<![CDATA[Penilaian esai merupakan salah satu metode evaluasi yang penting dalam dunia pendidikan karena mampu menggambarkan kemampuan berpikir kritis, pemahaman konsep, serta kemampuan siswa dalam menyusun argumen secara tertulis. Namun, proses penilaian esai secara manual cenderung memakan waktu lama, tidak konsisten antar penilai, dan rentan terhadap bias subjektif. Untuk mengatasi permasalahan dalam penilaian esai secara manual, penelitian ini merancang sebuah sistem penilaian otomatis dengan menerapkan metode Latent Semantic Analysis (LSA). Sistem ini dirancang untuk mengukur tingkat kemiripan semantik antara jawaban siswa dan kunci jawaban dari guru. Proses dimulai dengan tahapan pra-pemrosesan teks, yang meliputi normalisasi huruf, pemisahan kata, penghilangan kata-kata umum (stopword), serta stemming. Setelah itu, teks yang telah dibersihkan diubah ke bentuk numerik melalui pendekatan Term Frequency-Inverse Document Frequency (TF-IDF). Representasi numerik tersebut kemudian diproses lebih lanjut dengan teknik Singular Value Decomposition (SVD) guna mereduksi dimensi dan mengekstrak makna laten dari setiap dokumen. Setelah memperoleh representasi vektor berdimensi rendah, perhitungan kemiripan dilakukan menggunakan metode cosine similarity. Hasil pengujian pada lima soal esai kimia tingkat SMA menunjukkan bahwa sistem dapat memberikan informasi kemiripan antara jawaban siswa dan guru secara kuantitatif, dengan nilai cosine similarity berkisar antara 0,76 hingga 0,88. Nilai tersebut dapat digunakan untuk membandingkan kesesuaian makna secara objektif. Meskipun demikian, sistem masih memiliki beberapa keterbatasan, seperti kesulitan dalam menangani kata majemuk dan ketergantungan terhadap pustaka pemrosesan bahasa lokal. Secara keseluruhan, sistem ini memiliki potensi besar untuk diterapkan sebagai alat bantu dalam penilaian esai secara efisien, konsisten, dan mendukung proses pembelajaran.]]>
