Automatic Question Generator Menggunakan Metode Template-Based
Abstract
Abstrak— Pada penelitian ini akan membahas tentang pengembangan generator soal otomatis untuk materi biologi pada jenjang SMA. Dalam pengembangan generator soal, tentunya telah banyak sekali contoh situs generator soal yang dapat ditemui di internet, akan tetapi hampir keseluruhan generator soal yang dapat ditemui di internet, mengharuskan pengguna untuk menggunakan bahasa inggris dan situs hanya bisa menghasilkan pertanyaan berupa pertanyaan singkat atau factoid, sehingga penelitian ini bertujuan untuk melakukan pengembangan generator soal berbahasa Indonesia dengan tipe pertanyaan non-factoid menggunakan pendekatan template-based. Selain menggunakan pendekatan Template-Based, penelitian ini akan menggunakan algoritma Naïve Bayes untuk proses klasifikasi kalimat dengan bantuan GridsearchCV dan pipeline dari TF-IDF Transformers, String-Match untuk proses eliminasi kalimat, dan Chunking Labelling untuk proses tagging kata. Model generator soal yang dikembangkan pada penelitian ini memiliki rata-rata tingkat akurasi sebesar 90% dengan tingkat persentase jumlah pertanyaan yang layak digunakan sekitar 60%, sehingga model generator yang dikembangkan sudah cukup layak digunakan, akan tetapi memerlukan penelitian lebih lanjut agar model generator soal yang dihasilkan dapat memiliki performa yang lebih baik.
Kata kunci— automatic question generator, naïve bayes classifier, chunking labelling, template-based, GridsearchCV, biologi, Soal SMA
References
Aldabe, I., de Lacalle, M. L., Maritxalar, M., Martinez, E., & Uria, L. (2006, June 30). ArikIturri: An Automatic Question Generator Based on Corpora and NLP Techniques. In: Ikeda M., Ashley K.D., Chan TW. (Eds) Intelligent Tutoring Systems. ITS 2006. Lecture Notes in Computer Science, Vol 4053. https://doi.org/10.1007/11774303_58
Aminudin, A., SN, A., & Ahmad, B. (2018). Automatic Question Generation (AQG) Dari Dokumen Teks Bahasa Indonesia Berdasarkan Non-Factoid Quesion. Jurnal Teknologi Informasi Dan Ilmu Komputer, 5(2), 217–223. https://doi.org/10.25126/jtiik.201852664
Bustami. (2014). PENERAPAN ALGORITMA NAIVE BAYES UNTUK MENGKLASIFIKASI DATA NASABAH ASURANSI. JURNAL INFORMATIKA, 8(1), 884–898.
Dinakaramani, A., Rashel, F., Luthfi, A., & Manurung, R. (2014). Designing an Indonesian part of speech tagset and manually tagged Indonesian corpus. 2014 International Conference on Asian Language Processing (IALP), 66–69. https://doi.org/10.1109/IALP.2014.6973519
Fathoni, F., Afrianti, E., & Heroza, R. I. (2020). Klasifikasi Teks dengan Naïve Bayes Classifier (NBC) untuk Pengelompokan Keterangan Laporan dan Durasi Recovery Time Laporan Gangguan Listrik PT. PLN (Persero) WS2JB Area Palembang. JSI: Jurnal Sistem Informasi (E-Journal), 12(1). https://doi.org/10.36706/jsi.v12i1.9586
’Giodani, A. J. (2021). Pengembangan Model Generator Soal Menggunakan Rule Based Heuristic Dalam Materi Tematik [SI Thesis, Universitas Pendidikan Indonesia]. http://repository.upi.edu/66238/
’Gumaste, P., ’Joshi, S., ’Khadpekar, S., & ’Mali, S. (2020). Automated Question Generator System Using NLP. International Research Journal of Engineering and Technology (IRJET), 7(6), 4568–4572. https://www.irjet.net/archives/V7/i6/IRJET-V7I6848.pdf
Hidayatullah, A. F., & Ma’arif, M. R. (2017). Pre-processing Tasks in Indonesian Twitter Messages. Journal of Physics: Conference Series, 801, 012072. https://doi.org/10.1088/1742-6596/801/1/012072
’Lorena, S., & ’Trinanda, R. P. (2018). TEKNIK DATA MINING MENGGUNAKAN METODE BAYES CLASSIFIER UNTUK OPTIMALISASI PENCARIAN PADA APLIKASI PERPUSTAKAAN. 1534(794), 1–10.
Muis, F. J., & Purwarianti, A. (2020). Sequence-to-Sequence Learning for Indonesian Automatic Question Generator.
’Prihatini, P. M. (2017). IMPLEMENTASI EKSTRAKSI FITUR PADA PENGOLAHAN DOKUMEN BERBAHASA INDONESIA. Matrix : Jurnal Manajemen Teknologi Dan Informatika, 6(3). https://ojs.pnb.ac.id/index.php/matrix/article/view/151
Rachmawati, F., Urifah, N., & Wijayati, A. (2009). BIOLOGI Untuk SMA/MA Kelas XI Program IPA (Erminawati, Ed.). Departemen Pendidikan Nasional.
Rahim, T. N. T. A., Aziz, Z. A., Rauf, R. H. A., & Shamsudin, N. (2017). Automated exam question generator using genetic algorithm. 2017 IEEE Conference on E-Learning, e-Management and e-Services (IC3e), 12–17. https://doi.org/10.1109/IC3e.2017.8409231
’Setiawan, A., ’Pratiwi, N. O., & “Fa’rifahm Riska Yanu.” (2021). QUESTION ANSWERING SYSTEM IN THE FORM OF CHATBOT ON THE LINE PLATFORM FOR HISTORY COURSES OF SMA/MA USING THE LEVENSHTEIN DISTANCE ALGORITHM. E-Proceeding of Engineering, 8(5), 9794–9802.
’Shanthi, B. S. A., “Harshitha,” ’Rego, L. J., & “Manasa K.” (2019). Automated Exam Question Generator Using Genetic Algorithm. International Research Journal of Engineering and Technology (IRJET), 6(5), 1687–1691. https://www.irjet.net/archives/V6/i5/IRJET-V6I5337.pdf
Yusliani, N., & Purwarianti, A. (2011). SISTEM QUESTION ANSWERING BAHASA INDONESIA UNTUK PERTANYAAN NONFACTOID. Jurnal Ilmu Komputer Dan Informasi, 4(1), 1–14.
