Metode Support Vector Regression Menggunakan Kernel Polynomial untuk Auto Essay Scoring Bahasa Indonesia

Abstract

Automated Essay Scoring (AES) merupakan salah satu pemanfaatan penggunaan Natural Languange Processing (NLP) pada bidang Pendidikan yang memberikan solusi pada permasalahan belum tersedianya sistem yang dapat melakukan pengoreksian essay secara otomatis berbahasa Indonesia. Penelitian ini bertujuan untuk membandingkan penggunaan kernel polynomial dengan penelitian terdahulu yang menggunakkan kernel RBF. Data yang dimasukan akan melalui proses ekstraksi fitur menggunakkan TF-IDF dan algoritma Support Vector Regression (SVR) dengan kernel polynomial. Root Mean Squared Error (RMSE) digunakan untuk membandingkan hasil penggunaan kernel, dimana semakin kecil hasilnya maka semakin baik. Hasil evaluasi RMSE menunjukkan hasil 2,225 berarti terdapat peningkatan nilai RMSE dengan penggunaan kernel polynomial sebesar 0,059 dibandingkan dengan penelitian terdahulu.