Melola Discovery

← Melola Discovery

Jurnal SINTA 2

Automatic Question Generation (AQG) Dari Dokumen Teks Bahasa Indonesia Berdasarkan Non-Factoid Quesion

Automatic Question Generation (AQG) dari Dokumen Teks Bahasa Indonesia Berdasarkan Non-Factoid Quesion

Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK) · Vol. 5 No. 2 (2018) · pp. 217–224

DOI
10.25126/jtiik.201852664
ISSN
2528-6579, 2355-7699
Published
2018-05-24
Publisher
Fakultas Ilmu Komputer, Universitas Brawijaya
Language
id

Abstract

English

Automatic Question Generation (AQG) adalah sistem yang dapat membangkitkan pertanyaan secara otomatis dari teks atau dokumen dengan menggunakan metode atau pola-pola tertentu. Diharapkan sistem AQG yang dikembangkan bekerja seperti halnya manusia membuat pertanyaan setelah diberikan suatu teks. Manusia dapat membuat pertanyaan, dikarenakan manusia dapat memahami teks yang diberikan dan berdasarkan pengetahuan-pengetahuan yang dimilikinya. Untuk mengembangkan sistem AQG penelitian ini, dilakukan kombinasi beberapa metode diantaranya algoritme Naive Bayes Classifier untuk mengklasifikasikan kalimat ke dalam jenis kalimat non-factoid. Chunking labelling untuk memberikan label pada masing-masing kalimat dari hasil klasifikasi dan pendekatan template untuk mencocokan hasil kalimat dengan template pertanyaan yang dibuat. Hasil pertanyaan yang dihasilkan oleh sistem akan diukur berdasarkan paramater yang telah ditentukan yang didasarkan atas pengukuran recall, precision dan F-Measure. Dengan adanya sistem AQG ini diharapkan dapat membantu guru mata pelajaran Biologi untuk membuat pertanyaan secara otomatis dan efektif serta efisien.

Bahasa Indonesia

Automatic Question Generation (AQG) adalah sistem yang dapat membangkitkan pertanyaan secara otomatis dari teks atau dokumen dengan menggunakan metode atau pola-pola tertentu. Diharapkan sistem AQG yang dikembangkan bekerja seperti halnya manusia membuat pertanyaan setelah diberikan suatu teks. Manusia dapat membuat pertanyaan, dikarenakan manusia dapat memahami teks yang diberikan dan berdasarkan pengetahuan-pengetahuan yang dimilikinya. Untuk mengembangkan sistem AQG penelitian ini, dilakukan kombinasi beberapa metode diantaranya algoritme Naive Bayes Classifier untuk mengklasifikasikan kalimat ke dalam jenis kalimat non-factoid. Chunking labelling untuk memberikan label pada masing-masing kalimat dari hasil klasifikasi dan pendekatan template untuk mencocokan hasil kalimat dengan template pertanyaan yang dibuat. Hasil pertanyaan yang dihasilkan oleh sistem akan diukur berdasarkan paramater yang telah ditentukan yang didasarkan atas pengukuran recall, precision dan F-Measure. Dengan adanya sistem AQG ini diharapkan dapat membantu guru mata pelajaran Biologi untuk membuat pertanyaan secara otomatis dan efektif serta efisien. AbstractAutomatic Question Generation (AQG) is a system can generate question with automatically from text or document by using methods or certain patterns. Expected system AQG developed works like it does humans make create a question after being given a text. Humans can create a question, because humans can understand the given text and based on knowledge assets. To develop the system of AQG in this research, will do a combination of several methods including Naïve Bayes Clasifier algorithm to classify the sentence into a kind of non-sentence factoid. Chunking labelling to provide labels on each sentence and template approach to match the right results sentences with question templates created. The results of the question that are generated by the system will be measured based on predetermined parameters required that is based on the measuring precision, recall and F-Measure. With the existence of the AQG system is expected to help teachers of Biology subjects to make the question automatically, effectively and efficiently.

Keywords

Collaboration network of the authors

9 authors · 10 co-authorship links · 2 across different organisations

Hover or tap a name to highlight its co-authors. Double-click to open the author's page.

  • Universitas Muhammadiyah Malang
  • Universitas Gadjah Mada
  • Different organisations
  • Same organisation
  • Affiliation unknown
  • Thicker line = more joint articles · bigger circle = more articles
Show as table
Co-authorOrganisationJoint articles
Silviani E RumagitUniversitas Gadjah Mada1
Bambang HermantoUniversitas Gadjah Mada1
Nirwana HendrastutyUniversitas Gadjah Mada1
Ahmad Faisal HelmiUniversitas Muhammadiyah Malang1
Sofyan ArifiantoUniversitas Muhammadiyah Malang1
Eko Budi CahyonoUniversitas Muhammadiyah Malang1

Affiliations come from OpenAlex; journal OAI-PMH metadata carries none. Authors without an OpenAlex ID are matched by name, which can merge or split people.

Metadata source: OAI-PMH (metadata jurnal) https://jtiik.ub.ac.id/index.php/jtiik/en/oai, first harvested 27 Okt 2026, last seen 27 Okt 2026.
Original metadata (oai_dc) 
<oai_dc:dc xmlns="http://www.openarchives.org/OAI/2.0/" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:oai_dc="http://www.openarchives.org/OAI/2.0/oai_dc/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/  http://www.openarchives.org/OAI/2.0/oai_dc.xsd">
	<dc:title xml:lang="en">Automatic Question Generation (AQG) Dari Dokumen Teks Bahasa Indonesia Berdasarkan Non-Factoid Quesion</dc:title>
	<dc:title xml:lang="id">Automatic Question Generation (AQG) dari Dokumen Teks Bahasa Indonesia Berdasarkan Non-Factoid Quesion</dc:title>
	<dc:creator xml:lang="en">Aminudin, Aminudin</dc:creator>
	<dc:creator xml:lang="en">SN, Azhari</dc:creator>
	<dc:creator xml:lang="en">Ahmad, Baaras</dc:creator>
	<dc:subject xml:lang="en">Automatic Question Generation (AQG)</dc:subject>
	<dc:subject xml:lang="en">Naïve Bayes Classifier</dc:subject>
	<dc:subject xml:lang="en">Chunking Labelling</dc:subject>
	<dc:subject xml:lang="id">Automatic Question Generation (AQG)</dc:subject>
	<dc:subject xml:lang="id">Naive Bayes Classifier</dc:subject>
	<dc:subject xml:lang="id">Chunking Labelling</dc:subject>
	<dc:description xml:lang="en">Automatic Question Generation (AQG) adalah sistem yang dapat membangkitkan pertanyaan secara otomatis dari teks atau dokumen dengan menggunakan metode atau pola-pola tertentu. Diharapkan sistem AQG yang dikembangkan bekerja seperti halnya manusia membuat pertanyaan setelah diberikan suatu teks. Manusia dapat membuat pertanyaan, dikarenakan manusia dapat memahami teks yang diberikan dan berdasarkan pengetahuan-pengetahuan yang dimilikinya. Untuk mengembangkan sistem AQG penelitian ini, dilakukan kombinasi beberapa metode diantaranya algoritme Naive Bayes Classifier untuk mengklasifikasikan kalimat ke dalam jenis kalimat non-factoid. Chunking labelling untuk memberikan label pada masing-masing kalimat dari hasil klasifikasi dan pendekatan template untuk mencocokan hasil kalimat dengan template pertanyaan yang dibuat. Hasil pertanyaan yang dihasilkan oleh sistem akan diukur berdasarkan paramater yang telah ditentukan yang didasarkan atas pengukuran recall, precision dan F-Measure. Dengan adanya sistem AQG ini diharapkan dapat membantu guru mata pelajaran Biologi untuk membuat pertanyaan secara otomatis dan efektif serta efisien.</dc:description>
	<dc:description xml:lang="id">Automatic Question Generation (AQG) adalah sistem yang dapat membangkitkan pertanyaan secara otomatis dari teks atau dokumen dengan menggunakan metode atau pola-pola tertentu. Diharapkan sistem AQG yang dikembangkan bekerja seperti halnya manusia membuat pertanyaan setelah diberikan suatu teks. Manusia dapat membuat pertanyaan, dikarenakan manusia dapat memahami teks yang diberikan dan berdasarkan pengetahuan-pengetahuan yang dimilikinya. Untuk mengembangkan sistem AQG penelitian ini, dilakukan kombinasi beberapa metode diantaranya algoritme Naive Bayes Classifier untuk mengklasifikasikan kalimat ke dalam jenis kalimat non-factoid. Chunking labelling untuk memberikan label pada masing-masing kalimat dari hasil klasifikasi dan pendekatan template untuk mencocokan hasil kalimat dengan template pertanyaan yang dibuat. Hasil pertanyaan yang dihasilkan oleh sistem akan diukur berdasarkan paramater yang telah ditentukan yang didasarkan atas pengukuran recall, precision dan F-Measure. Dengan adanya sistem AQG ini diharapkan dapat membantu guru mata pelajaran Biologi untuk membuat pertanyaan secara otomatis dan efektif serta efisien. AbstractAutomatic Question Generation (AQG) is a system can generate question with automatically from text or document by using methods or certain patterns. Expected system AQG developed works like it does humans make create a question after being given a text. Humans can create a question, because humans can understand the given text and based on knowledge assets. To develop the system of AQG in this research, will do a combination of several methods including Naïve Bayes Clasifier algorithm to classify the sentence into a kind of non-sentence factoid. Chunking labelling to provide labels on each sentence and template approach to match the right results sentences with question templates created. The results of the question that are generated by the system will be measured based on predetermined parameters required that is based on the measuring precision, recall and F-Measure. With the existence of the AQG system is expected to help teachers of Biology subjects to make the question automatically, effectively and efficiently.</dc:description>
	<dc:publisher xml:lang="en">Fakultas Ilmu Komputer, Universitas Brawijaya</dc:publisher>
	<dc:date>2018-05-24</dc:date>
	<dc:type>info:eu-repo/semantics/article</dc:type>
	<dc:type>info:eu-repo/semantics/publishedVersion</dc:type>
	<dc:format>application/pdf</dc:format>
	<dc:identifier>https://jtiik.ub.ac.id/index.php/jtiik/article/view/664</dc:identifier>
	<dc:identifier>10.25126/jtiik.201852664</dc:identifier>
	<dc:source xml:lang="id">Jurnal Teknologi Informasi dan Ilmu Komputer; Vol 5 No 2: April 2018; 217-224</dc:source>
	<dc:source xml:lang="en">Jurnal Teknologi Informasi dan Ilmu Komputer; Vol. 5 No. 2: April 2018; 217-224</dc:source>
	<dc:source>2528-6579</dc:source>
	<dc:source>2355-7699</dc:source>
	<dc:source>10.25126/jtiik.201852</dc:source>
	<dc:language>id</dc:language>
	<dc:language>en</dc:language>
	<dc:relation>https://jtiik.ub.ac.id/index.php/jtiik/article/view/664/pdf</dc:relation>
	<dc:rights xml:lang="en">Copyright (c) 2018 Jurnal Teknologi Informasi dan Ilmu Komputer</dc:rights>
</oai_dc:dc>