AUTOMATIC EXAM CORRECTION FRAMEWORK (AECF) PADA SISTEM PEMBELAJARAN DARING DI PERGURUAN TINGGI

Penilaian soal esai merupakan metode evaluasi yang mampu menggambarkan
pemahaman konseptual dan kemampuan berpikir kritis mahasiswa secara menyeluruh.
Namun, penilaian manual membutuhkan waktu yang lama dan berisiko menimbulkan
subjektivitas. Penelitian ini merancang dan mengembangkan sistem koreksi otomatis
untuk jawaban esai naratif pendek berbasis teks menggunakan pendekatan Natural
Language Processing (NLP) dengan model IndoBERT. Sistem yang dikembangkan,
Automatic Exam Correction Framework (AECF), dirancang untuk mengukur kesamaan
semantik antara jawaban mahasiswa dan pembahasan dosen sebagai acuan penilaian.
Proses pengembangan mencakup ekstraksi data, pra-pemrosesan teks, dan perhitungan
nilai kemiripan menggunakan embedding IndoBERT. Evaluasi dilakukan dengan
membandingkan hasil koreksi otomatis dan manual menggunakan metrik Pearson
correlation dan Mean Absolute Error (MAE). Hasil menunjukkan bahwa sistem dapat
menghasilkan skor yang mendekati penilaian manual, meskipun masih terdapat
kekurangan, seperti skor tinggi untuk jawaban panjang yang tidak relevan serta kesulitan
mendeteksi kontradiksi semantik. Penelitian ini berkontribusi dalam pengembangan
sistem evaluasi otomatis Bahasa Indonesia yang lebih efisien, objektif, dan adaptif
terhadap kebutuhan pendidikan tinggi di era digital.
Kata kunci: Automatic Essay Scoring, IndoBERT, Cosine Similarity, NLP, AECF