Otomasi Penilaian Jawaban Uraian Singkat Pada Ujian Mata Kuliah Introductory Computer Science Menggunakan Model Sentence Generative Pre-Training

Nugraha, Tsamarah Rana (2023) Otomasi Penilaian Jawaban Uraian Singkat Pada Ujian Mata Kuliah Introductory Computer Science Menggunakan Model Sentence Generative Pre-Training. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 06111840000103-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 April 2025. Download (4MB) | Request a copy

Abstract

Ujian pada mata kuliah menjadi tolak ukur keberhasilan mahasiswa dalam menguasai materi yang telah diberikan oleh dosen pengampu. Jika berhubungan dengan ujian tertulis baik uraian singkat maupun esai, dosen membutuhkan waktu yang relatif tidak singkat dalam mengevaluasi hanya satu jawaban dari satu mahasiswa untuk menentukan porsi penilaian yang tepat. Pada kenyataannya, proses penilaian menjadi bias terhadap mahasiswa satu dengan lainnya dikarenakan jumlah mahasiswa yang banyak dan waktu penilaian yang singkat. Oleh karena itu, Tugas Akhir ini mengusulkan sebuah metode untuk penilaian otomatis pada ujian mata kuliah, khususnya uraian singkat pada mata kuliah Introductory Computer Science. Metode yang diusulkan merupakan gabungan model sentence generative pre-trained transformer (SGPT) dan model Support Vector Regression (SVR). Tugas Akhir ini bertujuan untuk membantu proses penilaian ujian uraian singkat mata kuliah Introductory Computer Science secara otomatis. Secara umum, model SGPT digunakan untuk mengkonstruksi representasi konteks kalimat dari jawaban mahasiswa. Sedangkan, model SVR digunakan untuk memprediksi nilai dari jawaban uraian singkat mahasiswa. Hasil eksperimen menunjukkan bahwa model yang diusulkan berhasil memberikan penilaian otomatis dengan tingkat keberhasilan yang lebih baik dibandingkan model basis.
================================================================================================================================
Course examinations are a measure of student’s understanding on the material given by the lecturers. Within the scope of written exams, both short answer and essays, lecturer needs a relatively pretty much amount of time to evaluate only one answer from one student to determine the correct portion of the assessment. In fact, the assessment process is biased towards one student due to the large number of students and the short assessment time. Therefore, this Final Project proposes a method to grade course exams automatically, specifically for the short answer exams from the Introductory Computer Science course. The proposed method is a combination of the sentence generative pre-trained transformer (SGPT) model and the regression model. This Final Project aims to assist the automatic assessment process for the short answer exam from Introductory Computer Science course. In general, SGPT model is used to construct sentence representations of student answers based on the context. Meanwhile, the regression model is used to predict the value of student short answer exams. The experimental results show that the proposed model is successful in providing automatic assessment process with a better performance than the base model.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Penilaian Otomatis, Uraian Singkat, SGPT, Sentence Embedding, Semantic Similarity, Regresi
Subjects:	Q Science > QA Mathematics > QA336 Artificial Intelligence
Divisions:	Faculty of Science and Data Analytics (SCIENTICS) > Mathematics > 44201-(S1) Undergraduate Thesis
Depositing User:	Tsamarah Rana Nugraha
Date Deposited:	16 Feb 2023 03:19
Last Modified:	16 Feb 2023 03:20
URI:	http://repository.its.ac.id/id/eprint/97146

Actions (login required)

View Item