Wiguna, I Gusti Nyoman Sapta (2026) DEVELOPMENT OF AN AUTOMATIC ESSAY QUESTION ASSESSMENT SYSTEM BASED ON A LEARNING MANAGEMENT SYSTEM USING THE RETRIEVAL-AUGMENTED GENERATION METHOD. Undergraduate thesis, Universitas Pendidikan Ganesha.
![[img]](http://repo.undiksha.ac.id/style/images/fileicons/text.png) |
Text (COVER)
2215051041-COVER.pdf Download (24MB) |
|
Text (ABSTRAK)
2215051041-ABSTRAK.pdf Download (24MB) |
|
Text (BAB 1 PENDAHULUAN)
2215051041-BAB 1 PENDAHULUAN.pdf Download (24MB) |
|
Text (BAB 2 KAJIAN TEORI)
2215051041-BAB 2 KAJIAN TEORI.pdf Restricted to Repository staff only Download (24MB) | Request a copy |
|
Text (BAB 3 METODELOGI PENELITIAN)
2215051041-BAB 3 METODELOGI PENELITIAN.pdf Restricted to Repository staff only Download (24MB) | Request a copy |
|
Text (BAB 4 HASIL DAN PEMBAHASAN.)
2215051041-BAB 4 HASIL DAN PEMBAHASAN.pdf Restricted to Repository staff only Download (24MB) | Request a copy |
|
Text (BAB 5 PENUTUP)
2215051041-BAB 5 KESIMPULAN.pdf Restricted to Repository staff only Download (24MB) | Request a copy |
|
Text (DAFTAR PUSTAKA)
2215051041-DAFTAR PUSTAKA.pdf Download (24MB) |
|
Text (LAMPIRAN)
2215051041-LAMPIRAN.pdf Download (24MB) |
Abstract
Penelitian ini bertujuan untuk mengembangkan dan mengevaluasi Smart Automated Grading Engine (SAGE), sebuah Learning Management System (LMS) yang dirancang untuk mengotomatiskan penilaian esai guna mengatasi subjektivitas dan beban kerja guru. Penelitian ini menggunakan metode Research and Development (R&D) dengan model Agile. Sistem ini dibangun menggunakan metode Retrieval Augmented Generation (RAG) yang terintegrasi dengan Gemini API untuk memastikan penilaian tetap berpatokan pada materi referensi dan rubrik, sehingga meminimalkan halusinasi informasi. Pengujian fungsionalitas melalui pengujian Blackbox dan Whitebox menunjukkan bahwa sistem beroperasi sepenuhnya sesuai dengan desain. Pengujian akurasi melibatkan 180 tanggapan esai siswa kelas sebelas (36 Siswa) dari SMA Negeri 1 Blahbatuh menggunakan metrik Quadratic Weighted Kappa (QWK). Hasil analisis menunjukkan SAGE mencapai koefisien QWK sebesar 0.9133 (kategori kesepakatan yang hampir sempurna) jika dibandingkan dengan penilaian dari tiga guru sejarah ahli. Selanjutnya, tingkat akurasi mencapai 94.44% dalam toleransi skor ±10 poin. Dengan demikian, disimpulkan bahwa integrasi RAG dalam SAGE dapat mereplikasi penilaian kualitatif guru secara konsisten dan objektif, serta dianggap mampu mengurangi beban kerja administratif, meskipun perbandingan langsung antara waktu penilaian manual dan otomatis belum diukur secara empiris. Berdasarkan hasil tersebut, rekomendasi untuk penelitian mendatang difokuskan pada perluasan kemampuan kecerdasan buatan untuk mengevaluasi format jawaban multimodal dan menerapkannya pada disiplin ilmu selain sejarah.
| Item Type: | Thesis (Undergraduate) |
|---|---|
| Uncontrolled Keywords: | penilaian otomatis, LMS, retrieval augmented generation, Gemini API, quadratic weighted kappa. |
| Subjects: | L Education > L Education (General) T Technology > T Technology (General) |
| Divisions: | Fakultas Teknik dan Kejuruan > Jurusan Teknik Informatika > Program Studi Pendidikan Teknik Informatika (S1) |
| Depositing User: | I Gusti Nyoman Sapta Wiguna |
| Date Deposited: | 09 Jul 2026 03:00 |
| Last Modified: | 09 Jul 2026 03:00 |
| URI: | http://repo.undiksha.ac.id/id/eprint/30697 |
Actions (login required)
 |
View Item |