Sistem Penilaian Esai Otomatis dengan Metode Latent Semantic Analysis
| Main Author: | Fithri, Yohana |
|---|---|
| Other Authors: | Budiman, M. Andri |
| Format: | Bachelors application/pdf |
| Bahasa: | ind |
| Terbitan: |
Universitas Sumatera Utara
, 2018
|
| Subjects: | |
| Online Access: |
https://repositori.usu.ac.id/handle/123456789/8816 |
Daftar Isi:
- 121402093
- Ujian dalam bentuk esai merupakan salah satu cara untuk mengevaluasi siswa dalam proses belajar. Dengan ujian esai akan mengukur kemampuan siswa dalam mengingat dan mengembangkan gagasan yang dimiliki. Dengan perkembangan teknologi akan mengubah konsep ujian esai yang dilakukan secara online menggunakan sebuah e-learning. Pada penelitian ini dilakukan perancangan sistem antarmuka untuk melaksanakan ujian esai secara online, mulai dari memberikan soal, menjawab pertanyaan hingga pemberian nilai ujian. Sistem akan menilai esai secara otomatis dengan menggunakan metode Latent Semantic Analysis(LSA) yang akan mengukur kedekatan antara kunci jawaban dan jawaban siswa. Sebelum memasuki tahap LSA, jawaban akan diproses melalui pre-processing (cleansing, case folding, tokenisasi, stopword, convert negation, dan stemming). Hasil yang diperoleh dari perbandingan nilai sistem dan nilai dosen menghasilakn akurasi sebesar 83,3%. Penelitian ini diharapkan akan membantu pengajar dalam memeriksa ujian esai.
- Examination in the form of essay test is one of many ways to evaluate a student’s learning process. Essay test has the ability to measure a student’s capability of memory and to develop an idea. With the vast development of Information Technology, essay test is done in more sophisticated way with a platform called e-learning. This research implemented an e-learning interface to conduct essay test, starting from giving out questions, answering it and marking it. The system will generate an automatic mark in the end using the Latent Semantic Analaysis (LSA) method which work by measuring the relevance between the key and the student’s answer. Before entering the LSA phase, the answer will go through pre-processing step which is cleansing, case folding, tokenization, stopword, convert negation and stemming. The result of the system’s implementation compared to teacher’s marking generated an accuracy of 83.3%, hopefully this research will help teachers in making their marking process more efficient.