Analisis Matematis Metode Automatic Short Answer Scoring Bahasa Indonesia: Dataset, Tantangan, dan Arah Penelitian Masa Depan

Abstract

Automatic Short Answer Scoring (ASAS) merupakan salah satu penerapan Natural Language Processing (NLP) yang digunakan untuk melakukan penilaian otomatis terhadap jawaban uraian singkat. Pengembangan ASAS menjadi penting karena proses penilaian manual sering kali membutuhkan waktu yang lama dan rentan terhadap subjektivitas penilai. Meskipun penelitian ASAS Bahasa Indonesia telah berkembang dalam beberapa tahun terakhir, kajian yang mengintegrasikan analisis dataset, perkembangan metode, landasan matematis, tantangan, dan arah penelitian masa depan masih relatif terbatas. Oleh karena itu, penelitian ini bertujuan untuk melakukan Systematic Literature Review (SLR) terhadap perkembangan ASAS Bahasa Indonesia dengan fokus pada analisis matematis metode yang digunakan. Proses kajian dilakukan melalui pencarian dan seleksi literatur pada beberapa basis data ilmiah yang relevan dengan kriteria inklusi tertentu. Data yang diperoleh dianalisis secara deskriptif dan komparatif berdasarkan karakteristik dataset, metode yang digunakan, formulasi matematis, serta performa yang dilaporkan. Hasil kajian menunjukkan bahwa penelitian ASAS Bahasa Indonesia masih didominasi oleh penggunaan dataset UKARA, PISA Indonesia, Rahutomo, dan dataset domain khusus. Dari sisi metodologi, terjadi pergeseran dari pendekatan berbasis kemiripan teks seperti TF-IDF, Vector Space Model (VSM), Cosine Similarity, dan Latent Semantic Analysis (LSA) menuju pendekatan berbasis deep learning dan Transformer. Model berbasis BiLSTM dan FastText menunjukkan peningkatan performa dibandingkan metode konvensional, sedangkan pendekatan Transformer menghasilkan kemampuan pemahaman semantik yang lebih baik dan performa yang lebih stabil. Kajian ini juga mengidentifikasi tantangan utama berupa keterbatasan dataset, semantic noise, overfitting, dan variasi bahasa nonformal. Penelitian selanjutnya berpotensi mengembangkan model berbasis Large Language Models (LLM), pendekatan hibrida, dan sistem penilaian yang mampu memberikan umpan balik otomatis kepada peserta didik.