PERBANDINGAN ALGORITMA COSINE SIMILARITY DAN ALGORITMA DICE SIMILARITY PADA E-VALUATION JAWABAN ESSAI SECARA OTOMATIS
Loading...
Date
2023
Journal Title
Journal ISSN
Volume Title
Publisher
Program Studi S1 Informatika
Abstract
Ujian essai merupakan ujian dalam bentuk pertanyaan yang bertujuan agar jawaban yang diberikan berupa uraian berdasarkan pemahaman peserta ujian itu sendiri terhadap pertanyaan yang diberikan sesuai dengan apa yang diketahuinya. Jawaban dalam bentuk uraian ini menghasilkan bentuk-bentuk kalimat yang bervariasi sehingga setiap jawaban dari setiap peserta tentu memiliki pola kalimat yang berbeda-beda satu sama lainnya. Semakin banyaknya soal-soal yang diberikan di dalam ujian essai mengakibatkan perlunya waktu yang cukup lama untuk mengoreksi jawaban-jawaban tersebut. Permasalahan dalam hal waktu ini menjadi salah satu dasar penelitian ini dilakukan. Serta bagaimana komputer dapat membantu melakukan penilaian jawaban ujian essai secara otomatis menjadi tujuan dari penelitian ini. Penelitian ini bertujuan untuk membandingkan nilai kemiripan antara dua teks, yaitu jawaban siswa sebagai jawaban yang akan dinilai dan jawaban guru sebagai kunci jawaban (key answer). Metode yang digunakan adalah Algoritma Cosine Similarity dan Dice Similarity yang mampu menilai kemiripan di antara dua teks secara leksikal dibangun dengan menggunakan metode waterfall, proses ini melibatkan beberapa tahapan yaitu; analisis, desain, implementasi, pengujian sistem sampai pada tahap pemeliharaan. Sistem akan diimplementasikan atau dikodekan dengan menggunakan bahasa pemrograman JavaScript. Dari hasil penelitian, ditemukan cara yang lebih mudah untuk melakukan penilaian jawaban soal essai secara otomatis. Dan dari perbandingan kedua metode algoritma diperoleh metode Cosine Similarity memiliki nilai rata-rata korelasi tertinggi sebesar 0,9634455 dan nilai korelasi terendah ialah Dice Similarity dengan nilai 0,9584596365. Kontribusi penelitian ini adalah penggunaan dua metode dalam satu data, sehingga nilai dalam penelitian ini menghasilkan perbandingan dan akurasi data yang lebih lengkap.