

The technology currently being developed is the use of a program designed to accommodate an essay exam on a computer where the assessment done by a computer through a process of calculation by the method of Latent Semantic Analysis (LSA). The system known as grading essays has several other support programs, one of them is the use of a database as a storage of information in this system. Database plays an important role in this system, so to get maximum results will require a reliable database.

One of the processes undertaken in this system is the process of finding words in the synonym table numbering a thousand words. To accelerate the search process so needed a word search methods more effective. Word search methods were applied to focus the search process said to divide the tables in common word has been successfully implemented and can improve speed-o simple application process with increased time to reach 4.185549 seconds, which means increased to 7.21 times faster."

"SIMPLE-O merupakan sistem penilaian esaiotomatis berbasis latent semantic analysis (LSA) yang bergantungpada Java Matrix untuk melakukan perhitungan singular value decomposition (SVD) dalam melakukan penilaian. Pada skripsi ini akan dibahas mengenai implementasi proses SVD pada platform general purposes graphic processing unit (GPGPU)pada SIMPLE-O yang lebih cepat daripada algoritma sekuensial biasa yang ada pada JAMA.GPGPU merupakan suatu platform komputasi paralel performa tinggi yang berbasiskan Graphic Processing Unit komersial biasa. Implementasi akan dilakukan dengan cara memindahkan proses eksekusi SVD pada SIMPLE-O ke modul eksternal yang ditulis dalam bahasa Cdengan Application Programming Interface (API) untuk GPGPU seperti CUDA, CULA tools, danOpenCL. Performa diukur dengan peningkatan kecepatan waktu kalkulasi SVD dan jumlah kalkulasi yang dapat dilakukan setiap detiknya. Implementasi GPGPU meningkatkan performa pada matriks ukuran 512x512 berkisar antara lebih dari 200 kali lipat (CULA tools) hingga 4200 kali lipat (OpenCL).

---

Simple-O is an automated essay grading system based on latent semantic analysis (LSA) which depends on Java Matrix (JAMA) for singular value decomposition (SVD) calculation.This paper will present an implementation of SVD calculation on General Purpose Graphic Processing Unit (GPGPU) platformin SIMPLE-O, which is essentially faster and more efficient than standard sequential algorithm found in JAMA. GPGPU is a high performance parallel computing platform based on commercially available 3D Graphic Processing Unit.

Implementation will be done by altering the SVD execution unit to pipe an external module written in C with GPGPU Application Programming Interface (API) such as CUDA, CULA tools and OpenCL. Performance will be measured in terms of SVD calculation time improvements and numbers of calculation per second. Over 200 times (CULA tools) up to 4200 times (OpenCL) performance gain were measured in 512 x 512 matrix."

"Sistem penilai otomatis SIMPLE-O untuk bahasa Jepang telah diteliti selama beberapa tahun belakangan. Namun, penilaian yang dilakukan belum mencakup nilai morfologis, padahal morfologi merupakan hal yang penting dalam ujian sastra. Penelitian ini melakukan clustering pada 215 jawaban mahasiswa dan mengelompokkannya ke 6 cluster berdasarkan topiknya. Berdasarkan hasil, didapatkan bahwa K-means clustering mengelompokkan dengan lebih baik dibanding hierarchical agglomerative clustering (HAC), terutama dengan penambahan Romanisasi. K-means clustering dengan Romansasi menunjukkan 96.5% precision dan 96% recall, sementara HAC memiliki 95% precision dan 93.7% recall. Pada proses penilaian, jawaban dinilai pertopik atau nomor soal dan dicari rasio antara nilai yang didapat dari LSA dengan nilai morfologi dengan akurasi tertinggi. LSA memiliki rata-rata akurasi 79.92%. Penambahan analisis morfologi pada nilai akhir mendapatkan akurasi tertinggi sebesar 78.77% dengan bobot 10% nilai morfologi dan 90% nilai LSA.

---

The research on automated grading system SIMPLE-O for Japanese language has been done for a few years. However, in the grading system, there is still no means to grade the morphological component even though it is an important part of language test. This research groups 215 student answers to 6 cluster according to the topics. According to the results, K-means clustering performs better than hierarchical agglomerative clustering (HAC) especially with Romanization. K-means clustering with Romanization shows 96.5% precision and 96% recall while HAC has 95% precision and 93.7% recall. For the grading prosess, the answers will be scored by its topic or question number and the ratio between similarity measurement score and morphological score with the highest accuracy will be selected. LSA has the average accuracy of 79.92%. With the addition of morphological analysis on the final score, the highest average accuracy of 78.77% is selected with the ratio of 10% morphological score and 90% LSA score."