README.md

---
language: "id"
license: "apache-2.0"
tags:
  - sentence-transformers
  - indonesian
  - semantic-similarity
  - stsb
  - embedding
  - fine-tuned
  - education
datasets:
  - rzkamalia/stsb-indo-mt-modified
  - quarkss/stsb-indo-mt
  - AkshitaS/semrel_2024_plus
metrics:
  - cosine-similarity
pipeline_tag: sentence-similarity
model-index:
  - name: Automatic Scoring (IndoBERT STS)
    results:
      - task:
          name: Semantic Textual Similarity
          type: sentence-similarity
        dataset:
          name: STSB Indo + SemRel 2024
          type: multiple
        metrics:
          - name: Cosine Similarity
            type: cosine-similarity
            value: Evaluated on test set (see below)
---

# Automatic Scoring for Indonesian Semantic Similarity ✨

Model ini merupakan hasil fine-tuning dari [`indobenchmark/indobert-large-p2`](https://huggingface.co/indobenchmark/indobert-large-p2) menggunakan Sentence Transformers untuk tugas **Semantic Textual Similarity** (STS) dalam bahasa Indonesia.

Model ini dilatih secara **multi-dataset** menggunakan gabungan dari:
- 🟢 `rzkamalia/stsb-indo-mt-modified`
- 🟢 `quarkss/stsb-indo-mt`
- 🟢 `AkshitaS/semrel_2024_plus` (split `ind_Latn`)

Tujuan utama dari model ini adalah untuk mendukung **penilaian otomatis jawaban siswa** atau sistem pembelajaran berbasis teks dalam bahasa Indonesia.

## 🧠 Model Details

- **Base Model**: [`indobenchmark/indobert-large-p2`](https://huggingface.co/indobenchmark/indobert-large-p2)
- **Framework**: `sentence-transformers`
- **Loss Function**: `CosineSimilarityLoss`
- **Training Epochs**: `5`
- **Batch Size**: `16`
- **Evaluation Metric**: `Cosine Similarity`
- **Total Datasets Combined**: 3 corpora (STS Indo + Semantic Relation)

## 📊 Example Usage

```python
from sentence_transformers import SentenceTransformer, util

model = SentenceTransformer("eugene702/Automatic-Scoring")

score = util.cos_sim(
    model.encode("Apa dampak pemanasan global?", convert_to_tensor=True),
    model.encode("Bagaimana pengaruh perubahan iklim terhadap bumi?", convert_to_tensor=True)
)

print("Similarity Score:", score.item())
```

## 📁 Datasets Used

| Dataset | Deskripsi |
|--------|-----------|
| [`rzkamalia/stsb-indo-mt-modified`](https://huggingface.co/datasets/rzkamalia/stsb-indo-mt-modified) | Versi modifikasi STS bahasa Indonesia |
| [`quarkss/stsb-indo-mt`](https://huggingface.co/datasets/quarkss/stsb-indo-mt) | STS benchmark bahasa Indonesia |
| [`AkshitaS/semrel_2024_plus`](https://huggingface.co/datasets/AkshitaS/semrel_2024_plus) | Dataset Semantic Relation multilingual split `ind_Latn` |

## 📈 Evaluation

Evaluasi dilakukan pada data `test` dari ketiga dataset yang digabung. Penilaian dilakukan menggunakan `EmbeddingSimilarityEvaluator` dari `sentence-transformers`.

**Metric utama**: *Cosine Similarity* terhadap pasangan kalimat dalam bahasa Indonesia.

## 💡 Use Cases

- Penilaian otomatis jawaban siswa
- Deteksi parafrase dalam Bahasa Indonesia
- Penilaian kesamaan kalimat untuk e-learning
- Analisis pertanyaan dan jawaban semantik

## 🛠 Training Code

Model dilatih menggunakan `sentence-transformers` di platform Kaggle.
Kode pelatihan tersedia secara privat namun dapat diminta melalui email.

## 📌 Model Availability

Model tersedia di:
- Hugging Face: [eugene702/Automatic-Scoring](https://huggingface.co/eugene702/Automatic-Scoring)
- Kaggle Model Hub: [Automatic Scoring](https://www.kaggle.com/models/eugene702/automatic-scoring)

## 📬 Contact

Untuk pertanyaan atau kolaborasi:

**Eugene Feilian Putra Rangga**  
📧 [email protected]  
🔗 [Hugging Face Profile](https://huggingface.co/eugene702)
🔗 [GitHub](https://github.com/Eugene702)

---

> _Model ini merupakan bagian dari eksperimen untuk membangun sistem penilaian otomatis berbasis semantic similarity pada teks Bahasa Indonesia._