IMPLEMENTASI SISTEM AUTOMATIC ESSAY SCORING BERBASIS WEBSITE MENGGUNAKAN SENTENCE-BERT DAN COSINE SIMILARITY

Penilaian esai secara manual masih menjadi tantangan dalam proses evaluasi pembelajaran karena membutuhkan waktu yang lama dan berpotensi menimbulkan subjektivitas antar penilai. Penelitian ini bertujuan mengembangkan sistem Automatic Essay Scoring berbasis website yang memanfaatkan metode Sentence-BERT untuk menghasilkan representasi vektor jawaban peserta didik dan kunci jawaban, serta metode Cosine Similarity untuk menghitung tingkat kemiripan makna di antara keduanya. Model Sentence-BERT dengan varian paraphrase-multilingual-MiniLM-L12-v2 difine-tuning menggunakan dataset Indonesian Query Answering Dataset for Online Essay Test System yang terdiri atas 515 jawaban siswa untuk 10 soal esai. Dataset tersebut dibagi dengan rasio 70:15:15, menghasilkan 358 data latih, 77 data validasi, dan 77 data uji. Hasil eksperimen menunjukkan konfigurasi hyperparameter terbaik pada learning rate 5 x 10⁻⁵, epoch 4, dan batch size 16, dengan RMSE Test sebesar 8,4364, meningkat sekitar 76,5% dibandingkan model pretrained tanpa fine-tuning. Sistem yang dikembangkan menghasilkan skor penilaian dalam skala 0-100 secara otomatis dan telah diuji menggunakan metode black box testing dengan teknik Equivalence Partitioning, memperoleh tingkat keberhasilan 100% pada seluruh 31 skenario pengujian. Penelitian ini membuktikan bahwa pendekatan Sentence-BERT dan Cosine Similarity mampu menjadi solusi efektif dalam menggantikan penilaian esai manual dengan proses yang lebih cepat, konsisten, dan objektif.