Perpustakaan Digital ITB

Penilaian jawaban isian pendek oleh manusia seringkali menemui beberapa permasalahan. Diantaranya yaitu kesalahan dan ketidakkonsistenan manusia dalam menilai jawaban karena bias, kelelahan atau yang lainnya dan kurangnya efektifitas, efisiensi penilai ketika ujian/tes/assessment berada dalam skala besar. Penilaian jawaban isian pendek dengan menggunakan mesin komputerpun menjadi alternatif solusi dalam menangani masalah tersebut. Penelitian ini menggunakan model pembelajaran mesin dengan jenis pohon keputusan untuk melakukan penilaian. Fitur yang digunakan dalam pembangunan model adalah ukuran kemiripan teks cosine similarity berdasarkan Bag Of Word (BoW) dan Latent Semantic Indexing (LSI). Cosine similarity dengan BoW mengukur kemiripan dari segi leksikal (berkaitan dengan kata). Sedangkan cosine similarity dengan LSI mengukur kemiripan dari segi semantik (makna dari kata) tersebut. Ukuran kemiripan teks menghitung tingkat kemiripan antara jawaban murid dengan kunci jawaban. Dari dua fitur tersebut, dilakukan prediksi skor jawaban murid. Performansi model dievaluasi dengan ukuran akurasi. Akurasi dari model terbaik yang didapatkan dalam penelitian ini adalah sebesar 83%.