%D 2026
%L universitasamikomyogyakarta31798
%T ANALISIS KINERJA MODEL SUPPORT VECTOR MACHINE
DAN K-NEAREST NEIGHBORS DENGAN EKSTRAKSI
FITUR WINNOWING PADA SISTEM AUTOMATED ESSAY
SCORING
%X Penelitian 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.
%A Muhammad Fahmi Luthfi
%K Winnowing; K-Nearest Neighbors; Support Vector Machine; Feature
Extraction; Automated Essay Grading,
%I Universitas AMIKOM Yogyakarta