Pengembangan Koreksi Esai Otomatis Pada E-Learning Di SMK Plus An-Naba Sukabumi Dengan Menggunakan Metode Latent Semantyc Analysys (LSA)

Gratis

9
37
26
2 years ago
Preview
Full text

BIODATA PENULIS Data Pribadi

  PengembanganSistem Penilaian Esai Otomatis pada Tugas Akhir ini menggunakan Metode Latent Semantyc Analysis(LSA) yaitu dengan merepresentasikan kalimat dalam sebuah matriks semantik yang kemudiandilakukan perhitungan matematis dengan mencocokan atau memetakan ada atau tidaknya katadari kelompok kata pada matriks menggunakan teknik aljabar linear Singular Value Decomposition(SVD). Salah satu metode penilaian esai yang digunakan adalah Latent Semantyc Analysis (LSA)yaitu dengan merepresentasikan kalimat dalam sebuah matriks semantik yang kemudian dilakukanperhitungan matematis dengan mencocokan atau memetakan ada atau tidaknya kata dari kelompokkata pada matriks menggunakan teknik aljabar linear Singular Value Decomposition (SVD).

1 Teknik Informatika

  PengembanganSistem Penilaian Esai Otomatis pada Tugas Akhir ini menggunakan Metode Latent Semantyc Analysis(LSA) yaitu dengan merepresentasikan kalimat dalam sebuah matriks semantik yang kemudiandilakukan perhitungan matematis dengan mencocokan atau memetakan ada atau tidaknya katadari kelompok kata pada matriks menggunakan teknik aljabar linear Singular Value Decomposition(SVD). Salah satu metode penilaian esai yang digunakan adalah Latent Semantyc Analysis (LSA)yaitu dengan merepresentasikan kalimat dalam sebuah matriks semantik yang kemudian dilakukanperhitungan matematis dengan mencocokan atau memetakan ada atau tidaknya kata dari kelompokkata pada matriks menggunakan teknik aljabar linear Singular Value Decomposition (SVD).

1. PENDAHULUAN

  Penilaian dengan metode LSA lebih kepada kata- kata yang ada dalam tulisan tanpa memperhatikanurutan kata dan tata bahasa dalam tulisan tersebut, sehingga suatu kalimat yang dinilai adalahberdasarkan kata-kata kunci yang ada pada kalimat tersebut. Dalam matriks korelasi dari query dengan matriks korelasicontoh berikut adalah salah satu ulangan yang dari setiap dokumen dengan menggunakandiadakan yang berjumlah 2 soal esai mata pelajaran perhitungan cosinus α.

ISI PENELITIAN

  Langkah berikutnya adalah dengan mencari nilai A*A 0 1 0 0 1 0 1 0A start Kata kunci danjawaban dalam bentuk array Pembuatan matriks Perhitungan nilai matriks U,S,VT dengan SVDPerhitungan vektor kunci jawaban T dan A T 1 0 1 1 1 1 1 0 1 1 0 1 1 0 0 0 1 01 1 0 0 1 0 1 0 1 0 1 0 0 1 1 1 0 0 T T T 2 3 5 - λDari perhitungan diatas dilanjutkan dengan mencari persamaan polynomial (banyak suku) darimatriks diatas. Yang Setelah didapatkan hasil perkalian antara matriks A dan transpose dari matriks A diatas makalangkah selanjutnya adalah mencari nilai eigen dengan cara mengurangi matriks tersebut dengan 3 1 2 2 2 1 3 1 2 1 2 1 0 2 1 2 0 12 1 3 2 2 2 3 1 1 2 0 2 2 1 1 2 1 12 2 2 1 3 2 3 0 2 1 1 2 1 2 2 2 0 13 2 3 2 3 2 4 1 2 1 0 1 1 0 0 1 1 02 1 1 1 2 1 2 0 2 A*A dengan metode SVD(Singular Value Decomposition).

2.2 Perhitungan nilai matriks U, S, VT

  Setelah terbentuk sebuah matriks berukuran m x n maka langkah selanjutnya adalah dengan mencari nilai matriks U, S, V A 1 1 1 00 0 1 1 1 1 0 01 1 0 0 1 0 1 11 0 0 1 1 0 1 1 T terlebih dahulu. langkah pertama untuk mencari matriks tersebut adalah denganmencari matriks A T Dari tabel 3.7 didapatkan sebuah matriks A dengan dimensi 9x4 yang akan dilakukan prosesSVD untuk mencari nilai U, S, V T .

4 S dengan dimensi baru sebagai berikut

  86 48 0.2 0.4= 15,400 = 3,366 λ 1 λ 2 33 83 0.2λ = 2,000 λ = 1,235 3 4 86 48 λ 5, λ 6 , λ 7 , λ 8, λ 9 0.2 0.4 3.9 69 89 setelah didapatkan nilai eigen dari masing- Matri 24 0.3 0.4 Matriks S masing persamaan diatas langkah selanjutnya adalah ks U 1.8 95 13 dengan memasukan nilai λ pada persamaan awal 35 0.2 0.1 yang kemudian dinormalisasi sehingga didapatkan 79 71 matriks-matriks berikut. Dalam soal ini memiliki bobot 5 dari 10 Nilai vector Q = | 0.617 - 0.135 | point yang ada dalam ulangan dari dua soal,Nilai vector D1 = | 0.407 -0.813 | sehingga ketika jawaban dari siswa memilikiNilai vector D2 = | 0.444 0.470 | kesamaan sempurna dengan kunci yang diberikan Nilai vector D3 = | 0.445 0.470 | akan memiliki 5 point pada soal tersebut.

2.4 Perhitungan nilai cosine similarity

  Dalam hal inivektor yang akan dilakukan perhitungan adalah D1 = 0.644 * 5 = 3.2 vektor antara kunci jawaban dan masing masingD2 = 0.566 * 5 = 2.62 jawaban siswa. Sebelumnya dibutuhkan waktu sekitar 1 menit tiapB = Matirks B Untuk pengembangan fungsionalitas koreksi esai otomatis, saran untuk penelitianberikutnya agar menggunakan metode selain Latent Semantyc Analysis (LSA) dalam melakukan koreksi soal esai otomatis.

DAFTAR PUSTAKA

  Pressman, Software Enginering APractitioners Approach, New York: McGraw-Hill, 2010.[4] Munir, “KONTRIBUSI TEKNOLOGI INFORMASI DAN KOMUNIKASI (TIK) DALAMPENDIDIKAN DI ERA GLOBALISASI PENDIDIKAN INDONESIA,” IndonesianComunity on Information and Comunicartion Technology, vol. Nugroho, Analisis dan PerancanganSistem Informasi dengan Metodologi Berorientasi Objek, Bandung: Informatika, 2005.

SEMANTYC USING ANALYSIS (LSA)

1 Information Engineering - University Computer Indonesia

  Development of Automated Essay Scoring System in this final project uses Latent Semantyc MethodAnalysis (LSA) is to represent the sentence in a semantic matrix that is then performed mathematicalcalculations to match or map the presence or absence of the word of the group said in a matrixusing linear algebra techniques Singular Value Decomposition (SVD). Development of Automated Essay Scoring System in this final project uses Latent Semantyc MethodAnalysis (LSA) is to represent the sentence in a semantic matrix that is then performed mathematicalcalculations to match or map the presence or absence of the word of the group said in a matrixusing linear algebra techniques Singular Value Decomposition (SVD).

1. INTRODUCTION

  Cosine similarity is one similarity calculation method which is the most popular to be 1.6 Cosine Similarity SVD is a so-called linear algebra theorem able to break the block of a matrix A into three newmatrix U is an orthogonal matrix, diagonal matrix S, and orthogonal matrix transpose V. but the weakness of the model multiplechoice exam is less failure by examiners determine the extent of knowledge of students tested and thepossible presence of the participants answer that gets high marks from the factor of luck by guessing theanswers provided.

1.4 Text Preprocessing

  To calculate the value of essay using the LSA, the way is to create an essay that became thereference document (query) or key answers and then an essay that will be judged in comparison with thereference essay answers, the more resemblance to the greater value of the answer. Mathematically, the factors that most good is to use the smallest dimension of the matrix first, so that thereconstruction of the best matrix is generated when the value factor is smaller than the number of factorsused.

1.7 Latent Semantic Analysis (LSA)

  Development is done because it found problems in the system that runsthat correction manually essay will take a long time as described in the background research that requiresan additional feature of automatic correction of essays in the system. start Kata kunci danjawaban dalam Pre processing bentuk array Pembuatan matriks Pemrosesan dengan LSAT Perhitungan nilai matriks U,S,V dengan SVD end Perhitungan vektor kunci jawabanGambar 1 Flowchart Automated Essay Correction System Perhitungan nilai cosine To further facilitate the understanding of the similarity process is given an example of matching between the key and answer students' answers.

2.1 Analysis methods LSA

  This process is a VT continuation of the process of preprocessing hasHaving formed a matrix of size mxn then been done before to get the value of similaritythe next step is to find the value of the matrix U, S, between the answer and the answer key. 1 1 1 0 0 0 1 11 1 0 0 A 1 1 0 01 0 1 1 1 0 0 1 Having obtained a polynomial equation as 1 0 1 1above the next step is to find the root of the equation 0 1 0 0thus obtained 1 0 1 0 = 15,400 = 1,235λ 1 λ 2 1 0 1 1 1 1 1 0 1λ = 3.366 λ = 2,000 3 4 T 1 0 1 1 0 0 0 1 0 A 1 1 0 0 1 0 1 0 1As for the matrix A * AT to do the same process eigenvalues obtained as follows 0 1 0 0 1 1 1 0 0.

2.3 Perhitungan vektor kunci jawaban

  Based on the description and the results of the analysis conducted, it can be concluded that theexistence of automated essay correction functionality teachers are able to carry out thecorrection process about the type of essay more quickly. In this matter has a weight of 5 out of 10 points that exist in a repeat ofthe two problems, so that when the answer of the students have a perfect similarity with the given keywill have 5 points on that question.

3. CLOSING

KATA PENGANTAR

  Dalam pengerjaan tugas akhir ini penulis juga mendapat banyak bantuan dan dukungan yang tidak dapat diungkapkan dan dinilai dengan apapun dariberbagai pihak. yang telah bersedia menjadi penguji dalam seminar dan siding skripsi untuk kemudian memberikan masukan danarahan guna menyempurnakan penelitian yang dilakukan oleh penulis.

SURAT HAK EKSKLUSIF

SURAT PERNYATAAN TIDAK PLAGIAT

  Bandung, 19 Agustus 2015 Saya yang bertanda tangan di bawah ini:Nama : Mashun Sofyan NIM : 10111518Judul Skripsi : Pengembangan Koreksi Soal Esai Otomatis Pada E-Learning di SMK Plus An-Naba Sukabumi dengan Menggunakan Metode Latent Semantyc Analysis (LSA) Menyatakan bahwa saya tidak melakukan tindakan meniru, menyalin atau menjiplak skripsi atau karya ilmiah yang telah ada. Apabila saya terbukti melakukan tindakan tersebut,maka saya bersedia untuk menerima sanksi yang diberikan sesuai dengan ketentuan yang ditetapkan dan berlaku di Program Studi Teknik Informatika Universitas Komputer Indonesia.

Dokumen baru

Dokumen yang terkait

Sistem Pengenalan Wajah Menggunakan Webcam Untuk Pintu Otomatis Dengan Menggunakan Metode Eigenface
16
96
98
Peningkatan Hasil Belajar Ips Siswa Dengan Menggunakan Metode Sosiodrama Di Smp Nusantara Plus Kelas Viii-4 Ciputat Tangerang Selatan
0
5
197
Sistem Pemeriksaan Jawaban Esai Otomatis Menggunakan Metode Rabin Karp Dengan Stemming Dan Synonym Recognition Sebagai Pengembangan Learning Management System SMAN 2 Tasikmalaya
26
112
180
Implementasi E-Learning Di SMK Darul Ma'arif Pamanukan
0
21
208
Pengembangan Modul Ujian Essay Online Dengan Koreksi Otomatis Pada Learning Management System SMPN 1 Cimahi
7
57
130
Pengembangan E-Learning Pada SMK Negeri 1 Cibadak
0
19
122
Pengembangan Koreksi Esai Otomatis Pada E-Learning Di SMK Plus An-Naba Sukabumi Dengan Menggunakan Metode Latent Semantyc Analysys (LSA)
9
37
26
Perancangan Sistem Informasi E-Learning Berbasis Web Di SMP Taman Siswa Sukabumi
4
12
109
Sistem Pemantau Kepadatan Lalu Lintas Kendaraan Otomatis Di Jalan Raya Dengan Menggunakan Metode Normalized Sum-Square Differences (NSSD)
0
14
229
Pengembangan Learning Management System di SMK Negeri 4 Sukabumi
0
4
1
Perancangan Sistem Informasi Akademik dengan Alat Bantu Smartphone Android di SMK Teknologi Plus Padjadjaran Kota Sukabumi
2
25
196
Peringkasan Teks Otomatis Secara Ekstraktif Pada Artikel Berita Kesehatan Berbahasa Indonesia Dengan Menggunakan Metode Latent Semantic Analysis
2
4
8
Scoring System Otomatis Pada Lomba Menembak Dengan Target Sillhouette Hewan Menggunakan Metode Klasifikasi Naïve Bayes
0
0
9
Sistem Koreksi Soal Essay Otomatis Dengan Menggunakan Metode Rabin Karp
1
2
6
Scoring System Otomatis Pada Lomba Menembak Dengan Target Silhouette Hewan Menggunakan Metode K-Nearest Neighbor (K-NN)
0
1
10
Show more