DANURSIKA, IRGIN (2025) IMPLEMENTASI TEKNOLOGI LARGE LANGUAGE MODEL (LLM) UNTUK PEMBUATAN SOAL LATIHAN PENGENALAN GAMBAR BERBAHASA INGGRIS: KOMPONEN FRONT-END DAN USER INTERFACE. S1 thesis, Universitas Mercu Buana Jakarta.
|
Text (HAL COVER)
01 COVER.pdf Download (271kB) | Preview |
|
![[img]](https://repository.mercubuana.ac.id/style/images/fileicons/text.png) |
Text (BAB I)
02 BAB 1.pdf Restricted to Registered users only Download (54kB) |
|
|
Text (BAB II)
03 BAB 2.pdf Restricted to Registered users only Download (181kB) |
|
|
Text (BAB III)
04 BAB 3.pdf Restricted to Registered users only Download (148kB) |
|
|
Text (BAB IV)
05 BAB 4.pdf Restricted to Registered users only Download (1MB) |
|
|
Text (BAB V)
06 BAB 5.pdf Restricted to Registered users only Download (32kB) |
|
|
Text (DAFTAR PUSTAKA)
07 DAFTAR PUSTAKA.pdf Restricted to Registered users only Download (107kB) |
|
|
Text (LAMPIRAN)
08 LAMPIRAN.pdf Restricted to Registered users only Download (594kB) |
Abstract
The purpose of this study is to develop an English learning application based on a Large Language Model (LLM) that is capable of automatically generating practice questions based on images. This application uses a visual approach with three categories of question difficulty levels: easy (multiple choice), medium (short answer), and hard (essay). The LLAVA model is utilized as a multimodal model to recognize visual content in images and convert it into contextual English descriptions, while the LLAMA model is used to generate practice questions from the descriptions created by LLAVA. Image datasets were obtained through Copilot to support system effectiveness testing. The implementation of this application was developed using a PHP Native-based front-end and the Flask framework as a backend for the integration of the LLAVA and LLAMA models through LM Studio. The results show that LLM with the integration of the LLAVA and LLAMA models successfully generates image-based English practice questions automatically with a consistent format, sentence structure, and difficulty level. Evaluation metrics testing showed answer relevance of 85.7%, fluency of 85.7%, and hallucination rate of 28.6%, which means the questions generated are generally relevant and well-structured grammatically, although there are still outputs that are less appropriate to the context of the image. In conclusion, the development of this application has met the research objectives, namely to create an interactive, effective, and image-based English learning media that supports image-based exercises with a variety of questions that are useful for users. Keywords: LLM, LLAVA, LLAMA, Regular Expression Algorithm, Front-end, User Interface. Tujuan dari penelitian ini adalah untuk mengembangkan aplikasi pembelajaran bahasa Inggris berbasis Large Language Model (LLM) yang mampu menghasilkan soal latihan secara otomatis berdasarkan gambar. Aplikasi ini menggunakan pendekatan visual dengan tiga kategori tingkat kesulitan soal, yaitu easy (pilihan ganda), medium (isian singkat), dan hard (esai). Model LLAVA dimanfaatkan sebagai model multimodal untuk mengenali konten visual dalam gambar dan mengubahnya menjadi deskripsi kontekstual berbahasa Inggris, sedangkan model LLAMA digunakan untuk menghasilkan soal latihan dari deskripsi yang telah dibuat oleh LLAVA. Dataset gambar diperoleh melalui Copilot untuk mendukung pengujian efektivitas sistem. Implementasi aplikasi ini dikembangkan menggunakan front-end berbasis PHP Native dan framework Flask sebagai backend untuk integrasi model LLAVA dan LLAMA melalui LM Studio. Hasil penelitian menunjukkan bahwa LLM dengan integrasi model LLAVA dan LLAMA berhasil menghasilkan soal latihan bahasa Inggris berbasis gambar secara otomatis dengan format, struktur kalimat, dan tingkat kesulitan yang konsisten. Pengujian metrik evaluasi menunjukkan answer relevancy sebesar 85.7%, fluency sebesar 85.7%, dan hallucination rate sebesar 28.6%, yang berarti soal yang dihasilkan umumnya relevan dan tersusun baik secara gramatikal, meskipun masih terdapat output yang kurang sesuai konteks gambar. Kesimpulannya, pengembangan aplikasi ini telah memenuhi tujuan penelitian, yaitu menciptakan media pembelajaran bahasa Inggris berbasis LLM yang interaktif, efektif, dan mendukung latihan berbasis gambar dengan variasi soal yang bermanfaat bagi pengguna. Kata kunci: LLM, LLAVA, LLAMA, Algoritma Regular Expressions, Front-end, User Interface.
Actions (login required)
 |
View Item |
