Fine-tuning GPT dan BERT untuk meningkatkan penilaian kemiripan semantik pada open-ended concept map / Muhammad Zaki Wiryawan</p> - Repositori Universitas Negeri Malang

Fine-tuning GPT dan BERT untuk meningkatkan penilaian kemiripan semantik pada open-ended concept map / Muhammad Zaki Wiryawan</p>

Wiryawan, Muhammad Zaki (2025) Fine-tuning GPT dan BERT untuk meningkatkan penilaian kemiripan semantik pada open-ended concept map / Muhammad Zaki Wiryawan</p>. Masters thesis, Universitas Negeri Malang.

Full text not available from this repository.

Abstract

Concept map atau peta konsep adalah alat grafis yang memfasilitasi representasi sebuah individu berdasarkan pengetahuan kognitifnya. Peta konsep menunjukkan ide-ide berbeda pada kumpulan node yang menghubungkan dua konsep sehingga membentuk suatu proposisi. Peta konsep juga menjadi sebuah alat penting dalam pembelajaran untuk membantu siswa memahami hubungan antar konsep. Namun kesenjangan dalam pemahaman antara guru dan siswa dapat menghambat efektivitas pengajaran. Penelitian ini memanfaatkan model GPT dan BERT yang memiliki kemampuan pemahaman bahasa alami tingkat lanjut untuk mengoptimalkan kesamaan semantik dalam pemetaan konsep. Tahapan penelitian dimulai dengan mengumpulkan data teks dari konsep-konsep yang disampaikan oleh guru dalam materi pengajaran serta pemahaman siswa terhadap materi tersebut. Dengan menggunakan teknik yang telah disempurnakan melalui fine-tuning pada Model GPT dan BERT penelitian ini mengukur tingkat kesamaan semantik antara konsep-konsep yang diungkapkan oleh guru dan siswa untuk mendapatkan gambaran yang lebih akurat tentang pemahaman bersama mereka. Kemudian nantinya hasil beberapa model yang digunakan baik finetuned dan based model akan dievaluasi dengan berdasarkan akurasi presisi dan recall masing-masing dengan confusion matrix. Hasil Penelitian ini membandingkan performa antara dua model yang telah di-finetune untuk tugas pengukuran kesamaan semantik pada dataset Relational Database yaitu Finetuned BERT dan Finetuned GPT-2. Kedua model menunjukkan hasil yang sangat mirip setelah penerapan threshold 0.8 menghasilkan akurasi presisi recall dan F1-Score yang identik masing-masing sebesar 0.96 0.96 1 dan 0.98. Hasil ini menunjukkan bahwa kedua model mampu mengenali hubungan semantik dengan sangat baik baik untuk pasangan mirip maupun tidak mirip. Implikasi penelitian ini tidak hanya mendukung peningkatan kualitas pendidikan tetapi juga berpotensi membantu dalam pengembangan metode pembelajaran yang lebih efektif dan terpersonalisasi sesuai kebutuhan siswa.

Item Type: Thesis (Masters)
Divisions: Fakultas Teknik (FT) > Departemen Teknik Elektro (TE) > S2 Teknik Elektro
Depositing User: library UM
Date Deposited: 03 Mar 2025 04:29
Last Modified: 09 Sep 2025 03:00
URI: http://repository.um.ac.id/id/eprint/390737

Actions (login required)

View Item View Item