Penerapan Metode Non-Negative Matrix Factorization dan Generic Relevance of Sentence Pada Computer Based Test Essay

Aslan Poetra Ramadhan, Herman Herman, Herdianti Darwis

Abstract


Computer Based Test (CBT) diera kemajuan teknologi informasi saat ini mulai menjadi pilihan baru terbarukan dalam hal uji kompetensi dalam berbagai instansi. Tidak hanya peruntukannya di dunia pendidikan. Computer Based Test (CBT) mulai ramai diimplementasikan diluar dunia pendidikan sebab efisiensi, efektifitas hingga kecepatan yang ditawarkan Computer Based Test (CBT) menjadi pertimbangan untuk diterapkan. Pada aspek lingkungan, dengan penggunaan CBT, peran Paper Based Test dalam uji kompetensi dapat menekan penggunaan kertas didalamnya. Hanya saja sistem eksaminasi CBT pada umumnya menggunakan sistem pilihan ganda pada proses uji kompetensi. Penelitian ini bertujuan untuk menerapkan Metode Non-Negative Matrix Factorization (NMF) pada sistem CBT dengan model uji kompetensi Essay dimana terdapat jawaban yang variatif dari model ujian ini. Penggunaan Metode Non-Negative Matrix Factorization (NMF) untuk mengolah string jawaban yang dikirimkan untuk dilakukan penilaian secara otomatis, dengan Metode NMF ini dilakukan Analisa hubungan antara sebuah frase/kalimat dengan sekumpulan string yang kemudian dilakukan pembobotan terhadap respon yang dikirimkan untuk diberi penilaian dengan bantuan Generic Relevance of Sentence (GRS).

Keywords


component; CBT; Essay; GRS; NMF

Full Text:

PDF

References


N. K. Batcha, “Mining Frequent Patterns using Non-negative Matrix Factorization,” no. 1, pp. 1–4, 1999.

A. Ridok, “PERINGKASAN DOKUMEN BAHASA INDONESIA BERBASIS NON-NEGATIVE MATRIX FACTORIZATION ( NMF ),” vol. 1, no. 1, pp. 39–44, 2014.

P. O. Hoyer, “Non-negative matrix factorization with sparseness constraints,” vol. 5, pp. 1457–1469, 2004.

“ORTHOGONALITY-REGULARIZED MASKED NMF FOR LEARNING ON WEAKLY LABELED AUDIO DATA Iwona Sobieraj, Lucas Rencker , Mark D . Plumbley University of Surrey Centre for Vision Speech and Signal Processing Guildford , Surrey GU2 7XH , United Kingdom,” pp. 2436–2440, 2018.

D. Metode and F. Matriks, “Implementasi peringkasan otomatis pada dokumen terstruktur dengan metode faktorisasi matriks nonnegatif,” no. November, 2017.

Y. Gong and X. Liu, “Generic text summarization using relevance measure and latent semantic analysis,” Proc. 24th Annu. Int. ACM SIGIR Conf. Res. Dev. Inf. Retr. - SIGIR ’01, pp. 19–25, 2001.

H. Maharani and M. Sanjaya, “Peringkasan Dokumen dengan Metode Non-Negative Matrix Factorization,” vol. 8, no. 2, 1858.

G. Al-Talib and H. Hassan, “A Study on Analysis of SMS Classification Using TF-IDF Weighting,” Int. J. Comput. Networks Commun. Secur., vol. 1, no. 5, pp. 189–194, 2013.

A. Mishra and S. Vishwakarma, “Analysis of TF-IDF Model and its Variant for Document Retrieval,” pp. 772–776, 2015.


Refbacks

  • There are currently no refbacks.


Copyright (c) 2018 Prosiding SAKTI (Seminar Ilmu Komputer dan Teknologi Informasi)

Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.