<![CDATA[Transformasi digital di bidang pendidikan terus berkembang, salah satunya melalui Computer Based Test (CBT) sebagai sarana evaluasi pembelajaran. Meskipun CBT efektif untuk soal objektif, penilaian esai masih menjadi kendala karena memerlukan waktu lama dan rawan subjektivitas. Penelitian ini bertujuan membangun sistem CBT dengan penilaian esai otomatis berbasis algoritma Text Similarity dan kecerdasan buatan, guna meningkatkan efisiensi, konsistensi, dan objektivitas evaluasi. Pengembangan sistem menggunakan metode Waterfall, meliputi analisis kebutuhan, perancangan, implementasi, pengujian, dan pemeliharaan. Jawaban siswa dan kunci jawaban diproses melalui tahapan Natural Language Processing (NLP), yaitu case folding, tokenizing, stopword removal, dan stemming. Selanjutnya, bobot kata dihitung menggunakan TF-IDF, dan tingkat kemiripan jawaban dihitung dengan algoritma Cosine Similarity untuk menghasilkan nilai otomatis. Hasil penelitian menunjukkan sistem mampu mengintegrasikan ujian berbasis komputer dan penilaian esai otomatis dalam satu platform. Pada salah satu skenario, Cosine Similarity menghasilkan kemiripan 74%, menunjukkan kesesuaian tinggi antara jawaban siswa dan kunci jawaban. Pengujian Black Box menunjukkan seluruh fitur utama berjalan sesuai kebutuhan dengan keberhasilan 100%. Sistem ini memberikan hasil penilaian secara cepat dan konsisten, serta mendukung digitalisasi pendidikan. Penelitian selanjutnya disarankan mengembangkan model berbasis transformer untuk meningkatkan akurasi penilaian.]]>
Copyrights © 2026
