• Tidak ada hasil yang ditemukan

ANALISIS DAN PERANCANGAN MODEL APLIKASI PEMBELAJARAN ADAPTIF BERBASIS WEB BCOOL STUDI KASUS PENGEMBANGAN MODEL PEMBELAJARAN UNTUK MATA KULIAH GRAFIKA KOMPUTER DI UNIVERSITAS BINA NUSANTARA - Binus e-Thesis

N/A
N/A
Protected

Academic year: 2019

Membagikan "ANALISIS DAN PERANCANGAN MODEL APLIKASI PEMBELAJARAN ADAPTIF BERBASIS WEB BCOOL STUDI KASUS PENGEMBANGAN MODEL PEMBELAJARAN UNTUK MATA KULIAH GRAFIKA KOMPUTER DI UNIVERSITAS BINA NUSANTARA - Binus e-Thesis"

Copied!
12
0
0

Teks penuh

(1)

v

UNIVERSITAS BINA NUSANTARA

Jurusan Teknik Informatika Skripsi Sarjana Komputer Semester Ganjil tahun 2006/2007

ANALISIS DAN PERANCANGAN MODEL APLIKASI

PEMBELAJARAN ADAPTIF BERBASIS WEB BCOOL

Studi kasus pengembangan model pembelajaran

untuk mata kuliah Grafika Komputer di Universitas Bina Nusantara

Erick Lysander 0700707894

Willy Handoko 0700725814

Budiarto Herman 0700726161

Abstrak

BCOOL atau Brain Compatible Online Learning adalah model pembelajaran yang bertujuan memanfaatkan teknologi pembelajaran berbasis web untuk menciptakan lingkungan belajar yang atentif dan suportif, sehingga dapat mendorong terjadinya proses belajar aktif di antara para pemelajar. Salah satu keunggulan BCOOL adalah keadaptifannya yang diperoleh dengan menggunakan jejaring Bayesian sebagai student model. Setelah diimplementasikan berdasarkan mata kuliah Grafika Komputer, model aplikasi diujikan pada beberapa kelas mahasiswa dan dibandingkan keefektifannya dengan model pembelajaran yang tidak memiliki fitur BCOOL. Dengan dukungan data dari penelitian sebelumnya, diperoleh kesimpulan bahwa model pembelajaran BCOOL lebih baik dibandingkan model pembelajaran kontrol.

Kata Kunci

(2)

vi

PRAKATA

Puji syukur dan terima kasih kepada Tuhan Yang Maha Esa sehingga penulis dapat menyelesaikan skripsi ini dengan sebaik-baiknya sebagai salah satu syarat untuk memperoleh gelar kesarjanaan pada jenjang pendidikan Strata 1, Jurusan Teknik Informatika di Universitas Bina Nusantara.

Dengan bimbingan dari para dosen, dukungan dari banyak pihak, acuan dari berbagai buku dan sumber, akhirnya skripsi ini dapat diselesaikan. Walaupun telah berusaha mengerjakan dengan sebaik-baiknya, penulis menyadari bahwa masih terdapat banyak kekurangan di dalam skripsi ini.

Lewat kesempatan ini penulis ingin menyampaikan terima kasih yang tulus kepada semua pihak yang telah turut membantu dan mendukung dalam menyelesaikan skripsi ini, di antaranya kepada:

1) Bapak Prof. Dr. Gerardus Polla, M.App.Sc. selaku Rektor Universitas Bina Nusantara.

2) Bapak Sablin Yusuf, Ir., M.Sc., M.Comp.Sc., selaku Dekan Fakultas Ilmu Komputer Universitas Bina Nusantara.

3) Bapak H. Mohammad Subekti, BE, M.Sc. selaku Ketua Jurusan Teknik Informatika Universitas Bina Nusantara.

(3)

vii

5) Bapak Diaz D.Santika, Ir., M.Sc. selaku dosen pembimbing yang telah memberikan bimbingan dan masukan-masukan yang bermanfaat selama proses penyusunan skripsi ini.

6) Teman-teman yang telah memberikan dukungan moril kepada penulis. 7) Semua pihak yang tidak dapat penulis sebutkan satu per satu, yang telah

membantu penulis menyelesaikan skripsi ini baik secara langsung maupun tidak langsung.

Akhir kata penulis berharap semoga skripsi ini dapat bermanfaat dan berguna bagi pembaca dan pihak-pihak yang membutuhkan.

Jakarta, 22 Januari 2007

(4)

viii

DAFTAR ISI

Halaman Judul Luar... i

Halaman Judul Dalam... ii

Halaman Persetujuan Hardcover... iii

Halaman Pernyataan Dewan Penguji... iv

Abstrak...v

Prakata... vi

Daftar Isi ... viii

Daftar Tabel ... xii

Daftar Gambar ... xiv

BAB 1 PENDAHULUAN...1

1.1 Latar Belakang ...1

1.2 Rumusan Masalah...3

1.3 Ruang Lingkup...4

1.4 Tujuan dan Manfaat ...5

1.5 Metodologi...6

1.6 Sistematika Penulisan ...8

BAB 2 LANDASAN TEORI...10

2.1 Intelegensia Semu ...10

2.2 Computer Assisted Instruction...12

2.2.1 CAI Tradisional...13

2.2.2 Intelligent Tutoring System...14

2.3 BCOOL...16

2.4 Penalaran Probabilitas...19

2.4.1 Probabilitas dan Teorema Bayes...20

2.4.2 Certainty Factor...21

2.4.3 Teori Dempster-Shafer...22

(5)

ix

2.5 Penerapan Jejaring Bayesian untuk Student Model...31

2.5.1 Membangun Student Model...34

2.5.2 Contoh Penerapan Jejaring Bayesian untuk Student Model.36 2.6 Pemetaan Konsep...39

2.7 Bahasa Pemrograman PHP ...41

2.8 Basis Data ...42

2.8.1 Basis Data Relasional ...43

2.8.2 Structured Query Language...43

2.8.3 MySQL ...44

2.9 Alat Perancangan Sistem ...45

2.9.1 State Transition Diagram...45

2.9.2 Spesifikasi Proses...46

2.10 Interaksi Manusia dan Komputer...47

BAB 3 ANALISIS DAN PERANCANGAN MODEL PEMBELAJARAN....50

3.1 Analisis Permasalahan ...50

3.1.1 Sejarah Pembelajaran Berbasis Web di Bina Nusantara ...50

3.1.2 Sistem yang Berjalan ...51

3.2 Pengembangan Model Pembelajaran Adaptif...53

3.2.1 Analisis dan Perencanaan Materi Ajar...53

3.2.2 Perancangan Peta Konsep ...67

3.2.3 Perancangan Jejaring Bayesian...67

3.2.4 Diagram Hirarki ...73

3.2.5 State Transition Diagram...74

3.3 Rancangan Layar ...77

3.3.1 Rancangan Layar Login dan News ...77

3.3.2 Rancangan Layar Home...78

3.3.3 Rancangan Layar Pra-Ujian...79

3.3.4 Rancangan Layar Kuesioner ...81

3.3.5 Rancangan Layar Help...82

(6)

x

3.3.7 Rancangan Layar Materi Belajar ...85

3.3.8 Rancangan Layar Simulator...86

3.3.9 Rancangan Layar Bacaan...87

3.3.10 Rancangan Layar Latihan ...88

3.3.11 Rancangan Layar Pretest...89

3.3.12 Rancangan Layar After Pretest ...91

3.3.13 Rancangan Layar Hasil Pretest ...92

3.3.14 Rancangan Layar Utama Forum ...94

3.3.15 Rancangan Layar Topik Forum ...95

3.3.16 Rancangan Layar Thread Forum ...96

3.4 Rancangan Basis Data...97

3.5 Spesifikasi Proses...103

3.5.1 Spesifikasi Modul Login...103

3.5.2 Spesifikasi Modul Logout...104

3.5.3 Spesifikasi Modul Simpan Hasil Kuesioner ...105

3.5.4 Spesifikasi Modul Tampil Soal Pretest...105

3.5.5 Spesifikasi Modul Diagnosa Pretest ...107

3.5.6 Spesifikasi Modul Cek Jawab Pretest ...108

3.5.7 Spesifikasi Modul Calcpre...109

3.5.8 Spesifikasi Modul Tampil Soal Posttest ...110

3.5.9 Spesifikasi Modul Diagnosa Soal Posttest...112

3.5.10 Spesifikasi Modul Cek Jawab Posttest ...113

3.5.11 Spesifikasi Modul Calcpost ...113

3.5.12 Spesifikasi Modul Cek Jawab Exercise ...114

3.5.13 Spesifikasi Modul Connect Database ...115

3.5.14 Spesifikasi Modul Index ...115

3.5.15 Spesifikasi Modul Home...116

BAB 4 HASIL PENELITIAN DAN EVALUASI...119

4.1 Pengukuran Model Pembelajaran Adaptif ...119

(7)

xi

4.1.2 Subjek Pengukuran ...120

4.1.3 Waktu Pengukuran...121

4.1.4 Analisis Hasil Pengukuran...121

4.1.5 Analisis Hasil Pengukuran dengan Data Sebelumnya ...127

4.2 Pengukuran Kuesioner ...131

4.3 Evaluasi Model Pembelajaran...134

BAB 5 SIMPULAN DAN SARAN...149

5.1 Simpulan ...149

5.2 Saran ...149

Daftar Pustaka...152

Riwayat Hidup ...154

(8)

xii

DAFTAR TABEL

Tabel 2.1 Hubungan masalah (Q) dan konsep (C)...37

Tabel 2.2 Prior probability, slip probability, dan guess probability...39

Tabel 3.1 Parameter student model...70

Tabel 3.2 Concept vs question...71

Tabel 3.3 Tabel logexercise ...97

Tabel 3.4 Tabel loglogin ...98

Tabel 3.5 Tabel logmaterial ...98

Tabel 3.6 Tabel logpolling...98

Tabel 3.7 Tabel logposttest ...98

Tabel 3.8 Tabel logpretest...99

Tabel 3.9 Tabel msconcept ...99

Tabel 3.10 Tabel msexerciseitem ...99

Tabel 3.11 Tabel msmaterial...100

Tabel 3.12 Tabel msnews ...100

Tabel 3.13 Tabel mspolling ...100

Tabel 3.14 Tabel mspostmodel ...100

Tabel 3.15 Tabel mspremodel...101

Tabel 3.16 Tabel msquestion ...101

Tabel 3.17 Tabel msstudent ...101

Tabel 3.18 Tabel mstestitem ...101

Tabel 3.19 Tabel mstopic...102

Tabel 4.1 Perbedaan model A dan model B ...119

Tabel 4.2 Jumlah data yang diperoleh dari pengukuran ...121

Tabel 4.3 Data hasil pengukuran yang dipergunakan untuk analisis...122

Tabel 4.4 Perhitungan untuk dependent variableY...123

Tabel 4.5 Perhitungan untuk covariate X...124

Tabel 4.6 Perhitungan untuk covariance dari X dan Y...124

Tabel 4.7 Data hasil pengukuran di semester sebelumnya ...127

(9)

xiii

Tabel 4.9 Perhitungan untuk covariateX...129

Tabel 4.10 Perhitungan untuk covariance dari X dan Y...129

Tabel 4.11 Hasil kuesioner untuk karakteristik desain pembelajaran...131

Tabel 4.12 Hasil kuesioner untuk karakteristik teknis...132

(10)

xiv

DAFTAR GAMBAR

Gambar 2.1 Model konseptual BCOOL...17

Gambar 2.2 Contoh jejaring Bayesian dengan lima variabel ...25

Gambar 2.3 Conditional probability untuk setiap node jejaring Bayesian...27

Gambar 2.4 Jejaring Bayesian untuk nodeQ dan Ci...35

Gambar 2.5 Topologi jejaring Bayesian untuk pertambahan pecahan ...37

Gambar 2.6 Contoh pemetaan konsep ...40

Gambar 2.7 Notasi modul ...45

Gambar 2.8 Notasi state...46

Gambar 2.9 Notasi state transition...46

Gambar 2.10 Notasi kondisi dan aksi ...46

Gambar 3.1 Sistem koordinat semesta dan sistem koordinat pengamatan ...54

Gambar 3.2 Pendefinisian bidang pengamatan dan viewing window...55

Gambar 3.3 Setup pengamatan 3D dalam computer graphics pipeline...56

Gambar 3.4 Transformasi sistem koordinat dari WCS ke VCS...57

Gambar 3.5 Transformasi WCS ke VCS...60

Gambar 3.6 Hasil transformasi sistem koordinat dari WCS ke VCS...61

Gambar 3.7 Hasil proses shearing untuk proyeksi perspektif ...62

Gambar 3.8 Normalisasi viewing volume (frustum) ...63

Gambar 3.9 Hasil proses penyekalaan terhadap frustum ternormalisasi ...64

Gambar 3.10 Peta konsep 3D viewing pipeline...67

Gambar 3.11 Jejaring Bayesian ...72

Gambar 3.12 Diagram hirarki ...73

Gambar 3.13 STD Login...74

Gambar 3.14 STD Home ...74

Gambar 3.15 STD Materi Belajar...75

Gambar 3.16 STD Latihan...75

Gambar 3.17 STD Test ...76

Gambar 3.18 STD Pretest dan Posttest ...76

(11)

xv

Gambar 3.20 Rancangan layar login dan news...77

Gambar 3.21 Rancangan layar home ...78

Gambar 3.22 Rancangan layar pra-ujian ...80

Gambar 3.23 Rancangan layar kuesioner ...81

Gambar 3.24 Rancangan layar help ...82

Gambar 3.25 Rancangan layar contact ...84

Gambar 3.26 Rancangan layar materi belajar...85

Gambar 3.27 Rancangan layar simulator...86

Gambar 3.28 Rancangan layar bacaan...87

Gambar 3.29 Rancangan layar latihan ...88

Gambar 3.30 Rancangan layar pretest ...90

Gambar 3.31 Rancangan layar after pretest ...91

Gambar 3.32 Rancangan layar hasil pretest...93

Gambar 3.33 Rancangan layar utama forum ...94

Gambar 3.34 Rancangan layar topik forum...95

Gambar 3.35 Rancangan layar thread forum ...96

Gambar 3.36 Entity relationship diagram...103

Gambar 4.1 Perbandingan MeanYA dan MeanYB dengan penyesuaiannya ...125

Gambar 4.2 Perbandingan MeanYA dan MeanYB dengan penyesuaiannya ...130

Gambar 4.3 Tampilan halaman login dan news...135

Gambar 4.4 Tampilan halaman home pada kunjungan pertama kali...135

Gambar 4.5 Halaman pra-ujian...136

Gambar 4.6 Tampilan halaman pretest...137

Gambar 4.7 Tampilan halaman hasil pretest...138

Gambar 4.8 Tampilan halaman home setelah pemelajar menyelesaikan pretest.138 Gambar 4.9 Tampilan halaman materi belajar...139

Gambar 4.10 Tampilan halaman bacaan untuk topik utama...140

Gambar 4.11 Tampilan halaman peta konsep untuk topik utama...141

Gambar 4.12 Tampilan halaman simulator...142

Gambar 4.13 Tampilan halaman latihan...143

(12)

xvi

Referensi

Dokumen terkait

Seluruh dosen pengajar program studi Manajemen S1 Fakultas Bisnis dan Manajemen Universitas Widyatama, terima kasih atas bekal ilmu selama perkuliahan dan semua bantuan yang

Berdasarkan data yang diperoleh dari hasil penelitian, pengolahan dan analisis data serta pengujian hipotesis yang telah dilakukan, maka peneliti dapat memberikan

Semakin kecil rasio BOPO akan lebih baik, karena bank yang bersangkutan dapat menutup beban operasional dengan pendapatan operasionalnya.. Adapun standar rasio beban operasional

Berdasarkan penjelasan pada latar belakang diatas, disini penulis dapat merumuskan permasalahannya adalah sebagai berikut: Bagaimana kinerja keuangan Pemerintah

PERAN RELE GE-SR489 SEBAGAI PENGAMAN ARUS BEBAN LEBIH DI GENERATOR PUSRI AREA

Hasil wawancara dengan Bapak Amir Mahmud M.Pd.I, selaku kepala madrasah MTs Miftahul Muhtadin Sundoluhur Kayen Pati, Tanggal 19 November 2016, Jam 09.30 WIB.. Haji Ahmad Rifai agar

Hasil penelitian menunjukkan bahwa perlakuan pemberian pelet yang berbeda ukuran berpengaruh sangat nyata (p<0,01) terhadap Laju Pertumbuhan Spesifik (SGR),

Ada pun jawaban yang peneliti dapat pada saat melakukan wawancara tidak terstruktur pada beberapa siswa kelas XII SMA Negeri 2 Tumijajar pada tanggal 16 November 2013