PENERAPAN SUPERVISED FINE-TUNING PADA OPEN-SOURCE LARGE LANGUAGE MODEL UNTUK PENILAIAN OTOMATIS ESAI BERBAHASA INDONESIA

AHLAN, SAYYID ALGHIFFARI (2026) PENERAPAN SUPERVISED FINE-TUNING PADA OPEN-SOURCE LARGE LANGUAGE MODEL UNTUK PENILAIAN OTOMATIS ESAI BERBAHASA INDONESIA. FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM, UNIVERSITAS LAMPUNG.

Preview	File PDF ABSTRAK.pdf Download (234Kb) | Preview
	File PDF SKRIPSI FULL.pdf Restricted to Hanya staf Download (3077Kb) | Minta salinan
Preview	File PDF SKRIPSI FULL TANPA PEMBAHASAN.pdf Download (1852Kb) | Preview

Abstrak (Berisi Bastraknya saja, Judul dan Nama Tidak Boleh di Masukan)

Penilaian esai otomatis sangat penting untuk mengurangi subjektivitas serta beban kerja penilai manusia dalam dunia pendidikan. Penelitian ini bertujuan untuk mengimplementasikan Supervised Fine-Tuning (SFT) pada model open-source Large Language Model (LLM), yaitu Meta Llama 3.1 8B Instruct, untuk penilaian otomatis esai berbahasa Indonesia. Penelitian ini menggunakan desain eksperimen dengan memanfaatkan dataset UKARA 1.0 Challenge yang terdiri dari Problem A dan Problem B. Metodologi yang digunakan adalah Parameter-Efficient Fine-Tuning (PEFT) dengan pendekatan 4-bit Quantized Low-Rank Adaptation (QLoRA) melalui framework Unsloth untuk mengatasi keterbatasan komputasi dan pemakaian memori. Empat skema data dievaluasi, yaitu data Raw, Misspelling Correction & Normalization, augmentasi back-translation, dan data kombinasi dari ketiga skema tersebut. Ketidakseimbangan kelas ditangani menggunakan pendekatan weighted loss, selain itu berbagai strategi prompting juga dilakukan pengujian. Hasil penelitian menunjukkan bahwa SFT secara signifikan meningkatkan performa dibandingkan pendekatan tanpa fine-tuning. Performa SFT terbaik diperoleh menggunakan data mentah dengan strategi prompt template menggunakan Llama special tokens, akurasi mencapai 89,93% pada Problem A dan 72,13% pada Problem B, dengan F1-score terbaik pada kelas positif masing-masing sebesar 93,16% dan 75,68%.

Jenis Karya Akhir:	Skripsi
Subyek:	000 Ilmu komputer, informasi dan pekerjaan umum > 004 Pemrosesan data dan ilmu komputer 000 Ilmu komputer, informasi dan pekerjaan umum > 005 Pemrograman komputer, program dan data 500 ilmu pengetahuan alam dan matematika
Program Studi:	FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM (FMIPA) > Prodi S1 Ilmu Komputer
Pengguna Deposit:	2602010134 Digilib
Date Deposited:	29 Apr 2026 01:24
Terakhir diubah:	29 Apr 2026 01:24
URI:	http://digilib.unila.ac.id/id/eprint/98783

Actions (login required)

Lihat Karya Akhir