Perpustakaan judul masih dalam tahap pengembangan, admin siap menampung kritik dan saran
Pembangkit Pertanyaan Berdasarkan Template Dari Dokumen Ringkasan Menggunakan Metode Lexical Chain Dan Korelasi Antar Kalimat
Sani Saefurochman NIM. (2017) | Skripsi | Teknik Informatika
Bagikan
Ringkasan
Perkembangan teknologi yang semakin pesat berpengaruh terhadap semua bidang termasuk bidang pendidikan. Pembuatan pertanyaan dari sebuah teks untuk mengevaluasi pemahaman pembaca mengenai apa yang disampaikan didalam teks merupakan hal yang sudah tidak asing lagi bagi terutama bagi seorang pengajar untuk melakukan evaluasi terhadap siswanya. Akan tetapi manusia memiliki keterbatasan dalam membuat pertanyaan dari teks yang berisi kalimat yang banyak. Hal ini lah yang membuat para peneliti melakukan penelitian tentang bagaimana pemanfaatan mesin dalam pelaksanaan intelligent tutoring. Question Generation (QG) merupakan proses yang dilakukan untuk membangkitkan pertanyaan oleh mesin yang dapat diterima oleh manusia dari sebuah input. Salah satunya adalah dengan menggunakan metode template based. Akan tetapi metode ini dinilai memiliki keterbatasan terutama dalam kesesuaian pertanyaan yang dihasilkan dengan konteks materi. Oleh Karena itu dilakukan penelitian dengan menambahkan peringkasan otomatis materi sehingga dapat membatasi pertanyaan agar sesuai dengan konteks. Metode peringkasan otomatis yang digunakan adalah metode lexical chain dan korelasi antar kalimat. Dari hasil penelitian, didapat akurasi pertanyaan yang dihasilkan yaitu sebesar 70,26% dengan akurasi dari peringkasan sebesar 83%.
Ringkasan Alternatif
Technology developments nowadays are rapidly rising that influences all fields, including education. Creating questions from a text to evaluate the reader's understanding of what is presented in the text is something that teachers do to evaluate their students. But humans have limitations in making the question of text that containing many sentences. This is what led researchers to conduct research on how to use the machine in the implementation of intelligent tutoring. Question Generation (QG) is the process undertaken to create questions by machine that can be accepted by humans from an input. One of a method that is used to generate a question is template-based method. However, this method is considered to have limitations, especially the questions generated are missed from material context. Therefore the research proposed by adding an automatic text summarization to limit the questions to fit the context. Automatic summarization method used is lexical chain and the correlation between sentences. From the research results, obtained accuracy of questions generated by machine about 70.26% with an accuracy of summarization about 83%.