0 penilaian0% menganggap dokumen ini bermanfaat (0 suara)
39 tayangan8 halaman
Tiga kalimat:
Jurnal ini membahas pengembangan sistem koreksi soal esai secara otomatis menggunakan metode Latent Semantic Analysis pada e-learning SMK Plus An-Naba Sukabumi untuk mempercepat proses penilaian dan mengurangi beban guru. Metode ini merepresentasikan kalimat kedalam matriks semantik lalu melakukan perhitungan matematis untuk menentukan kecocokan jawaban siswa. Pengembangan sistem ini diharapkan dapat
Tiga kalimat:
Jurnal ini membahas pengembangan sistem koreksi soal esai secara otomatis menggunakan metode Latent Semantic Analysis pada e-learning SMK Plus An-Naba Sukabumi untuk mempercepat proses penilaian dan mengurangi beban guru. Metode ini merepresentasikan kalimat kedalam matriks semantik lalu melakukan perhitungan matematis untuk menentukan kecocokan jawaban siswa. Pengembangan sistem ini diharapkan dapat
Tiga kalimat:
Jurnal ini membahas pengembangan sistem koreksi soal esai secara otomatis menggunakan metode Latent Semantic Analysis pada e-learning SMK Plus An-Naba Sukabumi untuk mempercepat proses penilaian dan mengurangi beban guru. Metode ini merepresentasikan kalimat kedalam matriks semantik lalu melakukan perhitungan matematis untuk menentukan kecocokan jawaban siswa. Pengembangan sistem ini diharapkan dapat
Jurnal Ilmiah Komputer dan Informatika (KOMPUTA) 45
Edisi. .. Volume. .., Bulan 20.. ISSN : 2089-9033
PENGEMBANGAN KOREKSI ESAI OTOMATIS PADA
E-LEARNING DI SMK PLUS AN-NABA SUKABUMI DENGAN MENGGUNAKAN METODE LATENT SEMANTYC ANALYSIS (LSA) Mashun Sofyan1 1 Teknik Informatika – Universitas Komputer Indonesia Jl. Dipatiukur 112-114 Bandung E-mail : Mashunsofyan@gmail.com1
ABSTRAK menjadi salah satu kebutuhan bagi setiap murid dan
guru. Pengkoreksian soal esai secara manual Berdasarkan hasil wawancara dengan seorang yang menghabiskan waktu lebih lama dibandingkan guru di SMK Plus An-Naba Sukabumi yaitu bapak dengan mengoreksi soal esai secara otomatis. Ruston Pirmasnyah, S.Kom. mengatakan bahwa Dibutuhkan waktu sekitar 1 menit tiap soal untuk proses KBM di SMK Plus An-Naba Sukabumi saat mengkoreksi soal esai secara manual. Jika akan ini sudah cukup baik. SMK Plus An-Naba Sukabumi mengkoreksi 30 soal maka dibutuhkan waktu sekitar mulai membangun e-learning sejak tahun 2013. 30 menit, sedangkan jumlah pelajar di SMK Plus Dalam e-learning yang telah dibangun terdapat fitur An-Naba Sukabumi sekitar 200 orang. latihan soal namun terbantas hanya latihan soal Berdasarkan data tersebut, perlu dalam bentuk pilihan ganda. Namun e-learning yang dikembangkan sebuah sistem otomatis yang telah dibangun belum menyediakan fasilitas koreksi membantu proses penilaian esai. Pengembangan soal esai otomatis yang dibutuhkan oleh para guru di Sistem Penilaian Esai Otomatis pada Tugas Akhir SMK Plus An-Naba Sukabumi. Pengkoreksian soal ini menggunakan Metode Latent Semantyc Analysis esai secara manual yang menghabiskan waktu lebih (LSA) yaitu dengan merepresentasikan kalimat lama dibandingkan dengan mengoreksi soal esai dalam sebuah matriks semantik yang kemudian secara otomatis. Dibutuhkan waktu sekitar 1 menit dilakukan perhitungan matematis dengan tiap soal untuk mengkoreksi soal esai secara manual. mencocokan atau memetakan ada atau tidaknya kata Jika akan mengkoreksi 30 soal maka dibutuhkan dari kelompok kata pada matriks menggunakan waktu sekitar 30 menit, sedangkan jumlah pelajar di teknik aljabar linear Singular Value Decomposition SMK Plus An-Naba Sukabumi sekitar 200 orang. (SVD). Salah satu metode penilaian esai yang Berdasarkan hasil data penelitian alpha dan digunakan adalah Latent Semantyc Analysis (LSA) betha dapat diambil sebuah kesimpulan bahwa yaitu dengan merepresentasikan kalimat dalam pengembangan fungsionalitas koreksi esai di SMK sebuah matriks semantik yang kemudian dilakukan Plus An-Naba Sukabumi mampu melaksanakan perhitungan matematis dengan mencocokan atau proses koreksi soal jenis esai dengan lebih cepat. memetakan ada atau tidaknya kata dari kelompok kata pada matriks menggunakan teknik aljabar linear Kata kunci : LSA, Latent Semantyc Analysis, Singular Value Decomposition (SVD). Singular Value Decomposition (SVD). Dengan ditemukannya permasalahan yang ada, maka dibutuhkan metode yang dapat membantu 1. PENDAHULUAN guru untuk pengoreksian soal esai secara otomatis SMK `Plus An-Naba Sukabumi merupakan oleh sistem. Dengan dikembangkan aplikasi LMS sekolah menengah kejuruan negeri yang beralamat ini, diharapkan bisa menjadi sebuah media yang di Jl. Widyakrama No. 112, Sukabumi. SMK Plus mampu mempercepat proses pengkoreksian soal esai An-Naba Sukabumi merupakan salah satu subsistem hingga pada akhirnya dapat memudahkan para pendidikan nasional. Tanggung jawab yang terbesar pengajar di SMK Plus An-Naba Sukabumi. diemban oleh SMK Plus An-Naba Sukabumi adalah Berdasarkan latar belakang yang telah dipaparkan membangun bangsa melalui pendidikan teknologi sebelumnya, maka penelitian tugas akhir ini diberi dan kejuruan. Karena itu SMK Plus An-Naba judul Pengembangan Koreksi Soal Esai Otomatis Sukabumi senantiasa berupaya melakukan Pada E-Learning di SMK Plus An-Naba Sukabumi pembaharuan pendidikan khususnya dalam bidang dengan Menggunakan Metode Latent Semantyc teknologi dan kejuruan. Dengan mulai Analysis (LSA). diterapkannya kurikulum 2013 yang mengharapkan siswanya untuk berperan aktif dalam proses kegiatan 1.1 E-Learning belajar mengajar (KBM) maka penerapan TIK Perkembangan teknologi informasi yang semakin maju telah mampu membantu manusia Jurnal Ilmiah Komputer dan Informatika (KOMPUTA) 46 Edisi. .. Volume. .., Bulan 20.. ISSN : 2089-9033 dalam segala bidang. Salah satu bidang yang tak pengetahuan pelajar yang diuji dan dimungkinkan luput pemanfaatan teknologi informasi dalam adanya peserta jawaban yang mendapatkan nilai prosesnya adalah dalam bidang pendidikan. tinggi dari factor keberuntungan dengan menebak perkembangan yang semakin maju membuat jawaban yang tersedia. Tingkat akurasi yang dapat pergeseran paradigm cara pembelajaran dan dilakukan oleh komputer untuk ujian jenis pilihan melahirkan metode-metode baru dalam prose ganda dapat mencapai 100% karna bentuk uijan pembelajaran tersebut. proses belajar mengajar saat seperti ini sangat mudah diolah komputer cukup ini dapat dilakukan dimanapun tanpa bertatap muka dengan membandingkan jawaban pelajar dengan secara langsung dalam suatu ruangan. Interaksi kunci jawaban yang ada dalam database. keduanya dapat dilakukan dengan menggunakan Jenis ujian tertulis berikutnya adalah isian bantuan media-media elektronik seperti komputer. singkat. Pada jenis ujian isian singkat pelajar cukup Proses belajar mengajar dengan menggunakan mengisi jawaban atas pertanyaan yang diajukan bantuan media elektronik seperti ini sekarang dalam satu atau beberapa kata. Ujian jenis ini sedikit dikenal dengan sebutan e-learning. lebih baik dibandingkan pilihan ganda karna Pada dasarnya konsep e learning dapat menuntut pelajar untuk mempunyai sebuah jawaban dikelompokan berdasarkan basis teknologi yang sendiri. Dan jenis ujian tertulis lainnya adalah digunakannya menjadi dua jenis, yaitu computer dengan soal esai. Esai adalah suatu tulisan yang based training (CBT) yang menggunakan program menggambarkan opini penulis tentang subyek komputer sebagai media utama yang digunakan oleh tertentu yang coba dinilainya. Atau juga dapat pelajar. Dan jenis satunya adalah web based training diartikan sebagai karangan proga yang mengupas (WBT) yang merupakan perkembangan lanjutan dari secara sepintas namun akurat, padat dan berisi sistem CBT dengan menggunakan tambahan mengenai masalah kesusastraan, seni dan budaya teknologi berbasis internet. Pada jenis WBT dari sudut pandang penulis secara subjektif. Menurut penyampaian dan akses materi pelajaran dilakukan KBBI esai adalah karya tulis atau karangan dalam melalui internet. bentuk prosa yang memaparkan tentang suatu masalah dari sudut pandang penulis secara lugas dan 1.2 Learning Management Sistem (LMS) sepintas. Bentuk soal esai merupakan bentuk Dalam e-learning ada dua bagian utama yang pengujian yang secara akurat mampu menopang sistemnya, yaitu Learning Management menggambarkan pemahaman pelajar secara Sistem dan e-learning content atau materi pelajaran mendalam mengenai topik yang diujikan. Selain itu yang akan dipelajari oleh pemakai. Learning ujian esai juga mampu merangsang kemampuan Management Sistem (LMS) adalah sistem yang mengemukakan pendapat dalam bentuk tulisan. membantu dan berfungsi sebagai platform e- Ujian dalam bentuk esai memiliki learning content. kekurangan dari segi sumber daya yang dibutuhkan yaitu manusia dan waktu. Ketika sebuah ujian esai 1.3 Penilaian Jawaban Otomatis diikuti oleh banyak peserta waktu yang dibutuhkan Setiap pembelajaran membutuhkan sebuah untuk memeriksa jawaban akan bertambah pula. evaluasi untuk mengetahui sejauh mana daya serap Untuk mengatasi masalah dalam penilaian ujian esai, informasi yang dilakukan oleh peserta didik. Secara sistem penilaian esai secara otomatis menggunakan umum terdapat dua macam bentuk evaluasi yang komputer dapat menjadi sebuah solusi yang cukup dapat dilakukan dalam proses belajar mengajar yaitu baik. secara lisan dan tertulis. Ujian secara lisan memiliki kelemahan yaitu penguji dan pelajar yang diuji harus 1.4 Text Preprocessing berada pada satu ruang dan satu waktu yang sama Text preprocessing adalah langkah awal dan membutuhkan waktu yang cukup banyak sebelum dilakukan sebuah pencocokan string. Proses terutama jika peserta ujian tersebut berjumlah ini melalui beberapa tahap tindakan yang dilakukan banyak. Sedangkan ujian tulisan jauh lebih efisien pada sebuah string jawaban dan kunci yang diisi karna ujian dapat dilakukan dalam waktu bersamaan oleh guru dan siswa. Tahap-tahap yang dilakukan dengan jumlah peserta ujian yang lebih banyak. dalam proses ini adalah : Jenis ujian tulis dapat dibagi menjadi tiga macam, yaitu pilihan ganda, isian singkat, dan esai. 1. 1. Case folding / toLowerCase Dari ketiga jenis ujian yang dapat dilakukan secara Case folding adalah tahapan dimana string yang tertulis tersebut ujian yang paling mudah untuk telah diinput oleh user yang awalnya merupakan diperiksa secara otomatis adalah pilihan ganda. Pada campuran dari huruf capital dan huruf kecil ujian jenis pilihan ganda pelajar cukup memilih disamaratakan dengan dijadikan menjadi huruf kecil jawaban yang dianggapnya paling benar dari semua. Hal ini dilakukan karena system komputer beberapa pilihan jawaban yang ada. namun membedakan antara “A” dan “a” sehingga antara kelemahan dari model ujian pilihan ganda adalah “saya” dan “Saya” pun akan dinilai berbeda pada kurang dapatnya penguji mengetahui sejauh mana system. Tentunya hal ini akan berpengaruh pada Jurnal Ilmiah Komputer dan Informatika (KOMPUTA) 47 Edisi. .. Volume. .., Bulan 20.. ISSN : 2089-9033 pencocokan string antar kunci dan jawaban dari siswa. 2. Penghilangan tanda baca (2) Tahapan ini adalah penghapusan tanda baca sehingga string yang tersisa hanya terdiri dari huruf dan angka saja. Tahapan ini dilakukan karena Keterangan : system yang akan dibangun hanya mencocokan A = Matriks A string dan angka belum melibarkan operasi B = Matirks B matematika. ||A|| = Panjang Matriks A 3. Penghapusan kata umum (stopWord) ||B|| = Panjang Matirks B Tahapan stopWord adalah penghapusan kata-kata yang dinilai umum sehingga kata-kata tersebut tidak 1.7 Latent Semantic Analysis (LSA) dimasukan kedalam array string yang akan dicocokan. Latent Semantic Analysis (LSA) adalah suatu 4. Tokenizing metode perhitungan matematika teknik yang Tokenizing adalah tahapan pemotongan string dalam sepenuhnya otomatis dalam penggalian dan teks berdasarkan akta yang menyusunnya dan penyimpulan hubungan antara kata dan kalimat yang sisimpan dalam sebuah variable array. ada dalam paragraf [6]. Algoritma LSA merupakan 5. Stemming (penghapusan awalan dan akhiran) salah satu algoritma pengembangan dalam bidang Stemming adalah salah satu cara yang digunakan ilmu Information Retrival yang mampu untuk meningkatkan performa pencarian dan menghimpun sejumlah besar dokumen dalam basis pencocokan kata dengan cara mentransformasikan data dan mengghubungkan relasi antar dokumen kata kata dalam sebuah dokumen teks ke bentuk dengan mencocokan query yang diberikan. Fungsi dasarnya. Proses stemming dilakukan dengan utama dari LSA ini adalah untuk menghitung menghilangkan semua imbuhan baik yang terdiri kemiripan (similarity) dokumen dengan dari awalan, sisipan maupun akhiran dan kombinasi membandingkan representasi vektor tiap dokumen. dari awalan dan akhiran. Ada banyak algoritma yang Penilaian dengan metode LSA lebih kepada kata- digunakan untuk melakukan proses stemming. kata yang ada dalam tulisan tanpa memperhatikan Khusus untuk stemming bahasa indonesia algoritma urutan kata dan tata bahasa dalam tulisan tersebut, yang sering digunakan adalah algoritma nazrief dan sehingga suatu kalimat yang dinilai adalah andriani, arifin dan setiono, algoritma veda, dll. berdasarkan kata-kata kunci yang ada pada kalimat tersebut. 1.5 Matriks Singular Value Decomposition SVD merupakan teorema aljabar linear yang Untuk menghitung nilai jawaban esai disebut mampu untuk memecah blok suatu matriks menggunakan metode LSA, caranya adalah dengan A menjadi tiga matriks baru yaitu sebuah matriks cara membuat sebuah dokumen esai yang menjadi orthogonal U, matriks diagonal S, dan transpose acuan (query) atau kunci jawaban dan kemudian esai matriks orthogonal V. Teorema SVD adalah sebagai yang akan dinilai dibandingkan dengan esai acuan berikut : jawaban, semakin banyak kemiripannya maka Amn = Umm x Smn x VTnn (1) semakin besar nilai jawabannya. Dimana UTU= matriks identitas ( I ), VTV = matriks identitas ( I ). Kolom matriks U merupakan Langkah-langkah pemeriksaan esai dengan eigenvektor orthonormal dari AAT. Sedangkan metode LSA adalah pertama tulisan kolom matriks V merupakan eigenvektor direpresentasikan ke dalam matriks dimana baris orthonormal dari ATA. dan S merupakan matriks matriks menunjukkan kata-kata kunci (queries) pada diagonal akar dari nilai eigen dari matriks U atau V dokumen tersebut dan setiap kolom menunjukkan dalam urutan dari yang terbesar. kolom dokumen. Setiap sel menunjukkan banyaknya kemunculan kata kunci yang berada pada matriks 1.6 Cosine Similarity pada dokumen yang ada di kolom matriks. Cosine similarity adalah salah satu metode Kemudian isi dari sel tersebut terlebih dahulu perhitungan similarity yang paling popular untuk ditransformasikan dimana setiap frekuensi kata diterapkan pada dokumen teks. Kelebihan utama dibobotkan dengan sebuah fungsi yang dari metode cosigne similarity adalah tidak menunjukkan pentingnya sebuah kalimat dalam terpengaruh pada panjang pendeknya suatu paragraph dan juga derajat yang menunjukkan dokumen. Karna yang hanya diperhitungkan nilai seberapa pentingnya tipe kata didalam suatu kalimat. term dari masing masing dokumen. Berikut adalah rumus untuk cosine similarity Langkah selanjutnya adalah dilakukan dekomposisi Singular Value Decomposition (SVD) Jurnal Ilmiah Komputer dan Informatika (KOMPUTA) 48 Edisi. .. Volume. .., Bulan 20.. ISSN : 2089-9033 pada matriks kata-dokumen. Pada SVD matriks start memuat frekuensi pemunculan kata kunci di dekomposisi menjadi tiga buah matriks yang jika tiga buah matriks tersebut dikalikan maka akan muncul kembali matriks asalnya. Matriks pertamanya mendeskripsikan entitas kolom sebagai Pre processing nilai vektor orthogonal matriks. Matriks keduanya berupa matriks diagonal yang memuat nilai skalar matriks. Secara matematis, faktor yang paling baik adalah menggunakan dimensi terkecil dari matriks awalnya, sehingga rekonstruksi matriks terbaik Pemrosesan dihasilkan pada saat nilai faktor lebih kecil dari dengan LSA jumlah faktor yang digunakan.
Dimensi dari matriks yang telah
disederhanakan dengan menghapus koefisien pada end matriks diagonal sebanyak yang diinginkan sampai tersisa koefisien sebanyak dimensi yang terpilih. Gambar 1 Flowchart Sistem Koreksi Esai Otomatis Tujuan penyederhanaan ini adalah agar terbentuk matriks yang memuat nilai korelasi yang diinginkan Untuk lebih memudahkan dalam pemahaman dalam ketika tiga buah matriks direkonstruksi. Kemudian prosesnya diberikan sebuah contoh pencocokan penilaian akan dilakukan dengan membandingkan antara kunci jawaban dan jawaban siswa. Dalam matriks korelasi dari query dengan matriks korelasi contoh berikut adalah salah satu ulangan yang dari setiap dokumen dengan menggunakan diadakan yang berjumlah 2 soal esai mata pelajaran perhitungan cosinus α. bahasa indonesia. Jika nilai sempurna dalam ulangan ini adalah 10 maka setiap soal memiliki bobot 5 2. ISI PENELITIAN dalam penyusunan nilai tersebut. Bagian ini dapat dibagi dalam beberapa sub pokok pembahasan sesuai dengan kebutuhan tulisan. 2.1 Analisis metode LSA Tidak ada batasan yang baku mengenai jumlah pemerincian sub pokok bahasannya; tetapi Tahapan yang terdapat dalam proses LSA setidaknya mengandung: metode, hasil, dan terdiri dari empat tahap dimana masing-masing pembahasan. tahap ada proses perhitungan matematisnya. Proses ini adalah kelanjutan dari proses preprocessing yang Pengembangan koreksi esai dimasukan dalam telah dilakukan sebelumnya untuk mendapatkan fitur latihan dalam satu halaman bersama soal nilai kemiripan antara jawaban dan kunci jawaban. pilihan ganda. Pengembangan dilakukan karena ditemukan persoalan dalam sistem yang berjalan bahwa pengkoreksian jawaban esai secara manual akan membutuhkan waktu yang lama sebagaimana dijelaskan dalam latar belakang penelitian sehingga membutuhkan fitur tambahan yaitu koreksi soal esai otomatis dalam sistem. Pengembangan ditambahkan dalam bagian latihan soal dengan fitur koreksi soal esai otomatis yang mana dalam sistem sebelumnya sudah teradapat fitur latihan soal namun terabatas hanya soal pilihan ganda saja. Sistem yang akan dikembangkan dalam penelitian ini adalah sebuah sistem koreksi soal esai otomatis dengan metode Latent Semantyc Analysis. Pada prosesnya sebelum sistem melakukan perhitungan dengan metode LSA ada proses proses yang dilakukan terlebih dahulu. Pengembangan koreksi esai ini terdiri dari dua subproses yaitu proses preprocessing dan proses LSA itu sendiri. Proses preprocessing terdiri dari case folding, tokenizing, filtering, dan stemming. Berikut adalah flowchart dari masing masing proses. Jurnal Ilmiah Komputer dan Informatika (KOMPUTA) 49 Edisi. .. Volume. .., Bulan 20.. ISSN : 2089-9033
start 0 1 0 0 1 0 1 0
Kata kunci dan
jawaban dalam 1 0 1 1 1 1 1 0 1 bentuk array 1 0 1 1 0 0 0 1 0 AT 1 1 0 0 1 0 1 0 1 Pembuatan matriks 0 1 0 0 1 1 1 0 0 Langkah berikutnya adalah dengan mencari nilai A*AT dan AT*A sehingga didapatkan matriks berikut: Perhitungan nilai matriks U,S,VT dengan SVD 7 4 4 4 4 5 2 2 AT * A Perhitungan vektor kunci 4 2 5 3 jawaban 4 2 3 5
Perhitungan nilai cosine
similarity 3 1 2 2 2 1 3 1 2 1 2 1 0 2 1 2 0 1 2 1 3 2 2 2 3 1 1 Nilai akhir 2 0 2 2 1 1 2 1 1 A*AT 2 2 2 1 3 2 3 0 2 1 1 2 1 2 2 2 0 1 end 3 2 3 2 3 2 4 1 2 Gambar 2 Flowchart proses LSA 1 0 1 1 0 0 1 1 0 2.2 Perhitungan nilai matriks U, S, VT 2 1 1 1 2 1 2 0 2 Setelah terbentuk sebuah matriks berukuran m x n maka langkah selanjutnya adalah dengan mencari nilai matriks U, S, VT dengan metode SVD Setelah didapatkan hasil perkalian antara (Singular Value Decomposition). Untuk matriks A dan transpose dari matriks A diatas maka mendapatkan matriks-matriks berikut melalui langkah selanjutnya adalah mencari nilai eigen beberapa perhitungan yang cukup kompleks mulai dengan cara mengurangi matriks tersebut dengan dari melakukan transpose matriks, mencari nilai lambda dikalikan dengan matriks identitas. Yang eigen dan mencari vektor eigennya. Namun dalam pertama adalah mencari nilai eigen dari matriks implementasi program, proses perhitungan dapat AT*A. menggunakan library dari JAMA yang telah menyediakan fungsi untuk melakukan perhitungan Nilai eigen = ( ) matriks sebagai pengganti MATLAB sehingga 7 4 4 4 λ 0 0 0 7-λ 4 4 4 didapatkan matriks U, S, VT. Dari tabel 3.7 didapatkan sebuah matriks A 4 5 2 2 0 Λ 0 0 4 5-λ 2 2 - dengan dimensi 9x4 yang akan dilakukan proses 4 2 5 3 0 0 λ 0 4 2 5-λ 3 SVD untuk mencari nilai U, S, VT . langkah pertama 4 2 3 0 0 0 λ 4 2 3 5-λ untuk mencari matriks tersebut adalah dengan mencari matriks AT terlebih dahulu. Dari perhitungan diatas dilanjutkan dengan 1 1 1 0 mencari persamaan polynomial (banyak suku) dari 0 0 1 1 matriks diatas. Caranya adalah dengan mengalikan 1 1 0 0 setiap elemen dikurangi elemen lain dari sisi A 1 1 0 0 sebelahnya. Sehingga didapakan persamaan berikut : 1 0 1 1 1 0 0 1 1 0 1 1 Jurnal Ilmiah Komputer dan Informatika (KOMPUTA) 50 Edisi. .. Volume. .., Bulan 20.. ISSN : 2089-9033 Setelah didapatkan sebuah persamaan Setelah didapatkan ketiga matriks tersebut polynomial seperti diatas langkah selanjutnya adalah langkah selanjutnya adalah dengan melakukan mencari akar dari persamaan tersebut sehingga penyederhanaan kolom-kolom matriks. didapatkan Penyederhanaan dilakukan pada matriks U dengan penyederhanaan pada jumlah kolomnya, matriks S λ1 = 15,400 λ2 = 1,235 pada baris dan kolomnya. Langkah penyederhanaan ini dilakukan sesuai dengan nilai dimensi dari matriks tersebut. sehingga didapatkan matriks U dan λ3 = 3.366 λ4 = 2,000 S dengan dimensi baru sebagai berikut. Sedangkan untuk matriks A*AT dengan - melakukan proses yang sama didapatkan nilai eigen 0.3 0.2 sebagai berikut. 86 48 0.2 0.4 λ1 = 15,400 λ2 = 3,366 33 83 - λ3 = 2,000 λ4 = 1,235 0.3 0.2 86 48 λ5, λ6 , λ7 , λ8, λ9 = 0,000 - 0.2 0.4 3.9 69 89 setelah didapatkan nilai eigen dari masing- Matri 24 0 0.3 0.4 Matriks S masing persamaan diatas langkah selanjutnya adalah ks U 1.8 95 13 dengan memasukan nilai λ pada persamaan awal 0 35 0.2 0.1 yang kemudian dinormalisasi sehingga didapatkan 79 71 matriks-matriks berikut. Untuk vector eigen dari - matriks AT*A akan menjadi nilai V yang kemudian 0.5 0.0 akan di transpose menjadi VT. Dan vektor nilai eigen 02 06 dari A*AT akan menjadi nilai matriks U. Sedangkan - matriks S didapatkan dari diagonal akar nilai eigen 0.1 0.4 yang sudah diurutkan dari yang terbesar dan bukan 07 19 nol. 0.2 0.1 79 71 0.386 -0.248 -0.5 -0.025 0.233 0.483 0 -0.533 2.3 Perhitungan vektor kunci jawaban 0.386 -0.248 0.5 -0.025 Pencarian matriks vektor Q dan 0.269 -0.489 0 0.251 tiap-tiap D dilakukan untuk melakukan proses Matriks U 0.395 0.413 0 0.131 perhitungan cosine similarity di tahap berikutnya. 0.279 0.171 0.5 0.408 Pada langkahnya tahap ini melakukan perkalian matriks dengan himpunan term frekuensi masing- 0.502 -0.006 0 -0.302 masing query yang ditranspose terhadap matriks U 0.107 -0.419 0 -0.433 yang kemudian dikalikan kembali dengan invers dari 0.279 0.171 -0.5 0.408 matriks S (S-1). perhitungan berikut adalah contoh dari perhitungan vektor kunci jawaban (Q). 3.924 0 0 0 ̅ (2) 1.835 0 0 Matriks S 0 0 1.414 0 0 0 0 1.111
0.636 0.421 0.457 0.457
0.129 0.769 -0.443 -0.443 Matriks VT 0 0 -0.707 -0.707 0.761 -0.482 -0.307 -0.307 Jurnal Ilmiah Komputer dan Informatika (KOMPUTA) 51 Edisi. .. Volume. .., Bulan 20.. ISSN : 2089-9033
0.386 - ||A|| = Panjang Matriks A
0.248 0.233 0.483 ||B|| = Panjang Matriks B 0.389 - 0.248 Sehingga D1 = 0.269 - ( )( ) ( )( ) |10111 0.255 0.00 ̅= 0.489 √( ) ( ) √( ) ( ) 1101| 0.395 0.413 0.000 0.545 0.279 0.171 Sehingga didapatkan nilai cosine similarity 0.502 - dari D1 sebesar 0.644 . Untuk nilai yang lain juga 0.006 dilakukan dengan proses yang sama sampai 0.107 - didapatkan masing-masing nilai cosine similarity 0.419 sebagai berikut : 0.279 0.171 ( )( ) ( )( ) D2 = √( ) ( ) √( ) ( ) ̅= q -0.135 | ( )( ) ( )( ) D3 = Jadi hasil perhitungan matriks diatas √( ) ( ) √( ) ( ) didapatkan sebuah vektor dari query jawaban (Q) adalah ̅ = | 0.617 -0.135 |. Dengan melakukan Setelah didapatkan nilai similarity dari perhitungan yang sama maka masing-masing masing-masing jawaban maka tahap selanjutnya jawaban akan menghasilkan nilai vektor sebagai adalah perkalian dengan bobot dari setiap soal yang berikut : diujikan. Dalam soal ini memiliki bobot 5 dari 10 Nilai vector Q = | 0.617 - 0.135 | point yang ada dalam ulangan dari dua soal, Nilai vector D1 = | 0.407 -0.813 | sehingga ketika jawaban dari siswa memiliki Nilai vector D2 = | 0.444 0.470 | kesamaan sempurna dengan kunci yang diberikan Nilai vector D3 = | 0.445 0.470 | akan memiliki 5 point pada soal tersebut. Jadi nilai rekomendasi yang didapatkan oleh 2.4 Perhitungan nilai cosine similarity guru dari fungsionalitas koreksi soal pada contoh soal model ini adalah sebagai berikut : Perhitungan nilai cosine similarity Nilai rekomendasi = nilai cosine similarity * dilakukan guna mendapatkan nilai atau tingkat bobot tiap soal kemiripan antar dua buah vektor. Dalam hal ini vektor yang akan dilakukan perhitungan adalah D1 = 0.644 * 5 = 3.2 vektor antara kunci jawaban dan masing masing jawaban siswa. Perhitungan ini dilakukan dengan D2 = 0.566 * 5 = 2.62 menggunakan rumus pada persamaan dibawah ini. D3 = 0.566 * 5 = 2.62
Sehingga menghasilkan Nilai rekomendasi
(3) dari 3 siswa yang telah mengerjakan soal esai dengan jawaban berbeda yakin sebagai berikut : Siswa pertama atau D1 menghasilkan nilai rekomendasi 3.20 dibulatkan dengan 1 angka desimal menjadi 3.2, Siswa kedua atau D2 menghasilkan nilai rekomendasi nilai rekomendasi 2.62 dibulatkan dengan 1 angka desimal menjadi 2.6 dan Siswa ketiga atau D3 menghasilkan nilai rekomendasi Nilai rekomendasi 2.62 dibulatkan Dengan : dengan 1 angka desimal menjadi 2.6 D = jawaban siswa 3 PENUTUP Berdasarkan dari uraian dan hasil analisis Q = query jawaban yang telah dilakukan maka dapat diambil kesimpulan bahwa Dengan adanya fungsionalitas A = Matriks A koreksi esai otomatis guru mampu melaksanakan proses koreksi soal jenis esai dengan lebih cepat. B = Matirks B Sebelumnya dibutuhkan waktu sekitar 1 menit tiap soal untuk mengkoreksi soal esai secara manual. Jurnal Ilmiah Komputer dan Informatika (KOMPUTA) 52 Edisi. .. Volume. .., Bulan 20.. ISSN : 2089-9033 Jika akan mengkoreksi 30 soal maka dibutuhkan waktu sekitar 30 menit, sedangkan jumlah pelajar di SMK Plus An-Naba Sukabumi sekitar 200 orang. Setelah pengembangan dibutuhkan waktu sekitar 5 detik tiap soal untuk mengoreksi. Jika akan mengkoreksi 30 soal maka membutuhkan waktu sekitar 150 detik atau 2,5 Menit, sedangkan jika akan mengkoreksi 200 soal maka membutuhkan waktu sekitar 1000 detik atau 5 menit Untuk pengembangan fungsionalitas koreksi esai otomatis, saran untuk penelitian berikutnya agar menggunakan metode selain Latent Semantyc Analysis (LSA) dalam melakukan koreksi soal esai otomatis.
DAFTAR PUSTAKA
[1] M P B S Sahriar Hamza, “Sistem
Koreksi Soal Essay Otomatis Dengan Menggunakan Metode Rabin Karp,” EECCISS, vol , no 2, p 153, 2013. [2] B. B. D. H. Anak Agung Putri Ratna, “SIMPLE : SISTEM PENILAI OTOMATIS UNTUK MENILAI UJIAN DALAM BAHASA INDONESIA,” MAKARA TEKNOLOGI, vol , no. 1, pp. 5-11, 2007. [3] R. S.Pressman, Software Enginering A Practitioners Approach, New York: McGraw-Hill, 2010. [4] Munir, “KONTRIBUSI TEKNOLOGI INFORMASI DAN KOMUNIKASI (TIK) DALAM PENDIDIKAN DI ERA GLOBALISASI PENDIDIKAN INDONESIA,” Indonesian Comunity on Information and Comunicartion Technology, vol. 2, no. 2, 2009. [5] D. E. Hartley, Selling e-Learning, ASTD, 2006. [6] P. W. D. L. Thomas K Launder, An Introduction to Latent Semantic Analysis, 1998. [7] M. S. Rossa A.S M, Rekayasa Perangkat Lunak terstruktur dan berorientasi objek, Bandung: Informatika, 2013. [8] A. Nugroho, Analisis dan Perancangan Sistem Informasi dengan Metodologi Berorientasi Objek, Bandung: Informatika, 2005.
MENINGKATKAN PEMAHAMAN SISWA TENTANG PENGOPERASIAN BILANGAN BULAT DAN HUKUM KANSELASI PADA MATERI SISTEM PERSAMAAN LINIER SATU VARIABEL (SPLSV) MENGGUNAKAN MEDIA KoMiK (Konkret Semi Konkret)