Sistem Penilaian Otomatis Kemiripan Kalimat Menggunakan Syntactic-Semantic Similarity Pada Sistem E-Learning

Winarsono, Deddy Satrio (2009) Sistem Penilaian Otomatis Kemiripan Kalimat Menggunakan Syntactic-Semantic Similarity Pada Sistem E-Learning. Masters thesis, Institut Teknologi Sepuluh Nopember.

Text 5105201007-Master_thesis.pdf Restricted to Repository staff only Download (58MB)

Abstract

Penggunaan e-Learning memungkinkan pembelajaran dilakukan dengan jumlah mahasiswa yang banyak, sehingga diperlukan sistem penilaian otomatis (autograding) pada jawaban dari soal-soal ujian. Permasalahan yang dihadapi adalah bagaimana menilai masing-masing jawaban mahasiswa secara objektif, konsisten, dan cepat. Penelitian-penelitian sebelumnya menghitung kemiripan secara sintaktik atau semantik, akan tetapi belum bisa menghitung kemiripan kalimat berdasarkan struktur sekaligus mempertimbangkan kemiripan sintaktik. Untuk itu, dalam penelitian ini diajukan suatu metode baru untuk menyelesaikan permasalahan tersebut dengan menghitung kemiripan kalimat secara sintaktik dan semantik dengan mempertimbangkan struktur kalimat. Metode baru ini disebut SynSemSim dan diharapkan dapat memperbaiki hasil dari penelitian-penelitian sebelumnya. Dari uji coba yang telah dilakukan dengan menggunakan data sintesis, diketahui bahwa hasil perhitungan kemiripan dengan metode SynSemSim lebih mendekati definisi skenario uji coba daripada perhitungan kemiripan dengan metode pada penelitian sebelumnya. Akan tetapi, pada uji coba dengan menggunakan data kuesioner, nilai deviasi pada kasus terburuk metode SynSemSim terhadap penilaian manual pengajar adalah 4,63, yang tidak lebih baik dari metode sebelumnya.
===================================================================================================================================
The use of e-Learning enables the learning process to be conducted with a large number of students, thus requiring an automatic assessment system (autograding) for exam answers. The problem lies in how to evaluate each student's answer objectively, consistently, and quickly. In previous research, sentence similarity grading was based solely on syntactic or semantic similarity; however, these methods failed to consider sentence structure alongside syntactic similarity as the main parameters for calculating sentence similarity. This research proposes a new method to solve this problem by calculating both the syntactic and semantic similarities of sentences based on their structure. This method is called SynSemSim and is expected to overcome the limitations of methods from previous research. The test results on synthetic data show that the similarity calculation using the SynSemSim method aligns more closely with the testing scenarios than the methods used in previous research. Nevertheless, in tests using questionnaire data, the grade deviation in the worst-case scenario for the SynSemSim method compared to manual instructor grading was 4.63, which is worse than the other methods.

Item Type:	Thesis (Masters)
Additional Information:	RTIf 005.3 Win s
Uncontrolled Keywords:	Autograding, Semantic Web, Semantic Similarity, Sintatic Similarity, Ontology Tree, WordNet, Autograding, Semantic Web, Semantic Similarity, Sintatic Similarity, Ontology Tree, WordNet.
Subjects:	Q Science > QA Mathematics > QA76 Computer software
Divisions:	Faculty of Information Technology > Informatics Engineering > 55101-(S2) Master Thesis
Depositing User:	magang .
Date Deposited:	18 Sep 2026 03:57
Last Modified:	18 Sep 2026 03:57
URI:	http://repository.its.ac.id/id/eprint/144669

Actions (login required)

View Item