Hasil Pencarian  ::  Simpan CSV :: Kembali

"Grading is a process for decision making using information from evaluation of learning result whether using a test instrument or not[1]. Grading with essay is on option to evaluate level of knowledge of the students, but essay grading is not giving an objective view to each student. Essay grading by many of researcher is considered a good tools to evaluate result of a learning process and so, to evaluate level of intuition like synthesis and analysis. [2]. This research is intended to create an automatic essay grading which is called SIMPLE (SIsteM PeniLaian Esei otomatis) using Latent Semantic Analysis (LSA) as one of the method to extract and represent sentence using mathematical calculation or statistic from large amount of text [3]. Mathematical calculation is done by mapping with or without word from matrix group of word Furthermore, this research is done by implementing weight feature on web based automatic essay grading using Indonesian language. Testing is done by comparing result from system that using weight word and system that not using weight word Testing has succeeded with 82.56-96.42 percentage agreement with human raters for system using weight word."

"Sistem penilaian ujian merupakan suatu mekanisme yang dapat digunakan untuk menentukan tingkat kemampuan siswa terhadap materi pembelajaran yang diberikan pada proses belajar mengajar. Bentuk soal esei (essay) adalah salah satu bentuk penilaian (grading). Dengan metode esei pilihan jawaban tidak disediakan dan siswa harus menjawab dengan kalimat. Jawaban esei dapat sangat bervariasi sesuai dengan pemikiran masing-masing peserta ujian. Latent Semantic Analysis (LSA) adalah suatu metoda yang memberikan penilaian yang cukup akurat seperti pada perangkat lunak Intelligent Essay Assessor (IEA) yang menggunakan teknik LSA dengan basis bahasa Inggris. Pada IEA ini didasarkan pada kinerja kesesuaian terhadap penilaian manusia (agreement with human rater) dengan rentang nilai kesesuaian 85 - 91. Kelebihan dari teknik LSA ini terdapat pada tidak mempertimbangkan struktur sintaksisnya, sehingga yang diolah adalah kata-kata atau kelompok kata dari sebuah kantong kata-kata tanpa memperhatikan urutan dari kalimat yang menggunakan kata-kata tersebut. Pada disertasi ini dibuat suatu sistem Penilaian Esei Otomatis yang disebut SIMPLE untuk ujian dalam versi bahasa Indonesia dengan menambahkan 3 fitur tambahan untuk meningkatkan kinerja dari metoda LSA ini, yaitu dengan memberikan bobot lebih pada kata-kata yang dianggap penting di antara kata kunci yang dipilih, dan memperhatikan persamaan kata serta urutan kata dalam kalimat. Ujicoba telah dilakukan pada SIMPLE dengan 2 tahapan, yaitu yang pertama adalah mernbandingkan sistem yang tanpa menggunakan bobot dengan sistem yang menggunakan bobot. Untuk ujicoba ini didapatkan kesesuaian dengan kisaran 82,56 % - 96,42 %. Sedangkan untuk ujicoba yang ke dua adalah dengan menerapkan SIMPLE pada ujian on-line siswa dan didapat hasil dari S0 ujicoba yang dilakukan, nilai kesesuaian dengan human rarers berkisar dari 69,80 % - 98,42 %."

"Di dalam proses pembelajaran, seorang pengajar tentunya membutuhkan tolak ukur yang mengindikasikan tingkat penyerapan murid-muridnya atas proses belajar mengajar yang terjadi dengan melakukan ujian, baik dengan format pilihan ganda, isian singkat, maupun esai. Dari kesemua format yang ada, ujian esai lah yang dianggap paling mampu merepresentasikan tingkat pemahaman siswanya. Namun ujian esai tersebut memiliki keterbatasan di dalam penilaian ujiannya. Sementara itu. sistem penilaian yang menggunakan komputer sampai saat ini masih terbatas untuk ujian pilihan ganda. Oleh karena itu, pada skripsi ini akan dikembangkan sistem aplikasi penilaian esai otomatis dengan menggunakan metode penilaian Latent Semantic Analysis (LSA) yang berbasis web. Metode LSA dipilih karena dalam menilai ujian hanya menitikberatkan pada kata-kata yang terkandung di dalam tulisan tanpa memperhatikan karakteristik linguistiknya. Di dalam pengembangan sistem ini, program aplikasi sistem dibagi menjadi beberapa modul. Sedangkan untuk pengembangan keamanan sistem, diterapkan aplikasi session dan cookie agar akses ke dalam sistem lebih terkontrol serta teknik enkripsi SHA-1 pada password user agar password seseorang tidak dapat diketahui oleh siapapun. Pengujian kecepatan akses dilakukan pada sistem dengan tujuan untuk melihat tingkat performa dari sistem yang telah dibuat. Pengujian dilakukan dengan memvariasikan panjang jawaban, jumlah kata kunci, dan jumlah soal. Dari hasil pengujian didapatkan bahwa pengaruh jumlah kata kunci dan panjang kalimat jawaban terhadap kecepatan akses sistem adalah antara 4e pangkat -3 - 0,8 ms, sedangkan pertambahan sebuah soal pada satu ujian akan mengakibatkan pertambahan waktu akses sebesar 1 detik. Sedangkan implementasi peningkatan keamanan sistem telah berjalan dengan baik."

"Sistem penilaian manual yang dilakukan manusia untuk memeriksa dan menilai jawaban ujian esei dalam skala besar dirasakan masih kurang efektif dan efisien. Oleh karena itu, perlu dibuat suatu sistem penilaian esei otomatis yang konsisten dan dilakukan secara terpusat sehingga dapat menghemat banyak waktu dan tenaga. Saat ini telah berkembang berbagai metode penilaian esei otomatis. Salah satu metode yang diterapkan adalah metode Latent Semantic Analysis (LSA). Penerapan ujian online dengan sistem penilaian esei otomatis LSA membutuhkan pengembangan fitur-fitur tertentu untuk mengoptimalkan kinerja sistem secara keseluruhan, diantaranya adalah penerapan fitur pendistribusian bahan ajar dengan modul pembelajaran dan fitur feedback evaluasi hasil ujian bagi mahasiswa. Fitur pendistribusian bahan ajar dengan modul pembelajaran memudahkan mahasiswa dalam mempelajari bahan ajar yang diberikan pengajar secara online. Setelah melakukan ujian, fitur feedback evaluasi hasil ujian berguna untuk mengukur kemampuan mahasiswa dalam hal penguasaan keseluruhan materi bahan ajar yang telah diberikan dosen selama proses pembelajaran. Beberapa pengujian dilakukan untuk mengetahui kinerja dari kedua fitur tersebut. Pada fitur pendistribusian bahan ajar dengan modul pembelajaran, pengujian dilakukan dengan menghitung waktu yang dibutuhkan untuk mengakses modul pembelajaran dengan variasi ukuran file modul. Melalui pengujian yang dilakukan, semakin besar ukuran file maka waktu yang dibutuhkan untuk mengakses modul akan semakin besar. Rata-rata kenaikan waktu yang dibutuhkan untuk mengakses modul pembelajaran dengan peningkatan tiap 50 KB dari ukuran file 50 - 1000 KB adalah sebesar 47,36 %. Sedangkan pada fitur feedback evaluasi hasil ujian bagi mahasiswa, pengujian dilakukan dengan menghitung waktu pengaksesan tampilan feedback dengan variasi jumlah jawaban ujian mahasiswa. Hasil pengujian menunjukkan bahwa semakin banyak jumlah jawaban ujian maka waktu yang dibutuhkan untuk mengakses tampilan feedback akan semakin besar. Rata-rata kenaikan waktu yang dibutuhkan untuk mengakses tampilan feedback dari 3 sampai 30 jawaban ujian mahasiswa adalah sebesar 1,95 %."

"Sistem penilaian yang dilakukan oleh penilai manusia untuk menilai jawaban essay dalam jumlah besar dirasakan kurang efisien. Hal ini disebabkan karena penilai manusia memiliki keterbatasan fisik yang tidak dapat dihindari. Jika hanya menggunakan satu orang penilai, memang obyektifitas terjaga, namun waktu pemeriksaan menjadi lama. Jika menggunakan banyak orang penilai, waktu dalam memeriksa menjadi cepat, namun obyektifitas tidak terjaga. Oleh karena itu, untuk meningkatkan efisiensi periu dibuat suatu sistem penilaian yang pemeriksaannya cepat dan obyektifitias tetap terjaga. Dalam skripsi ini dilakukan perancangan dan implementasi software penilaian essay otomatis dengan menggunakan salah satu metode penilaian essay otomatis yaitu Latent Semantic Analysis (LSA). Metode ini mengonversi kalimat ke dalam bentuk matriks untuk kemudian dilakukan perhitungan. Perhitungan dilakukan dengan menggunakan Singular Value Decomposition (SVD) dimana matriks didekomposisi menjadi tiga komponen matriks, yaitu dua matriks orthogonal dan satu matriks diagonal singular. Kemudian dilakukan reduksi terhadap matriks diagonal singular-nya sehingga menjadi berdimensi dua, dan transpose matriks untuk salah satu matriks orthogonalnya. Setelah itu dilakukan rekonstruksi matriks awal dengan cara mengalikan kembali tiga komponen matriks yang sudah diolah tersebut. Proses penilaian diambil dari perbandingan normalisasi Frobenius antara matriks jawaban dengan matriks referensi yang sudah direkonstruksi. Pada perancangannya, sistem penilaian essay otomatis ini berupa algoritma yang terbagi menjadi beberapa bagian, diantaranya yaitu program utama, sub program, dan bagian program terperinci diantaranya program konversi jawaban ke matriks, dan program perhitungan SVD. Agar dapat dikembangkan sehingga dapat digunakan melalui jaringan internet, program ini didesain dengan menggunakan aplikasi web. Implementasi dari sistem dilakukan pada sebuah komputer sekaligus merupakan server dan client. Agar sistem dapat berjalan dengan baik, maka diinstal beberapa program diantaranya Apache Server, MySQL Server, PHP, dan Matlab. Untuk menguji performa dari sistem aplikasi ini dilakukan beberapa pengujian. Pengujian dilakukan dengan tujuan untuk mengetahui bagaimana korelasi antara nilai jawaban mahasiswa yang dihasilkan dengan menggunakan metode LSA, dengan nilai jawaban mahasiswa yang dihasilkan oleh human rater. Dari pengujian didapatkan nilai korelasi antara penilaian otomatis yang menggunakan metode LSA dengan penilaian yang dilakukan oleh human rater ialah sebesar 0,86 - 0,96."

"Sistem persamaan kata merupakan suatu algoritma yang dapat digunakan pada sistem penilaian esai secara otomatis yang dapat berfungsi dengan untuk membandingkan kata memiliki makna yang sama (sinonim) sehingga akan diberi bobot yang sama. Hal ini telah dibuktikan dari percobaan dimana SIMPLE-O berbasis GLSA yang ditambahkan sistem persamaan kata dalam kalimat mengungguli sistem yang sama tanpa adanya penambahan persamaan kata. Dari 6 soal yang diujicobakan dengan 5 sampel pada dua soal dummy dan 30 sampel pada sisa 4 soal percobaan dengan membandingkan nilai selish hasil penilaian sistem terhadap persamaan kata GLSA dengan persamaan kata unggul sebanyak 5 kali atau sebesar 83,33% dibandingkan dua basis algoritma lainnya yaitu LSA dan GLSA tanpa sistem persamaan kata.

---

Word similiarity detection system is an algorithm that can be used on automatic essay grader to compare word to another of which have similar meaning (synonim) so that can be given the equal value. With this algorithm the word with significant meaning on the text can be detected an the word which have the different terms but have the same meaning from the answer. Experiment conducted has shown that word similiarity algorithm which has embedded to SIMPLE-O based on GLSA outperform the GLSA without word similiarity in term of the accuracy.

From 6 questions data conducted, GLSA with word similiarity outperform the other algorithm which are LSA and GLSA without word similiarity process 5 times or equal to 83,33%. The result from the average delta of the value is also proven that the word similiarity algorithm is have better performance than the other. Word similiarity algorithm proven to increase the accuracy of essay grader for text in Bahasa Indonesia."

"Stemming merupakan salah satu bagian penting dalam proses penilaian esai secara otomatis. Stemming merupakan proses transformasi suatu kata-kata tertentu menjadi kata dasarnya. Salah satu algoritma stemming yang ada adalah dengan menggunakan persamaan kata, dimana semua kata yang berimbuhan dan istilah yang berbeda untuk satu kata bermakna sama dapat disetarakan bobotnya. Untuk itu proses stemming menggunakan persamaan kata ini akan diimplementasikan pada sistem penilai esai otomatis Simple-O berbasis Generalized Latent Semantic Analysis (GLSA) yang bertujuan untuk meningkatkan ketepatan penilaiannya agar semakin mendekati hasil penilaian oleh manusia. Dari 98 kali pengujian, kinerja GLSA menggunakan proses stemming memberikan hasil yang lebih baik dengan tingkat ketepatan sebanyak 72 kali atau sekitar 73,4% lebih unggul dibandingkan GLSA tanpa proses stemming yang hanya unggul sebanyak 20 kali dari 98 kali percobaan atau dengan presentase sekitar 20,4%. Hal ini menunjukkan bahwa implementasi proses stemming pada Simple-O berbasis GLSA menghasilkan hasil yang lebih baik daripada GLSA tanpa proses stemming.

---

Stemming is one of the important processes on automatic essay grading. Stemming is a process to transform a word into its root word in order to make essay grader becoming more accurate. One of stemming algorithm that have developed is using word similiarity, where in this algorithm all the prefixed word or the other words that have a similar meaning have an equal weight. This algorithm is implemented on an automatic essay graderbased on Generalized Latent Semantic Analysis (GLSA) called Simple-O in order to match the grade from human raters.

The experiment result shows that from 98 samples GLSA algorithm with the stemming process outperform GLSA without stemming 72 times with the percentage about 73,4%, on the other hand GLSA without stemming only give the better result 20 times with the percentage of 20,4%. This experiments result shows that GLSA based Simple-O using stemming algorithm gives better result than GLSA without stemming process."

"Dalam suatu ujian, terutama di tingkat universitas, terdapat berbagai macam bentuk soal yang harus dikerjakan oleh mahasiswa. Salah satu bentuk yang banyak digunakan adalah ujian berupa esai. Namun ketika jawaban sudah terkumpul, terdapat kendala yang dihadapi oleh dosen, yaitu melakukan penilaian esai yang banyak memakan waktu dan tenaga. Oleh karena itu, dikembangkanlah suatu sistem untuk membantu pekerjaan dosen tersebut.Simple O merupakan sistem yang dikembangkan di Departemen Teknik Elektro Universitas Indonesia. Mulai dikembangkan pada tahun 2007, Simple O merupakan suatu sistem yang dapat melakukan penilaian terhadap perkerjaan mahasiswa yang bersifat esai. Tujuan dari diciptakannya sistem ini adalah untuk membantu dosen dalam melakukan penilaian terhadap ujian yang telah dilakukan mahasiswa.Simple O menggunakan algoritma Latent Semantic Analysis (LSA) ketika pertama kali dikembangkan. Kemudian sistem tersebut dikembangkan hingga menjadi algoritma Generalized Latent Semantic Analysis (GLSA) dan pada akhirnya dikembangkan algoritma Hybrid.

---

On some tests, especially in university, there are lots of types of questions that must be done by the students. One of them is essay. But when the answers are collected, there is a problem that is faced by the lecturer, the amount of time and energy that need to use by them. Because of that, people developped a system that can help the lecturer.

Simple O is a system that is developped in Electrical Engineering Department, University of Indonesia. The development was started in 2007, and it is a system that can grade the work of the students, in the form of essay. The purpose of the invention of this system is to help the lecturer in giving grades to the tests that have been done by the students.

Simple O uses LSA algorithm when the first time of its development. Then the system has been developped into Generalized Latent Semantic Analysis (GLSA) and finally it becomes Hybrid algorithm."

"ABSTRAKDalam penelitian ini, Sistem Penilaian Esai Ototmatis (Simple-O) dirancang menggunakan algoritma Latents Semantic Analysis (LSA), Term Frequency-Inverse Document Frequency, dan algoritma Support Vector Machine (SVM). Algoritma LSA digunakan untuk mengolah kata-kata yang merepresentasikan kata-kata dalam teks menjadi matriks. Algoritme SVM digunakan untuk mengklasifikasikan esai jawaban siswa berdasarkan topiknya. TF-IDF digunakan untuk menimbang setiap kata dalam teks yang akan menjadi input SVM. Dari penelitian ini ketepatan penggunaan jawaban dosen sebagai jawaban referensi adalah 72,01% dan ketepatan penggunaan kata kunci sebagai jawaban referensi adalah 69,5%.

---

ABSTRACTIn this study, the Automatic Essay Assessment System (Simple-O) was designed using the Latents Semantic Analysis (LSA) algorithm, Term Frequency-Inverse Document Frequency, and the Support Vector Machine (SVM) algorithm. The LSA algorithm is used to process words that represent words in the text into a matrix. The SVM algorithm is used to classify student essays based on their topic. TF-IDF is used to weigh each word in the text that will become SVM input. From this research, the accuracy of using lecturers' answers as reference answers was 72.01% and the accuracy of using keywords as reference answers was 69.5%."