Pembangkit Pertanyaan Otomatis pada Materi Pelajaran IPA Berbahasa Indonesia di Tingkat SD Berdasarkan Revisi Taksonomi Bloom

Pembuatan pertanyaan pada suatu ujian merupakan proses yang kompleks, dikarenakan proses ini membutuhkan pengetahuan dan waktu yang lama dalam penyusunannya. Penyusunan pertanyaan dapat dilakukan dengan lebih mudah, cepat, dan terstruktur dengan adanya sistem Automatic Question Generator (AQG). Aplikasi ini memanfaatkan Metode Text Matching untuk menemukan kata kunci pada suatu paragraf, dimana kata kunci ini akan diidentifikasi menggunakan Metode Expected Answer Type (EAT). Metode EAT membantu untuk mengidentifikai jenis jawaban pada suatu paragraf sehingga dapat diketahui jenis pertanyaan yang akan di generate. Jenis pertanyaan yang digunakan yaitu 5W + 1H yang terdiri dari Siapa, Dimana, Kapan, Mengapa, Apa, Bagaimana, dan Berapa Banyak. Metode selanjutnya adalah Metode Template Based yang berperan dalam menyusun kalimat pertanyaan berdasarkan template yang sudah didaftarakan sebelumnya. Pertanyaan yang dihasilkan menggunakan konsep Revisi Taksonomi Bloom, dimana pertanyaan ini terdiri dari kategori (a) mengingat, (b) memahami, (c) mengaplikasikan, (d) enganalisis, (e) mengevaluasi dan (f) mencipta. Hasil uji coba dari 18 materi pembelajaran, aplikasi dapat meghasilkan 748 pertanyaan dengan tingkat rata-rata akurasi sebesar 89%.