PENERAPAN MODEL MESIN BELAJAR SUPPORT VECTORudMACHINES PADA AUTOMATIC SCORING UNTUK JAWABANudSINGKAT

摘要

Sistem automatic scoring untuk jawaban singkat (ASJS) merupakan sistem yang melakukan proses penilaian jawaban dengan bantuan metode komputasi. Jawaban yang diberikan biasanya menggunakan bahasa natural. ASJS dibangun dengan harapan dapat mengoptimalkan proses pemeriksaan soal dengan tipe jawaban singkat. Permasalahan umum yang dihadapi dalam sistem adalah penggunaan bahasa natural yang membutuhkan proses preprocessing agar bisa dikomparasi. Permasalahan kedua adalah tidak tersedianya dataset jawaban dan kunci jawaban untuk bahasa Indonesia. Dalam penelitian ini penulis akan membangun dataset baru dan menerapkan model klasifikasi Support Vector Machines (SVM) pada sistem. Input dari metode SVM adalah hasil dari proses preprocessing pada bahasa natural. Proses ini meliputi stemming, penghapusan stopwords, penghitungan selisih jumlah kata, penghitungan nilaiudkesamaan kata, penghitungan nilai kesamaan struktur kalimat dan penghitungan nilai kesamaan kalimat dengan algoritma jaccard. Hasil dari eksperimen adalah ditentukannya empat fitur penting yang ada dalam dataset. Fitur tersebut adalah selisih jumlah kata, nilai kesamaan jenis kata, nilai kesamaan kalimat dan nilai kesamaan jenis kalimat. Nilai akurasi yang diberikan oleh metode SVM kernel linier dan kernel RBF sebesar 89% dengan nilai mean absolute error sebesar 0,044. Nilai ini lebih baik jika dibandingkan dengan metode Regresi Logistik dan C4.5.