Judul: Jurnal Sistem Penilaian Soal Essai
Penulis: Ahmad Imron Sadar
RANCANG BANGUN SISTEM PENILAIAN SOAL ESSAI MENGGUNAKAN METODE LOGIKA FUZZY
Ahmad Imron 1, Ibrahim Abduh 2,S.ST.,M.T, Eddy Tungadi 2,S.T.,M.T
1 Mahasiswa, 2 Dosen Pembimbing
Jurusan Teknik Elektro, Program Studi Teknik Komputer dan Jaringan
Politeknik Negeri Ujung Pandang
Jl. Perintis Kemerdekaan 10 Tamalanrea, Makassar, Sulawesi Selatan, Indonesia
Email : HYPERLINK "mailto:aim.ahmad01@gmail.com" aim.ahmad01@gmail.com
ABSTRAK
Setiap proses pembelajaran memerlukan suatu evaluasi berupa ujian untuk mengetahui tingkat penguasaan materi pelajaran peserta didik yang telah diajarkan. Berdasarkan bentuknya,ujian dapat dibagi menjadi dua, yaitu ujian lisan dan ujian tulis.Salah satu cara yang sering digunakan dosen untuk mengevaluasi mahasiswa adalah dengan memberi ujian tulis dalam bentuk soal essai. Teknik evaluasi manual tersebut tidak efektif dan tidak efisien. Tidak efektif dari segi waktu dan terjadi pemborosan kertas yang digunakan sebagai lembar jawaban oleh mahasiswa. Sehingga diperlukan sistem penilaian tes essai online yang dapat mengatasi kekurangan dari teknik evaluasi manual. Selain itu, sistem ini diharapkan dapat mempermudah dosen dalam mengetahui tingkat penguasaan materi mahasiswa terhadap mata kuliah yang diajarkan dosen. Analisis awal jawaban mahasiswa oleh sistem secara garis besar dibagi dalam 3 tahap yaitu analisis kesamaan kalimat, analisis kata kunci (keyword), dan analisis jumlah kata. Setelah melalui 3 tiga tahap tersebut, jawaban mahasiswa mengalami fuzzyfikasi dan pembentukan himpunan fuzzy jawaban. Untuk mendapatkan nilai akhir dari jawaban mahasiswa maka dilakukan defuzzyfikasi terhadap jawaban mahasiswa yang telah mengalami fuzzyfikasi tersebut menggunakan metode sugeno. Hasil pengujian menunjukkan sistem penilaian soal essai dapat digunakan untuk menilai jawaban mahasiswa secara cepat dan akurat. Hal ini ditunjukkan dengan kecilnya selisih nilai perbandingan antara skor jawaban mahasiswa yang dilakukan oleh sistem dan skor jawaban mahasiswa hasil pemeriksaan dosen, yaitu sebesar 5.538.
Kata kunci: Fuzzyfikasi, Himpunan Fuzzy, Defuzzyfikasi.
PENDAHULUAN
Latar Belakang
Dosen selain sebagai seorang pengajar juga berperan sebagai evaluator. Salah satu cara dosen melakukan evaluasi kepada mahasiswanya adalah dengan memberi ujian tulis dalam bentuk soal essai. Soal yang baik akan mampu mengevaluasi sejauh mana peserta didik menguasai indikator yang sudah ditentukan oleh dosen/pengajar. Untuk itu, kemampuan menganalisis hasil jawaban setelah melakukan tes sangatlah dibutuhkan oleh pendidik untuk melakukan evaluasi apakah alat ukur yang digunakan tersebut sesuai dengan apa yang diinginkan antara lain dapat menentukan peserta didik mana yang sudah atau belum menguasai materi yang diajarkan dosen.
Teknik evaluasi yang masih diterapkan oleh dosen pada saat ini adalah teknik evaluasi manual. Teknik evaluasi ini dilakukan dengan cara memberi sejumlah soal kepada mahasiswa. Kemudian mahasiswa tersebut menjawab soal pada lembar jawaban yang sudah disiapkan sebelumnya. Selain itu, dosen juga harus memeriksa jawaban dari mahasiswa tersebut secara manual.
Teknik evaluasi seperti yang dijelaskan di atas tidak efektif dan tidak efisien. Tidak efektif dari segi waktu karena dibutuhkan waktu yang lama oleh dosen untuk melakukan pemeriksaan lembar jawaban dari setiap mahasiswa. Selain itu, terjadi pemborosan kertas yang digunakan sebagai lembar jawaban oleh mahasiswa. Sedangkan dari segi penilaian yang di berikan dosen terhadap jawaban mahasiswa biasanya masih bersifat kurang objektif karena mengikutsertakan subjektifitas.
Sistem tes online dapat menjadi salah satu cara untuk mengatasi kekurangan dari teknik evaluasi di atas. Selain tidak menggunakan kertas karena diakses melalui web, aplikasi ini juga dapat menganalisis data/jawaban dari setiap mahasiswa secara cepat dan akurat dengan menggunakan metode logika samar (fuzzy logic) sehingga tidak diperlukan waktu yang lama oleh dosen untuk memeriksa jawaban dari tiap mahasiswa karena hasil jawaban bisa langsung ditampilkan oleh sistem.
Rumusan Masalah
Berdasarkan latar belakang yang sudah dijelaskan sebelumnya, dapat dirumuskan permasalahan dalam penelitian sebagai berikut :
Bagaimana cara membuat sistem/aplikasi yang dapat mengetahui hasil jawaban dari mahasiswa yang dievaluasi oleh dosen ?
Bagaimanakah menciptakan sebuah website yang menyediakan media yang bisa membantu pengajar dalam mengetahui tingkat penguasaan materi mata kuliah peserta didiknya ?Batasan Masalah
Untuk memfokuskan penelitian yang akan dilakukan, permasalahan yang ada dibatasi sebagai berikut :
Dokumen jawaban atau materi ujian yang diberikan dalam Bahasa Indonesia.
Tidak digunakan untuk menangani soal essai aljabar, matematika, dan yang sejenisnya yang mengandung rumus-rumus.
Hanya menguji data berupa teks, tidak menguji data berupa gambar.
Sistem membaca huruf alphabet, tidak membaca huruf cina atau yang lainnya.
Sistem tidak dapat mengetahui kesamaan kata atau sinonim kata dari jawaban dosen terhadap jawaban mahasiswa.
Hasil analisa sistem sangat tergantung dari jawaban inputan dari dosen.
Tujuan Penelitian
Tujuan yang ingin dicapai dari penelitian ini adalah merancang sistem penilaian soal essai untuk mempermudah dosen dalam mengetahui tingkat penguasaan materi mahasiswa terhadap mata kuliah yang diajarkan oleh dosen yang bersangkutan.
Manfaat Penelitian
Penelitian ini diharapkan dapat bermanfaat dan membantu dosen atau pendidik dalam mengetahui tingkat presentase penguasaan materi mahasiswa terhadap suatu mata kuliah. Selain itu, sebagai indikator dosen dalam mengetahui apakah metode pembelajaran yang digunakan dalam kelas dapat dipahami oleh mahasiswa atau tidak.
TINJAUAN PUSTAKA
Tes Essai
Menurut Idrakusumah (dalam Suherman, E, 1993), tes adalah suatu alat atau prosedur yang sistematika dan objektif untuk memperoleh data atau keterangan tentang seseorang, dengan cara yang boleh dikatakan cepat dan tepat. Tes, sebagai alat ukur, perlu dirancang secara khusus sesuai dengan tujuan peruntukannya, dan perlu dipersiapkan dengan sebaik-baiknya, sesuai dengan kaidah-kaidah penyusunannya. Tes yang digunakan untuk mengukur prestasi belajar harus benar-benar didesain sesuai dengan kegunaannya.
Tes essai adalah suatu bentuk tes yang terdiri dari suatu pertanyaan yang menghendaki jawaban berupa uraian-uraian yang relatif panjang. Bentuk-bentuk pertanyaan yang mengharuskan siswa untuk menjelaskan, membandingkan, menginterpretasikan atau mencari perbedaan. Semua bentuk pertanyaan mengharuskan siswa untuk mampu menunjukkan pengertian atau pemahaman mereka terhadap materi yang dipelajari (Nurkancana dan Sumartana, 1986:42).
Fuzzy Logic
Logika fuzzy pertama kali dikembangkan oleh Prof. Lotfi A. Zadeh, seorang peneliti dari Universitas California, pada tahun 1960-an.
Himpunan Fuzzy
Himpunan fuzzy adalah pengelompokan sesuatu berdasarkan variabel bahasa (linguistik variable), yang dinyatakan dengan fungsi keanggotaan, dalam semesta U. Keanggotaan suatu nilai pada himpunan dinyatakan dengan derajat keanggotaan yang nilainya antara 0.0 sampai 1.0. Himpunan fuzzy didasarkan pada gagasan untuk memperluas jangkauan fungsi karakteristik sedemikian hingga fungsi tersebut akan mencakup bilangan real pada interval [0,1]. Nilai keanggotaannya menunjukkan bahwa suatu item tidak hanya bernilai benar atau salah. Nilai 0 menunjukkan salah, nilai 1 menunjukkan benar, dan masih ada nilai-nilai yang terletak antara benar dan salah.
Operasi-operasi yang dapat dilakukan dalam logika dan himpunan fuzzy sama dengan dalam logika dan himpunan biasa. Namun definisinya agak berbeda.
Tabel 1.1 Operasi dasar himpunan fuzzy
Operasi Fungsi Keanggotaan
Complement μ-A=1-μA(x)Intersection μA∩Bx=min[μAx,μB(x)]Union μA∪Bx=max[μAx,μB(x)]Fungsi Keanggotaan
Dalam logika tegas, fungsi keanggotaan menyatakan keanggotaan pada suatu himpunan. Fungsi keanggotaan χA(x) bernilai 1 jika x anggota himpunan A, dan bernilai 0 jika x bukan anggota himpunan A. Jadi, fungsi keanggotaan ini hanya bisa bernilai 0 atau 1. Fungsi keanggotaan μA(x) bernilai 1 jika x anggota penuh himpunan A, dan bernilai 0 jika x bukan anggota himpunan A. Sedangkan jika derajat keanggotaan berada dalam selang (0,1), misalnya μA(x) = μ, menyatakan x sebagian anggota himpunan A dengan derajat keanggotaan sebesar μ.
Fungsi keanggotaan suatu himpunan fuzzy dapat ditentukan dengan fungsi segitiga (triangel), trapesium (trapezoidal), atau Fungsi Gauss (Gaussian).
Gambar 2.1 Grafik fungsi keanggotaan segitiga
Gambar 2.2 Grafik fungsi keanggotaan trapesium
Gambar 2.3 Grafik fungsi keanggotaan gaussian
Sistem Inferensi Fuzzy
Metode Tsukamoto
Pada Metode Tsukamoto, setiap konsekuen pada aturan yang berbentuk IF-Then harus direpresentasikan dengan suatu himpunan fuzzy dengan fungsi keanggotaan yang monoton. Sebagai hasilnya, output hasil inferensi dari tiap-tiap aturan diberikan secara tegas (crisp) berdasarkan -predikat (fire strength). Hasil akhirnya diperoleh dengan menggunakan rata-rata terbobot.
Metode Mamdani
Metode Mamdani sering juga dikenal dengan nama Metode Max-Min. Metode ini diperkenalkan oleh Ebrahim Mamdani pada tahun 1975. Untuk mendapatkan output, diperlukan 4 tahapan yaitu Pembentukan himpunan fuzzy, Aplikasi fungsi implikasi (aturan), Komposisi aturan, dan Penegasan (deffuzy).
Metode Sugeno
Penalaran dengan metode SUGENO hampir sama dengan penalaran MAMDANI, hanya saja output (konsekuen) sistem tidak berupa himpunan fuzzy, melainkan berupa konstanta atau persamaan linear. Metode ini diperkenalkan oleh Takagi-Sugeno Kang pada tahun 1985.
Basis Data
Menurut Connolly dan Begg (2005), basis data adalah sekumpulan data-data yang dapat digunakan bersama-sama dan saling berhubungan secara logika, dirancang untuk memenuhi kebutuhan informasi yang diperlukan oleh suatu perusahaan.
Menurut Whitten (2004), basis data adalah file yang saling berhubungan dimana setiap baris pada suatu basis data juga harus saling terhubung dengan baris pada file lain. Dapat disimpulkan bahwa basis data menyimpan data yang saling berhubungan yang dibutuhkan oleh suatu organisasi untuk menyediakan informasi-informasi yang berguna.
Algoritma Similar Text
Algoritma similar text adalah salah satu algoritma yang digunakan untuk menghitung kesamaan kata atau kalimat. Algoritma ini telah menjadi salah satu fungsi core pada bahasa pemprograman PHP pada versi 4. Nama fungsinya pada PHP yaitu similar_text. Fungsi ini menghitung kesamaan antara dua string seperti yang dijelaskan dalam Programming Classic : Implementing the World's Best Algoritms by Oliver (ISBN 0-131-00413-1).
Pengimplementasian fungsi ini tidak menggunakan stack seperti dalam Oliver's pseudo code, tapi menggunakan panggilan rekursif yang mungkin mempercepat ataupun memperlambat seluruh proses perhitungan. Kompleksitas algoritma similar_text ini adalah O(N3) dimana N adalah panjang string terpanjang.
Bentuk fungsi similar_text, yaitu :
int similar_text ( string $first , string
$second [, float &$percent ] )
dengan :
first – string pertama.
second – string kedua.
percent – persentase kemiripan antara string pertama dan string kedua.
PHP
PHP adalah program aplikasi yang bersifat Server Side, artinya hanya dapat berjalan pada sisi server saja dan tidak berfungsi tanpa adanya sebuah server didalamnya. PHP tidak menyertakan compiler tersendiri yang membuat program hasilnya menjadi program.exe yang dapat dijalankan tersendiri, sehingga membutuhkan sebuah server pendukung yang disebut dengan Web Server dan program PHP itu sendiri untuk menjalankan semua script program.
PHP Function
Stripos function adalah salah satu fungsi dari text prosessing. Stripos digunakan untuk menemukan posisi string dari string secara case-insensitive. Bentuk umum dari fungsi stripos :
int stripos ( string $haystack , string $needle [, int $offset ] )
dengan :
$haystack – string yang ingin dicari.
$needle – string tempat mencari.
$offset – (opsional) variabel untuk menentukan karakter awal pada $heystack yang ingin dicari.
METODOLOGI PENELITIAN
Metode Analisis Data
Data yang digunakan disini adalah data jawaban mahasiswa yang telah mengikuti ujian online melalui sistem penilaian soal essai. Tahapan-tahapan pemprosesan data adalah sebagai berikut :
Analisis Jumlah Kata
Tahap awal dari proses analisis jawaban mahasiswa adalah analisis jumlah kata. Pada tahap analisis ini akan dilakukan pengecekan awal kalimat inputan. Inti dari proses ini adalah mencari atau menentukan jumlah kata yang terdapat dalam kalimat jawaban inputan mahasiswa.
Gambar 3.1 Diagam alir analisis jumlah kata
Analisis Kata Kunci
Tahap selanjutnya dari proses analisis jawaban mahasiswa setelah analisis jumlah kata dalam kalimat jawaban mahasiswa adalah analisis kata kunci. Pada tahap analisis ini akan dilakukan pengecekan kata kunci pada kalimat inputan mahasiswa. Inti dari proses ini adalah mencari, menghitung jumlah kata kunci yang terdapat dalam kalimat jawaban inputan mahasiswa.
Gambar 3.2 Diagram Alir Analisis Kata Kunci
Analisis Kesamaan Kalimat
Tahap selanjutnya dan merupakan tahap terakhir dari proses analisis jawaban mahasiswa setelah analisis jumlah kata dalam kalimat jawaban mahasiswa dan analisis kata kunci adalah analisis kesamaan kalimat. Pada tahap analisis ini akan dilakukan pengecekan dan penilaian terhadap jawaban mahasiswa menggunakan algoritma similar_text. Inti dari proses ini adalah membanding jawaban benar yang ada pada database dengan jawaban inputan dari mahasiswa.
Gambar 3.3 Diagram alir analisis kesamaan kalimat
Analisis Data Awal
Fuzzyfikasi Data Jawaban
Tabel 1.2 Himpunan fuzzy Data
Variabel Fuzzy Himpunan Fuzzy Semesta Pembicaraan Domain
Similar_text Tinggi [0 1] [0.80-1.00]
Sedang [0.50-0.79]
Rendah [0.10-0.49]
Kosong [ 0 ]
Jumlah kata Banyak [0 1] [0.80-1.00]
Sedang [0.50-0.79]
Sedikit [0.10-0.49]
Kosong [ 0 ]
Kata Kunci Sama [0 1] [0.80-1.00]
Hampir_sama [0.50-0.79]
Sedikit_sama [0.10-0.49]
Kosong [ 0 ]
Fungsi Keanggotaan Data Jawaban
Gambar 3.3 Fungsi keanggotaan variabel similar_text
Gambar 3.32 Fungsi keanggotaan vaiabel jumlah kata
Gambar 3.33 Fungsi keanggotaan variabel keyword
Fuzzy rule Sistem
Berdasarkan analisis data awal, dapat dibentuk 64 aturan. Metode yang digunakan dalam pembentukan aturan logika fuzzy (fuzzy rule) adalah metode sugeno orde nol. Model fuzzy sugeno orde nol yaitu :
IF (x1 is A1) (x2 is A2) (x3 is A3) (x4 is A4) (x5 is A5) ..... THEN
z = k
Dengan Ai adalah himpunan fuzzy ke-i sebagai anteseden (alasan), dan k adalah suatu konstanta (tegas) sebagai konsekuen. Beberapa contoh dari aturan-aturan tersebut adalah sebagai berikut :
[A2] Jika nilai hasil fungsi similar_text pada jawaban mahasiswa TINGGI AND jumlah-kata jawaban mahasiswa BANYAK AND kata_kunci BEBERAPA_SAMA dengan jawaban benar maka kebenaran jawaban mahasiswa = 98,5.
[A17] Jika nilai hasil fungsi similar_text pada jawaban mahasiswa SEDANG AND jumlah-kata jawaban mahasiswa BANYAK AND kata_kunci SAMA dengan jawaban benar maka kebenaran jawaban mahasiswa = 92. Dst.
Defuzzyfikasi Data Jawaban
Berdasarkan komposisi dari aturan-aturan fuzzy yang telah ditentukan sebelumnya dengan menggunakan metode Sugeno, maka defuzzyfkasi dilakukan dengan cara mencari nilai rata-rata dari variabel keluaran pada setiap soal yang telah dijawab mahasiswa.
HASIL DAN PEMBAHASAN
Proses perhitungan dari jawaban mahasiswa dilakukan oleh sistem pada saat mahasiswa selesai mengerjakan soal pada evaluasi yang dikerjakan atau saat waktu yang ditentukan telah habis. Contoh pengujian perhitungan menggunakan data mahasiswa dengan nim 42513035 pada soal nomor 3.
3.apakah yang dimaksud dengan ethernet?
Kunci Jawaban :
ethernet adalah sebuah metode akses media jaringan di mana semua host di jaringan tersebut berbagi bandwitdh yang sama dari sebuah link.
Jawaban Mahasiswa:
ethernet adalah sebuah interfaces atau sebuah jenis pengkabelan dan pemprosesan sinyal untuk data jaringan.
Bobot Jawaban Benar : 30.
Bobot Jawaban Mahasiswa : 13.5
Nilai Kebenaran : 45 %.
3.apakah yang dimaksud dengan ethernet?
Kunci Jawaban :
ethernet adalah sebuah metode akses media jaringan di mana semua host di jaringan tersebut berbagi bandwitdh yang sama dari sebuah link.
Jawaban Mahasiswa:
ethernet adalah sebuah interfaces atau sebuah jenis pengkabelan dan pemprosesan sinyal untuk data jaringan.
Bobot Jawaban Benar : 30.
Bobot Jawaban Mahasiswa : 13.5
Nilai Kebenaran : 45 %.
Gambar 4.1 Potongan jawaban mahasiswa 42513035
Analisis Jumlah Kata
Berdasarkan pada gambar 4.1, dapat dilihat bahwa jumlah kata keseluruhan pada jawaban mahasiswa adalah 14, sedangkan pada kunci jawaban jumlah katanya sebanyak 21 kata. Untuk menghitung perbandingan jumlah kata jawaban mahasiswa sengan jumlah kata kunci jawaban digunakan rumus :
Jika ΣJM >ΣKJ : Parameter1 = 1-ΣJM - ΣKJΣJMJika ΣJM<ΣKJ : Parameter1 = 1-ΣKJ - ΣJMΣKJdengan : ΣJM = jumlah kata pada jawaban mahasiswa , ΣKJ = jumlah kata kunci jawaban.
Parameter1 = 1-21 - 1421Parameter1 = 1-0.333Parameter1 = 0.667Nilai Mahasiswa untuk jumlah kata adalah 0.667.
Analisis Kata Kunci
Kata kunci untuk soal nomor 3 yaitu : metode, akses, media, jaringan, berbagi, bandwidth, sama, link.
1. for ($i=0; $i<$jumlah_keyword_ex ; $i++) {
2. $pos = stripos($jwbn_mhs_v2, $kata_knci_multiex[$i]);
3. if ($pos === false) {
4. continue ;5. } else {
6. $totalbobot = $totalbobot + $bobot_keyword[$i];
7. $temporari = $temporari + 1 ;8. }
9. }
10. $nilai_keyword = $totalbobot / $total_parameter_1 ;11. $nilai_keyword_mhs = round($nilai_keyword,3);
12. if ($nilai_keyword_mhs == 1) {
13. $keterangan_keyword = "SAMA";
14. } else {
15. $keterangan_keyword = "Kurang Lengkap";
16. }
1. for ($i=0; $i<$jumlah_keyword_ex ; $i++) {
2. $pos = stripos($jwbn_mhs_v2, $kata_knci_multiex[$i]);
3. if ($pos === false) {
4. continue ;5. } else {
6. $totalbobot = $totalbobot + $bobot_keyword[$i];
7. $temporari = $temporari + 1 ;8. }
9. }
10. $nilai_keyword = $totalbobot / $total_parameter_1 ;11. $nilai_keyword_mhs = round($nilai_keyword,3);
12. if ($nilai_keyword_mhs == 1) {
13. $keterangan_keyword = "SAMA";
14. } else {
15. $keterangan_keyword = "Kurang Lengkap";
16. }
Gambar 4.2 Potongan script perhitungan kata kunci
Nilai mahasiswa untuk kata kunci = 0.139.
Analisis Kesamaan Kalimat
Tahap selanjutnya adalah menetukan kesamaan kalimat menggunakan fungsi similar_text pada PHP.
similar_text($jwbn_dsn_lev[$x],$jwbn_mhs_lev[$y], $persent);
similar_text($jwbn_dsn_lev[$x],$jwbn_mhs_lev[$y], $persent);
Gambar 4.3 Potongan script perhitungan kesamaan kalimat.
Setelah melewati tiga tahap analisis diatas maka nilai-nilai yang akan dimasukkan ke dalam himpunan fuzzy sudah diketahui. Setelah ditentukan himpunan fuzzy pada jawaban mahasiswa, maka jawaban mahasiswa tersebut dimasukkan ke dalam fuzzy rule yang sesuai. Dalam hal ini, jawaban mahasiswa masuk di fuzzy rule ke-39 dengan notasi :
IF variabel jumlah kata = sedang AND variabel kata kunci = sedikit_sama AND variabel similar_text = rendah THEN kebenaran jawaban = 45.
Untuk menentukan nilai akhir mahasiswa digunakan rumus :
nilai akhir= kj *bj100nilai akhir= 45 *30100nilai akhir= 45 *30100nilai akhir= 13.5dengan : kj = kebenaran jawaban , bj = bobot maksimal.
Pengujian dan Hasil Pengujian
Tabel 4.1 Penilaian Untuk Soal Nomor 1
Mahasiswa Bobot Maks. Dosen (a) Sistem (b) Selisih (a) dan (b)
42513026 15 15 14.70 0.30
42513029 15 10 14.55 4.55
42513031 15 15 14.70 0.30
42513033 15 15 14.70 0.30
42513035 15 15 14.70 0.30
42513037 15 15 14.70 0.30
42513039 15 15 14.70 0.30
42513040 15 15 14.70 0.30
42513043 15 15 14.55 0.45
Selisih Tetinggi 4.55
Selisih Terendah 0.33
Rata-Rata Selisih Nilai 0.788
Tabel 4.2 Penilaian Untuk Soal Nomor 2
Mahasiswa Bobot Maks Dosen (a) Sistem (b) Selisih (a) dan (b)
42513026 25 25 23.75 1.25
42513029 25 25 22.5 2.50
42513031 25 25 25 0
42513033 25 25 22.5 2.50
42513035 25 25 24.5 0.50
42513037 25 25 25 0
42513039 25 25 25 0
42513040 25 25 24.5 0.50
42513043 25 25 25 0
Selisih Tertinggi 2.50
Selisih Terendah 0
Rata-Rata Selisih Nilai 0.805
Tabel 4.3 Penilaian Untuk Soal Nomor 3
Mahasiswa Bobot Maks Dosen (a) Sistem (b) Selisih (a) dan (b)
42513026 30 10 13.5 3.5
42513029 30 10 10.5 0.5
42513031 30 10 13.5 3.5
42513033 30 15 13.5 1.5
42513035 30 20 13.5 6.5
42513037 30 10 0 10
42513039 30 0 0 0
42513040 30 20 13.5 6.5
42513043 30 0 0 0
Selisih Tertinggi 6.5
Selisih Terendah 0
Rata-Rata Selisih Nilai 3.555
Tabel 4.4 Penilaian Untuk Soal Nomor 4
Mahasiswa Bobot Maks Dosen (a) Sistem (b) Selisih (a) dan (b)
42513026 10 10 10 0
42513029 10 10 8.9 1.1
42513031 10 10 10 0
42513033 10 10 8.9 1.1
42513035 10 10 9 1
42513037 10 10 9.85 0.15
42513039 10 0 0 0
42513040 10 10 9.85 0.15
42513043 10 10 10 0
Selisih Tertinggi 1.1
Selisih Terendah 0
Rata-Rata Selisih Nilai 0.388
Tabel 4.5 Penilaian Untuk Soal Nomor 5
Mahasiswa Bobot Maks Dosen (a) Sistem (b) Selisih (a) dan (b)
42513026 20 5 9 4
42513029 20 15 18 3
42513031 20 5 9 4
42513033 20 5 9 4
42513035 20 5 15 10
42513037 20 15 15 0
42513039 20 5 9 4
42513040 20 15 9 6
42513043 20 5 7 2
Selisih Tertinggi 10
Selisih Terendah 0
Rata-Rata Selisih Nilai 4.111
Tabel 4.6 Perbandingan antara penilaian dosen dan sistem
Mahasiswa Nilai Dosen (a) Nilai Sistem(b) Selisih (a) dan (b)
42513026 65 71 6
42513029 70 74.5 4.5
42513031 65 72.2 7.2
42513033 70 68.6 1.4
42513035 75 76.7 1.7
42513037 75 64.6 10.4
42513039 45 48.7 3.7
42513040 85 71.6 13.4
42513043 55 56.55 1.55
Rata-rata selisih nilai 5.538
Dari tabel 4.6 diperoleh rata-rata selisih penilaian antara dosen dan sistem adalah 5.538. Secara umum nilai yang diperoleh mahasiswa dari sistem dapat dikatakan baik. Terjadinya beberapa perbedaan penilaian antara dosen dan sistem dikarenakan adanya beberapa kesalahan penulisan ataupun kelengkapan kata pada jawaban mahasiswa terutama dalam penulisan istilah asing dan kepanjangan dari suatu singkatan. Sedangkan dari sisi penilaian dosen mengenai kesalahan penulisan kata tidak terlalu mempengaruhi penulisan, karena dosen dapat mengetahui maksud dari jawaban mahasiswa walaupun terdapat kesalahan penulisan kata.KESIMPULAN DAN SARAN
Berdasarkan hasil pengujian dan analisis yang dilakukan terhadap sistem yang telah dibuat dapat diambil kesimpulan sebagai berikut :
Sistem penilaian soal essai dapat mengetahui hasil jawaban dari mahasiswa yang oleh dosen secara cepat dan akurat dengan selisih penilaian antara dosen dan sistem sebesar 5.538.
Website sistem penilaian soal essai dapat membantu dosen atau pengajar dalam mengetahui tingkat penguasaan materi mata kuliah mahasiswa dengan melihat hasil penilaian sistem terhadap evaluasi-evaluasi.
Metode logika fuzzy dengan tiga variabel parameter (similar_text, jumlah kata, dan kata kunci) dapat melakukan pencocokan kata atau kalimat dengan baik pada jawaban mahasiswa dan kunci jawabannya.
Dalam penilaian jawaban mahasiswa dengan menggunakan hanya satu parameter variabel similar text dibandingkan dengan penggabungan tiga parameter variabel fuzzy (parameter similar text, jumlah kata, dan kata kunci) berpengaruh terhadap nilai yang dihasilkan.
Saran penulis dalam pengembangan sistem penilaian soal essai ini :
Sebaiknya ditambahkan lebih banyak parameter variabel fuzzy sehingga dapat dibentuk lebih banyak aturan fuzzy (fuzzy rule) agar proses perhitungan jawaban mahasiswa yang sangat kompleks dapat lebih akurat dari sistem yang ada sekarang.
Parameter pergerakan mata mahasiswa pada saat mengerjakan evaluasi yang dapat dipantau melalui camera laptop bisa menjadi salah satu variabel fuzzy yang perlu dipertimbangkan bagi pengembang sistem selanjutnya.
Dalam penelitian yang akan dikembangkan perlu ada tambahan proses untuk mendeteksi sinonim kata yaitu kata-kata yang berbeda tetapi memiliki makna yang sama.
Perlu ditambahkan proses yang bisa mendeteksi makna kalimat negatif dan positif dengan menggunakan antonim kata sehingga dapat lebih meningkatkan penilaian walaupun kemiripan jawaban berbeda.
DAFTAR PUSTAKA
Anitasari, Ana. 2011. Analisa Kualitas Materi Soal Ujian Akhir Semester Di Smp Terpadu Ponorogo, (Online),(http://www.eepis-its.edu /uploadta/downloadmk.php?id=1798, diakses 14 September 2013).
Avid. 2006. FUZZY LOGIC, (Online), (http://igawidagda.files.wordpress.com /2012/02/diktat-fuzzy.pdf, diakses 01 November 2013 ).
Harisma Nanda Zannibua. 2008. "Implementasi Sistem Penilaian Esai Otomatis Metode LSA dengan tiga bobot kata kunci". Skripsi UI, Jakarta.
Landauer, T. K., Foltes, P. W., & Laham, D. 1998. "An Introduction to Latent Semantic Analysis". Discourse Processes, 25, 259-284.
Li, Yuhua. et. al. "Sentences Similarity Based on Semantic Nets and Corpus Statistics". IEEE Transactions on Knowledge and Data Engineering, vol.18, no.18, 2006.
Nafik Muhammad Zakiya. 2014. "Sistem Penilaian Otomatis Jawaban Esai Menggunakan Algoritma Levenshtein Distance". Skripsi Universitas Brawijaya Fakultas TI. Malang.
Nugroho, Bunafit. 2004. "PHP & MySQL dengan Editor Dreamweaver MX". Yogyakarta : Andi.
Prasetya, Irawan. 2007. "Metode-Metode Penelitian Kuantitatif". Jakarta : Author.
Prasetyo, Dwi Didik. 2006. "101 Tip & Trik Pemrograman PHP". Jakarta : PT Elex Media Komputindo.
Wita, Gusmira. 2012. TES ESSAY ,(online),(http://gusmira-wita.blog-spot.com/2012/03/tes-essay.html, diakses pada 03 Februari 2014).
Terimakasih telah membaca Jurnal Sistem Penilaian Soal Essai . Gunakan kotak pencarian untuk mencari artikel yang ingin anda cari.
Semoga bermanfaat
0 komentar: