Hasil Pencarian  ::  Simpan CSV :: Kembali

"Sistem penilaian menggunakan komputer yang telah banyak diaplikasikan sampai saat ini masih terbatas pada soal pilihan ganda. Sementara, kemampuan kognitif seorang pelajar penting untuk dinilai dari kemampuannya menjelaskan solusi dari suatu masalah yang dituangkan dalam esai. Pengembangan di bidang penilaian esai mulai banyak dilakukan dan menciptakan teknik-teknik seperti PEG (Project Essay Grader), E-Rater, dan LSA (Latent Semantic Analysis). Metode penilaian yang dipilih untuk mengembangkan sistem penilaian esai otomatis pada skripsi ini adalah LSA yang menyalin dan merepresentasikan kalimat dengan perhitungan matematis. Sistem berbasis LSA mengambil kata dan merepresentasikannya dalam bentuk matriks yang penilaiannya dilakukan dengan teknik aljabar SVD (Singular Value Decomposition). Sistem penilaian esai yang baik diharapkan memiliki fitur feedback yang bisa memberikan informasi pada pelajar mengenai ujian yang diikutinya. Skripsi ini membuat fitur pemberian feedback otomatis pada sistem penilaian esai untuk siswa, sebagai komponen penyempuma penilaian setelah melaksanakan ujian. Fitur ini sangat membantu memberi informasi kategori dan bab mana yang kurang dikuasai dari esai yang ditunjukkan oleh persentase nilai tiap kategori, terutama kategori dan bab yang nilainya paling rendah atau di bawah batas kelulusan. Total waktu yang dibutuhkan siswa untuk mendapatkan feedback secara otomatis (di bawah 1 detik) hanya sepersepuluh dari feedback-on-demand dan jauh lebih singkat lagi dibanding pemberian feedback secara langsung oleh pengajar. Kenaikan nilai yang bisa diharapkan dari pemberian feedback bisa mencapai lebih dari satu poin, misalnya dari B- (B minus) menjadi A- (A minus)."

"PT. Dutapaima Nusantara (PT. DN) adalah perusahaan yang bergerak di bidang industri agrobisnis khususnya perkebunan kelapa sawit dan perigolahan menjadi minyak. Secara resmi berdiri di Indonesia pada tahun 1987. Dalam menggeluti bisnis ini. PT.DN harus berjuang untuk tetap eksis agar dapat bersaing dengan raja-raja bisnis yang mengincar industri kelapa sawit. Dari hasil diskusi dengan manajer SDM dikemukakan bahwa PT.DN belum memiliki penilaian kinerja yang mampu mengukur kinerja karyawannya dengan baik. Dalam pelaksanaannya subyektifitas atasan sangat berpengaruh. Atasan cenderung hanya melihat hasil atau output yang dihasilkan karyawan. Bila output karyawan buruk maka kinerjanya juga dianggap buruk. Sebaliknya bila output karyawan baik maka kinerjanya dianggap baik. Siapa yang dianggap memiliki kedekatan dengan atasan mempunyai peluang untuk mendapatkan penilaian yang baik. Akibatnya hasil penilaian kinerja dipersepsikan negatif oleh karyawan kerena tidak sesuai dengan keadaan sebenarnya. Untuk itulah, PT.DN merasa perlu untuk melakukan peningkatan terhadap kinerja karyawannya melalui sistem penilaian kinerja yang lebih efektif. Untuk menjawab permasalahan yang ada penulis mencoba mengajukan rancangan penilaian kinerja 360' feedback untuk PT.DN. Dalam penilaian 360' Feedback ini yang akan menjadi penilai tidak hanya atasan tetapi beberapa sumber penilai diantaranya atasan, rekan kerja karyawan itu sendiri, dan konsumen."

"Setiap proses pembelajaran memerlukan suatu evaluasi berupa ujian, begitu pula dengan e- learning. Pada proses e- learning jenis ujian yang banyak digunakan adalah jenis ujian pilihan ganda dan isian singkat. Alasannya adalah kemudahan dalam proses penilaian, komputer yang menjadi komponen penting dalam proses e-learning lebih mudah dalam melakukan penilaian ujian pilihan ganda dan isian singkat secara akurat dibandingkan dengan melakukan penilaian jenis ujian esai. Padahal jenis ujian pilihan ganda dan isian singkat memiliki banyak kekurangan bila dibandingkan dengan jenis ujian esai. Hal inilah yang mendasari dibuatnya sistem penilaian jawaban esai secara otomatis (automated essay grading). Sistem yang dibuat merupakan sistem yang berbasiskan web dengan a lasan kemudahan pengaksesan oleh pihak user dari mana saja dan kapan saja. Dalam hal penilaian metode yang digunakan adalah metode Latent Semantic Analysis (LSA). Metode ini mempunyai ciri khas hanya mementingkan kata-kata kunci yang terkandung dalam sebuah kalimat tanpa memperhatikan karakteristik linguistiknya. Pada LSA, kata-kata direpresentasikan dalam sebuah matriks semantik dan kemudian diolah secara matematis menggunakan teknik aljabar linier Singular Value Decomposition (SVD). Walaupun metode ini relatif sederhana, namun memiliki tingkat korelasi yang cukup tinggi bila dibandingkan dengan penilaian yang dilakukan manusia secara manual. Skripsi ini membahas mengenai kinerja dari sistem penilaian esai otomatis berbasis web dengan menggunakan metode LSA dengan 3 tingkat bobot kata kunci. Pada sistem ini dilakukan pengujian mengenai kecepatan pada waktu memasukkan soal dan jawaban serta pada waktu penghitungan nilai. Pengujian tersebut dilakukan dengan menggunakan bantuan server pada localhost. Pengujian mengenai keakuratan penilaian juga dilakukan dengan cara membandingkan hasil penilaian sistem dengan human rater. Dari hasil pengujian, perbandingan penilaian dengan human rater menunjukkan angka korelasi sebesar 0,777402209 dengan rata-rata selisih nilai untuk setiap soal sebesar 17,36.

---

Each learning process need an evaluation in form like an exam, so also with elearning. In e-learning process type of exam that often used is multiple choice and short essay. The reason is easiness in asssessment process, computer that became important part in e- learning process is easier to grade a multiple choice and short essay exam accurately compared with an essay exam. Whereas multiple choice and short essay exam have many flaw if we compared it with long essay exam. This was the basic idea of automated essay grading.

This system was made based on the web based application, the reason is web based application is easy to be accessed by user anytime from anywhere. Scoring method that is used in this system is Latent Semantic Analysis method (LSA). This method has characteristic to only emphasize keywords in a sentence without paying attention to its linguistic characteristic. In LSA, words is represented in a semantic matrix and then processed mathemathically with Singular Value Decomposition (SVD). Despite of its simpicity, this method have a quite high correlation when compared with assessment of human rater.

Performance of web based automated essay grading system by using LSA method with 3 levels weight of keywords is tested here. Testing concerning speed when entering a question and answer to system and when calculating exam score are conducted in this system. Those testing is conducted by using server in localhost. Testing concerning preciseness of its grading is also carried out by comparing result of system?s grading and human rater. From result of this testing, comparison of system?s grading with human rater showed the correlation figure of 0,777402209 with average difference of score is 17,36 for every question."

"Pada skripsi ini dikembangkan sistem dengan basis bahasa pemrograman Java untuk menilai esai dalam bahasa Indonesia menggunakan algoritma yang lebih efisien dan optimal. Algoritma ini terdiri dari 4 tahap. Pertama adalah Latent Semantic Analysis (LSA) yang digunakan untuk memperoleh dan menyimpulkan hubungan kontekstual dari arti kata suatu teks. Kedua, Single Value Decomposition SVD untuk memperoleh variasi penyebaran dari hubungan tersebut. SVD mengidentifikasi dimana variasi muncul paling banyak, sehingga memungkinkan untuk mencari pendekatan yang terbaik pada data asli menggunakan dimensi yang lebih kecil. Ketiga, Latent Semantic Indexing LSI yaitu metode pengindeksan dan pengambilan untuk mengidentifikasi pola didalam hubungan antara term dan konsep yang dimiliki didalam koleksi teks yang tidak terstruktur sehingga memperoleh vektor yang merepresentasi teks tersebut. Terakhir, Cosine Similarity Measurement CSM untuk memperoleh nilai kemiripan antara teks dengan dokumen referensi. Untuk mengatasi permasalahan tata bahasa dan kosa kata pada esai, dalam karya ini diajukan teknik koreksi otomatis untuk memeriksa kata dalam pustaka kata untuk penyetaraan kata dengan arti yang serupa ataupun kata yang tidak memiliki arti spesifik. Kemudian, algoritma jarak Jaro-Winkler digunakan untuk memeriksa kesalahan kata yang disebabkan secara tidak sengaja. Dengan jarak Jaro-Winkler, kita dapat menentukan apakah 2 buah kata dapat dikatakan serupa. Hal ini sangat penting saat memeriksa dokumen yang berisi kesalahan penulisan, karena dapat mempengaruhi hasil LSA. Dengan sistem ini, nilai yang diperoleh serupa dengan nilai berdasarkan human-rater. Dengan pustaka kata yang terdiri dari 116 kata sinonim dan 2014 kata tugas, akurasi yang dihasilkan adalah 85.082 13.423.

---

In this thesis, a Java based system for grading essays in Indonesian language using a more efficient and optimal algorithm is developed. This algorithm consisted of 4 stage. The first stage is Latent Semantic Analysis LSA , which is used to obtain and conclude the contextual relation of words meaning in a text. The second stage uses Single Value Decomposition SVD to obtain scatter variance from the relations. SVD identifies where variances appear at most, therefore is enabled to find the best approach to the original data using reduced dimensions. The third stage is Latent Semantic Indexing LSI which is an indexing and retrieval method to identifies patterns in relation between terms and concepts contained in unstructured text collection and results with a vector representing the text. The last stage is Cosine Similarity Measurement CSM to obtain similarity value from the text and answer document.

To resolve problems stemmed from grammar and vocabulary, in this work we propose an auto correction technique to check a word from word library for equalization of word with same or no specific meaning. Then, Jaro Winkler distance algorithm is used to check word errors caused by accident when typing. With the distance, we can determine whether two strings of word are similar. This is extremely important when scanning text with typos, as it will affect the result from LSA. Using this system, the value obtained is similar to the value obtained from human rater. With word library consisting of 116 words for synonym check and 204 function words, the resulting accuracy is 85.082 13.423."

"Sistem penilaian esai otomatis kini merupakan salah satu aplikasi e-learning yang sedang marak dikembangkan di berbagai lembaga pendidikan terkemuka di dunia. Sistem penilaian esai otomatis berfungsi untuk meningkatkan efektifitas dan efisiensi dari proses pemeriksaan jawaban esai. Saat ini telah berkembang berbagai metode penilaian esai otomatis. Salah satu metode yang banyak diterapkan adalah Latent Semantic Analysis (LSA). Penerapan ujian online dengan sistem penilaian esai otomatis LSA membutuhkan pengembangan fitur-fitur tertentu untuk mengoptimalkan dan menyempurnakan kinerja sistem secara keseluruhan. Pengembangan yang sangat dibutuhkan adalah penerapan fitur pendistribusian bahan ajar dan fitur feedback penyajian grafik data statistik. Fitur pendistribusian bahan ajar berguna bagi para pengajar (dosen) untuk mengirimkan materi pelajaran kepada peserta ujian (mahasiswa). Sedangkan fitur feedback penyajian grafik data statistik berguna untuk memudahkan dosen dan mahasiswa untuk menganalisis tingkat keberhasilan dalam kelangsungan proses pembelajaran. Beberapa pengujian dilakukan untuk mengetahui perfonna dari kedua fitur tersebut. Pada fitur pendistribusian bahan ajar, pengujian dilakukan dengan menghitung waktu yang dibutuhkan dalam proses download dengan variasi ukuran file. Sedangkan pada fitur feedback penyajian grafik data statistik, pengujian dilakukan dengan menghitung waktu pengaksesan tampilan grafik dengan variasi jumlah mahasiswa yang terdapat pada database. Melalui pengujian yang dilakukan pada fitur pendistribusian bahan ajar, semakin besar ukuran file maka waktu yang dibutuhkan untuk menyelesaikan proses download akan semakin besar. Rata-rata kenaikan waktu yang dibutuhkan untuk men-download file dengan peningkatan tiap 1000 KB dari 1000 KB - 30000 KB adalah 9,74 %. Sedangkan hasil pengujian pada fitur feedback penyajian grafik data statistik menunjukkan bahwa semakin banyak jumlah mahasiswa maka waktu yang dibutuhkan dalam mengakses tampilan grafik akan semakin besar, dengan rata-rata kenaikan kecepatan akses seluruh jenis grafik dari 5 sampai 60 mahasiswa adalah 9,151 %."

"Sistem penilaian manual yang dilakukan manusia untuk memeriksa dan menilai jawaban ujian esei dalam skala besar dirasakan masih kurang efektif dan efisien. Oleh karena itu, perlu dibuat suatu sistem penilaian esei otomatis yang konsisten dan dilakukan secara terpusat sehingga dapat menghemat banyak waktu dan tenaga. Saat ini telah berkembang berbagai metode penilaian esei otomatis. Salah satu metode yang diterapkan adalah metode Latent Semantic Analysis (LSA). Penerapan ujian online dengan sistem penilaian esei otomatis LSA membutuhkan pengembangan fitur-fitur tertentu untuk mengoptimalkan kinerja sistem secara keseluruhan, diantaranya adalah penerapan fitur pendistribusian bahan ajar dengan modul pembelajaran dan fitur feedback evaluasi hasil ujian bagi mahasiswa. Fitur pendistribusian bahan ajar dengan modul pembelajaran memudahkan mahasiswa dalam mempelajari bahan ajar yang diberikan pengajar secara online. Setelah melakukan ujian, fitur feedback evaluasi hasil ujian berguna untuk mengukur kemampuan mahasiswa dalam hal penguasaan keseluruhan materi bahan ajar yang telah diberikan dosen selama proses pembelajaran. Beberapa pengujian dilakukan untuk mengetahui kinerja dari kedua fitur tersebut. Pada fitur pendistribusian bahan ajar dengan modul pembelajaran, pengujian dilakukan dengan menghitung waktu yang dibutuhkan untuk mengakses modul pembelajaran dengan variasi ukuran file modul. Melalui pengujian yang dilakukan, semakin besar ukuran file maka waktu yang dibutuhkan untuk mengakses modul akan semakin besar. Rata-rata kenaikan waktu yang dibutuhkan untuk mengakses modul pembelajaran dengan peningkatan tiap 50 KB dari ukuran file 50 - 1000 KB adalah sebesar 47,36 %. Sedangkan pada fitur feedback evaluasi hasil ujian bagi mahasiswa, pengujian dilakukan dengan menghitung waktu pengaksesan tampilan feedback dengan variasi jumlah jawaban ujian mahasiswa. Hasil pengujian menunjukkan bahwa semakin banyak jumlah jawaban ujian maka waktu yang dibutuhkan untuk mengakses tampilan feedback akan semakin besar. Rata-rata kenaikan waktu yang dibutuhkan untuk mengakses tampilan feedback dari 3 sampai 30 jawaban ujian mahasiswa adalah sebesar 1,95 %."

"Dalam suatu ujian, terutama di tingkat universitas, terdapat berbagai macam bentuk soal yang harus dikerjakan oleh mahasiswa. Salah satu bentuk yang banyak digunakan adalah ujian berupa esai. Namun ketika jawaban sudah terkumpul, terdapat kendala yang dihadapi oleh dosen, yaitu melakukan penilaian esai yang banyak memakan waktu dan tenaga. Oleh karena itu, dikembangkanlah suatu sistem untuk membantu pekerjaan dosen tersebut.Simple O merupakan sistem yang dikembangkan di Departemen Teknik Elektro Universitas Indonesia. Mulai dikembangkan pada tahun 2007, Simple O merupakan suatu sistem yang dapat melakukan penilaian terhadap perkerjaan mahasiswa yang bersifat esai. Tujuan dari diciptakannya sistem ini adalah untuk membantu dosen dalam melakukan penilaian terhadap ujian yang telah dilakukan mahasiswa.Simple O menggunakan algoritma Latent Semantic Analysis (LSA) ketika pertama kali dikembangkan. Kemudian sistem tersebut dikembangkan hingga menjadi algoritma Generalized Latent Semantic Analysis (GLSA) dan pada akhirnya dikembangkan algoritma Hybrid.

---

On some tests, especially in university, there are lots of types of questions that must be done by the students. One of them is essay. But when the answers are collected, there is a problem that is faced by the lecturer, the amount of time and energy that need to use by them. Because of that, people developped a system that can help the lecturer.

Simple O is a system that is developped in Electrical Engineering Department, University of Indonesia. The development was started in 2007, and it is a system that can grade the work of the students, in the form of essay. The purpose of the invention of this system is to help the lecturer in giving grades to the tests that have been done by the students.

Simple O uses LSA algorithm when the first time of its development. Then the system has been developped into Generalized Latent Semantic Analysis (GLSA) and finally it becomes Hybrid algorithm."