IMPLEMENTASI TEKNOLOGI LARGE LANGUAGE MODEL (LLM) UNTUK PEMBUATAN SOAL LATIHAN PENGENALAN GAMBAR BERBAHASA INGGRIS: KOMPONEN BACK-END DAN PENGHASIL SOAL

PUTRA, BAYU BAGAS (2025) IMPLEMENTASI TEKNOLOGI LARGE LANGUAGE MODEL (LLM) UNTUK PEMBUATAN SOAL LATIHAN PENGENALAN GAMBAR BERBAHASA INGGRIS: KOMPONEN BACK-END DAN PENGHASIL SOAL. S1 thesis, Universitas Mercu Buana Jakarta.

Preview	Text (HAL COVER) 01 Cover.pdf Download (414kB) | Preview
	Text (BAB I) 02 Bab 1.pdf Restricted to Registered users only Download (192kB)
	Text (BAB II) 03 Bab 2.pdf Restricted to Registered users only Download (189kB)
	Text (BAB III) 04 Bab 3.pdf Restricted to Registered users only Download (152kB)
	Text (BAB IV) 05 Bab 4.pdf Restricted to Registered users only Download (4MB)
	Text (BAB V) 06 Bab 5.pdf Restricted to Registered users only Download (148kB)
	Text (DAFTAR PUSTAKA) 07 Daftar Pustaka.pdf Restricted to Registered users only Download (152kB)
	Text (LAMPIRAN) 08 Lampiran.pdf Restricted to Registered users only Download (2MB)

Abstract

The development of information technology has had a significant impact on the education sector, especially in the application of artificial intelligence (AI)-based learning media that are increasingly integrated with modern learning models. In English learning, the challenges that are often faced are monotonous learning methods and lack of understanding of the right context. This study aims to improve English image recognition learning through relevant and effective AI-based image visualization learning media, for this reason, this study uses image recognitionbased learning media that integrates the Large Language Model (LLM). The results of the study showed that two models, namely Llava v1.5 7B, and Meta Llama 3.1 8b Instruct, were capable of performing image recognition questions with the right accuracy. Keywords: Artificial intelligence, LLM, English, automated questions, visual Perkembangan teknologi informasi telah membawa dampak signifikan pada sektor pendidikan, khususnya dalam penerapan media pembelajaran berbasis kecerdasan buatan (Artificial Intelligence/AI) yang semakin terintegrasi dengan model pembelajaran modern. Dalam pembelajaran bahasa Inggris, tantangan yang sering dihadapi adalah metode belajar yang monoton dan kurangnya pemahaman konteks yang tepat. Penelitian ini bertujuan untuk meningkatkan pembelajaran pengenalan gambar berbahasa Inggris melalui media pembelajaran visualisasi gambar berbasis AI yang relevan dan efektif, untuk itu, penelitian ini menggunakan media pembelajaran berbasis pengenalan gambar yang mengintegrasikan Large Language Model (LLM). Hasil penelitian menunjukan bahwa dua model dianytaranya Llava v1.5 7B, dan Meta Llama 3.1 8b Instruct, mampu dalam kinerja pembuatan soal pengenalan gambar dengan akurasi yang tepat. Kata kunci: Kecerdasan buatan, LLM, Inggris, soal otomatis, visual

Item Type:	Thesis (S1)
Call Number CD:	FIK/INFO. 25 094
NIM/NIDN Creators:	41521010026
Uncontrolled Keywords:	Kecerdasan buatan, LLM, Inggris, soal otomatis, visual
Subjects:	000 Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 000. Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 004 Data Processing, Computer Science/Pemrosesan Data, Ilmu Komputer, Teknik Informatika 000 Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 000. Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 006 Special Computer Methods/Metode Komputer Tertentu > 006.3 Artificial Intelligence/Kecerdasan Buatan 000 Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 010 Bibliography/Bibliografi > 011 General Bibliographies/Bibliografi Umum > 011.3 Bibliographies by Specific Forms/Bibliografi dan Katalog dengan Bentuk Khusus > 011.37 Visual and Audio Visual Media/Media Visual dan Audio Visual 600 Technology/Teknologi > 600. Technology/Teknologi
Divisions:	Fakultas Ilmu Komputer > Informatika
Depositing User:	khalimah
Date Deposited:	02 Aug 2025 02:49
Last Modified:	02 Aug 2025 02:49
URI:	http://repository.mercubuana.ac.id/id/eprint/96463

Actions (login required)

View Item