PERBANDINGAN MODEL GRAPH DAN TERM FREKUENSI PADA SISTEM PENILAIAN JAWABAN ESAI OTOMATIS

• Main Author: Saidah, Ranti (Author)
• Format: Book
• Published: 2016-10-21.
• Subjects: Thesis; NonPeerReviewed
• Online Access: Link Metadata

Summary

Evaluasi pembelajaran merupakan hal yang penting dalam proses pembelajaran. Dengan adanya evaluasi guru atau evaluator dapat memberi nilai dari proses pembelajaran. Dalam penilaian esai evaluator dituntut untuk membaca dan meringkas jawaban dari tiap pertanyaan. Hal tersebut tentu saja menjadi sebuah beban bagi evaluator dalam proses penilaian. Maka dibutuhkanlan sistem penilaian esai otomatis sehingga proses penilaian menjadi lebih efisien. tujuan dari penelitian ini adalah untuk melihat perbandingan dari model graph dan term frekuensi pada penilaian esai otomatis. yang mana dengan model graph dapat membentuk pola kalimat dan penilaian dihitung berdasarkan pola yang terkait sedangkan untuk term frekuensi perhitungan hanya melihat dari frekuensi kata yang muncul lalu dihitung dengan cosine similarity. Adapun platform yang digunakan adalah matlab dengan model waterfall. Dalam pengembangan sistem data yang digunakan adalah data jawaban siswa dan kunci jawaban serta nilai evaluator sebagai pembanding. dari hasil penelitian ini didapatkan hasil selisih akurasi sebesar 25.77% dengan motode term frekuensi yang lebih besar dibandingkan dengan model graph. dan menunjukan bahwa penggunaan model graph lebih cocok untuk soal dengan jawaban yang terjaga sktruktur kalimatnya, sedangkan term frekuensi tidak cocok untuk soal yang terjaga strukturnya sedangkan lebih cocok untuk soal dengan jawaban yang tidak melihat struktur katanya.;---Evaluation of learning is important in the learning process. With the evaluation of the teacher or evaluator may counts the value of the learning process. In the essay grading evaluators are required to read and summarize the answers to each question. It certainly becomes a burden to the evaluators in the assessment process. required automated essay grading system , until grading process more efficient. the purpose of this study is to see a comparison of the model graph and the term frequency on automated essay grading. which is where the graph models can form a sentence patterns and ratings are calculated based on the pattern related to term while only see the calculation frequency of word frequencies are then calculated by the cosine similarity. The platform used is matlab with the waterfall model. In the development of data systems used are student response data and answer key as well as a comparison value evaluator .of the results of this study showed the difference in accuracy of 25.77% with a term motode greater frequency than model graph . and show that the use of the model graph more suitable for questions with answers that maintained structure sentence, while the term frequency is not suited to question awake while the structure is more suitable for the questions with answers that are not looking at the structure.

Item Description

http://repository.upi.edu/26281/1/S_KOM_1200716_Title.pdf
http://repository.upi.edu/26281/1/S_KOM_1200716_Abstract.pdf
http://repository.upi.edu/26281/2/S_KOM_1200716_Chapter1.pdf
http://repository.upi.edu/26281/2/S_KOM_1200716_Table_of_content.pdf
http://repository.upi.edu/26281/3/S_KOM_1200716_Chapter2.pdf
http://repository.upi.edu/26281/4/S_KOM_1200716_Chapter3.pdf
http://repository.upi.edu/26281/6/S_KOM_1200716_Chapter5.pdf
http://repository.upi.edu/26281/5/S_KOM_1200716_Chapter4.pdf
http://repository.upi.edu/26281/7/S_KOM_1200716_Blibliography.pdf
http://repository.upi.edu/26281/8/S_KOM_1200716_Appendix.pdf