Model bahasa besar (LLM) menawarkan peluang otomatisasi penilaian pemrograman, tetapi kelayakannya memerlukan bukti akurasi nilai, stabilitas, dan kualitas umpan balik. Penelitian ini bertujuan mengevaluasi ketiga dimensi tersebut menggunakan data empat kelas praktikum pemrograman yang melibatkan 197 mahasiswa dan 4.664 jawaban. Pendekatan Design Science Research digunakan untuk pengembangan dan evaluasi. Akurasi diperiksa melalui 163 pasangan nilai dengan penilaian asisten historis sebagai pembanding menggunakan korelasi, metrik galat, analisis bias, kesepakatan Bland–Altman, dan kesalahan batas. Stabilitas diuji melalui penilaian berulang dan perbandingan konfigurasi, sedangkan kualitas umpan balik dinilai menggunakan ukuran tekstual otomatis dan tiga penilai LLM. Hasil menunjukkan korelasi kuat dengan nilai asisten (r = 0,854), tetapi disertai bias negatif sistematis 8,97 poin, MAE 10,09, dan RMSE 13,39. Kesalahan klasifikasi lulus menjadi gagal mencapai 17,2–18,4% pada ambang yang diperiksa. Penilaian berulang menunjukkan konsistensi tinggi (ICC = 0,9943), tetapi perubahan versi penilai menggeser nilai 2,49 poin dan pengaturan temperature nol meningkatkan variasi 4,7 kali. Umpan balik memperoleh penilaian kebenaran faktual dan kebahasaan lebih tinggi daripada keterlaksanaan saran, yang memiliki rerata 2,633. Temuan ini menunjukkan bahwa konsistensi belum menjamin validitas penilaian. LLM dapat mendukung pemeringkatan dan penyaringan, tetapi penetapan nilai akhir memerlukan kalibrasi, pengendalian versi, serta pengawasan manusia, terutama pada keputusan akademik dekat ambang kelulusan.