AUTOMATIC QUESTION GENERATION JENIS SUMMARY COMPLETION UNTUK CALON PARTISIPAN IELTS MENGGUNAKAN METODE NATURAL LANGUAGE PROCESSING DAN DEEP LEARNING

• Main Author: Muhammad Rizky Ferlanda, - (Author)
• Format: Book
• Published: 2022-08.
• Subjects: Thesis; NonPeerReviewed
• Online Access: Link Metadata
• Notes: http://repository.upi.edu/78921/1/S_KOM_1801121_Title.pdf; http://repository.upi.edu/78921/2/S_KOM_1801121_Chapter1.pdf; http://repository.upi.edu/78921/3/S_KOM_1801121_Chapter2.pdf; http://repository.upi.edu/78921/4/S_KOM_1801121_Chapter3.pdf; http://repository.upi.edu/78921/5/S_KOM_1801121_Chapter4.pdf; http://repository.upi.edu/78921/6/S_KOM_1801121_Chapter5.pdf; http://repository.upi.edu/78921/7/S_KOM_1801121_Appendix.pdf
• Keywords: QA75 Electronic computers. Computer science; T Technology (General)

International English Language Testing System atau yang biasa dikenal dengan IELTS merupakan salah satu bentuk tes atau evaluasi terhadap kecakapan berbahasa Inggris seseorang. IELTS banyak digunakan di seluruh dunia dan memainkan peran penting dalam kehidupan banyak orang karena sering digunakan untuk membuat keputusan penting seperti penerimaan siswa di universitas. Oleh karena itu, prosedur penilaian tes skala besar tersebut perlu ditangani secara teratur untuk memastikan bahwa mereka memenuhi standar profesional dan untuk berkontribusi pada pengembangan lebih lanjut. Namun, terdapat masalah yang muncul ketika soal-soal IELTS yang lampau tidak tersedia secara bebas sehingga para calon partisipan IELTS harus belajar secara terbatas dari buku-buku persiapan IELTS yang tersedia. Sehingga, penelitian ini dibuat dengan tujuan untuk membuat sistem yang dapat menghasilkan soal jenis summary completion pada IELTS dengan memanfaatkan situs berita media asing seperti Foxnews, The Guardian, BBC News, Al-Jazeera, dan CNBC. Tahapan besar dalam penelitian ini adalah melakukan scraping dari artikel berita, lalu melakukan proses summarization, pemilihan kata kandidat untuk dijadikan soal menggunakan BNC Kilgariff List, penentuan kandidat jawaban dan pengecoh menggunakan WordNet, Hunspell, dan model deep learning, serta transformasi kata sesuai part of speech menggunakan Nodebox Linguistic Extended. Penelitian ini berhasil menghasilkan soal-soal yang dinilai menurut expert memiliki nilai answer existence 79%, difficulty index 66%, distractor quality sebesar 81%, dan summary quality sebesar 79%.