Penelitian ini mengembangkan sistem Automated Essay Scoring (AES) berbasis web untuk membantu proses penilaian jawaban esai secara otomatis menggunakan pendekatan Natural Language Processing (NLP) dan Machine Learning. Sistem memanfaatkan model Sentence Embedding untuk merepresentasikan kesamaan makna antara jawaban siswa dan kunci jawaban, kemudian dipadukan dengan 14 Linguistic Features yang merepresentasikan karakteristik kebahasaan. Seluruh fitur digunakan sebagai masukan bagi algoritma Random Forest Regression untuk memprediksi skor jawaban esai. Model kemudian diintegrasikan ke dalam aplikasi berbasis web sehingga dapat digunakan oleh guru dan siswa dalam proses pembelajaran. Berdasarkan hasil evaluasi, model menghasilkan Quadratic Weighted Kappa (QWK) sebesar 0.8552, RMSE sebesar 13.7060, MAE sebesar 8.6405, serta R² sebesar 0.7781, yang menunjukkan bahwa sistem mampu memberikan hasil penilaian yang mendekati penilaian manual guru.