Automatic Question Generation System (Sistem Pembangkit Pertanyaan Otomatis) Berdasarkan Pertanyaan ‘Non-factoid’ (Study Kasus Mata Pelajaran Biologi)
| Main Author: | BARAAS, AHMAD |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2016
|
| Subjects: | |
| Online Access: |
http://eprints.umm.ac.id/34458/1/jiptummpp-gdl-adityazuli-45859-1-pendahul-n.pdf http://eprints.umm.ac.id/34458/2/jiptummpp-gdl-adityazuli-45859-2-001_bab_-g.pdf http://eprints.umm.ac.id/34458/ |
Daftar Isi:
- Keyword : Sistem Question Generation, naive bayes classifier. Template-based, rule –based, NLP. Fokus dari penelitian ini adalah untuk membangun sistem Question Generation (QG) Bahasa Indonesia otomatis dari teks biologi khususnya mata pelajaran biologi tingkat SMP dengan berdasar pada pertanyaan yang bersifat non-factoid. Adapun sistem QG terdiri dari empat proses utama yaitu ekstraksi dokumen, klasifikasi kalimat, chunk labeling, dan pembangkitan pertanyaan. Proses ekstraksi dokumen merupakan proses mengubah dokumen yang di inputkan menjadi teks. Dalam proses klasifikasi kalimat pada penelitian ini menggunakan metode naive bayes atau dikenal naive bayes classifier (NBC). Pengklasifikasian bertujuan untuk menentukan kategori pertanyaan yang akan dibangkitkan. Setelah proses klasifikasi, memasuki tahap chunk labeling yaitu memberikan label pada kata-kata yang saling terkait atau disebut frase. Tahap terakhir ialah pembangkitan pertanyaan dengan menggunakan metode template-based dan rule-based. Hasil pengujian menunjukkan bahwa metode naive bayes dapat digunakan secara efektif untuk mengklasifikasikan kalimat biologi. Hal ini terlihat dari hasil pengujian, yaitu dengan porsi data training yang kecil nilai akurasinya mencapai 80%. Dengan menggunakan satu dokumen sub-bab mata pelajaran biologi, diperoleh nilai precision = 0.77, recall = 0.77, dan F-measure = 0.769. Serta untuk hasil pengujian dengan membandingkan hasil pertanyaan dari responden dengan sistem, diperoleh nilai precision = 0.64, recall = 0.66, dan F-measure = 0.768.