ABSTRAKSI: Essay merupakan jawaban dari seorang siswa terhadap proses pembelajaran yang kompleks dimana para ahli masih menggunakan jawaban essay untuk menguji tingkat pemahaman siswa. Komputer yang menjadi komponen penting dalam proses pembelajaran lebih mudah dalam melakukan penilaian pada ujian pilihan ganda dan isian singkat secara akurat dibandingkan dengan ujian essay karena jawaban yang ada harus sama, baik dengan pilihan maupun dengan kata-katanya. Padahal jenis ujian pilihan ganda memiliki kekurangan yaitu dari segi tingkat pemahaman learner pada soal ujian.
Tugas Akhir ini menggunakan metode Probabilistic Latent Semantic Analysis(PLSA ) yang dapat mengidentifikasi kalimat-kalimat yang penting secara semantik yang berguna untuk menghasilkan output berupa penilaian ekstraktif. Pada penerapan sistem ini, sebelumnya dokumen harus di preprosesing, kemudian diekstrak menjadi term dan dilanjutkan dengan proses stopword removal dan stemming. Dalam memberikan hasil keluaran penilaian, dokumen yang telah dimodelkan menggunakan metode PLSA dengan parameter variabel laten kemudian dicocokkan menggunakan teknik cosine similarity dan euclidean distance.
Setelah dilakukan pengujian terhadap system automatic essay grading yang menggunakan 2 data uji, dapat disimpulkan bahwa semakin kecil skala nilai yang diberikan oleh dosen maka rata-rata tingkat akurasi semakin tinggi, dengan rata-rata akurasi 53 – 77% untuk data 1 dan 82 – 91% untuk data 2 dimana data 1 memiliki skala nilai manual 0 – 19 sedangkan untuk data 2 memiliki skala nilai manual 0 – 10.
Kata Kunci : PLSA, preprocessing, stopword removal, stemming, automatic essayABSTRACT: Essay is a response from a student against a complex learning process where many researcher are still using the answer essays to test student comprehension level.Computer that become important component in the learning process easier in doing the assessment in multiple choice exam and a short field accurately compared to the essay exam because the answer that there must be the same, either by choice or by his words. Whereas type multiple-choice exam that is lacking in terms of the learner at the level of understanding about the exam.
This final assignment implements Probabilistic Latent Semantic Analysis (PLSA) that can identify the important sentences are semantically useful for generating output a ekstractive assessment. On the application of this system, the previous document should be in preprocessing, then extracted into terms and proceed with stopword removal and stemming process. In providing of output scoring, the documents that has been modeled using PLSA with latent variable parameter then matched using cosine similarity and euclidean distance technique.
Once the testing automatic essay grading system is done using 2 test data, it can be concluded that the smaller scale value that assigned by lecturer make the average accuracy rate higher, with an average accuracy 53 – 77% for data 1 and 82 – 91% for data 2 in which data 1 has a value scale manually by lecturer 0 – 19 and data 2 has been scale manually 0 – 10.Keyword: PLSA, preprocessing, automated essay grading, stopword removal,