Evaluasi Parameter Kernel Sigmoid pada Metode Support Vector Regression yang diterapkan di Auto Essay Scoring Bahasa Indonesia

Abstract

Auto Essay Scoring (AES) merupakan teknologi komputer yang di desain mengerjakan secara otomatis dalam melakukan penilaian jawaban esai baik Bahasa Indonesia ataupun bahasa asing. Natural Language Processing (NLP) adalah pembelajaran dari kecerdasan buatan yang memiliki hubungan interaksi antara komputer dengan manusia menggunakan bahasa alami. Penelitian ini bertujuan untuk mengetahui perbandingan dari penggunaan parameter kernel sigmoid dengan penggunaan kernel RBF pada penelitian terdahulu menggunakkan metode Support Vector Regression (SVR). Dataset yang telah dipreprocessing dimasukan melalui proses ekstraksi fitur menggunakkan TF-IDF dan metode SVR dengan parameter kernel sigmoid. Hasil evaluasi RMSE menunjukkan hasil 2,197, berarti terdapat peningkatan nilai RMSE dengan penggunaan kernel sigmoid sebesar 0,031, lalu dibandingkan dengan penelitian sebelumnya. Dimana pada hasil evaluasi RMSE semakin kecil hasilnya maka semakin baik.