PENGEMBANGAN SISTEM KOREKSI PENILAIAN OTOMATIS JAWABAN SOAL ESSAI DI MYKLASS

Penelitian ini bertujuan untuk mengembangkan sistem koreksi dan penilaian otomatis jawaban essai yang memanfaatkan pendekatan pemrosesan bahasa alami (NLP) dengan model IndoBERT. Dengan menggunakan model IndoBERT yang merupakan modifikasi dari model Bidirectional Encoder Representation from Transformers (BERT), sistem akan memberi penilaian yang objektif dan konsisten sehingga dapat mengurangi bias subjektif dosen. Sistem juga mampu memahami konteks teks jawaban siswa dan kesalahan yang ada. Proses pengembangan meliputi tahap seperti pengumpulan data jawaban siswa dan kunci jawaban dosen, tahap normalisasi untuk mengurangi variasi yang tidak perlu dan penerapan model IndoBERT untuk menganalisis kemiripan. Sistem koreksi akan diintegrasikan ke e-learning dalam bentuk SCORM (Sharable Content Object Reference Model), yang membuat sistem dapat di akses dan dikelola secara efisien. Analisis dikonversi menjadi skor penilaian yang disimpan dalam sistem e-learning secara otomatis. Hasil analisis perbandingan nilai MSE, RMSE, dan MSPE antara model IndoBERT dan MultiBERT di empat kelas menunjukkan bahwa rata-rata nilai IndoBERT adalah MSE 6,76, RMSE 2,72, dan MSPE 12,98. Sebaliknya, rata-rata nilai MultiBERT adalah MSE 86,85, RMSE 9,57, dan MSPE 22,58. Hal ini menunjukkan bahwa IndoBERT memiliki performa yang lebih baik dibandingkan MultiBERT pada semua indikator yang dianalisis.