Hasil Pencarian  ::  Simpan CSV :: Kembali

"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."

"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."

"Pada togas akhir ini dilakukan perancangan dan implementasi software sistem penilaian essay otomatis. Program aplikasi sistem penilaian essay otomatis ini berfungsi untuk menilai essay secara otomatis dengan menggunakan metode Latent Semantic Analysis atau LSA. Metode Latent Semantic Analysis (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 bans dan kolom matriks. Dengan menggunakan teknik matrik aljabar SVD (Singular Value Decomposition), matrik didekomposisi menjadi tiga komponen matrik, yaitu dua matriks orthogonal dan satu matriks diagonal singular. Proses penilaian diambil dari perbandingan normalisasi Frobenius nilai singular positif atau tidak nol padakomponen diagonal matriks referensi dan matriks jawaban. Selanjutnya sistem penilaian essay otomatis metode LSA ini diaplikasikan pada software berbasis web dengan alasan bahwa perkembangan teknologi intemet telah membuat perbedaan jarak dan waktu menjadi seperti tidak berarti lagi, hal ini tentunya sangat efisien untuk program aplikasi seperti sistem penilaian essay otomatis ini karena yang diuji tidak harus ada di satu tempat dan waktu yang bersamaan, tetapi mereka bisa mengakses dari tempatnya masing-masing. Pada perancangannya sistem penilaian essay otomatis ini berupa algoritma yang terbagi menjadi beberapa bagian, diantaranya yaitu program utama, sub program, dan bagian program terperinci. Dan sistem penilaian essay otomatis ini diimplementasikan pada software berbasis web yang berintegrasi dengan web server sebagai media koneksi, database server sebagai media penyimpanan, dan software matematis sebagai tempat pemprosesan aljabar Singular Value Decomposition yang merupakan metode dari Latent Semantic Analysis atau LSA."

"ABSTRAKLatent Semantic Analysis (LSA) adalah metode yang dapat digunakan untuk membandingkan kesamaan antar teks dengan memanfaatkan representasi kata ke dalam komputasi statistik berdasarkan konteksnya dalam teks tersebut. Pada skripsi ini dirancang sistem yang dapat mendeteksi plagiarisme antara paper bahasa Indonesia dengan paper bahasa Inggris. Sistem dirancang berdasar pada metode LSA, tetapi dengan beberapa modifikasi untuk meningkatkan kecepatan komputasi serta keakuratan program. Metode LSA yang digunakan adalah hasil penelitian yang berasal dari program Simple-O. Dimana, metode ini memiliki keunggulan di waktu proses yang lebih cepat karena mengurangi vector space dalam proses SVD. Beberapa modifikasi dirancang untuk memperoleh hasil yang paling akurat, antara lain menghilangkan stopwords sebelum pemrosesan dan pembentukkan matriks term-document dengan keywords dari paragraf referensi saja. Gabungan dari kedua modifikasi tersebut memberikan hasil yang paling akurat dengan persentase 81,82% sampai dengan 90,91%. Kemudian nilai dari pengujian akan dicek berdasarkan batas mutlak, system ranking, maupun perhitungan distribusi normal untuk menentukan adanya indikasi plagiarisme. Hasil pengecekan plagiarisme paling akurat diperoleh menggunakan perhitungan distribusi normal, dengan persentasi 79,49% sampai dengan 87,81%.

---

ABSTRACTLatent Semantic Analysis (LSA) is a method to find the similarity between two texts using the statistical representation of the words based by its contextual means in each text. The system in this thesis is designed to be able to detect plagiarism between two paper written in different languages, which are Indonesian and English. The system is designed using modified version of LSA which is first developed for Simple-O program. This modified version of LSA excel in fast computation as the effect of vector space reduction in SVD process. Several forms of modification are developed to bring forward the most accurate algorithm for the program, for instances are excluding stopwords from LSA processing and creating term-document matrix using words from reference paragraph only. The algorithm composed using the two modifications produces the best result with 81,82% to 90,91% accuracy. The value obtained from the test will be used to decide if there is an indication of plagiarism between two paragraphs using an absolute threshold, ranking system, or based by normal distribution calculation. The most accurate results are obtained from normal distribution calculation based detection with 79,49% to 87,81% rate of success."

"Pada skripsi ini telah dilakukan modifikasi metode untuk membangun sistem pendeteksian plagiarisme yang disebut dengan LSA atau Latent Semantic Analysis. Metode ini bekerja dengan mengekstrak dan merepresentasikan konteks yang digunakan sebagai sebuah arti kata dengan memanfaatkan komputasi statistik untuk sejumlah korpus yang besar dari teks. Modifikasi yang diterapkan yaitu mengubah panjang definisi dokumen pada Term-Document Matrix serta mengubah metode pengisian matriks pada Term-Document Matrix dari metode frekuensi ke metode biner. Hasil keluaran LSA yang dapat menentukan keakurasian sistem akan bervariasi sebagai akibat modifikasi sistem. Skripsi ini juga akan membahas metode dan alur yang digunakan untuk menganalisa perbedaan hasil keluaran LSA serta menampilkan hasil pengolahan data keluaran LSA yang kemudian akan memberikan nilai keakuratan masing-masing variasi sistem.

---

This thesis has been modified method to build plagiarism detection system called LSA or Latent Semantic Analysi. This method works by extracting and representing context is used as a meaning of the word by using statistical computing to a large corpus of text. Modifications are applied by changing the length of the document definitions Term-Document Matrix and change the method of charging matrix in Term-Document Matrix of frequency to the binary method. The output of the LSA to determine the accuracy of the system will vary as a result of modifications to the system. This thesis will also discuss the methods and flow of used to analyze differences in the output of the LSA as well as displaying the data processing LSA output which will then provide the value of the accuracy of each of the various systems."

"Departemen Teknik Elektro Universitas Indonesia telah mengembangkan suatu sistem berbasis Latent Semantic Analysis (LSA) untuk mendeteksi plagiarisme pada karya tulis berbahasa Indonesia dan Inggris. Data keluaran sistem deteksi plagiarisme berbasis LSA adalah nilai frobenius norm, slice, dan pad. Pada skripsi ini akan menjelaskan serta memberikan analisis pada pengembangan sistem deteksi plagiarisme yang telah ada yaitu dengan menerapkan algoritma Support Vector Machine (SVM). Support Vector Machine (SVM) adalah suatu Learning Algoritm yang bertujuan untuk menemukan suatu hipotesis berupa bidang pemisah (hyperplan) terbaik dari sekumpulan data yang dapat dipisahkan secara linear maupun tidak linear. SVM akan memisahkan data hasil keluaran sistem deteksi plagiat bebasis LSA menjadi dua kelas yaitu "plagiat" dan "tidak plagiat" dengan menggunakan 2 metode yaitu kombinasi data input dan kombinasi data output dengan metode AND. Beberapa modifikasi terhadap imput program dilakukan diantaranya memvariasikan parameter-parameter pembelajaran dan memvariasikan data hasil keluaran program deteksi plagiarisme berbasis LSA. Hasil dari analisis serta pengujian yang telah dilakukan yaitu jika menggunakan parameter serta kombinasi data yang tepat, SVM mampu untuk meningkatkan akurasi sistem dari sistem yang menggunakan metode Learning Vector Quantization (LVQ) pada penelitian sebelumnya hingga menghasilkan akurasi sebesar 63,15% hal ini dilihat jika mempertimbangkan keseimbangan terhadap aspek presisi dan relevansi program sedangkan jika dilihat melalui presentase jumlah data yang berhasil diklasifikasikan dengan tepat, SVM mampu menghasilkan akurasi sebesar 97,04%.

---

Department of Electrical Engineering, University of Indonesia has developed a system based on Latent Semantic Analysis (LSA) to detect plagiarism between two paper written in different languages, which are Indonesian and English. The output data of plagiarism detection system are frobenius norm, slice, and pad. This thesis will explain and provide analysis of the development of plagiarism detection system that already exist by applying Support Vector Machine (SVM) algorithm.

Support Vector Machine (SVM) is a Learning Algorithm that aims to find a best hypothetical form called hyperplan to separated a set of data that can be separated linearly and nonlinearly. SVM will separate output data of plagiarism detection system into two classes, "plagiat" class and "tidak plagiat" class by using two methods: combination of input data method and output data combined with AND method. Some modifications to input program are made, such as variating the parameters of learning and variating the output data of plagiarism detection program.

The results of analysis and test that has been done are: if the system use correct parameters and correct combinations of the data, SVM is able to improve accuracy of the system from the last research that using Learning Vector Quantization (LVQ). The accuracy of SVM is 63,15% if considering the balance of precision and relevance of the program, while when viewed through a percentage of the amount of data that appropriately classified, the accuracy of SVM is 97.04%."

"ABSTRAKPada skripsi ini akan dibahas mengenai pengaruh dari banyak kata dan rasio panjang jawaban yang dimasukkan oleh mahasiswa terhadap keakuratan penilaian yang diperoleh pada SIMPLE-O. Banyak kata dan rasio panjang jawaban yang dimasukkan adalah salah satu faktor tidak langsung yang mempengaruhi keakuratan penilaian. Banyak kata dan rasio panjang jawaban memberikan peluang terjadinya perulangan kata kunci atau kata bobot sehingga mempengaruhi proses penilaian pada sistem. Semakin banyak kata pada jawaban yang dimasukkan, semakin besar kemungkinan terjadinya perulangan kata kunci atau kata bobot sehingga nilai yang dihasilkanpun akan semakin besar. Sementara rasio panjang jawaban mahasiswa terhadap panjang jawaban referensi tidak memberi pengaruh yang besar terhadap keakuratan penilaian SIMPLE-O. Analisis pengaruh banyak jawaban terhadap keakuratan penilaian pada SIMPLE-O dilakukan dengan menggunakan variabel banyak kata yang berbeda-beda. Terdapat 6 variabel yang digunakan sebagai bahan analisis, yaitu variabel banyak kata jawaban 50 kata, 100 kata, 150 kata, 200 kata, dan 300 kata. Korelasi nilai antara SIMPLE-O dan human rater pada variabel 50 kata adalah 0.1351, untuk variabel 100 kata korelasinya adalah 0.3030, untuk variabel 150 kata korelasinya adalah 0.1861, untuk variabel 200 kata korelasinya adalah 0.1189, untuk variabel 250 kata nilai korelasinya berlawanan arah atau bernilai negatif yaitu -0.1555, dan untuk variabel 300 kata nilai korelasinya adalah sebesar -0.2764. Waktu proses pada variabel 50 kata lebih cepat dibandingkan variabel lainnya yaitu sebesar 0.3654606

---

ABSTRACTThis paper will discuss about the influence of words number and answer?s length ratio on essay test to the system accuracy in SIMPLE-O. Words number and answer?s length ratio is one of the undirectly factors that affecting the accuracy of the assessment in SIMPLE-O. Word?s number and answer?s length ratio gives the chance of recurrence keywords or weight that affecting the assessment process on the system. The more words is entered, the greater the chances of recurrence keywords or weights so that the resulting value will be even greater. While answer?s length ratio of students to the answer?s length of the reference does not give a great influence on the accuracy of the system valuation. The analyses were performed using variables of different answer?s words number. There are six variables used for analysis, namely 50 words variable, 100 words variable, 150 words variable, 200 words variable and 300 words variable. Correlation values between SIMPLE-O and human rater on 50 words variable is 0.1351, for the 100 words variable correlation is 0.3030, for the 150 words variable correlation is 0.1861, for the 200 words variable correlation is 0.1189, for the 250 words variable correlation is -0.1555, and for the 300 words scenario correlation is -0.2764. The processing time in the 50 words variable is quicker than other scenarios that is equal to 0.3654606"

"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."

"Sistem penilaian menggunakan komputer yang telah banyak diaplikasikan sampai saat ini masih terbatas pada soal pilihan ganda. Sementara, kemampuan kognitif seorang pelajar penting untuk dinilai dari kemampuannya menjelaskan solusi dari suatu masalah yang dituangkan dalam esai. Pengembangan di bidang penilaian esai mulai banyak dilakukan dan menciptakan teknik-teknik seperti PEG (Project Essay Grader), E-Rater, dan LSA (Latent Semantic Analysis). Metode penilaian yang dipilih untuk mengembangkan sistem penilaian esai otomatis pada skripsi ini adalah LSA yang menyalin dan merepresentasikan kalimat dengan perhitungan matematis. Sistem berbasis LSA mengambil kata dan merepresentasikannya dalam bentuk matriks yang penilaiannya dilakukan dengan teknik aljabar SVD (Singular Value Decomposition). Sistem penilaian esai yang baik diharapkan memiliki fitur feedback yang bisa memberikan informasi pada pelajar mengenai ujian yang diikutinya. Skripsi ini membuat fitur pemberian feedback otomatis pada sistem penilaian esai untuk siswa, sebagai komponen penyempuma penilaian setelah melaksanakan ujian. Fitur ini sangat membantu memberi informasi kategori dan bab mana yang kurang dikuasai dari esai yang ditunjukkan oleh persentase nilai tiap kategori, terutama kategori dan bab yang nilainya paling rendah atau di bawah batas kelulusan. Total waktu yang dibutuhkan siswa untuk mendapatkan feedback secara otomatis (di bawah 1 detik) hanya sepersepuluh dari feedback-on-demand dan jauh lebih singkat lagi dibanding pemberian feedback secara langsung oleh pengajar. Kenaikan nilai yang bisa diharapkan dari pemberian feedback bisa mencapai lebih dari satu poin, misalnya dari B- (B minus) menjadi A- (A minus)."

"Sistem penilaian esai otomatis berbasis Latent Semantic Analysis (LSA), yang menggunakan Bahasa Indonesia memang sedang dikembangkan dalam beberapa tahun kebelakang. Untuk itu, pada skripsi ini akan dipaparkan mengenai salah satu fitur tambahan pada sistem yang akan mendeteksi kalimat pasif pada jawaban mahasiswa. Metode yang akan digunakan pada fitur ini antara lain metode Regular Expression dan metode stemming Arifin-Setiono. Dimana metode Regular Expression akan digunakan untuk mencari kata-kata yang memiliki awalan di-, sedangkan metode stemming akan digunakan untuk mencari kata dasar untuk setiap kata yang memiliki awalan di- pada jawaban, untuk kemudian dibandingkan dengan kata kunci dan kata bobot yang ada pada database jawaban. Korelasi nilai antara SIMPLE-O lama dengan SIMPLE-O baru adalah yaitu sebesar 0.987 untuk soal nomor satu, 0.986 untuk soal nomor dua dan 0.988 untuk soal nomor tiga.

---

Automated essay scoring system based on Latent Semantic Analysis (LSA), which is use for the Indonesian language is being developed within a few years ago. Therefore, in this thesis will be presented one of the additional features on the system that will detect passive sentence from the student answers. The method that will be used in this feature are Regular Expression method and Arifin-Setiono’s stemming method. Where the Regular Expression method will be used to search some words that have the prefix di-, while in the other hand, stemming method will be used to find the basis for every word that has the prefix di- on the answer, and then compare it with the table of kata_kunci and kata_bobot which is exist in the database answer. The correlation value of the old SIMPLE-O with the new SIMPLE-O is 0.987 for the first question, 0.986 for the second question and 0.988 for the third question.

"