Perpustakaan Digital ITB

Penilaian jawaban esai merupakan metode penilaian yang sering dilakukan oleh guru untuk mengevaluasi pembelajaran para siswa. Namun, pada kenyataannya, penerapan metode ini seringkali justru menghabiskan waktu guru yang seharusnya meluangkan waktu lebih banyak untuk melibatkan siswa dalam proses pembelajaran yang sebenarnya. Selain itu, dalam menilai esai dengan jumlah yang sangat banyak, guru yang merupakan seorang manusia tetap dapat mengalami kelelahan dan memungkinkan terjadinya ketidakkonsistenan penilaian antar siswa. Penilaian jawaban esai menggunakan komputer untuk meningkatkan efisiensi dapat menjadi alternatif penyelesaian permasalahan tersebut. Pada penelitian ini, penilaian jawaban esai menggunakan komputer dibangun menggunakan model pembelajaran mesin Regresi Linear, Regresi Ridge, dan XGBoost. Data jawaban esai yang berupa teks diproses menjadi angka yang termuat dalam fitur-fitur sintaksis dan vektor representasi banyaknya kemunculan gram kata (Bag of Words). Fitur-fitur yang sudah dapat dimengerti oleh komputer tersebut menjadi input bagi pembangunan model. Evaluasi dilakukan untuk mengukur performansi model yang telah dibangun yaitu menggunakan Quadratic Weighted Kappa (QWK). Evaluasi ini mengukur seberapa besar akurasi dengan mempertimbangkan bobot yang berbeda pada besar kesalahan yang berbeda. Pada penelitian ini, model telah berhasil dibangun dengan performansi berdasarkan QWK terbaik adalah model XGBoost menggunakan input semua fitur dengan hasil 85%. Selanjutnya, berdasarkan keefisienan secara komputasi, model Regresi Linear dan Regresi Ridge lebih baik dari model XGBoost.