Hasil Pencarian  ::  Simpan CSV :: Kembali

"Dalam tesis ini dikembangkan Sistem Penilaian Ujian Lisan (SIPENILAI) dalam bahasa Jepang. SIPENILAI memiliki 3 fitur utama: Kata yang Cocok, Fitur Menjawab Pertanyaan, dan Fitur Esai. Skripsi ini akan membahas dan memberikan disain terkait penggunaan Julius sebagai pengenal pidato dan LSA sebagai metode penilaian untuk mendapatkan akurasi dalam fitur esai. Julius menggunakan metode N-gram sebagai algoritma pengenalan suara. LSA menggunakan norma SVD dan forterenius untuk mendapatkan nilai dari jawaban atas referensi. Tesis ini juga membahas tentang faktor-faktor yang dapat mempengaruhi hasil penilaian dan kinerja sistem. Pengujian dilakukan terhadap 12 responden dengan kefasihan dan jenis kelamin yang berbeda untuk mengetahui faktor-faktor yang dapat mempengaruhi hasil penilaian dan kinerja sistem. Hasil akurasi sistem adalah 84.89% dan kecepatan sistem 63.01 KB/s. Faktor kefasihan dapat mempengaruhi keakuratan dan kecepatan sistem, sedangkan jenis kelamin tidak berpengaruh. Secara keseluruhan, SIPENILAI dapat menjadi sistem yang digunakan untuk melakukan penilaian ujian lisan pada fitur esai bahasa Jepang.

---

In this thesis, the Oral Exam Assessment System (SIPENILAI) is developed in Japanese. SIPENILAI has 3 main features: Word Match, Question Answering Feature, and Essay Feature. This thesis will discuss and provide designs related to the use of Julius as a speech recognition and LSA as an assessment method to obtain accuracy in essay features. Julius uses the N-gram method as a speech recognition algorithm. The LSA uses the SVD and forterenius norms to get values ​​from answers to references. This thesis also discusses the factors that can affect the results of the assessment and system performance. Tests were conducted on 12 respondents with different fluency and gender to determine the factors that could affect the results of the assessment and system performance. The result of system accuracy is 84.89% and system speed is 63.01 KB/s. The fluency factor can affect the accuracy and speed of the system, while gender does not. Overall, CIVIL ASSESSMENT can be a system used for conducting oral exam assessments on the Japanese essay feature."

" E-learning dalam dunia pendidikan sudah banyak diterapkan untuk meningkatkan mutu pendidikan salah satunya adalah penggunaan e-learning pada pengujian akademis baik ujian pilihan ganda, esai, dan lisan. Proses penilaian jawaban ujian mahasiswa masih secara manual maka dari itu, penilitian membahas pengembangan Sistem Penilaian Ujian Lisan atau SIPENILAI dalam bahasa Jepang dengan menerapkan API google speech recognition dan metode LSA. SIPENILAI merupakan sistem yang dikembangkan oleh Departemen Teknik Elektro yang bertujuan untuk menilai ujian lisan secara otomatis. Speech recognition yang akan diterapkan memakai API google speech recognition yang merupakan API yang digunakan untuk mendeteksi suara yang kemudian diubah menjadi teks. Algoritma LSA merupakan metode yang digunakan untuk menganalisa kemiripan antara kalimat dengan dokumen jawaban dari pengajar. Kata dalam kalimat akan disusun menjadi matriks kemudian diproses dengan SVD (Singular Value Decomposition) dan diukur kemiripan antara kalimat dengan dokumen jawaban menggunakan Frobenius Norm. Dari pengujian yang telah dilakukan SIPENILAI dapat mencapai rata-rata akurasi sebesar 83.64% untuk pengguna fasih dan 76.89% untuk pengguna tidak fasih.

---

E-learning in the world of education has been widely applied to improve the quality of education one of which is the use of e-learning in academic testing both multiple choice exams, essays, and oral. The process of evaluating student exam answers is still manual and therefore the research, discussing the development of the Oral Examination Assessment System or SIPENILAI in Japanese by implementing Google API speech recognition and LSA methods. SIPENILAI is a system developed by the Department of Electrical Engineering which aims to assess oral examinations automatically. Speech recognition that will be implemented using Google API speech recognition which is an API that is used to detect sound which is then converted into text. LSA algorithm is a method used to analyze the similarity between sentences and the document answers from the teacher. The words in the sentence will be arranged into a matrix and then processed with SVD (Singular Value Decomposition) and measured the similarity between the sentence with the answer document using Frobenius Norm. From testing that has been done, SIPENILAI can reach an average accuracy of 83.64% for fluent users and 76.89% for non-fluent users."

"ABSTRAKSistem Penilaian Ujian Lisan (SIPENILAI) merupakan pengembangan dari Sistem Penilaian Esai Otomatis (Simple-O) yang membuat metode menjawab soal dapat dilakukan secara lisan. Sistem ini menggunakan input suara dalam Bahasa Jepang, lalu suara tersebut dikonversi menjadi teks menggunakan bantuan dari engine bernama Julius. Selanjutnya teks dibandingkan dengan kunci jawaban untuk dilakukan scoring menggunakan algoritma Latent Semantic Analysis (LSA). Pada skripsi ini terdapat tiga pengujian yang dilakukan yaitu uji keakuratan Julius, uji keakuratan SIPENILAI, serta uji kecepatan SIPENILAI. Ketiga uji coba tersebut menggunakan variasi jawaban yang berbeda-beda, namun pengucapnya tetap sama. Setelah dilakukan uji coba dan analisis diperoleh nilai akurasi Julius sebesar 77.92, nilai akurasi SIPENILAI sebesar 75.43, dan nilai kecepatan rata-ratanya sebesar 45.63 KB s.

---

ABSTRACTThe Oral Examination Assessment System (SIPENILAI) is the development of the Automatic Essay Assessment System (Simple-O) that makes the method of answering questions can be done orally. This system uses voice input in Japanese, then the sound is converted to text using the help of an engine named Julius. Furthermore, the text is compared with the answer key for scoring using the Latent Semantic Analysis (LSA) algorithm. In this thesis, there are three tests carried out, the accuracy test of Julius, the accuracy test of SIPENILAI, and the speed test of SIPENILAI. The three tests used a variety of different answers, but the speaker remained the same. After testing and analysis, the accuracy value of Julius was 77.92, the accuracy of SIPENILAI was 75.43, and the average speed was 45.63 KB s."

"ABSTRAKPada awalnya, Departemen Teknik Elektro Fakultas Teknik Universitas Indonesia telah mengembangkan sebuah sistem penilaian esai otomatis SIMPLE-O untuk ujian esai dalam bahasa Indonesia, namun kali ini dikembangkan untuk ujian esai dalam bahasa Jepang. Skripsi ini akan membahas mengenai penerapan dan pengembangan SIMPLE-O untuk ujian bahasa Jepang berbasis algoritma latent semantic analysis LSA dalam bahasa pemrograman Python. Pengujian menggunakan pendekatan text-similarity frobenius norm. Jenis input teks untuk proses LSA berpengaruh terhadap tingkat akurasi sistem, begitu pula dengan jenis nilai yang dimasukkan ke dalam matriks term-document matrix TDM . Dari hasil pengujian dan analisis yang telah dilakukan, apabila menggunakan input teks dan jenis nilai yang dimasukkan ke dalam matriks TDM yang tepat, LSA mampu menghasilkan akurasi sebesar 99.93.

---

ABSTRACTIn the beginning, Department of Electrical Engineering in Universitas Indonesia has developed an automated essay scoring system SIMPLE O for essay tests in Indonesian, but this time it is developed for essay tests in Japanese. This thesis will discuss about the development and implementation of SIMPLE O for essay tests in Japanese based on latent semantic analysis LSA Algorithm written in Python programming language. The text similarity approach used in this thesis is frobenius norm to measure similarity between texts. The type of text input for the LSA process influences the rate of accuracy of the system, the type of value inserted into the term document matrix TDM can also influence the rate of accuracy of the sysstem. From the result of test and analysis that has been done, given the appropriate type of text input and type of value inserted into the TDM, LSA is able to obtain a rate of accuracy of 99.93 "

"ABSTRAKDepartemen Teknik Elektro Fakultas Teknik Universitas Indonesia telah mengembangkan sistem penilaian esai otomatis (SIMPLE-O) untuk ujian bahasa Jepang. Skripsi kali ini akan membahas pengembangan SIMPLE-O dalammengoreksi ujian bahasa Jepang dengan menggunakan metode N-Gram dan Latent Semantic Analysis (LSA) dan bahasa pemrograman Python dengan tujuan untuk mencapai nilai akurasi yang maksimal. N-Gram digunakan untuk mengoreksi pola kalimat data yang diuji dengan referensi, serta LSA dan Frobenius Norm untuk pemrosesan teks dan pemeriksaan kesamaan teks. Dari pengujian yang telah dilakukan, SIMPLE-O dengan N-Gram dapat mencapai rata-rata akurasi sebesar88,09%.

---

ABSTRACTDepartment of Electrical Engineering, Faculty of Engineering, University of Indonesia has developed a system to grade Japanese examination essay automatically. This thesis will discuss about the development of SIMPLE-O in grading Japanese examination essays using N-Gram and Latent Semantic Analysis (LSA) using Python programming languageto reach the maximum accuracy level. N-Gram is used to score the answer based on the words and the pattern of the sentence of key answer. LSA and Frobenius Norm are used toprocess the text and to check the similarity of both text. From the test that has been done, SIMPLE-O using N-GramandLSAis able to obtain an average rate of accuracy of 88,09%."

"Penelitian ini membahas tentang pengembangan sistem penilaian ujian lisan (SIPENILAI) pengucapan bahasa Jepang menggunakan algoritma winnowing. Winnowing merupakan algoritma dengan basis fingerprint yang digunakan untuk mengukur tingkat kemiripan teks. Masukan sistem penilaian ujian lisan (SIPENILAI) adalah suara yang pada proses selanjutnya diubah dalam bentuk teks dengan speech recognition Julius. Keluaran Julius adalah teks berkarakter Jepang. Pada teks tersebut dilakukan proses romanisasi untuk mengubah karakter ke bentuk romaji. Pemodelan bahasa N-gram diterapkan pada algoritma winnowing dan Julius. Sistem penilaian menggunakan variasi parameter winnowing n=2, p=2 dan w=2 dan perhitungan cosine similarity yang menghasilkan akurasi sebesar 91,94%. Diamati faktor-faktor yang mempengaruhi akurasi setiap pengguna. Dalam melakukan penilaian, sistem berjalan dengan kecepatan sebesar 35,49 KB/s.

---

This research discusses the development of oral examination grading system (SIPENILAI) for Japanese pronunciation using winnowing algorithm. Winnowing is a fingerprint-based algorithm that is used to measure text similarity rate. The oral examination grading system (SIPENILAI) receives speech input, then it is converted into text with Julius speech recognition. The output of Julius is text with Japanese characters. Romanization process is carried out to convert the Japanese character to the romaji form. N-gram language modeling is applied to winnowing algorithm and Julius. The accuracy rate is 91,94% by using n = 2, p = 2 and w = 2 winnowing parameters and cosine similarity. In this research, factors that influence the accuracy rate are observed. The system executes the process with speeds of 35,49 KB/s."

"ABSTRAKPada penelitian ini dilakukan penerapan Support Vector Machine dan LSAMetode tersebut dibahas dan dipelajari lebih lanjut untuk merancang Sistem Penilaian Esai Otomatis (Simple-O). Simple-O merupakan sistem yang saat ini dikembangkan oleh UI Jurusan Teknik Elektro yang bertujuan untuk menilai esai secara otomatis. Support Vector Machine, yang merupakan algoritma pembelajaran yang diawasi, dipelajari selanjutnya untuk meningkatkan tingkat akurasi dalam Simple-O bersama dengan metode LSA yang digunakan Bahasa pemrograman Python. Dari hasil tes rata-rata tertinggi skor akurasi yang diperoleh sistem sebesar 88.06% dengan masukan kalimat kanji, katakana, hiragana dan nilai TDM siswa jawaban yang mencerminkan frekuensi kemunculan kata kunci dalam dokumen.

---

ABSTRACTIn this study, the implementation of Support Vector Machine and LSA was carried out These methods are discussed and studied further to design an Essay Assessment System Automatic (Simple-O). Simple-O is a system currently being developed by the UI Department of Electrical Engineering which aims to assess essays automatically. Support Vector Machine, which is a supervised learning algorithm, is learned furthermore to increase the level of accuracy in Simple-O along with the LSA method used Python programming language. From the highest average test results the accuracy score obtained by the system is 88.06% with input the kanji, katakana, hiragana and TDM scores of the students answers that reflect the frequency with which keywords appear in the document."

"Skripsi ini akan membahas tentang pengembangan sistem penilaian esai otomatis untuk esai pendek bahasa Jepang dengan menerapkan metode K-Means Clustering untuk mengelompokkan setiap topik pertanyaan dan Analisis Semantik Laten untuk membuat penilaian. Sistem yang dikembangkan untuk membantu memudahkan pemeriksaan esai yang saat ini masih dilakukan secara manual. Pengembangan sistemnya sendiri dilakukan dengan menggunakan bahasa pemrograman Python. Terdapat 5 skenario pengujian yang dilakukan dengan memvariasikan jenis masukan hiragana dan romaji serta proses eliminasi stopwords. Dari hasil yang diperoleh dan analisis yang dilakukan, bentuk atau jenis input teks yang digunakan serta penggunaan parameter seperti stopwords berpengaruh terhadap akurasi penilaian yang diperoleh. Sistem penilaian esai otomatis yang dikembangkan mampu memperoleh tingkat akurasi tertinggi sebesar 89% dengan menggunakan input berupa huruf romaji dan tanpa proses eliminasi stopwords.

---

This thesis will discuss about the development of an automatic essay grading system for short Japanese essays by applying the K-Means Clustering method to group each question topic and Latent Semantic Analysis to make an assessment. The system developed to help facilitate essay checking is currently still being done manually. The development of the system itself is carried out using the Python programming language. There are 5 test scenarios carried out by varying the types of hiragana and romaji inputs and the stopwords elimination process. From the results obtained and the analysis carried out, the form or type of text input used and the use of parameters such as stop words have an effect on the accuracy of the assessment obtained. The developed automatic essay scoring system was able to obtain the highest accuracy rate of 89% by using input in the form of Romaji letters and without the stopwords elimination process."

"Dalam penelitian ini membahas mengenai rancangan sistem penilaian ujian lisan (SIPENILAI) otomatis pada bahasa Jepang menggunakan algoritma rabin karp. Algoritma rabin karp merupakan algoritma yang digunakan untuk melakukan pencarian dan perhitungan jumlah kata yang sama dalam setiap kata kunci yang dilakukan perbandingan. Algoritma rabin karp digunakan karena mempunyai kelebihan yaitu dapat melakukan pencocokan string yang bervariasi dengan lama waktu yang cepat. Algoritma rabin karp melakukan pencocokan string berdasarkan nilai hash pada teks dan nilai hash pada pola. Input pada sistem ini ialah berupa suara yang akan diubah menjadi teks bahasa Jepang dengan menerapkan proses romanisasi untuk mengubah karakter ke bentuk romaji. Pada sistem ini, algoritma rabin karp menerapkan model Bahasa N-gram. Sistem penilaian ujian lisan (SIPENILAI) otomatis ini dilakukan pengujian pertama dengan menggunakan Google Speech API dengan variasi parameter terbaik n=2 dan p=2 dan perhitungan cosine similarity yang diuji oleh 43 mahasiswa yang menghasilkan akurasi sebesar 88.35%. Dalam melakukan penilaian, sistem berjalan dengan kecepatan rata-rata sebesar 337.05 millisecond atau 0.337 second.

---

This research discusses design of automatic grading system for Japanese-Language examination (SIPENILAI) using rabin karp algorithm. Rabin-Karp algorithm is used to search and calculate the same number of words in each keyword that is compared. Rabin Karp algorithm has the advantage that can perform string matching that varies with a very fast time. Rabin-Karp algorithm perform string matching hash value based on the text and the pattern hash value. The system receives speech or voice input, then it is converted into Japanese text with Google speech recognition. In this system, Rabin Karp algorithm applies N-gram Language model. The accuracy rate for SIPENILAI were tested by 43 students is 88.35% by using Google Speech API, by using best variation of parameters n=2 and p=2 and cosine similarity. The system executes processes with an average speed of 337.05 milliseconds or 0.337 seconds."

"Sistem penilai otomatis SIMPLE-O untuk bahasa Jepang telah diteliti selama beberapa tahun belakangan. Namun, penilaian yang dilakukan belum mencakup nilai morfologis, padahal morfologi merupakan hal yang penting dalam ujian sastra. Penelitian ini melakukan clustering pada 215 jawaban mahasiswa dan mengelompokkannya ke 6 cluster berdasarkan topiknya. Berdasarkan hasil, didapatkan bahwa K-means clustering mengelompokkan dengan lebih baik dibanding hierarchical agglomerative clustering (HAC), terutama dengan penambahan Romanisasi. K-means clustering dengan Romansasi menunjukkan 96.5% precision dan 96% recall, sementara HAC memiliki 95% precision dan 93.7% recall. Pada proses penilaian, jawaban dinilai pertopik atau nomor soal dan dicari rasio antara nilai yang didapat dari LSA dengan nilai morfologi dengan akurasi tertinggi. LSA memiliki rata-rata akurasi 79.92%. Penambahan analisis morfologi pada nilai akhir mendapatkan akurasi tertinggi sebesar 78.77% dengan bobot 10% nilai morfologi dan 90% nilai LSA.

---

The research on automated grading system SIMPLE-O for Japanese language has been done for a few years. However, in the grading system, there is still no means to grade the morphological component even though it is an important part of language test. This research groups 215 student answers to 6 cluster according to the topics. According to the results, K-means clustering performs better than hierarchical agglomerative clustering (HAC) especially with Romanization. K-means clustering with Romanization shows 96.5% precision and 96% recall while HAC has 95% precision and 93.7% recall. For the grading prosess, the answers will be scored by its topic or question number and the ratio between similarity measurement score and morphological score with the highest accuracy will be selected. LSA has the average accuracy of 79.92%. With the addition of morphological analysis on the final score, the highest average accuracy of 78.77% is selected with the ratio of 10% morphological score and 90% LSA score."