RANCANG BANGUN SISTEM PENILAIAN ESAI OTOMATIS BERBASIS WEB MENGGUNAKAN RANDOM FOREST REGRESSOR DENGAN EKSTRAKSI FITUR SENTENCE EMBEDDING DAN LINGUISTIC FEATURES

2207411001, Hilmiyatul Asna (2026) RANCANG BANGUN SISTEM PENILAIAN ESAI OTOMATIS BERBASIS WEB MENGGUNAKAN RANDOM FOREST REGRESSOR DENGAN EKSTRAKSI FITUR SENTENCE EMBEDDING DAN LINGUISTIC FEATURES. D4 thesis, Politeknik Negeri Jakarta.

[thumbnail of Halaman Identitas Skripsi] Text (Halaman Identitas Skripsi)
Halaman Identitas Skripsi_Hilmiyatul Asna.pdf

Download (1MB)
[thumbnail of Isi (BAB II s.d BAB IV)] Text (Isi (BAB II s.d BAB IV))
Isi_Hilmiyatul Asna.pdf
Restricted to Hanya Civitas Akademika PNJ

Download (4MB)
[thumbnail of Manuskrip Artikel Ilmiah] Text (Manuskrip Artikel Ilmiah)
Jurnal Skripsi_Hilmiyatul Asna.pdf
Restricted to Hanya Staff Repositori

Download (1MB)

Abstrak

Penilaian esai merupakan salah satu metode evaluasi pembelajaran yang mampu mengukur kemampuan berpikir kritis, pemahaman konsep, serta kemampuan siswa dalam mengemukakan ide secara tertulis. Namun, proses penilaian esai secara manual memerlukan waktu yang lama dan berpotensi menimbulkan subjektivitas antar penilai. Penelitian ini bertujuan untuk merancang dan membangun sistem penilaian esai otomatis berbasis web menggunakan algoritma Random Forest Regression dengan ekstraksi fitur Sentence Embedding dan Linguistic Features. Sistem dikembangkan menggunakan framework Flask dengan memanfaatkan model paraphrase-multilingual-MiniLM-L12-v2 untuk memperoleh representasi semantik jawaban siswa dan kunci jawaban. Selain itu, digunakan empat belas fitur linguistik yang merepresentasikan karakteristik kebahasaan jawaban siswa. Seluruh fitur digabungkan dan digunakan sebagai masukan bagi model Random Forest Regression untuk memprediksi skor esai. Dataset penelitian terdiri atas 750 jawaban esai siswa dari tiga mata pelajaran, yaitu Bahasa Indonesia, Pendidikan Kewarganegaraan, dan Sejarah Islam, yang telah dinilai oleh guru sebagai ground truth. Hasil evaluasi menunjukkan bahwa model memperoleh Quadratic Weighted Kappa (QWK) sebesar 0,8552, Root Mean Squared Error (RMSE) sebesar 13,7060, Mean Absolute Error (MAE) sebesar 8,6405, Koefisien Determinasi sebesar 0,7781, Pearson Correlation sebesar 0,9018, dan Spearman Correlation sebesar 0,8443, yang menunjukkan tingkat kesesuaian yang tinggi dengan penilaian guru. Sistem yang dikembangkan juga berhasil diimplementasikan sebagai aplikasi berbasis web yang mendukung pengelolaan ujian esai, penilaian otomatis, dan penyajian hasil penilaian. Penelitian ini menunjukkan bahwa kombinasi Sentence Embedding, Linguistic Features, dan Random Forest Regression mampu menghasilkan sistem penilaian esai otomatis yang cepat, konsisten, dan objektif untuk mendukung proses evaluasi pembelajaran.

Tipe Dokumen: Thesis / Skripsi / Tugas Akhir (D4)
Subjek: 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 000 Ilmu komputer, informasi dan pekerjaan umum
000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 003 Sistem-sistem
000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 004 Pemrosesan data dan ilmu komputer
000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 005 Pemrograman komputer, program dan data
Bidang, Unit, atau Jurusan Yang Ditujukan: Teknik Informatika dan Komputer > Teknik Informatika D4
User ID Pengunggah: HILMIYATUL ASNA
Date Deposited: 13 Jul 2026 09:11
Last Modified: 13 Jul 2026 09:11
URI: https://repository.pnj.ac.id/id/eprint/38133

Actions (login required)

View Item
View Item