Implementasi Metode Convolutional Recurrent Neural Network Dengan Semantic Processing Pada Sistem Penilaian Otomatis Lembar Jawaban Isian Singkat Siswa Sekolah Dasar

• Kategori : Skripsi
• Penulis : IRVAN AFRIANDI
• Identitas : 200511099 - Teknik Informatika
• Abstrak :
  

  INTISARI Implementasi Metode Convolutional Recurrent Neural Network Dengan Semantic Processing Pada Sistem Penilaian Otomatis Lembar Jawaban Isian Singkat Siswa Sekolah Dasar Oleh : Irvan Afriandi 200511099 Transformasi digital dalam pendidikan menuntut otomatisasi proses evaluasi pembelajaran, khususnya pada jenjang sekolah dasar dengan populasi 23,93 juta siswa dan rasio guru-siswa 1:32. Penelitian ini mengembangkan sistem penilaian otomatis lembar jawaban isian singkat menggunakan implementasi Convolutional Recurrent Neural Network (CRNN) dengan Semantic Processing. Sistem mengadopsi machine learning pipeline multi-tahap yang mengintegrasikan dual model YOLOv8 untuk deteksi area soal dan jawaban, CRNN dengan ResNet-50 backbone untuk ekstraksi teks tulisan tangan, dan hybrid scoring strategy berbasis IndoBERT untuk evaluasi semantik. Dataset penelitian terdiri dari 125 lembar jawaban siswa sekolah dasar di Kabupaten Cirebon yang menghasilkan 1.205 sampel tulisan tangan. Model YOLOv8 mencapai mean Average Precision (mAP@0.5) sebesar 99,5% untuk deteksi area soal dan 98,3% untuk deteksi area jawaban dengan recall sempurna (100%). Model CRNN menunjukkan validation accuracy 84,81% pada fase pre-training dan 93,56% pada fase fine-tuning. Pengujian sistem dengan 10 siswa menghasilkan tingkat akurasi karakter 94,25%, akurasi kata 53,33%, dan keserasian penilaian dengan guru sebesar 54%. Hasil penelitian menunjukkan sistem mampu mengotomatisasi proses penilaian dengan akurasi memadai untuk mendukung efisiensi evaluasi pembelajaran di sekolah. Kata kunci: CRNN, Semantic Processing, YOLOv8, Penilaian Otomatis

Preview