Hasil Pencarian  ::  Simpan CSV :: Kembali

"Skripsi ini membahas penerapan Convolutional Neural Network dalam merancang Sistem Penilaian Esai Otomatis (SIMPLE-O) Berbentuk Gambar. Sistem Penilaian Esai Otomatis (SIMPLE-O) Berbentuk Gambar merupakan perkembangan dari Sistem Penilaian Esai Otomatis atau Simple-O yang telah dikembangkan sebelumnya oleh Departemen Teknik Elektro UI. Tujuan dari dikembangkannya Sistem Penilaian Esai Otomatis (SIMPLE-O) Berbentuk Gambar ini agar dapat menilai sebuah gambar secara otomatis sehingga dapat mempercepat proses penilaian. Rancangan yang dibuat dalam penelitian ini akan memanfaatkan machine learning untuk memprediksi nilai dari gambar yang diuji. Pembelajaran akan dilakukan dengan menggunakan dataset yang memiliki label mulai dari nilai "1" sampai "10". Untuk mendapatkan informasi fitur dari gambar, digunakan algoritma Convolutional Neural Network dimana Neural network ini termasuk ke dalam algoritma Deep Learning. Pada sistem ini sebagian besar bahasa pemrograman yang digunakan adalah Python.

---

This thesis discusses the implementation of Convolutional Neural Network in designing an automated essay grading system in which the essay answer is in the form of an image. This automated essay grading system is based on the Department of Electrical Engineering in University of Indonesia's research called Simple-O. The purpose of this automated essay grading system to be developed is that the images can be graded automatically and accordingly so it will make the grading process more efficient. The design made in this proposal will utilize machine learning to predict the grade for the images inputted. The learning process will be done using a labeled data set from grade "1" to "10". Feature extraction process will be done using Convolutional Neural Network, which is considered a deep learning algorithm. This system will be programmed in Python."

"ABSTRACTAlgoritma winnowing merupakan algoritma yang berbasiskan fingerprint untuk mendeteksi tingkat kemiripan teks. Penelitian ini akan membahas pengembangan sistem penilai otomatis SIMPLE-O yang dikembangkan Departemen Teknik Elektro berbasis algoritma winnowing dan diterapkan untuk bahasa Jepang. Pada input bahasa Jepang diterapkan proses romanisasi untu mengubah karakter ke bentuk romaji. Penelitian dilakukan untuk mencari parameter terbaik dengan nilai akurasi atau agreement with human rater tertinggi. Dari hasil percobaan diketahui jika parameter untuk tiap-tiap input disesuaikan, secara keseluruhan sistem dapat memiliki rata-rata akurasi nilai total seluruh data hingga 90.92 dengan akurasi nilai total perpeserta ujian dapat mencapai 99.91 dan akurasi perjawaban untuk tiap peserta ujian berkisar dari 60.19 hingga 100.

---

ABSTRACTWinnowing Algorithm is a fingerprint based algorithm for detecting similarity between texts. This research will talk about the development and application of automatic essay grading system SIMPLE O, developed by Department of Electrical Engineering with winnowing algorithm for Japanese language. On the Japanese language input, romanization is implemented to change the input to romaji. The purpose of this research is to find the best parameter with the highest accuracy or agreement with human rater. The result of the conducted experiment shows that with customized parameter for each input, the average of total score for all students is 90.92 with accuracy for each student is up to 99.91 and accuracy for each problem ranged from 60.19 to 100."

"Departemen Teknik Elektro sebelumnya sudah mengembangkan sistem penilai esai otomatis (SIMPLE-O) yang berbasis algoritma winnowing dan diterapkan pada bahasa Jepang. Sistem penilai esai otomatis tersebut menggunakan algortima winnowing yang berbasiskan fingerprint dan hashing untuk mendeteksi tingkat kemiripan teks. Sistem tersebut memiliki rata-rata akurasi nilai total seluruh data hingga 90.92% dengan akurasi nilai total perpeserta ujian dapat mencapai 99.91% dan akurasi perjawaban untuk tiap peserta ujian berkisar dari 60.19% hingga 100%. Penelitian kali ini berusaha untuk mencoba untuk menaikkan akurasi tersebut. Cara yang digunakan ialah menganti hashing yang digunakan dari Rolling Hash ke MD5 dan mengimplementasi synonym recognition. Hasil percobaan ini memiliki rata-rata tingkat akurasi 85.61% dengan akurasi perjawaban untuk tiap perserta ujian berkisar 68.44% hingga 99.96%

---

Departement of Electrical Engineering has already developed automatic essay grading system (SIMPLE-O) which utilize winnowing algorithm which is a fingerprint-based and hash-based algorithm for detecting similarity between texts. The system have result of average of total score for all students is 90.92% with accuracy for each student is up to 99.91% and accuracy for each problem ranged from 60.19% to 100%. This research will try to raise the accuracy. The proposed method is by changing the hashing used by the system from Rolling Hash to MD5 and implementing synonym recognition. The result of conducted experiment has the average of accuracy of 85.61% and the accuracy for each problem ranged from 68.44% to 99.96%.

"

"Skripsi ini membahas mengenai pengembangan Sistem Penilaian Esai Otomatis (SIMPLE-O) yang dirancang dengan menggunakan hybrid CNN dan Bi-LSTM dan Manhattan Distance untuk penilaian esai Bahasa Jepang. Sistem dirancang dengan menggunakan bahasa pemrograman Python. Sistem melalui tahapan pre-processing, feature extraction dan word embedding yang dilanjutkan dengan proses deep learning serta pengukuran dengan menggunakan manhattan distance. Hasil akhir dari sistem dibandingkan dengan penilaian manual oleh dosen. Model yang paling stabil dan terbaik ditraining dengan menggunakan hyperparameter dengan kernel sizes bernilai 5, jumlah filter atau output CNN sebesar 64, pool size sebesar 4, Bidirectional LSTM units 50, batch size sebesar 64. Model deep learning ditraining dengan menggunakan optimizer Adam dengan learning rate 0,001 , epoch sebanyak 25 dan menggunakan regularizer L1 sebesar 0,01. Rata-rata error yang diperoleh adalah 29%

---

This thesis discusses the development of an Automatic Essay Grading System (SIMPLE-O) designed using hybrid CNN and Bidirectional LSTM and Manhattan Distance for Japanese essay grading. The system is designed using Python programming language. The system goes through the stages of pre-processing, feature extraction and word embedding followed by deep learning process and measurement using Manhattan Distance. The final result of the system is compared with manual assessment by lecturers. The most stable and best model is trained using hyperparameters with kernel sizes of 5, number of filters or CNN outputs of 64, pool size of 4, Bidirectional LSTM units of 50, batch size of 64. The deep learning model is trained using the Adam optimizer with a learning rate of 0.001, epoch of 25 and using an L1 regularizer of 0.01. The average error obtained is 29%.

"

"Departemen Teknik Elektro Fakultas Teknik Universitas Indonesia telah mengembangkan sistem penilaian esai otomatis (SIMPLE-O) untuk ujian bahasa Jepang. Skripsi kali ini akan membahas pengembangan SIMPLE-O dalam mengoreksi ujian bahasa Jepang dengan menggunakan metode N-Gram dan Latent Semantic Analysis (LSA) dan bahasa pemrograman Python dengan tujuan untuk mencapai nilai akurasi yang maksimal. N-Gram digunakan untuk mengoreksi pola kalimat data yang diuji dengan referensi, serta LSA dan Frobenius Norm untuk pemrosesan teks dan pemeriksaan kesamaan teks. Dari pengujian yang telah dilakukan, SIMPLE-O dengan N-Gram dapat mencapai rata-rata akurasi sebesar88,09%.

---

Department of Electrical Engineering, Faculty of Engineering, University of Indonesia has developed a system to grade Japanese examination essay automatically. This thesis will discuss about the development of SIMPLE-O in grading Japanese examination essays using N-Gram and Latent Semantic Analysis (LSA) using Python programming languageto reach the maximum accuracy level. N-Gram is used to score the answer based on the words and the pattern of the sentence of key answer. LSA and Frobenius Norm are used toprocess the text and to check the similarity of both text. From the test that has been done, SIMPLE-O using N-GramandLSAis able to obtain an average rate of accuracy of 88,09%."

"Simple-O merupakan sebuah sistem penilaian esai otomatis (essay grading) yang meggunakan metode Latent Semantic Analysis (LSA). Prinsip kerja sistem ini adalah dengan melakukan konversi jawaban ke dalam bentuk matriks yang kemudian secara statistik dan matematis dihitung intensitas atau frekuensi keberadaan kata. Metode LSA mengaplikasikan teori Singular Value Decomposition (SVD), yaitu teknik yang digunakan untuk melakukan estimasi terhadap rank dan matriks. Melalui SVD akan dilakukan peleburan atau reduksi dari matriks berukuran besar menjadi matriks kecil. Kemiripian antara kalimat dihitung dengan melakukan penghitungan nilai kosinus dari sudut atau membandingkan norma sudut Frobenius antara dua vector. Pada skripsi ini, ditambahkan program pengenalan kata frasa dan negasi dari sistem Simple-O sebelumnya yang kemudian dibandingkan dengan penilaian secara manual (human raters). Untuk menghitung nilai korelasi antar sistem dan human raters, maka digunakan teknik penghitung korelasi Pearson Product Moment. Nilai korelasi yang didapatkan antara sistem baru dan manual adalah 0.53155.

---

Simple-O is an automated essay scoring system (essay grading) that applies Latent Semantic Analysis (LSA) method. The working principle of this system is by converting the answers into the form of a matrix which is then statistically and mathematically calculated the intensity or frequency of the existence of the word. LSA method applying Singular Value Decomposition theory (SVD), which is a technique used to estimate the rank and matrix. SVD will be done through reduction of a large matrix into smaller matrices. The similarity between the sentence is calculated by calculating the value of the cosine of the angle or comparing Frobenius angles norm between two vectors. In this paper, the program added phrases and negation words identification of Simple-O system and will be compared with Original Simple-O and human raters. To calculate the value of the correlation between the system and human raters, we used the technique Pearson Product Moment. Correlation values obtained between the new system and the manual at about 0.53155"

"Sistem Penilaian Esai Otomatis (SIMPLE-O) dikembangkan oleh Departemen Teknik Elektro Fakultas Teknik Universitas Indonesia untuk ujian bahasa Indonesia. Skripsi ini akan membahas mengenai pengembangan SIMPLE-O untuk penilaian ujian bahasa Indonesia menggunakan metode Siamese Manhattan Long Short-Term Memory (LSTM) dan bahasa pemrograman Python. Terdapat dua dokumen yang akan menjadi input, yaitu jawaban esai dari peserta ujian dan jawaban referensi dari penguji. Kedua jawaban diproses dengan layer LSTM yang sama. Selanjutnya, kemiripan antara keduanya dihitung dengan fungsi persamaan. Pengujian dengan dataset jawaban dummy mendapatkan nilai MAE dan RMSE sebesar 0.0254 dan 0.0346. Kemudia, pengujian dengan dataset jawaban asli mendapatkan nilai MAE dan RMSE terbaik sebesar 0.1596 dan 0.2190. Rata-rata nilai akurasi yang didapatkan adalah 92.82 untuk fase training dan 84.03 untuk validasi.

---

The Automatic Essay Assessment System (SIMPLE-O) was developed by the Department of Electrical Engineering, Faculty of Engineering, University of Indonesia for the Indonesian language test. This thesis will discuss the development of SIMPLE-O for the assessment of Indonesian language tests using the Siamese Manhattan Long Short-Term Memory (LSTM) method and the Python programming language. There are two documents that will be input, essay answers from examinees and answer answers from examiners. Both answers are processed with the same LSTM layer. Next, the similarity between the two is calculated by the similarity function. Testing with dummy answer dataset produces MAE and RMSE values of 0.0254 and 0.0346. Then, testing with the real answer dataset produces MAE and RMSE values of 0.1596 and 0.2190. The average accuracy value obtained was 92.82 for the training phase and 84.03 for validation.

"

"Skripsi ini membahas mengenai pengembangan Sistem Penilaian Esai Otomatis (SIMPLE-O) untuk ujian esai berbahasa Indonesia. Sistem ini dirancang dengan menggunakan Stacked Bidirectional LSTM dan menggunakan dua jenis similarity measurement, yaitu Manhattan Distance dan Cosine Similarity, untuk mencari model dengan performa paling optimal dan selisih terbaik dari tiap jenis similarity measurement. Sistem ini menggunakan bahasa pemrograman Python, dan terdiri atas tahap preprocessing, word embedding, training menggunakan deep learning, testing, dan similarity measure untuk menghitung kemiripan antar kata pada input. Input yang digunakan pada sistem ini adalah jawaban dosen sebagai kunci jawaban dan jawaban mahasiswa. Fase training menggunakan data augmentasi dan fase testing menggunakan jawaban mahasiswa asli. Pengujian sistem ini dilakukan dengan menggunakan 7 jenis skenario. Dengan hasil selisih akhir dari model untuk fase training dan testing pada Manhattan Distance sebesar 1.871 dan 7.808, dan Cosine Similarity sebesar 2.31 dan 7.635.

---

This thesis discusses the development of an Automated Essay Scoring System (SIMPLE-O) for Indonesian-language essay exams. This system is designed using Stacked Bidirectional LSTM and uses two types of similarity measurement, which are Manhattan Distance and Cosine Similarity, to find the model with the most optimal performance and the best difference from each type of similarity measurement. The system uses Python programming language, and the system's stages consist of preprocessing, word embedding, training using deep learning, testing, and similarity measuring to calculate the similarity between words on the input. The inputs used in this system are lecturers' answers as answer keys and students' answers. The training phase uses augmented data, and the testing phase uses original student answers. To test this system uses 7 types of scenarios. The final difference results of the model for the training and testing phases are 1.871 and 7.808 on Manhattan Distance and 2.31 and 7.635 on Cosine Similarity."

"Skripsi ini membahas mengenai rancangan untuk pengembangan sistem penilaian esai otomatis (SIMPLE-O) menggunakan Convolutional Neural Network dan Manhattan Distance sebagai penilaian pada ujian esai Bahasa Jepang yang sedang dikembangkan oleh Departemen Teknik Elektro Universitas Indonesia. Sistem ini menggunakan Convolutional Neural Network (CNN) untuk memberikan nilai pada esai Bahasa Jepang. Dari beberapa variasi yang diuji, model yang paling stabil adalam model yang memiliki layer CNN, Manhattan Distance, dan dropout dengan dropout rate sebesar 0.1, di-train selama 32 epochs dengan loss function cross-categorical entropy dan optimizer RMSprop dengan input model ditokenisasi per karakter dengan rata-rata akurasi sebesar 59.48%.

---

This thesis discusses the design for the development of an automatic essay scoring system (SIMPLE-O) using the Convolutional Neural Network and Manhattan Distance as an assessment of the Japanese essay exam which is being developed by the Department of Electrical Engineering, University of Indonesia. This system uses Convolutional Neural Network (CNN) to score Japanese essays. Of the several variations tested, the most stable model is a model that has CNN, Manhattan Distance, and dropout layers with a dropout rate of 0.1, trained for 32 epochs with a loss function cross-categorical entropy and an RMSprop optimizer with model input tokenized per character on average. the average accuracy is 59.48%."

"Departemen Teknik Elektro Universitas Indonesia telah mengembangkan suatu sistem berbasis Latent Semantic Analysis LSA untuk memberikan penilaian secara objektif terhadap esai berbahasa Indonesia. Data keluaran sistem penilaian esai otomatis, Simple-O, berbasis LSA adalah nilai slice, nilai pad, dan nilai esai tersebut. Skripsi ini akan membahas serta memberikan analisis terkait pengaruh penambahan persamaan kata pada sistem penilaian esai otomatis terhadap keakuratan penilaian. Terdapat nilai pad dan slice yang digunakan untuk melihat kemiripan antara teks jawaban mahasiswa dengan teks jawaban referensi. Selain itu, nilai pad dan slice juga akan digunakan sebagai input untuk algoritma Support Vector Machine SVM . Untuk melihat pengaruh penambahan persamaan kata pada database sistem penilaian esai otomatis, Simple-O, maka dilakukan enam skenario pengujian terhadap penggunaan persamaan kata untuk kata kunci. Dalam hal ini, kata kunci merupakan kumpulan kata-kata yang dipilih dari jawaban dimana kata-kata tersebut yang mempunyai nilai. Masing-masing skenario memiliki lima variasi jawaban dengan persentase penggunaan persamaan kata pada kata kunci yang berbeda-beda, mulai dari 100 , 80 , 60 , 40 , 20 , dan 0 . Terdapat tiga nilai yang dianalisis untuk melihat tingkat akurasi penilaian oleh sistem penilaian esai otomatis, Simple-O, yakni nilai esai, nilai pad, dan nilai slice. Hasil dari pengujian dan analisis yang telah dilaksanakan adalah: peningkatan rata-rata akurasi penilaian program Simple-O setelah mengalami penambahan persamaan kata sebesar 18 dari 72 menjadi 90 , rata-rata koefisien korelasi antara penilaian oleh human rater dan program Simple-O bernilai 0.85, serta penurunan rata-rata perolehan nilai pad senilai 1.51 dari 32.35 menjadi 30.84 dan nilai slice senilai 1.01 dari 31.85 menjadi 30.84, sehingga mengindikasikan adanya peningkatan akurasi penilaian oleh program Simple-O setelah mengalami penambahan persamaan kata pada database sistem penilaian esai otomatis, Simple-O.

---

Department of Electrical Engineering, University of Indonesia has developed a system based on Latent Semantic Analysis LSA to provide objective assessment of an essay in Bahasa Indonesia. The output data of automated essay grading system with LSA algorithm, Simple O, are pad value, slice value, and the essay rsquo s scores. This thesis will discuss and provide analysis of the influence of synonym importation in automated essay grading system over assessment accuracy. There are pad and slice values, which are used to observe the similarity between students rsquo answers in essay and the reference answers in essay as well. In addition, pad and slice values will also be used as input for Support Vector Machine SVM algorithm. To see the influence and difference of adding word equations into the database of automated essay grading system, Simple O, six testing scenarios are tested against the use of word equations for keywords. In this case, keyword is a collection of selected words from the answers which those words that has a value. Each of the scenario has five answer variations with different percentage of word equations usage on keywords, ranging from 100 , 80 , 60 , 40 , 20 , and 0 . There are three values to be analyzed to see the assessment accuracy level by automated essay grading system, Simple O, they are essay 39 s score, pad values, and slice values. The results of analysis and test that has been done is the average of assessment accuracy of Simple O program after adding word equations increases 18 , from 72 to 90 , the average of correlation coefficient between assessment by human rater and Simple O program is worth 0.85, also the average value of pad decreases 1.51, from 32.35 to 30.84, and the average value of slice decreases 1.01, from 31.85 to 30.84, thus it indicates an improvement of assessment accuracy level results by Simple O program after adding word equations to the database of automated essay grading system, Simple O."