Klasifikasi Kemampuan Mahasiswa Berdasarkan Automatic Essay Scoring Terhadap Jawaban Essay Dan Jawaban Pilihan Ganda Ujian Kompetensi Dengan Metode Machine Learning

Hakiki, Muhammad (2025) Klasifikasi Kemampuan Mahasiswa Berdasarkan Automatic Essay Scoring Terhadap Jawaban Essay Dan Jawaban Pilihan Ganda Ujian Kompetensi Dengan Metode Machine Learning. Masters thesis, Institut Teknologi Sepuluh Nopember.

Text 6025221035-Master_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 April 2027. Download (3MB) | Request a copy

Abstract

Sistem E-Learning sudah semakin dikenal di tingkat pendidikan yang tinggi. Didalam E-Learning terdapat metode yang dapat digunakan untuk menilai jawaban essay mahasiswa sehingga dapat mengetahui kemampuan mahasiswa, metode tersebut bernama scoring. Penilaian essay yang dilakukan secara manual sangat memakan waktu yang cukup banyak. Oleh karena itu dibutuhkan sistem untuk melakukan penilaian terhadap jawaban essay secara otomatis. Penilaian jawaban essay secara otomatis sudah pernah dilakukan sebelumnya dengan menggunakan beberapa metode, tetapi masih belum bisa mengelompokkan kemampuan mahasiswa. Pada penelitian ini mengusulkan metode klasifikasi kemampuan mahasiswa berdasarkan nilai Automatic Essay Scoring menggunakan metode LSTM dan beberapa metode klasifikasi. Tujuan menggunakan metode LSTM adalah untuk melakukan penilaian essay secara otomatis dari masing-masing mahasiswa, sedangkan tujuan menggunakan metode klasifikasi adalah untuk mengklasifikasikan kemampuan mahasiswa, sehingga dapat mengetahui mahasiswa mana yang menguasai perkuliahan dan mahasiswa mana yang belum menguasai perkuliahan.. Hasil dari penelitian ini menunjukkan bahwa metode LSTM berhasil memberikan penilaian essay secara otomatis, sedangkan untuk metode klasifikasi yang paling unggul adalah metode Decision Tree dengan menggunakan metode oversampling ROS yaitu sebesar 0, 654.
=====================================================================================================================================
E-Learning systems are increasingly well-known at higher education levels. In ELearning, there is a method that can be used to assess students' essay answers so that they can determine their abilities, the method is called scoring. Manual essay assessments are very time-consuming. Therefore, a system is needed to automatically assess essay answers. Automatic assessment of essay answers has been done before using several methods, but it still cannot group student abilities. This study proposes a method for classifying student abilities based on the Automatic Essay Scoring value using the LSTM method and several classification methods. The purpose of using the LSTM method is to automatically assess essays from each student, while the purpose of using the classification method is to classify student abilities, so that it can be seen which students have mastered the lecture and which students have not mastered the lecture. The results of this study indicate that the LSTM method is successful in providing automatic essay assessments, while the most superior classification method is the Decision Tree method using the ROS oversampling method, which is 0.654.

Item Type:	Thesis (Masters)
Uncontrolled Keywords:	Automatic Essay Scoring, Classification, LSTM, Decision Tree, ROS
Subjects:	T Technology > T Technology (General) > T174 Technological forecasting T Technology > T Technology (General) > T57.5 Data Processing T Technology > T Technology (General) > T59.7 Human-machine systems.
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Informatics Engineering > 55101-(S2) Master Thesis
Depositing User:	Muhammad Hakiki
Date Deposited:	06 Feb 2025 07:59
Last Modified:	06 Feb 2025 07:59
URI:	http://repository.its.ac.id/id/eprint/118465

Actions (login required)

View Item