Hasil Pencarian  ::  Simpan CSV :: Kembali

"Skripsi ini membahas mengenai pengembangan Sistem Penilaian Esai Otomatis (SIMPLE-O) untuk ujian esai berbahasa Indonesia. Sistem ini dirancang dengan menggunakan Stacked Bidirectional LSTM dan menggunakan dua jenis similarity measurement, yaitu Manhattan Distance dan Cosine Similarity, untuk mencari model dengan performa paling optimal dan selisih terbaik dari tiap jenis similarity measurement. Sistem ini menggunakan bahasa pemrograman Python, dan terdiri atas tahap preprocessing, word embedding, training menggunakan deep learning, testing, dan similarity measure untuk menghitung kemiripan antar kata pada input. Input yang digunakan pada sistem ini adalah jawaban dosen sebagai kunci jawaban dan jawaban mahasiswa. Fase training menggunakan data augmentasi dan fase testing menggunakan jawaban mahasiswa asli. Pengujian sistem ini dilakukan dengan menggunakan 7 jenis skenario. Dengan hasil selisih akhir dari model untuk fase training dan testing pada Manhattan Distance sebesar 1.871 dan 7.808, dan Cosine Similarity sebesar 2.31 dan 7.635.

---

This thesis discusses the development of an Automated Essay Scoring System (SIMPLE-O) for Indonesian-language essay exams. This system is designed using Stacked Bidirectional LSTM and uses two types of similarity measurement, which are Manhattan Distance and Cosine Similarity, to find the model with the most optimal performance and the best difference from each type of similarity measurement. The system uses Python programming language, and the system's stages consist of preprocessing, word embedding, training using deep learning, testing, and similarity measuring to calculate the similarity between words on the input. The inputs used in this system are lecturers' answers as answer keys and students' answers. The training phase uses augmented data, and the testing phase uses original student answers. To test this system uses 7 types of scenarios. The final difference results of the model for the training and testing phases are 1.871 and 7.808 on Manhattan Distance and 2.31 and 7.635 on Cosine Similarity."

"Coronavirus Disease 2019 (COVID-19)adalah sebuah penyakit yang menyerang sistem pernafasan dan merupakan penyakit menular yang menyebar secara cepat keseluruh dunia. Penyebaran COVID-19 di Indonesia khusus nya Provinsi DKI Jakarta terus mengalami peningkatan yang cukup signifikan, kasus terkonfirmasi positif maupun meninggal terus bertambah setiap harinya. Informasi mengenai prediksi angka kasus harian COVID-19 dapat membantu pihak-pihak terkait dalam melakukan tindakan preventif penyebaran COVID-19. Dalam memprediksi kasus harian COVID-19, pendekatan machine learning dapat digunakan untuk menyelesaikan permasalahan ini. Salah satu algoritma di dalam machine learning yang dapat digunakan dalam memprediksi kasus harian COVID-19 yaitu Bidirectional LSTM (Bi-LSTM). Data yang digunakan diambil dari Website Jakarta Tanggap COVID-19 yang tercatat mulai 03 Maret 2020 hingga 15 Mei 2021. Bi-LSTM cocok digunakan untuk prediksi data yang bersifat time-series. Dalam implementasinya, data kasus harian COVID-19 dinormalisasi terlebih dahulu dan kemudian diimplementasikan pada metode Bi-LSTM untuk memprediksi kasus positif harian, sembuh harian, dan meninggal harian COVID-19 di DKI Jakarta. Fungsi aktivasi ReLU dan fungsi optimasi Adam digunakan dalam proses prediksi kemudian untuk evaluasi model digunakan Root Mean Squared Error (RMSE). Nilai RMSE terkecil yang diperoleh untuk prediksi kasus positif harian sebesar 203,193 dengan menggunakan perbandingan 95% data training:5% data testing; sembuh harian sebesar 211,068 dengan menggunakan perbandingan 95% data training:5% data testing; dan meninggal harian sebesar 6,758 dengan menggunakan perbandingan 80% data training:20% data testing. Hasil RMSE yang didapat lebih baik dibandingkan dengan penelitian sebelumnya.

---

Coronavirus Disease 2019 (COVID-19) is an infectious disease that attacks respiratory system and it spreads rapidly throughout the world. The spread of COVID-19 in Indonesia, especially in DKI Jakarta, the confirmed positive cases and deaths continue to increase every day. Information regarding the prediction of the daily number of COVID-19 cases can assist related parties in taking preventive actions against the spread of COVID-19. To predict the daily cases of COVID-19, a machine learning algorithm approach can be used to solve this problem. One of the algorithms in machine learning that can be used to predict daily cases of COVID-19 is Bidirectional LSTM (Bi-LSTM). The data used is taken from Jakarta Tanggap COVID-19 which was recorded from March 3, 2020 to May 15, 2021. Bi-LSTM is suitable for predicting time-series data. In its implementation, the daily cases data of COVID-19 is normalized first and then implemented on the Bi-LSTM method to predict daily positive cases, daily recovery cases, and daily death cases of COVID-19 in DKI Jakarta. ReLU activation function and Adam optimization are used for the prediction process, while Root Mean Squared Error (RMSE) is used for the model evaluation. The smallest RMSE value for daily positive cases prediction is 203,193 using comparison 95% data training:5% data testing; daily recovery cases 211,068 using comparison 95% data training:5% data testing; and daily death cases 6,758 using comparison 80% data training:20% data testing. The RMSE value obtained is better than previous studies. "