EPrints Universitas Amikom YogyakartaANALISIS KINERJA MODEL SUPPORT VECTOR MACHINE DAN K-NEAREST NEIGHBORS DENGAN EKSTRAKSI FITUR WINNOWING PADA SISTEM AUTOMATED ESSAY SCORINGMuhammad FahmiLuthfiauthorPenelitian ini berjudul “Analisis Kinerja Model Support Vector Machine Dan K-Nearest Neighbors Dengan Ekstraksi Fitur Winnowing Pada Sistem Penilaian Esai Otomatis” yang bertujuan untuk mengukur dan membandingkan performa kombinasi metode ekstraksi fitur Winnowing dengan algoritma klasifikasi Support Vector Machine (SVM) dan K-Nearest Neighbors (KNN) dalam penilaian esai otomatis berbasis teks. Penelitian ini menggunakan pendekatan kuantitatif dengan jenis penelitian eksperimental. Dataset yang digunakan adalah Automated Student Assessment Prize (ASAP) Automated Essay Scoring (AES) dari Kaggle yang terdiri atas 12.976 jawaban tertulis siswa berbahasa Inggris terhadap prompt ujian, yang dalam konteks sistem pendidikan Amerika Serikat disebut sebagai essay. Tahapan penelitian meliputi preprocessing teks (pembersihan, tokenisasi, dan stemming), ekstraksi fitur menggunakan Winnowing dengan teknik k-gram dan fingerprinting, serta klasifikasi menggunakan algoritma SVM dan KNN. Analisis kinerja dilakukan berdasarkan metrik akurasi, presisi, recall, F1-Score, dan waktu komputasi. Hasil penelitian menunjukkan bahwa kombinasi SVM dengan fitur hasil ekstraksi Winnowing menghasilkan performa yang lebih baik dibandingkan KNN dengan fitur hasil ekstraksi Winnowing, dengan akurasi sebesar 87,6%, F1-Score 0,868, dan precision 0,891. Meskipun SVM memerlukan waktu komputasi lebih lama (5,18 detik) dibandingkan KNN (0,07 detik), model SVM terbukti lebih akurat dan stabil dalam mengklasifikasikan skor esai. Kesimpulannya, algoritma SVM lebih direkomendasikan untuk sistem penilaian esai otomatis yang mengutamakan akurasi, sementara KNN cocok untuk aplikasi yang membutuhkan efisiensi waktu. Penelitian selanjutnya disarankan untuk mengeksplorasi metode ekstraksi fitur lain dan optimasi parameter model guna meningkatkan performa sistem secara keseluruhan.000 Ilmu komputer, informasi dan pekerjaan umum003 Sistem-sistem2026-02-03Universitas AMIKOM Yogyakarta;Pascasarjana Magister InformatikaThesis

For work being deposited by its own author: In self-archiving this collection of files and associated bibliographic metadata, I grant EPrints Universitas Amikom Yogyakarta the right to store them and to make them permanently available publicly for free on-line. I declare that this material is my own intellectual property and I understand that EPrints Universitas Amikom Yogyakarta does not assume any responsibility if there is any breach of copyright in distributing these files or metadata. (All authors are urged to prominently assert their copyright on the title page of their work.)

For work being deposited by someone other than its author: I hereby declare that the collection of files and associated bibliographic metadata that I am archiving at EPrints Universitas Amikom Yogyakarta) is in the public domain. If this is not the case, I accept full responsibility for any breach of copyright that distributing these files or metadata may entail.

Clicking on the deposit button indicates your agreement to these terms.