001 Hak Akses (open/membership)membership
700 Entri Tambahan Nama OrangAnak Agung Putri Ratna, supervisor; Prima Dewi Purnamasari, examiner; Muhammad Salman, examiner; Mia Rizkinia, examiner
336 Content Typetext (rdacontent)
264b Nama PenerbitFakultas Teknik Universitas Indonesia
710 Entri Tambahan Badan KorporasiUniversitas Indonesia. Fakultas Teknik
049 No. Barkod15-25-06523214
504 Catatan Bibliografipages 54-56
852 LokasiPerpustakaan UI
338 Carrier Typeonline resource (rdacarrier)
590 Cat. Sumber Pengadaan KoleksiDeposit;Deposit
903 Stock Opname
534 Catatan Versi Asli
Tahun Buka Akses2021
053 No. Induk15-25-06523214
653 Kata Kunciclustering; latent semantic analysis (LSA); morphological analysis; simple-O; unsupervised machine learning
040 Sumber PengataloganLibUI ind rda
245 Judul UtamaPengembangan Sistem Penilai Esai Otomatis (Simple-O) Bahasa Jepang Menggunakan Unsupervised Machine Learning, Latent Semantic Analysis (LSA), dan Analisis Morfologi = The Development of Automated Essay Grading (SIMPLE-O) for Japanese Language Using Unsupervised Machine Learning, Latent Semantic Analysis (LSA), and Morphological Analysis
264c Tahun Terbit2021
650 Subyek TopikMachine learning, Latent semantic indexing
850 Lembaga PemilikUniversitas Indonesia
520 Ringkasan/Abstrak/IntisariSistem penilai otomatis SIMPLE-O untuk bahasa Jepang telah diteliti selama beberapa tahun belakangan. Namun, penilaian yang dilakukan belum mencakup nilai morfologis, padahal morfologi merupakan hal yang penting dalam ujian sastra. Penelitian ini melakukan clustering pada 215 jawaban mahasiswa dan mengelompokkannya ke 6 cluster berdasarkan topiknya. Berdasarkan hasil, didapatkan bahwa K-means clustering mengelompokkan dengan lebih baik dibanding hierarchical agglomerative clustering (HAC), terutama dengan penambahan Romanisasi. K-means clustering dengan Romansasi menunjukkan 96.5% precision dan 96% recall, sementara HAC memiliki 95% precision dan 93.7% recall. Pada proses penilaian, jawaban dinilai pertopik atau nomor soal dan dicari rasio antara nilai yang didapat dari LSA dengan nilai morfologi dengan akurasi tertinggi. LSA memiliki rata-rata akurasi 79.92%. Penambahan analisis morfologi pada nilai akhir mendapatkan akurasi tertinggi sebesar 78.77% dengan bobot 10% nilai morfologi dan 90% nilai LSA. ......The research on automated grading system SIMPLE-O for Japanese language has been done for a few years. However, in the grading system, there is still no means to grade the morphological component even though it is an important part of language test. This research groups 215 student answers to 6 cluster according to the topics. According to the results, K-means clustering performs better than hierarchical agglomerative clustering (HAC) especially with Romanization. K-means clustering with Romanization shows 96.5% precision and 96% recall while HAC has 95% precision and 93.7% recall. For the grading prosess, the answers will be scored by its topic or question number and the ratio between similarity measurement score and morphological score with the highest accuracy will be selected. LSA has the average accuracy of 79.92%. With the addition of morphological analysis on the final score, the highest average accuracy of 78.77% is selected with the ratio of 10% morphological score and 90% LSA score.
904b Pemeriksa Lembar KerjaAmiarsih Indah Purwiati-Juli 2025
090 No. Panggil SetempatT-pdf
d-Entri Utama Nama Orang
500 Catatan UmumTidak dapat diakses di UIANA, karena: akan ditulis dalam bahasa Inggris dan dipresentasikan sebagai makalah pada Seminar Internasional yaitu
d-Entri Tambahan Nama Orang
337 Media Typecomputer (rdamedia)
526 Catatan Informasi Program StudiTeknik Elektro
100 Entri Utama Nama OrangDyah Lalita Luhurkinanti, author
264a Kota TerbitDepok
300 Deskripsi Fisikxiv, 56 pages : illustration + appendix
904a Pengisi Lembar KerjaAmiarsih Indah Purwiati-Juli 2025
Akses Naskah Ringkas
856 Akses dan Lokasi Elektronik
502 Catatan Jenis KaryaTesis
041 Kode Bahasaind