Pengembangan Perangkat Lunak Penilaian Otomatis Ujian Pilihan Ganda Menggunakan Algoritma String Matching
DOI:
10.33395/jmp.v14i2.15452Keywords:
Penilaian Otomatis, Ujian Pilihan Ganda, String Matching, Algoritma KMP, Efisiensi Koreksi, Teknologi PendidikanAbstract
Perkembangan teknologi informasi telah memberikan dampak besar terhadap berbagai sektor, termasuk pendidikan. Salah satu tantangan utama dalam proses evaluasi pembelajaran adalah koreksi jawaban ujian pilihan ganda yang selama ini dilakukan secara manual, membutuhkan waktu lama, serta rentan terhadap kesalahan manusia. Penelitian ini bertujuan untuk mengembangkan perangkat lunak penilaian otomatis berbasis algoritma string matching guna meningkatkan efisiensi, akurasi, dan kecepatan proses koreksi ujian. Metode penelitian yang digunakan adalah Research and Development (R&D) dengan model pengembangan Waterfall yang meliputi analisis kebutuhan, perancangan sistem, implementasi, pengujian, dan evaluasi. Sistem yang dihasilkan mampu mengoreksi jawaban ujian 50 peserta dengan 40 soal hanya dalam waktu sekitar 2 menit, dibandingkan 45 menit pada metode manual, dengan akurasi penilaian mencapai 100%. Hasil uji kepuasan pengguna menunjukkan bahwa mayoritas guru dan siswa merasa terbantu dengan kecepatan dan kemudahan penggunaan sistem. Dengan demikian, perangkat lunak ini dapat menjadi solusi strategis dalam mendukung digitalisasi proses evaluasi pembelajaran dan meningkatkan efisiensi kerja pendidik.
References
Ali, E. R., & Al-Nuaimi, H. (2025). Evaluation systems for multiple-choice questions using OMR: A survey. Journal of Quantitative Computer Systems and Mathematics.
Al-Shamiri, A., et al. (2024). Automated paper-based multiple-choice scoring framework. International Journal of Advanced Computer Science and Applications (IJACSA), 15(1).
ASAG Consortium. (2024). A combined benchmark for short-answer grading (ASAG2024). In Proceedings of CIKM 2024.
Dhany, H. W., Izhari, F. (2023). Optimizing Urban Traffic Management Through Advanced Machine Learning: A Comprehensive Study. Journal of Intelligent Decision Support System (IDSS), 6(4), 223-230. https://doi.org/10.35335/idss.v6i4.167
Flodén, J. (2025). A comparison between human and AI grading of exams in higher education. British Educational Research Journal.
Hernández-Mier, Y., et al. (2025). Unsupervised optical mark recognition on answer sheets. Journal of Imaging, 11(9), 308.
Hieu, T. Q., & Le, N. T. (2025). AI-assisted grading with OCR for mathematics. European Journal of Education Studies, 12(3).
Jočović, V., Bjelica, M. Z., & Ivanović, M. (2023). Software system for automatic grading of paper tests. Electronics, 12(19), 4080.
Lecroq, T., et al. (2023). Optimal-Hash exact string-matching algorithms. arXiv:2303.05799.
Lolo, R. (2025). Evaluation of the Boyer-Moore and Knuth-Morris-Pratt algorithms. (Thesis/Report). DIVA portal.
Palmer, M. N., et al. (2024). Efficient exact online string matching through linked weak factor recognition (Hash Chain). In SEA 2024 (pp. 1–14).
Syahbrudin, J., et al. (2025). Computer-based assessment research trends and future directions: A bibliometric analysis. Contemporary Educational Technology.
Tobler, S., et al. (2024). Smart grading: A generative-AI tool for knowledge assessment. Computers in Human Behavior Reports, 10, 100380.
Uhlig, F., et al. (2023). Combining AI and AM—Improving approximate matching with transformers. Patterns, 4(10), 100828.
VisioMark Team. (2023). VisioMark: An AI-powered multiple-choice sheet grading system. (Preprint).
Zhang, Z. (2022). Review on string-matching algorithm. SHS Web of Conferences, 152, 03018.
Downloads
How to Cite
Issue
Section
License
Copyright (c) 2025 Hanna Willa Dhany, Sapriadi Sapriadi
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
