UMDATI, Rifka (2025) Implementasi Automated Essay Scoring pada Penilaian Kemampuan Membaca dan Menulis Siswa SMP di Kabupaten Kuningan menggunakan Model Long Short-Term Memory berbasis Website. Skripsi thesis, Universitas Jenderal Soedirman.
![[img]](http://repository.unsoed.ac.id/style/images/fileicons/other.png) |
PDF (Cover)
COVER-Rifka Umdati-H1D021053-Skripsi-2025.pdf Download (257kB) |
|
PDF (Legalitas)
LEGALITAS-Rifka Umdati-H1D021053-Skripsi-2025.pdf.pdf Restricted to Repository staff only Download (687kB) |
|
PDF (Abstrak)
ABSTRAK-Rifka Umdati-H1D021053-Skripsi-2025.pdf Download (265kB) |
|
PDF (BabI)
BAB-I-Rifka Umdati-H1D021053-Skripsi-2025.pdf Restricted to Repository staff only until 4 August 2026. Download (259kB) |
|
PDF (BabII)
BAB-II-Rifka Umdati-H1D021053-Skripsi-2025.pdf.pdf Restricted to Repository staff only until 4 August 2026. Download (726kB) |
|
PDF (BabIII)
BAB-III-Rifka Umdati-H1D021053-Skripsi-2025.pdf.pdf Restricted to Repository staff only until 4 August 2026. Download (359kB) |
|
PDF (BabIV)
BAB-IV-Rifka Umdati-H1D021053-Skripsi-2025.pdf.pdf Restricted to Repository staff only Download (3MB) |
|
PDF (BabV)
BAB-V-Rifka Umdati-H1D021053-Skripsi-2025.pdf.pdf Download (258kB) |
|
PDF (DaftarPustaka)
DAFTAR PUSTAKA-Rifka Umdati-H1D021053-Skripsi-2025.pdf.pdf Download (233kB) |
|
PDF (Lampiran)
LAMPIRAN-Rifka Umdati-H1D021053-Skripsi-2025.pdf.pdf Restricted to Repository staff only Download (305kB) |
Abstract
Penilaian esai yang dilakukan secara manual membutuhkan waktu yang cukup lama, terutama jika soal dan jumlah siswa yang banyak. Oleh karena itu, dibutuhkan suatu sistem yang dapat membantu mempercepat proses penilaian tanpa mengurangi kualitas penilaian. Penelitian ini bertujuan untuk mengembangkan sistem Automated Essay Scoring (AES) yang mampu menilai kemampuan membaca dan menulis siswa SMP di Kabupaten Kuningan secara otomatis dan efisien. Sistem ini dibangun menggunakan model Long Short-Term Memory (LSTM) dan diimplementasikan dalam bentuk aplikasi web berbasis Flask. Data jawaban esai yang telah diperoleh akan diproses melalui tahapan prapemrosesan, yaitu ada case folding, stemming menggunakan library Sastrawi, serta tokenisasi. Representasi kata dikonversi menjadi vektor menggunakan Word2Vec. Model LSTM terdiri dari dua layer LSTM, satu layer dense, dan satu layer output. Skor prediksi dinormalisasi menggunakan MinMaxScaler agar sesuai dengan skala penilaian guru. Evaluasi dilakukan menggunakan metrik Quadratic Weighted Kappa (QWK), dengan hasil akhir sebesar 0,81 yang menunjukkan kesesuaian tinggi antara skor model dan skor acuan. Hasil ini menunjukkan bahwa sistem dapat mempercepat proses penilaian esai secara daring dengan hasil yang cukup akurat.
| Item Type: | Thesis (Skripsi) |
|---|---|
| Nomor Inventaris: | H25175 |
| Uncontrolled Keywords: | Penilaian Essay Otomatis, LSTM, Word2Vec, Sastrawi, Flask |
| Subjects: | I > I141 Information technology R > R99 Reading W > W234 Writing |
| Divisions: | Fakultas Teknik > S1 Teknik Informatika |
| Depositing User: | Mrs Rifka Umdati |
| Date Deposited: | 04 Aug 2025 01:32 |
| Last Modified: | 04 Aug 2025 01:32 |
| URI: | http://repository.unsoed.ac.id/id/eprint/35374 |
Actions (login required)
 |
View Item |