Hasil Pencarian  ::  Simpan CSV :: Kembali

"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 %."

"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 pembelajaran dengan metode kolaboratif saat ini merupakan salah satu aplikasi e-learning yang sedang marak dikembangkan diberbagai lembaga pendidikan tinggi terkemuka di dunia. Karena kemampuannya dalam menjadikan peserta didik sebagai pusat aktifitas dalam proses pembelajaran (student centered learning). Berbagai macam metode telah dikembangkan untuk membuat sistem ini semakin sempurna, salah satunya dengan mengimplementasikan metode STAD (Student Teams-Achievement Division). Penerapan sistem pembelajaran kolaboratif dengan metode STAD membutuhkan beberapa fitur guna mendukung proses pembelajaran. Beberapa fitur yang dikembangkan antara lain adalah fitur pendistribusian bahan ajar dan fitur group tools. Fitur pendistribusian bahan ajar berguna bagi instruktur (dosen) untuk mengirimkan materi ajar kepada peserta didik (mahasiswa). Sedangkan fitur group tools berguna untuk mendukung proses pembelajaran kolaboratif peserta didik (mahasiswa) yang terdiri dari web forum, kirim pesan (e-mail), kirim (posting) artikel, pertukaran files, dan chat board. Beberapa pengujian dilakukan untuk mengetahui kinerja dari fitur-fitur tersebut. Pada fitur pendistribusian bahan ajar dan pertukaran files (group tools) pengujian dilakukan dengan menghitung waktu yang dibutuhkan dalam proses download dengan variasi ukuran file. Sedangkan pada fitur group tools pengujian dilakukan pada fitur kirim artikel. Pengujian pada fitur kirim artikel dilakukan dengan menghitung kecepatan proses SQL query pada database. Melalui pengujian yang dilakukan pada fitur distribusi bahan ajar dan pertukaran files, 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 - 15000 KB adalah 7,99 % pada fitur pendistibusian bahan ajar dan 10,05% pada fitur pertukaran files. Sedangkan pada fitur kirim artikel kecepatan proses query tidak ditentukan oleh banyaknya jumlah kata atau teks."

"Di dalam proses pembelajaran, seorang pengajar tentunya membutuhkan tolak ukur yang mengindikasikan tingkat penyerapan murid-muridnya atas proses belajar mengajar yang terjadi dengan melakukan ujian, baik dengan format pilihan ganda, isian singkat, maupun esai. Dari kesemua format yang ada, ujian esai lah yang dianggap paling mampu merepresentasikan tingkat pemahaman siswanya. Namun ujian esai tersebut memiliki keterbatasan di dalam penilaian ujiannya. Sementara itu. sistem penilaian yang menggunakan komputer sampai saat ini masih terbatas untuk ujian pilihan ganda. Oleh karena itu, pada skripsi ini akan dikembangkan sistem aplikasi penilaian esai otomatis dengan menggunakan metode penilaian Latent Semantic Analysis (LSA) yang berbasis web. Metode LSA dipilih karena dalam menilai ujian hanya menitikberatkan pada kata-kata yang terkandung di dalam tulisan tanpa memperhatikan karakteristik linguistiknya. Di dalam pengembangan sistem ini, program aplikasi sistem dibagi menjadi beberapa modul. Sedangkan untuk pengembangan keamanan sistem, diterapkan aplikasi session dan cookie agar akses ke dalam sistem lebih terkontrol serta teknik enkripsi SHA-1 pada password user agar password seseorang tidak dapat diketahui oleh siapapun. Pengujian kecepatan akses dilakukan pada sistem dengan tujuan untuk melihat tingkat performa dari sistem yang telah dibuat. Pengujian dilakukan dengan memvariasikan panjang jawaban, jumlah kata kunci, dan jumlah soal. Dari hasil pengujian didapatkan bahwa pengaruh jumlah kata kunci dan panjang kalimat jawaban terhadap kecepatan akses sistem adalah antara 4e pangkat -3 - 0,8 ms, sedangkan pertambahan sebuah soal pada satu ujian akan mengakibatkan pertambahan waktu akses sebesar 1 detik. Sedangkan implementasi peningkatan keamanan sistem telah berjalan dengan baik."

"Setiap proses pembelajaran formal memerlukan evaluasi berupa ujian. Ujian dalam bentuk esai merupakan bentuk ujian yang lebih baik dibandingkan dengan metode ujian lainnya. Pada sistem pembelajaran e-learning komputer harus dapat digunakan sebagai alat untuk menyelenggarakan ujian esai atau dengan kata lain komputer harus dapat digunakan sebagai penilai esai secara otomatis (automated essay grading). Telah banyak metode yang dikembangkan sebagai penilai esai otomatis dan salah satunya adalah Latent Semantic Analysis (LSA). Dalam melakukan penilaian esai secara otomatis, metode LSA mempunyai ciri khas hanya mementingkan kata-kata yang terkandung di dalam sebuah teks tanpa memperhatikan karakteristik linguistiknya. Pada LSA, kata-kata direpresentasikan ke dalam sebuah matriks semantik dan kemudian diolah secara matematis menggunakan teknik aljabar linier Singular Value Decomposition (SVD). Pada metode LSA, dapat digunakan 2 cara untuk membandingkan matriks hasil SVD, yaitu normalisasi Frobenius dan Cosinus Alpha. Untuk mengetahui cara mana yang dapat memberikan hasil lebih optimal jika diterapkan pada LSA, maka diperlukan suatu perbandingan unjuk kerja dari keduanya. Skripsi ini merancang, mengimplementasikan, menguji serta menganalisa suatu sistem penilaian esai otomatis dengan metode LSA mempergunakan normalisasi Frobenius dan Cosinus Alpha. Dari hasil pengujian dan analisa yang telah dilakukan, diketahui bahwa metode LSA mempergunakan Cosinus Alpha memberikan unjuk kerja yang lebih baik dibandingkan dengan metode LSA mempergunakan normalisasi Frobenius. Korelasi LSA dengan Cosinus Alpha berkisar antara 0.94 - 0.99 sedangkan korelasi LSA dengan normalisasi Frobenius berada sekitar 0.89 - 0.94. Selain itu juga diketahui bahwa jumlah pemotongan kata berpengaruh terhadap proses SVD pada LSA."

"Sistem penilaian yang dilakukan oleh penilai manusia untuk menilai jawaban essay dalam jumlah besar dirasakan kurang efisien. Hal ini disebabkan karena penilai manusia memiliki keterbatasan fisik yang tidak dapat dihindari. Jika hanya menggunakan satu orang penilai, memang obyektifitas terjaga, namun waktu pemeriksaan menjadi lama. Jika menggunakan banyak orang penilai, waktu dalam memeriksa menjadi cepat, namun obyektifitas tidak terjaga. Oleh karena itu, untuk meningkatkan efisiensi periu dibuat suatu sistem penilaian yang pemeriksaannya cepat dan obyektifitias tetap terjaga. Dalam skripsi ini dilakukan perancangan dan implementasi software penilaian essay otomatis dengan menggunakan salah satu metode penilaian essay otomatis yaitu Latent Semantic Analysis (LSA). Metode ini mengonversi kalimat ke dalam bentuk matriks untuk kemudian dilakukan perhitungan. Perhitungan dilakukan dengan menggunakan Singular Value Decomposition (SVD) dimana matriks didekomposisi menjadi tiga komponen matriks, yaitu dua matriks orthogonal dan satu matriks diagonal singular. Kemudian dilakukan reduksi terhadap matriks diagonal singular-nya sehingga menjadi berdimensi dua, dan transpose matriks untuk salah satu matriks orthogonalnya. Setelah itu dilakukan rekonstruksi matriks awal dengan cara mengalikan kembali tiga komponen matriks yang sudah diolah tersebut. Proses penilaian diambil dari perbandingan normalisasi Frobenius antara matriks jawaban dengan matriks referensi yang sudah direkonstruksi. Pada perancangannya, sistem penilaian essay otomatis ini berupa algoritma yang terbagi menjadi beberapa bagian, diantaranya yaitu program utama, sub program, dan bagian program terperinci diantaranya program konversi jawaban ke matriks, dan program perhitungan SVD. Agar dapat dikembangkan sehingga dapat digunakan melalui jaringan internet, program ini didesain dengan menggunakan aplikasi web. Implementasi dari sistem dilakukan pada sebuah komputer sekaligus merupakan server dan client. Agar sistem dapat berjalan dengan baik, maka diinstal beberapa program diantaranya Apache Server, MySQL Server, PHP, dan Matlab. Untuk menguji performa dari sistem aplikasi ini dilakukan beberapa pengujian. Pengujian dilakukan dengan tujuan untuk mengetahui bagaimana korelasi antara nilai jawaban mahasiswa yang dihasilkan dengan menggunakan metode LSA, dengan nilai jawaban mahasiswa yang dihasilkan oleh human rater. Dari pengujian didapatkan nilai korelasi antara penilaian otomatis yang menggunakan metode LSA dengan penilaian yang dilakukan oleh human rater ialah sebesar 0,86 - 0,96."