Hasil Pencarian  ::  Simpan CSV :: Kembali

"Simple-O merupakan sebuah sistem penilaian esai otomatis (essay grading) yang meggunakan metode Latent Semantic Analysis (LSA). Prinsip kerja sistem ini adalah dengan melakukan konversi jawaban ke dalam bentuk matriks yang kemudian secara statistik dan matematis dihitung intensitas atau frekuensi keberadaan kata. Metode LSA mengaplikasikan teori Singular Value Decomposition (SVD), yaitu teknik yang digunakan untuk melakukan estimasi terhadap rank dan matriks. Melalui SVD akan dilakukan peleburan atau reduksi dari matriks berukuran besar menjadi matriks kecil. Kemiripian antara kalimat dihitung dengan melakukan penghitungan nilai kosinus dari sudut atau membandingkan norma sudut Frobenius antara dua vector. Pada skripsi ini, ditambahkan program pengenalan kata frasa dan negasi dari sistem Simple-O sebelumnya yang kemudian dibandingkan dengan penilaian secara manual (human raters). Untuk menghitung nilai korelasi antar sistem dan human raters, maka digunakan teknik penghitung korelasi Pearson Product Moment. Nilai korelasi yang didapatkan antara sistem baru dan manual adalah 0.53155.

---

Simple-O is an automated essay scoring system (essay grading) that applies Latent Semantic Analysis (LSA) method. The working principle of this system is by converting the answers into the form of a matrix which is then statistically and mathematically calculated the intensity or frequency of the existence of the word. LSA method applying Singular Value Decomposition theory (SVD), which is a technique used to estimate the rank and matrix. SVD will be done through reduction of a large matrix into smaller matrices. The similarity between the sentence is calculated by calculating the value of the cosine of the angle or comparing Frobenius angles norm between two vectors. In this paper, the program added phrases and negation words identification of Simple-O system and will be compared with Original Simple-O and human raters. To calculate the value of the correlation between the system and human raters, we used the technique Pearson Product Moment. Correlation values obtained between the new system and the manual at about 0.53155"

"Pada skripsi ini telah dilakukan pengujian variasi kata kunci dalam jawaban mahasiswa yang mempengaruhi keakuratan nilai dari penggunaan program SIMPLE-O. Dengan adanya jawaban mahasiswa dalam berbagai variasi maka dapat dilihat pengaruh kata kunci dalam proses penilaian sistem. Kata kunci merupakan kumpulan kata-kata yang dipilih dari jawaban dimana kata-kata tersebut yang mempunyai nilai. Selain itu, terdapat kata bobot yang merupakan kumpulan dari kata kunci yang mempunyai bobot nilai lebih tinggi. Semakin banyak kata kunci yang dimasukkan, maka semakin besar keakuratan nilai pada sistem. Terdapat enam skenario yang digunakan sebagai bahan analisis.Korelasi waktu penggunaan sistem saat program dimasukkan ke dalam cloud computing berbeda dengan penggunaan sistem saja. Waktu proses penilaian yang dihasilkan oleh sistem lebih cepat dibandingkan waktu proses penilaian saat sistem berada dimasukkan ke dalam cloud computing. Nilai korelasi yang baik adalah nilai korelasi yang mendekati satu. Waktu korelasi yang paling baik pada pengujian skenario pada sistem sebesar 0.97. Sedangkan nilai korelasi pada pengujian skenario pada sistem sebesar 0.22.

---

In this thesis will discuss some keyword variation affects the accuracy of the students in the program use SIMPLE-O. With the variety of answer?s student in large amounts it can be seen how keywords in the process of the assessment system. Keywords is a collection of selected words from the answers which those words that has a value. In addition, there is the word weight is a collection of keywords that have a higher weight value. Increasingly many keywords entered, the greater accuracy in the system. There are six scenarios used for analysis.

Correlation time when using system in cloud computing has different than using simply system. Time processing in system make a better value than using simply system in cloud computing. Correlation value has a good value when the correlation closed with one. Correlation time in scenario system is 0.97. Whereas correltion value in scenario system is 0.22."

"ABSTRAKDalam penelitian ini, Sistem Penilaian Esai Ototmatis (Simple-O) dirancang menggunakan algoritma Latents Semantic Analysis (LSA), Term Frequency-Inverse Document Frequency, dan algoritma Support Vector Machine (SVM). Algoritma LSA digunakan untuk mengolah kata-kata yang merepresentasikan kata-kata dalam teks menjadi matriks. Algoritme SVM digunakan untuk mengklasifikasikan esai jawaban siswa berdasarkan topiknya. TF-IDF digunakan untuk menimbang setiap kata dalam teks yang akan menjadi input SVM. Dari penelitian ini ketepatan penggunaan jawaban dosen sebagai jawaban referensi adalah 72,01% dan ketepatan penggunaan kata kunci sebagai jawaban referensi adalah 69,5%.

---

ABSTRACTIn this study, the Automatic Essay Assessment System (Simple-O) was designed using the Latents Semantic Analysis (LSA) algorithm, Term Frequency-Inverse Document Frequency, and the Support Vector Machine (SVM) algorithm. The LSA algorithm is used to process words that represent words in the text into a matrix. The SVM algorithm is used to classify student essays based on their topic. TF-IDF is used to weigh each word in the text that will become SVM input. From this research, the accuracy of using lecturers' answers as reference answers was 72.01% and the accuracy of using keywords as reference answers was 69.5%."

"ABSTRAKPada skripsi ini akan dibahas mengenai pengaruh dari banyak kata dan rasio panjang jawaban yang dimasukkan oleh mahasiswa terhadap keakuratan penilaian yang diperoleh pada SIMPLE-O. Banyak kata dan rasio panjang jawaban yang dimasukkan adalah salah satu faktor tidak langsung yang mempengaruhi keakuratan penilaian. Banyak kata dan rasio panjang jawaban memberikan peluang terjadinya perulangan kata kunci atau kata bobot sehingga mempengaruhi proses penilaian pada sistem. Semakin banyak kata pada jawaban yang dimasukkan, semakin besar kemungkinan terjadinya perulangan kata kunci atau kata bobot sehingga nilai yang dihasilkanpun akan semakin besar. Sementara rasio panjang jawaban mahasiswa terhadap panjang jawaban referensi tidak memberi pengaruh yang besar terhadap keakuratan penilaian SIMPLE-O. Analisis pengaruh banyak jawaban terhadap keakuratan penilaian pada SIMPLE-O dilakukan dengan menggunakan variabel banyak kata yang berbeda-beda. Terdapat 6 variabel yang digunakan sebagai bahan analisis, yaitu variabel banyak kata jawaban 50 kata, 100 kata, 150 kata, 200 kata, dan 300 kata. Korelasi nilai antara SIMPLE-O dan human rater pada variabel 50 kata adalah 0.1351, untuk variabel 100 kata korelasinya adalah 0.3030, untuk variabel 150 kata korelasinya adalah 0.1861, untuk variabel 200 kata korelasinya adalah 0.1189, untuk variabel 250 kata nilai korelasinya berlawanan arah atau bernilai negatif yaitu -0.1555, dan untuk variabel 300 kata nilai korelasinya adalah sebesar -0.2764. Waktu proses pada variabel 50 kata lebih cepat dibandingkan variabel lainnya yaitu sebesar 0.3654606

---

ABSTRACTThis paper will discuss about the influence of words number and answer?s length ratio on essay test to the system accuracy in SIMPLE-O. Words number and answer?s length ratio is one of the undirectly factors that affecting the accuracy of the assessment in SIMPLE-O. Word?s number and answer?s length ratio gives the chance of recurrence keywords or weight that affecting the assessment process on the system. The more words is entered, the greater the chances of recurrence keywords or weights so that the resulting value will be even greater. While answer?s length ratio of students to the answer?s length of the reference does not give a great influence on the accuracy of the system valuation. The analyses were performed using variables of different answer?s words number. There are six variables used for analysis, namely 50 words variable, 100 words variable, 150 words variable, 200 words variable and 300 words variable. Correlation values between SIMPLE-O and human rater on 50 words variable is 0.1351, for the 100 words variable correlation is 0.3030, for the 150 words variable correlation is 0.1861, for the 200 words variable correlation is 0.1189, for the 250 words variable correlation is -0.1555, and for the 300 words scenario correlation is -0.2764. The processing time in the 50 words variable is quicker than other scenarios that is equal to 0.3654606"

"Departemen Teknik Elektro Universitas Indonesia telah mengembangkan suatu sistem berbasis Latent Semantic Analysis LSA untuk memberikan penilaian secara objektif terhadap esai berbahasa Indonesia. Data keluaran sistem penilaian esai otomatis, Simple-O, berbasis LSA adalah nilai slice, nilai pad, dan nilai esai tersebut. Skripsi ini akan membahas serta memberikan analisis terkait pengaruh penambahan persamaan kata pada sistem penilaian esai otomatis terhadap keakuratan penilaian. Terdapat nilai pad dan slice yang digunakan untuk melihat kemiripan antara teks jawaban mahasiswa dengan teks jawaban referensi. Selain itu, nilai pad dan slice juga akan digunakan sebagai input untuk algoritma Support Vector Machine SVM . Untuk melihat pengaruh penambahan persamaan kata pada database sistem penilaian esai otomatis, Simple-O, maka dilakukan enam skenario pengujian terhadap penggunaan persamaan kata untuk kata kunci. Dalam hal ini, kata kunci merupakan kumpulan kata-kata yang dipilih dari jawaban dimana kata-kata tersebut yang mempunyai nilai. Masing-masing skenario memiliki lima variasi jawaban dengan persentase penggunaan persamaan kata pada kata kunci yang berbeda-beda, mulai dari 100 , 80 , 60 , 40 , 20 , dan 0 . Terdapat tiga nilai yang dianalisis untuk melihat tingkat akurasi penilaian oleh sistem penilaian esai otomatis, Simple-O, yakni nilai esai, nilai pad, dan nilai slice. Hasil dari pengujian dan analisis yang telah dilaksanakan adalah: peningkatan rata-rata akurasi penilaian program Simple-O setelah mengalami penambahan persamaan kata sebesar 18 dari 72 menjadi 90 , rata-rata koefisien korelasi antara penilaian oleh human rater dan program Simple-O bernilai 0.85, serta penurunan rata-rata perolehan nilai pad senilai 1.51 dari 32.35 menjadi 30.84 dan nilai slice senilai 1.01 dari 31.85 menjadi 30.84, sehingga mengindikasikan adanya peningkatan akurasi penilaian oleh program Simple-O setelah mengalami penambahan persamaan kata pada database sistem penilaian esai otomatis, Simple-O.

---

Department of Electrical Engineering, University of Indonesia has developed a system based on Latent Semantic Analysis LSA to provide objective assessment of an essay in Bahasa Indonesia. The output data of automated essay grading system with LSA algorithm, Simple O, are pad value, slice value, and the essay rsquo s scores. This thesis will discuss and provide analysis of the influence of synonym importation in automated essay grading system over assessment accuracy. There are pad and slice values, which are used to observe the similarity between students rsquo answers in essay and the reference answers in essay as well. In addition, pad and slice values will also be used as input for Support Vector Machine SVM algorithm. To see the influence and difference of adding word equations into the database of automated essay grading system, Simple O, six testing scenarios are tested against the use of word equations for keywords. In this case, keyword is a collection of selected words from the answers which those words that has a value. Each of the scenario has five answer variations with different percentage of word equations usage on keywords, ranging from 100 , 80 , 60 , 40 , 20 , and 0 . There are three values to be analyzed to see the assessment accuracy level by automated essay grading system, Simple O, they are essay 39 s score, pad values, and slice values. The results of analysis and test that has been done is the average of assessment accuracy of Simple O program after adding word equations increases 18 , from 72 to 90 , the average of correlation coefficient between assessment by human rater and Simple O program is worth 0.85, also the average value of pad decreases 1.51, from 32.35 to 30.84, and the average value of slice decreases 1.01, from 31.85 to 30.84, thus it indicates an improvement of assessment accuracy level results by Simple O program after adding word equations to the database of automated essay grading system, Simple O."

"ABSTRAKDepartemen Teknik Elektro Fakultas Teknik Universitas Indonesia telah mengembangkan sistem penilaian esai otomatis (SIMPLE-O) untuk ujian bahasa Jepang. Skripsi kali ini akan membahas pengembangan SIMPLE-O dalammengoreksi ujian bahasa Jepang dengan menggunakan metode N-Gram dan Latent Semantic Analysis (LSA) dan bahasa pemrograman Python dengan tujuan untuk mencapai nilai akurasi yang maksimal. N-Gram digunakan untuk mengoreksi pola kalimat data yang diuji dengan referensi, serta LSA dan Frobenius Norm untuk pemrosesan teks dan pemeriksaan kesamaan teks. Dari pengujian yang telah dilakukan, SIMPLE-O dengan N-Gram dapat mencapai rata-rata akurasi sebesar88,09%.

---

ABSTRACTDepartment of Electrical Engineering, Faculty of Engineering, University of Indonesia has developed a system to grade Japanese examination essay automatically. This thesis will discuss about the development of SIMPLE-O in grading Japanese examination essays using N-Gram and Latent Semantic Analysis (LSA) using Python programming languageto reach the maximum accuracy level. N-Gram is used to score the answer based on the words and the pattern of the sentence of key answer. LSA and Frobenius Norm are used toprocess the text and to check the similarity of both text. From the test that has been done, SIMPLE-O using N-GramandLSAis able to obtain an average rate of accuracy of 88,09%."

"Electronic learning (e-learning) merupakan cara pengajaran baru dalam dunia pendidikan dengan memanfaatkan teknologi informasi. Salah satu contoh e-learning yaitu penggunaan internet sebagai sarana pengujian kemampuan pelajar dan mahasiswa berupa ujian dengan metode pilihan ganda dan esai. Agar ujian esai dinilai secara otomatis, di Indonesia, sedang dikembangkan sistem penilaian esai otomatis dalam bahasa Indonesia dengan menggunakan sistem LSA (Latent Semantic Analysis). Pada tulisan ini akan dipaparkan mengenai salah satu fitur sistem penilaian esai otomatis yaitu dalam pendeteksian kata frase pada kalimat yang terdapat pada esai. Terdapat empat jenis frase yang akan diidentifikasi. Keempat jenis frase yang dapat diidentifikasi yaitu frase direktif, frase nondirektif, frase ajektival, dan frase nominal. Selain itu, akan menunjukkan perbedaan nilai dan waktu dari esai tanpa pengidentifikasian frase dan dengan pengidentifikasian frase. Keakurasian pendeteksian frase dalam pengujian sebesar 90 %.

---

Electronic learning (e-learning) is a new teaching method in educational that using IT. One of the e-learning models is using internet as student capability’s research tool that is exam with multiple choice and essay choices. For automatic grading purpose, in Indonesia, is developing automatic essay grader system using LSA (Latent Semantic Analysis) system. This paper will explain about one of automatic essay grader system features which is phrase detection in a sentences on essay. There are four kinds of phrase, they are directive phrase, nondirective phrase, adjective phrase, and nominal phrase.Other than that, this paper will show the score and time differences from essay with phrase identification or without phrase identification. The accuration of this phrase identification on testing is about 90%."

"Sistem penilaian esai otomatis berbasis Latent Semantic Analysis (LSA), yang menggunakan Bahasa Indonesia memang sedang dikembangkan dalam beberapa tahun kebelakang. Untuk itu, pada skripsi ini akan dipaparkan mengenai salah satu fitur tambahan pada sistem yang akan mendeteksi kalimat pasif pada jawaban mahasiswa. Metode yang akan digunakan pada fitur ini antara lain metode Regular Expression dan metode stemming Arifin-Setiono. Dimana metode Regular Expression akan digunakan untuk mencari kata-kata yang memiliki awalan di-, sedangkan metode stemming akan digunakan untuk mencari kata dasar untuk setiap kata yang memiliki awalan di- pada jawaban, untuk kemudian dibandingkan dengan kata kunci dan kata bobot yang ada pada database jawaban. Korelasi nilai antara SIMPLE-O lama dengan SIMPLE-O baru adalah yaitu sebesar 0.987 untuk soal nomor satu, 0.986 untuk soal nomor dua dan 0.988 untuk soal nomor tiga.

---

Automated essay scoring system based on Latent Semantic Analysis (LSA), which is use for the Indonesian language is being developed within a few years ago. Therefore, in this thesis will be presented one of the additional features on the system that will detect passive sentence from the student answers. The method that will be used in this feature are Regular Expression method and Arifin-Setiono’s stemming method. Where the Regular Expression method will be used to search some words that have the prefix di-, while in the other hand, stemming method will be used to find the basis for every word that has the prefix di- on the answer, and then compare it with the table of kata_kunci and kata_bobot which is exist in the database answer. The correlation value of the old SIMPLE-O with the new SIMPLE-O is 0.987 for the first question, 0.986 for the second question and 0.988 for the third question.

"

"Di Indonesia yang mayoritas karya tulis di dunia akademiknya masih menggunakan bahasa Indonesia dan referensi yang digunakan mayoritas berbahasa Inggris, memudahkan terjadinya tindak plagiarisme daripada penggunaan bahasa yang sama. Departemen Teknik Elektro telah mengembangkan sistem pendeteksi plagiarisme dwibahasa berbasis Latent Semantic Analysis LSA . Lamanya eksekusi, membuat paralelisme menjadi solusi untuk mengurangi waktu eksekusi dari sistem. Pada penelitian ini dilakukan pengembangan dengan pemrosesan paralel terhadap sistem dengan menggunakan OpenMP. Proses yang diparalelkan adalah, yaitu Singular Value Decomposition SVD, operasi-operasi matriks, dan proses Learning Vector Quantization LVQ dengan melakukan pada pendekatan loop-loop-nya. Pada pengujian yang dilakukan, akurasi dari proses paralel memiliki konsistensi yang baik karena hasil yang sama dengan proses serial dan didapatkan peningkatan kecepatan eksekusi sistem sebesar 4-7,9 . Dengan fenomena pemrosesan paralel dengan menggunakan 1 thread memiliki waktu eksekusi yang lebih lambat daripada proses serial. Sedangkan saat menggunakan 2 thread dan 4 thread, didapatkan hasil yang lebih cepat daripada proses serial meskipun penggunaan 4 thread hanya berbeda sedikit atau cenderung sama dengan 2 thread. Hal ini disebabkan adanya overhead OpenMP yang terjadi saat pemrosesan paralel berjalan sebesar 20 , dan overhead MySQL yang membuat proses menjadi sangat lama karena besarnya yang mencapai 70 saat proses serial dan 50 pada proses paralel.

---

Majority of academic environment in Indonesia is still using Indonesian language and its references are in English. This condition led to ease the plagiarism acts when compared to same language environment. Due to this problem, Department of Electrical Engineering has developed bilingual plagiarism detection system based on Latent Semantic Analysis LSA . Parallelism becomes a solution to duration of execution problem. Development of parallel processing on the system with using OpenMP was conducted in this research. The parallelized processes were Singular Value Decomposition SVD , matrices operations, and Learning Vector Quantization LVQ with approach on loops.

In the testing process, accuracy of the parallel process had the same accuracy with the serial process. It is mean that the parallel process has good consistency. Then, the result of execution time has 4 7.9 of improvement compared to the serial one. There was a phenomenon that 1 thread of parallel process had worse performance than the serial process. Furthermore, use of 2 threads and 4 threads in the parallel process had a better execution time, even 4 threads is only slightly better or tend to be the same with 2 threads. These happened due to overhead presences. OpenMP overhead appeared at 20 when parallel executed and MySQL had more with 70 of system computation process in serial and 50 when executed in parallel."

"Skripsi ini membahas mengenai pengembangan Sistem Penilaian Esai Otomatis (SIMPLE-O) yang dirancang dengan menggunakan hybrid CNN dan Bi-LSTM dan Manhattan Distance untuk penilaian esai Bahasa Jepang. Sistem dirancang dengan menggunakan bahasa pemrograman Python. Sistem melalui tahapan pre-processing, feature extraction dan word embedding yang dilanjutkan dengan proses deep learning serta pengukuran dengan menggunakan manhattan distance. Hasil akhir dari sistem dibandingkan dengan penilaian manual oleh dosen. Model yang paling stabil dan terbaik ditraining dengan menggunakan hyperparameter dengan kernel sizes bernilai 5, jumlah filter atau output CNN sebesar 64, pool size sebesar 4, Bidirectional LSTM units 50, batch size sebesar 64. Model deep learning ditraining dengan menggunakan optimizer Adam dengan learning rate 0,001 , epoch sebanyak 25 dan menggunakan regularizer L1 sebesar 0,01. Rata-rata error yang diperoleh adalah 29%

---

This thesis discusses the development of an Automatic Essay Grading System (SIMPLE-O) designed using hybrid CNN and Bidirectional LSTM and Manhattan Distance for Japanese essay grading. The system is designed using Python programming language. The system goes through the stages of pre-processing, feature extraction and word embedding followed by deep learning process and measurement using Manhattan Distance. The final result of the system is compared with manual assessment by lecturers. The most stable and best model is trained using hyperparameters with kernel sizes of 5, number of filters or CNN outputs of 64, pool size of 4, Bidirectional LSTM units of 50, batch size of 64. The deep learning model is trained using the Adam optimizer with a learning rate of 0.001, epoch of 25 and using an L1 regularizer of 0.01. The average error obtained is 29%.

"