BAB 4 HASIL DAN PEMBAHASAN
4.1 Spesifikasi Sistem yang Digunakan •
Processor
: Pentium 4 CPU 1.66 GHz
•
Memory
: 512 MB of RAM
•
Hard Disk
: 80 GB
•
Browser
: IE Versi 6
4.2 Perencanaan Jalur Pembelajaran Urutan langkah awal dan penjelasan perencanaan jalur pembelajaran serta penyajian bahan ajar: 1. Masukan username dan password
78
79
Gambar 4.1 Layar Utama Pada layar utama, silahkan masukan username dan password yang benar.
80
Gambar 4.2 Layar Salah Login Jika username dan password yang dimasukan salah, maka akan kembali ke layar salah login. 2. Pilih TIK yang akan dipelajari
81
Gambar 4.3 Layar Pemilihan Goal User dapat memilih TIK mana yang akan dipilih. Sebelum memilih, user dapat melihat berapa persen user menguasai TIK lalu melihat saran. Diharapkan user mengikuti dengan saran yang ada. 3. Pilih konsep yang digambarkan sebagai node
82
Gambar 4.4 Layar Saran Sistem akan menampilkan saran urutan pembelajaran yang merupakan rekomendasi dari sistem agar jalur pembelajaran siswa terstruktur.
83
Gambar 4.5 Layar Struktur Konsep User dapat memilih konsep mana saja yang ingin dipelajari. Disarankan konsepkonsep yang berwarna merah yang harus dipelajari. Jika user lupa dengan konsep lain, user dapat memilih konsep yang lainnya. 4. Bahan ajar yang dipilih akan ditampilkan
84
Gambar 4.6 Layar Bahan Ajar Setelah user memilih konsep mana yang akan dipelajari, muncullah window baru yang menampilkan bahan ajar yang dipilih user. Pelajari bahan ajar yang telah tersedia. Hasil bahan ajar selengkapnya adalah :
Dalam merancang function harus ditentukan: 1. data yang diperlukan function sebagai masukan untuk diolah. 2. informasi apa yang dihasilkan(dikembalikan) function kepada pemanggil. 3. algoritma yang digunakan untuk mengolah data masukan menjadi informasi keluaran, beserta variabel lokal. Penulisan sebuah function dibagi atas function prototype (pendeklarasian fungsi) dan function definition (pendefinisian fungsi). Return_type function_name (type1(,type2,...)); Function prototype adalah kepala (judul) fungsi. Deklarasi ini digunakan compiler dan pemrogram. Oleh compiler digunakan untuk memeriksa apakah
85 pemanggilan terhadap suatu function sudah sesuai baik masukannya (jumlah dan tipe data) maupun keluarannya. Oleh pemrogram digunakan untuk mengetahui argumen (actual parameter) apa yang perlu dikirim kepada function dan jenis data hasil proses. Return _type function_named(parameter_list) { Deklarasi_variabel_lokal; Instruksi_1; Instruksi_2; ... instruksi_n; return (value); } Function definition mendefinisikan function secara lengkap. Return type menyatakan jenis data apa yang akan dikembalikan function sebagai hasil proses. Nama function harus mengikuti ketentuan penulisan identifier. Daftar parameter terdiri dari nol, satu, atau beberapa parameter. Parameter (disebut juga formal parameter) merupakan data yang harus dikirim kepada function untuk diolah. Instruksi return digunakan untuk mengembalikan hasil proses kepada pemanggil. 5. Bahan ajar yang telah dipelajari
Gambar 4.7 Layar Struktur Konsep dengan Salah Satu Bahan Ajar yang telah Dipelajari
86 Konsep yang telah dipelajari akan ditandai dengan lingkaran hijau. Lanjutkan mempelajari konsep-konsep lainnya sehingga seluruh konsep dikuasai. 6. Selesai belajar
Gambar 4.8 Layar Struktur Konsep dengan Bahan Ajar yang sudah Dipelajari Semua Tampilan saat semua konsep telah dipelajari oleh siswa. 7. Tentang smart learning
87
Gambar 4.9 Layar “Tentang Smart Learning” Merupakan tampilan singkat tentang smart learning. 8. Bantuan
88
Gambar 4.10 Layar Bantuan Halaman bantuan yang menjelaskan langkah-langkah cara menggunakan Smart Learning. 9. Hubungi kami
89
Gambar 4.11 Layar Hubungi Kami Halaman yang berisikan email yang bisa dihubungi untuk memberikan saran, pertanyaan, kritik, dan sebagainya mengenai Smart Learning. 10. Logout
Gambar 4.12 Logout Pesan yang menampilkan bahwa pemelajar telah keluar dari Smart Learning.
90 4.3 Perbandingan Algoritma 4.3.1 Algoritma Logika AND-OR Sederhana Pada algoritma ini, diasumsikan bahwa apabila pemelajar memahami suatu konsep, maka pemelajar tersebut juga memahami seluruh konsep childnya apabila relasinya adalah AND. Kemudian sistem akan memberikan jalur pembelajaran dari seluruh konsep yang dianggap belum dikuasai pemelajar. Langkah algoritma : •
Langkah 1 : baca kemampuan pemelajar pada konsep di bawah TIK dari database.
•
Langkah 2 : lakukan threeshold pada kemampuan pemelajar. Jika kemampuan lebih dari atau sama dengan 0.65, maka pemelajar dianggap menguasai konsep tersebut. Selain itu, mahasiswa dianggap belum menguasai konsep tersebut.
•
Langkah 3 : untuk setiap konsep yang telah dikuasai, lakukan rekursif selama memiliki relasi AND terhadap childnya dan seluruh konsep yang dikunjungi dianggap telah dikuasai pemelajar.
•
Langkah 4 : lakukan rekursif dari TIK, masukkan seluruh konsep yang dianggap belum dikuasai ke dalam jalur pembelajaran.
4.3.2 Algoritma AND-OR dengan Nilai Acuan dan Update Nilai Algoritma ini merupakan pengembangan dari algoritma sebelumnya, yaitu dengan menggunakan nilai acuan sebagai nilai empiris dari pakar. Pakar
91 melakukan penelitian dan memberikan nilai prior probability terhadap setiap konsep. Pengetahuan pemelajar pada tiap konsep dinilai dari nilai pretest awal dan nilai acuan dari pakar. Langkah algoritma : •
Langkah 1 : salin nilai kemampuan pada tiap konsep sesuai dengan nilai acuan yang didapat dari pakar.
•
Langkah 2 : salin nilai kemampuan pada konsep di bawah TIK sesuai dengan kemampuan pada konsep tersebut yang didapat dari hasil pretest.
•
Langkah 3 : panggil fungsi update nilai. Fungsi update nilai secara rekursif akan melakukan update terhadap prediksi penguasaan pemelajar pada tiap konsep selama relasinya adalah AND. Fungsi update nilai akan mengupdate nilai perkiraan penguasaan konsep sesuai dengan perbedaan prediksi penguasaan konsep parentnya dan nilai acuan sesuai dengan rumus: Knowledge = knowledge + (knowledge_parent – acuan_parent) / bc di mana : o knowledge merupakan penguasaan konsep yang hendak diupdate nilainya o knowledge_parent merupakan penguasaan konsep pada node parentnya o acuan_parent merupakan nilai acuan pada node parentnya o bc merupakan banyaknya child dari konsep parentnya.
92 Rumus di atas sesuai dengan pemikiran logis bahwa apabila suatu konsep dikuasai oleh pemelajar melebihi nilai acuan yang diberikan oleh pakar, maka konsep childnya juga akan dikuasai oleh pemelajar melebihi nilai prior probability sesuai dengan perbedaan tingkat penguasaan konsep dan nilai acuan parentnya. •
Langkah 4 : lakukan rekursif dari TIK, lakukan threeshold pada tiap konsep. Konsep yang tingkat penguasaannya kurang dari 0.65 diasumsikan belum menguasai, selain itu diasumsikan telah menguasai konsep tersebut. Masukkan seluruh konsep yang dianggap belum dikuasai ke dalam jalur pembelajaran.
4.3.3 Modified Heuristik AO Algoritma modified heuristik AO merupakan pengembangan lanjutan dari algoritma sebelumnya. Algoritma ini menambahkan nilai bobot pada tiap relasi AND. Nilai bobot merupakan besarnya nilai proporsi kepentingan suatu konsep sebagai syarat untuk dapat mempelajari konsep parentnya. Semakin besar nilai bobot, maka konsep tersebut semakin dibutuhkan untuk dapat mempelajari konsep parentnya. Apabila pemelajar kurang menguasai konsep tersebut, maka akan kesulitan untuk mempelajari konsep parentnya. Rumus pada update nilai berubah menjadi Knowledge = knowledge + (knowledge_parent – acuan_parent) * bobot di mana :
93 •
knowledge merupakan penguasaan konsep yang hendak diupdate nilainya
•
knowledge_parent merupakan penguasaan konsep pada node parentnya
•
acuan_parent merupakan nilai acuan pada node parentnya
•
bobot merupakan proporsi kepentingan suatu konsep sebagai syarat untuk dapet mempelajari konsep parentnya .
4.3.4 Hasil Perbandingan Algoritma Penulis membandingkan ketiga algoritma di atas pada tiga pemelajar dengan menggunakan TIK 3 sebagai tujuan pembelajaran karena penulis beranggapan bahwa TIK 3 memiliki graph yang paling kompleks dibanding dengan TIK 1 dan TIK 2. Asumsi data pemelajar 1 : Tabel 4.1 Tabel Data Pemelajar 1 Konsep Keterangan
Tingkat Penguasaan
N40
Polinom
0.29
N41
Eliminasi Gauss 0.56
1. Algoritma Logika AND-OR Sederhana
94
Gambar 4.13 Hasil Pengujian pada Pemelajar 1 dengan Algoritma Logika AND-OR Sederhana
95 Saran urutan pembelajaran :
Gambar 4.14 Urutan Pembelajaran Pada Pemelajar 1 dengan Algoritma Logika ANDOR Sederhana 2. Algoritma AND-OR dengan Nilai Acuan dan Update Nilai
96
Gambar 4.15 Hasil Pengujian pada Pemelajar 1 dengan Algoritma AND-OR dengan Nilai Acuan dan Update Nilai Saran urutan pembelajaran :
97
Gambar 4.16 Urutan Pembelajaran Pada Pemelajar 1 dengan Algoritma AND-OR dengan Nilai Acuan dan Update Nilai 3. Modified Heuristik AO
98
Gambar 4.17 Hasil Pengujian pada Pemelajar 1 dengan Algoritma Modified Heuristik AO Saran urutan pembelajaran :
99
Gambar 4.18 Urutan Pembelajaran Pada Pemelajar 1 dengan Algoritma Modified Heuristik AO Asumsi data pemelajar 2 : Tabel 4.1 Tabel Data Pemelajar 2 Konsep Keterangan
Tingkat Penguasaan
N40
Polinom
0.65
N41
Eliminasi Gauss 0.39
1. Algoritma Logika AND-OR Sederhana
100
Gambar 4.19 Hasil Pengujian pada Pemelajar 2 dengan Algoritma Logika AND-OR Sederhana Saran urutan pembelajaran :
101
Gambar 4.20 Urutan Pembelajaran Pada Pemelajar 2 dengan Algoritma Logika ANDOR Sederhana 2. Algoritma AND-OR dengan Nilai Acuan dan Update Nilai
Gambar 4.21 Hasil Pengujian pada Pemelajar 2 dengan Algoritma AND-OR dengan Nilai Acuan dan Update Nilai Saran urutan pembelajaran :
102
Gambar 4.22 Urutan Pembelajaran Pada Pemelajar 2 dengan Algoritma AND-OR dengan Nilai Acuan dan Update Nilai 3. Modified Heuristic AO
103
Gambar 4.23 Hasil Pengujian pada Pemelajar 2 dengan Algoritma Modified Heuristik AO Saran urutan pembelajaran :
104
Gambar 4.24 Urutan Pembelajaran Pada Pemelajar 2 dengan Algoritma Modified Heuristik AO Asumsi data pemelajar 3 : Tabel 4.2 Tabel Data Pemelajar 3 Konsep Keterangan
Tingkat Penguasaan
N40
Polinom
0.49
N41
Eliminasi Gauss 0.67
1. Algoritma Logika AND-OR Sederhana
105
Gambar 4.25 Hasil Pengujian pada Pemelajar 3 dengan Algoritma Logika AND-OR Sederhana Saran urutan pembelajaran :
Gambar 4.26 Urutan Pembelajaran Pada Pemelajar 3 dengan Algoritma Logika ANDOR Sederhana
106 2. Algoritma AND-OR dengan Nilai Acuan dan Update Nilai
Gambar 4.27 Hasil Pengujian pada Pemelajar 3 dengan Algoritma AND-OR dengan Nilai Acuan dan Update Nilai Saran urutan pembelajaran :
107
Gambar 4.28 Urutan Pembelajaran Pada Pemelajar 3 dengan Algoritma AND-OR dengan Nilai Acuan dan Update Nilai 3. Modified Heuristik AO
108
Gambar 4.29 Hasil Pengujian pada Pemelajar 3 dengan Algoritma Modified Heuristik AO Saran urutan pembelajaran :
109
Gambar 4.30 Urutan Pembelajaran Pada Pemelajar 3 dengan Algoritma Modified Heuristik AO
4.3.5 Hasil Pengujian Berikut ini pembahasan hasil pengujian ketiga algoritma : •
Pada Algoritma logika AND OR sederhana keakuratannya masih sangat minim, dikarenakan rule yang digunakan hanya berdasarkan relasi AND/OR.
•
Algoritma AND OR dengan nilai acuan dan update nilai sudah jauh lebih akurat dibanding algoritma logika AND OR sederhana karena sudah menggunakan nilai acuan dari pakar serta melakukan update perkiraan tingkat penguasaan konsep secara rekursif.
110 •
Algoritma Modified Heuristic AO sedikit lebih akurat dibanding algoritma AND OR dengan nilai acuan dan update nilai dikarenakan algoritma Modified Heuristic AO sudah menggunakan nilai bobot. Namun dalam data di atas kurang terlihat perbedaan yang signifikan karena perbedaan bobot pada database hanya dalam rentang satu hingga tiga. Perbedaan signifikan akan terasa apabila perbedaan bobot dalam rentangan angka yang besar.