Penerapan Term Frequency-Inverse Document Frequency dan Word Embedding untuk Penilaian Esai Otomatis

Read full text Summarise with VIRAT
Authors: Rangga Muhammad Firdaus, Andy Victor Pakpahan
Cited by: 0
References: 7

Summary

No summary yet. VIRAT can read this paper and write a plain-language summary of its aim, methods, key findings and limitations.

Summarise with VIRAT Free to try with your Science Catalogs account.

Abstract

Penilaian esai secara manual di tingkat sekolah kejuruan merupakan proses yang memakan waktu dan subjektif. Penelitian ini mengimplementasikan dan mengevaluasi model penilaian esai otomatis menggunakan kombinasi algoritma Term Frequency-Inverse Document Frequency (TF-IDF) untuk penimbangan kata dan Word Embedding untuk analisis makna semantik. Model ini diuji menggunakan dataset 360 jawaban esai dari 36 siswa di SMK Budi Bakti Ciwidey dengan validasi pembagian data pelatihan dan pengujian. Proses penyetelan pada data pelatihan menunjukkan bahwa penimbangan yang memprioritaskan analisis semantik (90% Word Embedding) memberikan kinerja terbaik. Pada pengujian akhir pada 90 data uji, model mencapai Mean Absolute Error (MAE) yang sangat baik sebesar 6,80, namun dengan korelasi Pearson yang lemah sebesar 0,12 terhadap skor guru. Penelitian ini menyimpulkan bahwa model yang diusulkan berhasil menghasilkan skor yang sangat dekat dengan skor guru (MAE rendah), namun masih memiliki keterbatasan dalam konsistensi skor (korelasi lemah), yang dipengaruhi oleh kualitas jawaban kunci dan dataset yang tidak seimbang.

Fields of Study & Subjects

Educational Technology and Assessment Topic Modeling Advanced Text Analysis Techniques

Publication details

Journal / source
JURNAL ILMIAH INFORMATIKA
Volume
14
Issue
01
Pages
24–30
Publication date
31 March 2026
Language
ID