INTELLIGENT TUTORING SYSTEM UNTUK PEMBELAJARAN BAHASA PEMROGRAMAN BERBASIS BAYESIAN NETWORK DI STMIK WIDYA PRATAMA PEKALONGAN

SEMINAR NASIONAL ke 8 Tahun 2013 : Rekayasa Teknologi Industri dan Informasi

INTELLIGENT TUTORING SYSTEM UNTUK PEMBELAJARAN BAHASA PEMROGRAMAN BERBASIS BAYESIAN NETWORK DI STMIK WIDYA PRATAMA PEKALONGAN Taryadi Komputerisasi Akuntansi, STMIK Widya Pratama Jalan Patriot No. 25, Pekalongan 51117 email : [email protected] ABSTRAK Penelitian ini bertujuan membuat sebuah intelligent tutoring system (ITS) berbasis bayesian network untuk pembelajaran bahasa pemrograman. ITS yang dikembangkan memiliki kemampuan untuk menyajikan materi pembelajaran, menyediakan soal kuis, soal test dan pretest bagi mahasiswa. ITS dikembangkan dengan menggunakan pendekatan Bayesian Network untuk melakukan inferensi dan pengembangan sistem dengan menggunakan metode waterfall Sistem ini memiliki kemampuan untuk menyajikan materi pembelajaran sesuai dengan kemampuan penguasaan materi siswa. Penyajian materi berdasarkan probabilitas materi prasyarat yang dihitung dengan teorema bayes, sedangkan penguasaan materi siswa dihitung berdasarkan waktu yang digunakan untuk mempelajari materi, nilai kuis yang dicapai dan nilai test siswa. Sistem dikembangkan berbasis web agar dapat diakses oleh banyak siswa pada satu waktu dan pembelajaran dapat dilakukan sewaktu-waktu. Intelligent tutoring sistem yang dikembangkan mampu membantu siswa melakukan penelusuran materi pembelajaran, merekomendasikan tujuan pembelajaran dan menyajikan urutan materi pembelajaran. Kata kunci :Intelligent Tutoring System, Bayesian Network, Bahasa Pemrograman

PENDAHULUAN Intelligent Tutoring System (ITS) merupakan sebuah sistem pembelajaran dengan memanfaatkan komputer sebagai sarana pembelajaran yang mengadaptasi penyajian konten pembelajaran dan penulusuran materi dengan menggunakan hyperlink (Hatzilygeroudis, dkk, 2009). Sistem pembelajaran ini menggunakan hyperlink yang mengijinkan siswa untuk membuka halaman web lain yang berhubungan atau situs lain yang relevan dengan materi pembelajaran. ITS dapat melakukan adaptasi sesuai dengan personalitas dan kebutuhan user. Sistem ini dapat menangani berbagai kebutuhan user dengan tipe yang beragam, sehingga dapat dijadikan solusi untuk masalah satu materi yang disajikan untuk semua orang tanpa melihat tingkat pengetahuan user dalam e-learning statis. Pendekatan yang digunakan adalah dengan mengembangkan sistem yang memiliki kemampuan melakukan adaptasi dengan lingkungannya untuk mencapai tujuan pembelajaran. Media pembelajaran berbasis web ini lebih mudah diakses dan memberikan fleksibilitas yang lebih dengan menggunakan internet, dimana siswa dapat melakukan kontrol tahapan belajar, tidak tergantung pada kehadiran pengajar dan jadwal kelas yang kaku. Tidak seperti buku teks, sistem pembelajaran berbasis web dapat menggabungkan unsur multimedia dan komponen pembelajaran yang interaktif lainnya, seperti audio, video dan animasi.

Proses pembelajaran materi bahasa pemrograman di STMIK Widya Pratama Pekalongan pada saat ini masih menggunakan metode tatap muka di kelas. Hal ini dirasakan kurang karena proses pembelajaran tergantung pada jadwal pembelajaran dan kehadiran dosen di kelas. Dengan sistem pembelajaran cerdas diharapkan mampu memberikan tambahan materi kepada siswa tanpa tergantung pada jadwal dan kehadiran dosen di kelas. Dalam penelitian ini dilakukan rancang bangun intelligent tutoring system berbasis web sebagai alat bantu pembelajaran mata kuliah bahasa pemrograman. Sistem ini dapat membantu mahasiswa melakukan penelusuran materi secara online, merekomendasikan tujuan intruksional, dan menyajikan urutan topik materi yang saling berhubungan. Sebagai contoh seorang mahasiswa ingin mempelajari sebuah topik tanpa mempelajari topik yang lain, maka sistem akan dapat memberikan panduan materi prasyarat yang harus dikuasai sehingga mahasiswa tidak harus mempelajari terlalu banyak materi lain yang tidak terkait dengan materi tersebut. Dalam hal ini, dapat dilakukan dengan memberikan alamat link yang sesuai dengan tujuan belajar mahasiswa dengan membuat sebuah tutoring system yang mampu melakukan adaptasi dengan tingkat kemampuan mahasiswa yang berbeda.

METODE PENELITIAN a.

Metode Pengumpulan Data

SEKOLAH TINGGI TEKNOLOGI NASIONAL, 14 Desember 2013

E 8

SEMINAR NASIONAL ke 8 Tahun 2013 : Rekayasa Teknologi Industri dan Informasi

b.

Pengumpulan data dilakukan dengan menggunakan wawancara dan observasi di obyek penelitian yaitu mahasiswa STMIK Widya Pratama Pekalongan yang sedang mengambil mata kuliah Pemrograman Berbasis Obyek. Metode Pengembangan Sistem Pengembangan sistem dimulai dengan analisis sistem, perancangan sistem, implementasi dan pengujian. Dalam tahap analisis dilakukan juga pemodelan sistem dengan menentukan metode untuk melakukan inferensi. Berikut ini beberapa persamaan yang digunakan untuk melakukan proses inferensi :

W

W1 S

(1)

Keterangan : W1 : Waktu Penyelesaian topik S : Standard waktu untuk menyelesaian topik NK1 + NK2 + ... + NKn Q = --------------------------------Jumlah Kuis

(2)

Jawaban benar test T = --------------------------------Jumlah pertanyaan test

(3)

Untuk menghitung nilai penguasaan materi menggunakan persamaan : Nilai = (30%Q) + (50% T) + (20% W)

(4)

DATA DAN PEMBAHASAN ITS untuk bahasa pemrograman merupakan sebuah aplikasi pembelajaran berbasis web yang dapat digunakan untuk mendukung perkuliahan mata kuliah bahasa pemrograman dengan menyediakan materi, kuis dan pengujian materi bahasa pemrograman. Sistem ini dirancang untuk menyediakan materi perkuliahan berdasarkan pokok bahasan disertai dengan kuis dan test pada tiap pokok bahasan. Tingkatan dalam pokok bahasan sendiri ditentukan dengan urutan : a. Pokok bahasan b. Sub pokok bahasan Model yang digunakan dalam penentuan penyajian materi prasyarat berdasarkan pada : a. Waktu akses materi b. Banyaknya jumlah jawaban benar dari kuis yang disediakan. c. Banyaknya jumlah jawaban benar dari nilai test per materi.

Sistem yang dikembangkan menggunakan teknologi berbasis web. Desain arsitektur ITS seperti disajikan pada gambar 1.

Gambar 1. Arsitektur ITS untuk bahasa pemrograman Model Inferensi Model inferensi merupakan menentukan cara penyajian konten pembelajaran kepada user. Model inferensi menggunakan model rule-based untuk menentukan rekomendasi pembelajaran yang diberikan kepada siswa denga cara penelusuran maju (forward chaining). Model inferensi terdiri dari dua bagian yaitu pada bagian menu materi dan bagian konten pembelajaran. Pada bagian menu materi penyajian model adaptasi akan menentukan status dari materi yang dipelajari oleh mahasiswa berdasarkan probabilitas materi prasyarat. Rule untuk menentukan tingkat penguasaan materi dijelaskan pada gambar 2. R1 : IF probabilitas materi_prasyarat < 30% THEN Status materi = kurang dikuasai R2: IF Probabilitas materi_prasyarat <= 60% THEN Status materi_prasyarat = cukup dikuasai R3: IF Probabilitas materi_prasyarat > 60% THEN Status materi_prasyarat = sudah dikuasai R4: IF Penguasaan materi_prasyarat <= 30% THEN Status materi_prasyarat = kurang dikuasai Rekomendasi pelajari materi_prasyarat R5: IF Penguasaan materi_prasyarat > 30 dan <= 50% THEN Status materi_prasyarat = cukup dikuasai Rekomendasi jawab test materi_prasyarat R6: IF Penguasaan materi_prasyarat > 60 dan >= 70% THEN Status materi_prasyarat = sudah dikuasai Rekomendasi mulai pembelajaran R7 : IF Probabilitas materi <= 50% THEN Materi belum bisa dipelajari

SEKOLAH TINGGI TEKNOLOGI NASIONAL, 14 Desember 2013

E 9

SEMINAR NASIONAL ke 8 Tahun 2013 : Rekayasa Teknologi Industri dan Informasi

R8 : IF Probabilitas materi > 50% THEN Materi siap dipelajari Gambar 2. Rule penentuan penguasan materi Penentuan tingkat probabilitas materi dihitung dengan menggunakan teorema bayes berdasarkan nilai penguasaan materi prasyarat, sebagai berikut :

P( D | T1 ...Tn  true) 

P(T1 | D) *...* P(Tn | D) * P( D  true) P(T1 ,..., Tn )

Dimana T1, …, Tn menunjukkan bobot penguasaan materi prasyarat. Perancangan Sistem Perancangan ITS untuk bahasa pemrograman dibagi ke dalam dua bagian yaitu user sebagai mahasiswa dan administrator. Perancangan pada sisi mahasiswa ditekankan pada interaksi mahasiswa dengan sistem untuk melakukan proses pembelajaran, sedangkan administrator bertugas menangani pengaturan konten pembelajaran dan pendukungnya. Rancangan interaksi user dengan sistem dimodelkan dengan use case (gambar 3).

Gambar 4. Halaman Petunjuk Pretest Respon yang diberikan setelah mahasiswa menjawab soal pretest adalah status hasil jawaban pretest (gambar 5) yang berisi rangkuman hasil jawaban pretest mahasiswa. Status jawaban soal pretest dapat berupa jawaban benar atau salah. Untuk jawaban salah sistem akan memberikan kunci jawaban dan petunjuk singkat yang berhubungan dengan soal yang dijawab tersebut.

Gambar 5. Status jawaban pretest

Gambar 3. Use Case ITS

Penyajian materi pembelajaran didasarkan pada penguasaan materi prasyarat. Misalnya seorang mahasiswa akan mempelajari materi Tipe Data (P6), maka ITS akan melihat apa saja prasyarat dari materi tipe data, yaitu materi : Pengenalan Pemrograman (P-2), Pengantar Pemrograman (P-3) dan Variabel (P-4) seperti pada gambar 6 dan 7.

Pengujian Sistem Pengujian sistem dilakukan untuk mengetahui sejauh mana sistem mampu memberikan layanan pembelajaran cerdas sesuai dengan kemampuan mahasiswa. Soal-soal pretest disediakan untuk mengetahui pemahaman user yang baru mendaftar ke dalam ITS. Materi soal pretest lebih banyak pada materi algoritma dan pemrograman. Hasil dari proses menjawab pretest akan digunakan untuk mengupdate pengetahuan mahasiswa pada materi dasar yaitu pengantar algoritma. Gambar 6. Rekomendasi materi pembelajaran

SEKOLAH TINGGI TEKNOLOGI NASIONAL, 14 Desember 2013 E 10

SEMINAR NASIONAL ke 8 Tahun 2013 : Rekayasa Teknologi Industri dan Informasi

Gambar 10. Respon jawaban kuis salah

Gambar 7. Halaman pembelajaran untuk Materi Kuis disediakan untuk menguji sejauh mana mahasiswa menguasai materi pada saat pembelajaran sedang berjalan. Mahasiswa dapat mengakses halaman kuis dengan memilih link kuis yang disediakan pada daftar kuis di halaman pembelajaran materi. Halaman kuis disajikan pada gambar 8.

KESIMPULAN a.

a.

b.

Hasil penelitian berupa sistem untuk pembelajaran materi bahasa pemrograman Java yang dapat digunakan sebagai media pembelajaran dan mampu menyajikan materi disesuaikan dengan kemampuan penguasaan materi mahasiswa. Intelligent tutoring system yang dikembangkan dapat membantu siswa untuk mempelajari suatu materi yang diinginkan dengan memberikan informasi prasyarat materi yang harus dipelajari terlebih dahulu. Sistem mampu memberikan umpan balik pada setiap jawaban soal yang diberikan oleh mahasiswa baik itu soal pretest, kuis maupun soal test. Umpan balik berupa status jawaban dan petunjuk jawaban jika jawaban yang diberikan tidak sesuai.

DAFTAR PUSTAKA Gambar 8. Halaman Kuis Materi Respon jawaban mahasiswa menjawab berupa jawaban benar salah (gambar 10) dan jawaban.

akan diberikan setiap satu soal. Respon dapat (gambar 9) atau jawaban akan ditampilkan petunjuk

Gambar 9. Respon jawaban kuis benar

Amizic, A., Slavomir, S., Rosic, M., 2012, Model Tracing – A Diagnostic Technique in Intelligent Tutoring Systems, dalam : 12th Midwest AI and Cognitive Science Conference, Oxford OH, 2012, pp. 16–23. Booch, G., Jacobson, I., Rumbaugh, J., 2007, Object-Oriented Analysis and Design With Application, 3rd Edition, Pearson Education Inc, Boston. Brusilovsky, P., 2010, “Adaptive Hypermedia: From Intelligent Tutoring Systems to WebBased Education (Invited Talk)”. In G. Gauthier. C. Frasson and K. VanLehn(eds). Intelligent Tutoring Systems. Lecture Notes in Computer Science, Vol 1839: Springer Verlag, pp. 1-7. Corbett, A.T., Koedinger, K.R., Anderson, J.R., 2007, Handbook of Human-Computer Interaction, Second edition, Completely Revised Edition in M. Helander, T. K. Landauer, P. Prabhu (Eds), Elsevier Science B. V.

SEKOLAH TINGGI TEKNOLOGI NASIONAL, 14 Desember 2013 E 11

SEMINAR NASIONAL ke 8 Tahun 2013 : Rekayasa Teknologi Industri dan Informasi

Mitrovic, T.A., 2009. An Intelligent SQL Tutor on the Web. International Journal ofArtificial Intelligence in Education. Mitrovic, T.A., Mayo, A., 2011, Optimising ITS Behavior with Bayesian Networks and Decision Theory, International Journal of Artificial Intelligence in Education. Nwana, H.S., 2008, Artificial Intelligence Review, , Kluwer Academic Publishers

SEKOLAH TINGGI TEKNOLOGI NASIONAL, 14 Desember 2013 E 12