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