Word Embedding adalah bagian dari NLP (Natural Language Processing) yang belakangan ini menjadi topik menarik untuk diteliti. Facebook AI research mengusulkan FastText sebagai salah satu metode word embedding yang memiliki keunggulan menemukan kata yang jarang ditemui atau OOV (Out of Vocab). Algoritma Backpropagation sebagai salah satu metode yang tidak hanya bisa mengklasifikasi namun juga memprediksi dengan arsitektur multilayer yang sering digunakan dengan mencari bobot optimal pada jaringan saraf tiruan. Pada tingkat akademisi penggunaan word embedding sudah banyak dilakukan untuk mencari kesamaan kata ataupun makna. Penelitian ini bertujuan untuk mengoreksi jawaban esai berdasarkan kesamaan makna sebagai alternatif bagi guru dalam menilai ujian. Data yang digunakan adalah data jawaban yang diambil dari pelajaran bahasa Indonesia sebanyak 10 soal dari total 50 siswa. Data jawaban tersebut nantinya akan ditraining dan disimpan kedalam bentuk vektor dengan menggunakan FastText. Sedangkan pemodelan data train sebelumnya menggunakan model corpus wikipedia dengan besaran dimensi vektor 200, n-window 5, dan min-count 3. Dari proses tersebut maka hasil penelitian menunjukkan bahwa dari 500 data yang digunakan didapatkan kombinasi terbaik dimana data training 75% sebesar 375 data dan jumlah data testing 25% sebesar 125 data dengan membandingkan nilai Yaktual dengan Yprediksi menggunakan MAPE (Mean Absolute Percentage Error) sehingga nilai MAPE terbaik yang didapatkan pada hasil pengujian proses training dan testing masingmasing 5% dan 8%. Dari hasil tersebut dapat dilihat bahwa model yang dihasilkan menggunakan algoritma backpropagation untuk melakukan penilaian/koreksi jawaban secara otomatis sangat baik.