Hasil Pencarian  ::  Simpan CSV :: Kembali

"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 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. Untuk meningkatkan efisiensi perlu dibuat suatu sistem penilaian yang pemeriksaannya cepat dan obyektifitias tetap terjaga. Pada tugas skripsi ini dilakukan perancangan dan implementasi interface software sistem penilaian essay otomatis serta aplikasi keamanan pada databasenya. Program aplikasi sistem penilaian essay otomatis ini berfungsi untuk menilai essay secara otomatis dengan menggunakan metode Latent Semantic Analysis atau LSA. Metode LSA adalah teori atau metoda untuk menyalin dan merepresentasikan arti kalimat dengan perhitungan matematis atau statistik. LSA mengkonversi essay ke dalam matriks. Setiap kata dalam paragraf kalimat direpresentasikan sebagai baris dan kolom matriks. Dengan menggunakan teknik matrik aljabar SVD (Singular Value Decomposition) dan normalisasi Frobenius. Selanjutnya sistem penilaian essay otomatis metode LSA ini diaplikasikan pada software berbasis web. Pada perancangannya sistem penilaian essay otomatis ini berupa algoritma yang terbagi menjadi beberapa bagian, dengan menggunakan bahasa UML (Unified Modelling Language). Dengan menggunakan metode ini maka interface user dapat dirancang secara lebih efisien dan terstruktur, mulai dari struktur program utama sampai kepada struktur program yang lebih spesifik di dalamnya. Faktor keamanan database diimplementasikan melalui proses enkripsi MD5 bagi password user dan aplikasi session pada aplikasi untuk mencegah user mengakses halaman yang bukan haknya. Dengan menggunakan enkripsi MD5 maka password user dapat lebih terproteksi, karena dengan enkripsi ini, input password user dengan panjang dan karakter yang bervariasi dapat diubah menjadi bit hexadesimal dengan panjang yang tetap dan merupakan proses satu arah (tidak reversibel). Sedangkan dengan menggunakan aplikasi session maka akses user pada sistem menjadi lebih terkontrol dan mencegah penggunaan sistem yang tidak semestinya. Untuk menguji performa dari sistem aplikasi ini dilakukan beberapa pengujian. Pengujian dilakukan dengan tujuan untuk mengetahui kecepatan sistem dalam melakukan proses penghitungan jawaban essay dengan menggunakan metode LSA, dengan cara memasukkan variasi panjang jawaban, jumlah kata kunci dan jumlah soal pada proses. Dari pengujian didapatkan bahwa jumlah soal, jumlah kata kunci dan panjang jawaban mempengaruhi kecepatan proses, semakin banyak jumlah soal, jumlah kata kunci dan panjang jawaban maka waktu proses yang dibutuhkan sistem juga semakin bertambah (hubungan positif) dengan korelasi sebesar 0,445872325 sampai 0,984473824."

"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 %."

"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."

"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."

"Dalam penelitian ini membahas mengenai rancangan sistem penilaian ujian lisan (SIPENILAI) otomatis pada bahasa Jepang menggunakan algoritma rabin karp. Algoritma rabin karp merupakan algoritma yang digunakan untuk melakukan pencarian dan perhitungan jumlah kata yang sama dalam setiap kata kunci yang dilakukan perbandingan. Algoritma rabin karp digunakan karena mempunyai kelebihan yaitu dapat melakukan pencocokan string yang bervariasi dengan lama waktu yang cepat. Algoritma rabin karp melakukan pencocokan string berdasarkan nilai hash pada teks dan nilai hash pada pola. Input pada sistem ini ialah berupa suara yang akan diubah menjadi teks bahasa Jepang dengan menerapkan proses romanisasi untuk mengubah karakter ke bentuk romaji. Pada sistem ini, algoritma rabin karp menerapkan model Bahasa N-gram. Sistem penilaian ujian lisan (SIPENILAI) otomatis ini dilakukan pengujian pertama dengan menggunakan Google Speech API dengan variasi parameter terbaik n=2 dan p=2 dan perhitungan cosine similarity yang diuji oleh 43 mahasiswa yang menghasilkan akurasi sebesar 88.35%. Dalam melakukan penilaian, sistem berjalan dengan kecepatan rata-rata sebesar 337.05 millisecond atau 0.337 second.

---

This research discusses design of automatic grading system for Japanese-Language examination (SIPENILAI) using rabin karp algorithm. Rabin-Karp algorithm is used to search and calculate the same number of words in each keyword that is compared. Rabin Karp algorithm has the advantage that can perform string matching that varies with a very fast time. Rabin-Karp algorithm perform string matching hash value based on the text and the pattern hash value. The system receives speech or voice input, then it is converted into Japanese text with Google speech recognition. In this system, Rabin Karp algorithm applies N-gram Language model. The accuracy rate for SIPENILAI were tested by 43 students is 88.35% by using Google Speech API, by using best variation of parameters n=2 and p=2 and cosine similarity. The system executes processes with an average speed of 337.05 milliseconds or 0.337 seconds."

"Skripsi ini membahas penerapan Long Short Term Memory RNN dan Manhattan Distance untuk membuat rancangan Sistem Penilaian Esai Otomatis (SIMPLE-O). SIMPLE-O adalah sistem yang sedang dikembangkan Departemen Teknik Elektro UI untuk menilai esai secara otomatis. Sistem ini menggunakan Recurrent Neural Network dengan arsitektur Long Short Term Memory untuk memberikan nilai pada esai Bahasa Jepang. Dari beberapa variasi yang diuji, model yang paling stabil adalah model yang memiliki layer LSTM, Manhattan Distance, dan Dropout dengan dropout rate sebesar 0.3, di-train selama 25 epoch dengan loss function crosscategorical entropy dan optimizer adam, dengan input model ditokenisasi per karakter dengan rata-rata akurasi sebesar 79.93%.

---

This thesis will explore the application of Long Short Term Memory RNN and Manhattan Distance in designing the Automatic Essay Grading System (SIMPLE-O). SIMPLE-O is a system currently being developed by Departemen Teknik Elektro UI for automatically scoring Japanese essay exams.  Out of the variations tested, the most stable model is the model with the layers LSTM, Manhattan distance, and Dropout with a dropout rate of 0.3, trained for 25 epochs with the loss function cross categorical entropy and adam optimizer, and the model's input being tokenized by character with the highest average accuracy of 79.93%."