Final_Project

Automatic Essay Scoring Bahasa Indonesia Menggunakan Recurrent Neural Netwaork dan Long short Memory

---

Pandemi COVID-19 membawa dampak dan perubahan yang besar dalam dunia
pendidikan. Kegiatan belajar mengajar pada masa pandemi ini dijalankan secara
daring dengan memanfaatkan media teknologi informasi yang ada. Di dalam
kegiatan belajar mengajar ada beberapa kegiatan evaluasi untuk mengukur
pencapaian belajar peserta didik dengan diadakan ujian. Ujian yang dilakukan secara
daring ini biasanya memanfaatkan Google Form sebagai media untuk bertanya dan
mendapatkan jawaban dari para peserta didik. Google Form sangat sering digunakan
karena ada sistem pengecekan otomatis untuk pertanyaan pilihan ganda dan dapat
langsung keluar nilainya. Namun, Google Form ini belum mempunyai sarana untuk
mengecek otomatis terhadap pertanyaan esai yang sering digunakan oleh para
pendidik dalam ujian. Para pendidik diharuskan untuk mengecek satu per satu
jawaban yang dijawab oleh peserta didik sehingga memakan waktu yang lama untuk
mengeceknya. Maka dari itu, penelitian ini ditujukan untuk membuat suatu sistem
penilaian esai otomatis yang dapat digunakan untuk membantu para pendidik dalam
memberikan hasil jawaban ujian dari peserta didik. Jawaban yang terkumpul dari
Google Form akan tertampung pada Google Sheet. Dokumen pada Google Sheet
diunduh menjadi dokumen Excel agar dapat diunggah ke dalam sistem berupa
website yang telah dibuat pada penelitian ini. Para pendidik dapat memasukkan
jawaban esai yang benar ke dalam sistem dan sistem akan mempelajari pola dan
keterkaitannya antara satu kalimat dengan kalimat lain. Proses pemberian nilai
secara otomatis dihasilkan melalui sistem berupa website yang telah dibuat dan
layanan Google Form berfungsi sebagai media mengumpulkan data berupa jawaban
peserta didik. Pembuatan nilai secara otomatis berfokus pada pertanyaan yang
mengandung Asdikamba (5W+1H). Penelitian ini menggunakan metode Recurrent
Neural Network (RNN) dan Long Short Term Memory (LSTM) sebagai arsitektur
yang menganalisis kalimat-kalimat dan dimasukkan ke dalam sistem. LSTM adalah
arsitektur Recurrent Neural Network (RNN) yang spesifik dan dirancang untuk
memodelkan urutan temporal dan dependensi jarak jauhnya secara lebih akurat
daripada RNN konvensional. Hasil dari pembelajaran pola ini nantinya akan
dicocokkan relevansinya dengan jawaban dari para peserta didik sehingga sistem
dapat otomatis memberikan nilai pada jawaban peserta didik. Selain itu, sistem yang
dibangun ini juga dapat mendeteksi plagiasi jawaban yang dilakukan para peserta
didik sehingga dapat membantu para pendidik untuk menemukan tindak kecurangan
dalam ujian. Hasil dari penelitian ini adalah suatu sistem dalam bentuk website yang
dapat memberikan nilai pada jawaban ujian esaisecara otomatis. Pada hasil penelitian
ini mendapat akurasi sebesar 89% dalam memberikan nilai jawaban peserta didik.
Hasil penelitian ini diharapkan dapat membantu para pendidik dalam mengoreksi
jawaban ujian sebagai evaluasi dari kegiatan belajar-mengajar yang dilakukan secara
daring.

---

Ketersediaan

TI 21/021

Referensi

Tersedia

Informasi Detail

Judul Seri

-

No. Panggil

TI 21/021

Penerbit

Jakarta : Universitas Trilogi., 2021

Deskripsi Fisik

-

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

-

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

-

Subjek

-

Info Detail Spesifik

-

Pernyataan Tanggungjawab

-

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar