Siahaan, Philip Antoni (2021) Penilaian Otomatis Jawaban Tes Uraian Lisan Menggunakan Metode Recurrent Neural Network. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.
Preview |
Text
05111740000111-Undergraduate_Thesis.pdf - Accepted Version Download (1MB) | Preview |
Abstract
Tes uraian merupakan sebuah media evaluasi yang menuntut respons dari peserta didik dalam bentuk bahasa lisan, jawaban biasanya akan diucapkan dengan kata-kata sendiri sesuai dengan pertanyaan maupun perintah dari soal yang diberikan. Tes uraian lisan memiliki kelebihan dimana tes tersebut dapat mengetahui seberapa besar materi yang diserap oleh peserta didik dari kemampuan menyampaikan informasi terhadap materi, dan meminimalisir kecurangan seperti di tes tulis umumnya. Adapun Kelemahan dari tes uraian lisan yakni memerlukan waktu evaluasi yang lama jika diselenggarakan dalam waktu yang sama dengan satu pengawas serta subjektivitas dari penilai yang tinggi. Salah satu solusi untuk mengatasi permasalahan ini adalah dengan melakukan evaluasi berbasis komputer. Hal ini dapat meminimalisir waktu untuk evaluasi yang digunakan. Dalam hal solusi ini dibutuhkan 2 hal penting yakni sistem pengubah suara ke dalam bentuk teks dan sistem penilaian otomatis.
Pada Tugas Akhir ini akan dilakukan implementasi pengubah suara yang diolah dengan Automated Speech Recognition (ASR) dan penilaian otomatis menggunakan Recurrent Neural network (RNN) dimana merupakan sebuah algoritma Deep Learning yang mampu menganalisis suatu data yang sifatnya sekuensial, dalam hal ini adalah kata. Data pelatihan dan uji coba diambil dari dataset The Hewlett Foundation: Automated Essay Scoring yang berisi kumpulan jawaban uraian berupa teks yang telah memiliki skor. Hasil teks yang didapat dari pengubahan suara ke teks oleh ASR, akan diolah dengan menggunakan Model dari RNN. Kemudian prediksi dilakukan untuk mendapatkan hasil skor dari jawaban yang diberi masukan dari model RNN. Hasil skor evaluasi model quadratic weighted kappa dari percobaan terakhir adalah 0.971.
================================================================================================
An essay test is an evaluation media that demands responses from students in the form of spoken language, the answers will usually be spoken in their own words according to the questions or orders from the questions given.
Oral essay test has advantages where the test can recognize how much material absorbed by students from the ability to convey information towards the material, and minimize cheating like written tests in general. As for the weakness of the oral essay test that it requires a long evaluation time if it is held at the same time with one supervisor and the subjectivity from the evaluator is high. One of the solutions to handle this problem is to do a computer-based evaluation. This thing can minimize the time for the evaluation used. In terms of this solution, two important things are required, namely a voice converter into text form system and automatic grader system,
In this final project, there will be an implementation of a voice converter that is processed with Automated Speech Recognition (ASR) and automatic grader using a Recurrent Neural network (RNN) which is a deep learning algorithm that is able to analyze sequential data, in that case, is words. The training and trial data were taken from the dataset of The Hewlett Foundation: Automated Essay Scoring which contains a set of essay answers in the form of texts that already have scores. The text results obtained from the conversion of voice to text by ASR will be processed using the Model from RNN. Then the prediction is done to get score results from the answers inputted from the RNN model. The final evaluation score model from quadratic weighted kappa is 0.971.
| Item Type: | Thesis (Undergraduate) |
|---|---|
| Uncontrolled Keywords: | Tes uraian lisan, Oral Essay Test, Evaluasi, Evaluation, Automated Speech Recognition, Recurrent Neural network, Deep learning |
| Subjects: | L Education > L Education (General) Q Science > QA Mathematics > QA278.2 Regression Analysis. Logistic regression Q Science > QA Mathematics > QA76 Computer software Q Science > QA Mathematics > QA76.87 Neural networks (Computer Science) Q Science > QA Mathematics > QA76.9.D343 Data mining. Querying (Computer science) T Technology > T Technology (General) > T57.5 Data Processing |
| Divisions: | Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Informatics Engineering > 55201-(S1) Undergraduate Thesis |
| Depositing User: | Philip Antoni Siahaan |
| Date Deposited: | 16 Aug 2021 14:15 |
| Last Modified: | 22 Oct 2024 05:33 |
| URI: | http://repository.its.ac.id/id/eprint/87276 |
Actions (login required)
 |
View Item |