PENILAIAN ESAI MENGGUNAKAN MODEL PEMBELAJARAN MESIN

  • Farah Qotrunnada Institut Teknologi Bandung
  • Marcus Wono Setya Budhi Institut Teknologi Bandung
  • Hilda Assiyatun Institut Teknologi Bandung
Keywords: penilaian, esai, Bag of Words, pembelajaran mesin, QWK

Abstract

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 inkonsistensi penilaian antar siswa. Penilaian jawaban esai menggunakan komputer untuk meningkatkan efisiensi dapat menjadi alternatif penyelesaian permasalahan tersebut. Metode yang digunakan dalam penyusunan penelitian ini adalah metode deskriptif melalui studi literatur dengan mempelajari jurnal. 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 performa 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 8 5%. Selanjutnya, berdasarkan efisiensi secara komputasi, model Regresi Linear dan Regresi Ridge lebih baik dari model XGBoost

Downloads

Download data is not yet available.

References

[1] Nitko, A. J., Brookhart, S. M. Educational Assessment of Students. Pearson New International Edition (2014).
[2] Isaacs, C, Z., G, H., SJ, C., C., S. Key concepts in educational assessment [electronic resource]. Thousand Oaks: Sage Publications Ltd (2013).
[3] Bhatt, R., Patel, M., Srivastava, G., Mago, V. A Graph Based Approach to Automate Essay Evaluation. 4379–4385 (2020).
[4] Burstein, J., Klebanov, B. B., Madnani, N., Faulkner, A. Automated sentiment analysis for essay evaluation. Handbook of Automated Essay Evaluation: Current Applications and New Directions, 281–297 (2013).
[5] Chen, T., Guestrin, C. XGBoost: A scalable tree boosting system. Proceedings of the ACM SIGKDD, 785–794 (2016).
[6] Warrens, M. J. Cohen’s weighted kappa with additive weights. Advances in Data Analysis and Classification, 7(1), 41–55 (2013).
Published
2022-04-19
How to Cite
Qotrunnada, F., Budhi, M., & Assiyatun, H. (2022). PENILAIAN ESAI MENGGUNAKAN MODEL PEMBELAJARAN MESIN. Pattimura Proceeding: Conference of Science and Technology, 2(1), 265-270. https://doi.org/10.30598/PattimuraSci.2021.KNMXX.265-270
Section
Articles