BAB II KAJIAN PUSTAKA 2.1 Intelligent Tutoring...

Dita Fauzia, 2017 PENGEMBANGAN INTELLIGENT TUTORING SYSTEM DENGAN MENGGUNAKAN METODE BAYESIAN NETWORK Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu

BAB II

KAJIAN PUSTAKA

Bab ini akan menjelaskan berbagai informasi yang didapatkan dari studi

literatur mengenai Intelligent Tutoring system, Metode Bayesian, dan teori-teori

yang digunakan serta menunjang dalam melakukan penelitian ini.

2.1 Intelligent Tutoring System

Intelligent Tutoring System (ITS) adalah salah satu aplikasi komputer yang

menggunakan teknik kecerdasan buatan dalam melakukan pembelajaran dengan

meniru mimik manusia dalam kegiatan belajar mengajar (Sedlmeier, 2004). Seperti

yang disampaikan oleh Samuel Jauhari & Ibrahim (2010) “ITS merupakan sebuah

aplikasi komputer yang mempunyai kecerdasan dalam melakukan pembelajaran”.

Dalam jurnal yang sama Gonzales juga menyatakan ITS adalah sebuah aplikasi

komputer yang cerdas karena mempunyai komponen kecerdasan buatan.

Pemahaman Intelligent Tutoring System atau sistem pembelajaran cerdas

telah berkembang menjadi suatu sistem yang dapat memahami dan berlaku seperti

seorang pengajar. Sistem ini dapat memberikan fleksibilitas dalam

mempresentasikan materi dan kemampuan memahami kondisi dan karakteristik

siswa yang berbeda-beda.

Penggunaan Kecerdasan buatan dalam aplikasi ITS ini yaitu untuk

memahami kondisi dan karakteristik siswa yang berbeda-beda. Selain itu

kecerdasan buatan dalam sistem cerdas ini juga dapat mengetahui kelemahan

siswa, sehingga dapat diambil keputusan pedagogik untuk mengatasinya. Dengan

demikian aplikasi ITS dapat melakukan adaptasi sesuai kebutuhan user.

Menurut Santhi dkk (2013) ITS adalah salah satu program komputer yang

menggunakan teknik Artificial Intelligence (AI) untuk mewakili pengetahuan yang

membantu pendidik dalam strategi mengajar dan mampu berperilaku seperti

seorang ahli, baik dalam domain pengetahuan yang mengajarkan (menunjukkan

siswa bagaimana menerapkan pengetahuan itu), seperti dalam domain pedagogik,

di mana ia mampu mendiagnosis situasi dimana siswa adalah dan memberikan

solusi yang memungkinkan dia/kemajuannya dalam belajar.

6


7

Selain itu Nwana berpendapat bahwa Intelligent Tutoring System suatu

sistem yang didesain untuk menyediakan pengajar yang dapat mengetahui apa

yang diajarkan, siapa yang akan diajarkan dan bagaimana cara mengajar. Tujuan

dari ITS adalah memungkinkan bagi pelajar untuk memperoleh pengetahuan dan

mengembangkan kemampuan dalam suatu bidang tertentu.

Secara sederhana ITS adalah sistem cerdas yang bertindak seperti pengajar

pada umumnya yang membantu siswa dalam proses pembelajaran. Selain itu

kelebihan sistem cerdas ini dapat membantu pengajar agar dapat mengawasi

pelajar secara individu, sehingga proses pembelajaran dapat terlaksana secara

maksimal. Meskipun ITS merupakan sistem proses pembelajaran yang efektif,

sistem ini tidak akan menggantikan model belajar mengajar konvensional, tetapi

sistem ini dapat menjadi pendukung dalam proses pembelajaran.

2.1.1 Komponen Intelligent Tutoring System

Secara umum Intelligent Tutoring System memiliki beberapa komponen

yang terintegrasi dan membangun sebuah sistem, seperti yang disajikan pada

gambar 2.1.

Gambar 2. 1 Arsitektur ITS (Amastini, 2014)

Woolf (2009:44) menyatakan terdapat 4 komponen dalam sebuah ITS,

diantaranya:


8

1. Domain Module (Domain Knowledge)

Domain module ini juga disebut dengan domain knowledge, Dalam

beberapa literatur model ini berkaitan dengan model domain tertentu

dari arsitektur lain. Domain ini mendeskripsikan pendapat,

pemahaman, dan pengetahuan dari para pakar di bidang dimana ITS ini

digunakan. Tujuan dari model domain ini adalah untuk menyimpan,

memanipulasi dan menyusun informasi pengetahuan, konsep, dan

materi pembelajaran yang akan diajarkan. Domain ini juga dapat

digunakan untuk mendiagnosa letak kesulitan belajar siswa dengan

cara dibandingkan dengan pengetahuan siswa.

Domain knowledge memiliki tiga bagian (Verkatesh dkk, 2010):

• Meta-description adalah komponen untuk menyimpan

informasi yang dapat memudahkan dalam pemilihan dan

penyusunan kumpulan materi pelajaran berdasarkan kategori

maupun deskripsinya seperti berdasarkan tingkat kesulitan,

jenis pedagogik (teori, conntoh atau latihan), maupun jenis

multimedia yang digunakan.

• Kumpulan materi pelajaran berupa teori, contoh dan latihan

yang dibuat berdasarkan konsep pengetahuan.

• Konsep pengetahuan yang berupa seperti mind mapping, konsep

pengetahuan yang dibentuk menjadi bagian kecil yang saling

bertautan satu sama lain sehingga membentuk sebuah jaringan

peta konsep mengenai materi yang akan diajarkan pada siswa.

2. Student Module (Student Knowledge)

Student module adalah bagian yang memodelkan pengetahuan dan

perilaku siswa yang dimodelkan sehingga dapat dipahami oleh sistem.

Komponen Student Modul ini mencangkup beberapa data seperti

informasi mengenai data pribadi pelajar, parameter interaksi yang

menyimpan informasi mengenai interaksi sistem dengan siswa (contohnya

jenis dan tipe materi yang diakses, latihan yang diikuti, dll). Data

Komponen dari model ini ditujukan untuk menyimpan, mengelola,

menganalisis informasi dari profil pelajar seperti seberapa jauh


9

pengetahuan dari pelajar tersebut. Pengetahuan siswa tersebut kemudian

dianalisis dan dibandingkan dengan domain knowledge sehingga dapat

diketahui kesenjangan pengetahuan antara siswa dengan pengetahuan

yang diharapkan. Tujuannya adalah untuk memberikan bimbingan secara

personal bagi masing-masing pelajar berdasarkan profilnya.

3. Pedagogical /Tutor Module

Tutor / Pedagogical Model merupakan bagian dari Intelligent Tutoring

System yang melakukan tindakan korektif atas gap knowledge antara

domain knowledge. Tindakan korektif tersebut bertujuan untuk

menangani strategi pengajaran yang akan digunakan oleh masing-

masing siswa dengan menyediakan informasi strategi belajar

berdasarkan tingkat pengetahuan pelajar, dan pemahaman konsep.

Modul ini seperti model bimbingan belajar yang menyediakan

informasi mengenai strategi pengajaran yang akan digunakan masing-

masing siswa.

Pedagogical module ini mempunyai 3 komponen utama (Venkatesh

dkk, 2010):

• Concept neurules berfungsi untuk membangun rencana

pengajaran yang disesuaikan dengan siswa berdasarkan parameter

seperti, konsep pengetahuan siswa, tingkat pengetahuan domain

siswa, tingkat pemahaman konsep-konsep.

• Course units’ neurules adalah komponen yang akan memilih

dan menyusun kumpulan konsep untuk diberikan ke siswa,

berdasarkan rencana pengajaran yang disesuaikan oleh concept

neurules.

• Model evaluasi bertujuan untuk mengevaluasi kinerja pelajar

dalam proses pembelajaran contohnya hasil evaluasi/tes yang

diberikan keada pelajar.

4. Interface Module (Communication Knowledge)

Interface Module merupakan komponen perantara antara sistem dan

pelajar untuk berkomunikasi. Komponen ini tidak memiliki aturan baku

dalam merancang bagian interface, tetapi yang lebih penting untuk


10

diperhatikan yaitu keefektifan dan ditampilkan baik secara informatif,

grafis, maupun kombinasi keduanya. Modul ini mengintegrasikan

beberapa jenis informasi yang diperlukan dalam komunikasi antar

sistem dan pengguna. Bagian ini akan menampilkam informasi atau

data yang terdapat dalam sistem serta menerima masukan secara

langsung dari pengguna untuk disalurkan pada modul-modul ITS untuk

diolah lebih lanjut.

2.1.2 Model-model Intelligent Tutoring System (ITS)

ITS telah banyak digunakan dalam berbagai kegiatan, ITS dikelompokkan

oleh Woolf (dalam Faisal, 2014) dalam model-model sebagai berikut:

1. Berdasarkan Kemampuan

Salah satu model dalam ITS adalah Pemodelan berdasarkan kemampuan,

pemodelan ini mampu memodelkan kemampuan siswa dalam memahami

konsep yang diajarkan. Contoh pemodelan ini adalah

2. Berdasarkan Prosedur

Pemodelan berdasarkan prosedur merupakan pemodelan untuk

mengambil informasi kemampuan siswa berdasarkan kesesuaian antara

prosedur yang dilakukan oleh siswa berdasarkan kesesuaian antara

prosedur yang dilakukan oleh siswa dan prosedur seharusnya. Contoh

penggunaan model ini dalam ITS digunakan oleh mahasiswa

kedokteran dalam mempelajari prosedur medis dalam pengobatan

masalah-masalah kardiak disebut juga Cardiac Tutor.

3. Berdasarkan Afeksi

Pemodelan terakhir menurut Woolf adalah pemodelan ITS yang

didasarkan pada afeksi penguna ITS yakni pengenalan terhadap emosi

siswa yang menggunakan ITS. Bentuk ITS yang digunakan ada 2

macam yaitu, pengenalan yang dilakukan menggunakan perangkat

keras contohnya menggunakan kamera video untuk meilhat gesture

wajah pengguna ITS, atau menggunakan perangkat lunak contohnya

menggunakan media yang didasarkan pada pilihan penggunanya.


11

Contoh pengunaan model ini dalam ITS adalah pengenalan jenis

prefensi belaja yang dialami siswa yaitu Wayang Outpost.

2.1.3 Aplikasi Intelligent Tutoring System (ITS)

Intelligent Tutoring System dikembangkan sejak tahun 1970, kemudian

ditinjau ulang oleh Sleeman dan Brown pada tahun 1982 sebagai perubahan suatu

sistem yang membedakan sistem sebelumnya yaitu Computer Asssited Instruction

(CAI). Hal utama yang tetap dipertahankan dalam Intelligent Tutoring System

adalah platform untuk memperhalus Artificial Intelligent (AI) Burton, 1982

(dalam Adang Suhenda dkk, 2004).

Perkembangan ITS banyak digunakan dalam berbagai bentuk contohnya

dalam bentuk website dan aplikasi desktop. Salah satu contoh aplikasi ITS yang

sudah pernah dikembangkan yaitu SmartPILOT. SmartPILOT adalah aplikasi

yang dapat digunakan untuk membantu mengembangkan perangkat kursus

berbasis komputer.

Selain itu Edward Sykes (2003) turut serta dalam pengembangan sistem

cerdas dengan teknik kecerdasan buatan yang digunakan dan tampilan antarmuka

pengguna untuk SPC. Domain masalah yang dibahas adalah pemrograman Java.

Seperti yang dilakukan oleh Variq, dkk. (2010), yang membangun aplikasi

ITS berbasis desktop dengan menggunakan Java Swing. Topik yang diambil

sebagai implementasi program ini adalah bahasa inggris dengan bidang bahasan

yang diambil adalah grammar dengan pokok bahasan present tense, past tense,

dan future tense. Sistem ini dikembangkan dalam bentuk adaptive test berupa

Tanya jawab yang secara otomatis menyesuaikan kemampuan pada siswa

berdasarkan hasil jawaban yang kemudian dilanjutkan menampilkan hasil dan

referensi materi, sehingga pengguna dapat mengetahui kelebihan dan kekurangan

dirinya dalam menghadapi soal pelajaran tersebut.

2.2 Web Based Intelligent Tutoring System

Penggunaan internet telah banyak digunakan diberbagai bidang termasuk

dalam dunia pendidikan. Internet adalah media yang populer saat ini untuk

memberikan instruksi dan informasi, internet juga menghasilkan konsep

pembelajaran jarak jauh. Sistem pendidikan berbasis web (e-learning) juga telah


12

memberikan banyak kemudahan baik bagi pendidik maupun siswanya sendiri

misalnya membantu siswa dalam mencari materi dengan mudah, juga mempermudah

pendidik memberikan materi yang akan disampaikan kepada siswa.

Internet dapat dimanfaatkan pada Intelligent Tutoring System, yaitu Intelligent

Tutoring System (ITS) berbasis website. Deifinisi Web Based Intelligent Tutoring

System dapat didefinisikan setelah kita mengetahui definisi Web Based Application.

Menurut Rouse (dalam Dewi dan Nur Siti, 2016) Web based (application) adalah

sebuah program yang disimpan di server dan dikirim melaluli internet dan diakses

melalui antarmuka browser. Sedangkan W3Consotorium mendefinisikan Web based

application sebagai aplikasi yang berjalan dalam protokol HTTP yang dapat

digunakan dalam pemrosesan mesin komputer. Protokol HTTP berjalan dalam sistem

jarinagan komputer, maka web based (application) juga dapat diakses oleh perangkat

yang terhubung pada jaringan tersebut.

Web Based Intelligent Tutoring System adalah sebuah ITS yang dijalankan

diatas jaringan komputer dengan memanfaatkan protokol HTTP sehingga dapat

diakses oleh perangkat yang terhubung jaringan yang dimaksud. Jaringan tersebut

dapat berupa internet yang terkoneksi dengan jaringan internasional ataupun

intranet yang tersedia hanya dalam wilayah tertetu. Dengan adanya Web Based

Intelligent Tutoring System aplikasi ITS dapat diakses dimana saja selama

terhubung dengan jaringan yang digunakan oleh ITS tersebut. Bahkan saat ini

sudah banyak perangkat yang mendukung aplikasi web, semisal Personal

Computer, Laptop, bahkan Mobile Device.

Kemudahan akses ITS ini tidak semata-mata meningkatkan akses apabila

tanpa dukungan dan sampingan oleh penddik. Penelitian yang dilakukan oleh

Mitrovic dalam Woolf (2009:356) menyatakan bahwa aplikasi ITS berbasis web

tanpa bimbingan guru tidak lebih unggul dari local ITS yang didampingi guru.

Oleh karena itu pengembangan ITS berbasis web ini perlu memperhatikan

interaktivitas, pendampingan, dan pengawasan yang dilakukan oleh guru.


13

2.3 Naïve Bayes

Naïve Bayes adalah salah satu algoritma yang terdapat pada teknik data

mining klasifikasi. Naïve Bayes merupakan pengklasifikasian dengan metode

probabilitas dan statistik yang dikemukakan oleh ilmuan Inggris yaitu Thomas

bayes. Naïve Bayes memprediksi peluang dimasa depan berdasarkan pengalaman

dimasa sebelumnya, sehingga dikenal dengan Teorema Bayes. Menurut Olson dan

Delen (2008:102) menjelaskan Naïve Bayes untuk setiap kelas keputusan,

menghitung probabilitas dengan syarat bahwa kelas keputusan adalah benar,

mengingat vektor informasi obyek. Algoritma ini mengasumsikan bahwa atribut

obyek adalah independen atau tidak saling ketergantungan yang diberikan nilai

pada variable kelas (Patil & Sherekar, 2013). Probabilitas yang terlibat dalam

memproduksi perkiraan akhir dihitung sebagai jumlah frekuensi dari "master"

tabel keputusan. Definisi lain mengatakan Naive Bayes merupakan

pengklasifikasian dengan metode probabilitas dan statistik yang dikemukan oleh

ilmuwan Inggris Thomas Bayes, yaitu memprediksi peluang di masa depan

berdasarkan pengalaman dimasa sebelumnya (Bustami, 2014).

Naïve Bayes melakukan perhitungan probabilitas dari semua kelas untuk

semua mauskan atau fitur yang membangun sebuah dokumen. Selanjutnya, naïve

bayes memilih kellas hasil klasifikasi berdasarkan hasl perhitungan probabilitas

sari kelas tersebut. Kelas yang memilki probabilitas yang paling besar

dibandingkan dengan kelas yang lainnya akan terpilih sebagai kelas yang paling

layak untuk dijadikan sebagai hasil (Manning, Raghavan, & Schütze, 2009).

Metode Naïve Bayes menggunakan teorema Bayes dengan bentuk

persamaan sebagai berikut:

P (H|X) =

( | ) ( ) (2.1)

( )

Keterangan:

• P : Probablitas

• X : Variabel yang probabilitasnya akan dihitung

• H : variable yang menjadi kondisi dari variable yang akan

dicari probabilitasnya


14

• P (H|X) : probabilitas hipotesis H berdasarkan kondisi X

• ( ) : Probabilitas hipotesis (prior probability)

• ( | ) : Probabilitas berdasarkan kondisi pada hipotesis

• ( ) : Probabilitas

Dibawah ini merupakan tabel 2.1 yaitu data mahasiswa yang merupkan

contoh kasus yang akan dicoba.

Tabel 2. 1 Contoh Data Mahasiswa Untuk Kasus Naïve Bayes

No Jenis Kelamin Status Status

IPK Status

Mahasiswa Pernikahan

Kelulusan

1 Laki – laki Mahasiswa Belum 3.17 Tepat

2 Laki – laki Bekerja Belum 3.30 Tepat

3 Perempuan Mahasiswa Belum 3.01 Tepat

4 Perempuan Mahasiswa Menikah 3.25 Tepat

5 Laki – laki Bekerja Menikah 3.20 Tepat

6 Laki – laki Bekerja Menikah 2.50 Terlambat

7 Perempuan Bekerja Menikah 3.00 Terlambat

8 Perempuan Bekerja Belum 2.70 Terlambat

9 Laki – laki Bekerja Belum 2.40 Terlambat

10 Perempuan Mahasiswa Menikah 2.50 Terlambat

11 Perempuan Mahasiswa Belum 2.50 Terlambat

12 Perempuan Mahasiswa Belum 3.50 Tepat

13 Laki – laki Bekerja Menikah 3.30 Tepat

14 Laki – laki Mahasiswa Menikah 3.25 Tepat

15 Laki – laki Mahasiswa Belum 2.30 Terlambat


15

Berikut merupakan contoh kasusnya, diberikan sebuah data mahasiswa yang

terdapat pada Tabel 2.1 yang terdiri dari informasi jenis kelamin, status

mahasiswa, status pernikahan, IPK, dan status kelulusan. Kemudian dari data

tersebut dimintaiuntuk menghitung probabilitas status kelulusan dengan keadaan

status mahasiswa nya tidak sedang bekerja, status pernikahan nya belum, jenis

kelamin nya laki-laki, dan IPK semester 1-6 adalah 2,70. Berikut ini adalah cara

untuk mendapatkan nilai probabilitasnya:

1. Diketahui

Jenis Kelamin (JK)

Status Mahasiswa (SM)

Status Pernikahan (SP)

IPK

= Laki-laki

= Mahasiswa

= Belum

= 2.70

2. Proses hitung

Hitung jumlah probabilitas status kelulusan yang tepat dan terlambat,

dengan mengasumsikan SK adalah Status Kelulusan, maka hasilnya

P(SK = Tepat) =

Jumlah SK bernilai Tepat

Jumlah Seluruh Data

=

8

15

= 0.53 P(SK = Terlambat) = Jumlah SK bernilai Terlambat

Jumlah Seluruh Data

7 =

15

= 0.47

Setelah mendapatkan nilai probabilitas SK, hitung probabilitas variabel lainnya namun mengikuti kondisi SK.

P(JK = Laki − laki|SK = Tepat) = Jumlah JK = Laki − laki dan SK = Tepat Jumlah SK = Tepat

5 = 8


16

= 0.625

P(JK = Laki − laki|SK = Terlambat) =

3 = 0.43

7

P(SM = Mahasiswa|SK = Tepat) =

5

= 0.625

8

P(SM = Mahasiswa|SK = Terlambat) =

3

= 0.43

7

P(SP = Belum|SK = Tepat) =

4

= 0.5

8

P(SP = Belum|SK = Terlambat) =

4

= 0.57

7

P(IPK = 2.70|SK = Tepat) =

0

= 0

8

P(IPK = 2.70|SK = Terlambat) =

1

= 0.143

7

Selanjutnya menyimpulkan nilai probabilitas SK dengan kondisi JK = Laki-Laki, SM = Mahasiswa, SP = Belum, dan IPK = 2.70. Karena SK memiliki dua keluaran yaitu TEPAT dan TERLAMBAT, maka probabilitas SK = TEPAT dan SK = TERLAMBAT harus dihitung dan berikut ini cara menghitung probabilitasnya masing-masing,

• Hitung probabilitas SK (Status Kelulusan) = Tepat

P(SK=Tepat | JK = Laki-laki, SM = Mahsiswa, SP = Belum, IPK = 2.70)

= P(JK = Laki-laki | SK = Tepat) x

P(SM = Mahasiswa | SK = Tepat) x

P(SP = Belum | SK = Tepat) x

P(IPK = 2.70 | SK = Tepat) x

P(SK = Tepat)

= 0.625 x 0.625 x 0.5 x 0 x 0.53

= 0

Untuk menghitung probabilitas SK = Tepat, kalikan seluruh nilai

probabilitas yang keadaan SK = Tepat, mulai dari probabilitas JK =

Laki-laki, SM = Mahasiswa, SP = Belum, IPK = 2.70 di mana keadaan

SK = Tepat.


17

• Hitung probabilitas SK (Status Kelulusan) = Terlambat P(SK=Terlambat | JK = Laki-laki, SM = Mahsiswa, SP = Belum, IPK = 2.70)

= P(JK = Laki-laki | SK = Terlambat) x P(SM = Mahasiswa | SK = Terlambat) x P(SP = Belum | SK = Terlambat) x P(IPK = 2.70 | SK = Terlambat) x P(SK = Terlambat)

= 0.43 x 0.43 x 0.57 x 0.143 x 0.47 = 0.0071

Untuk menghitung probabilitas SK = Terlambat, kalikan seluruh nilai

probabilitas yang keadaan SK = Terlambat, mulai dari probabilitas JK

= Laki-laki, SM = Mahasiswa, SP = Belum, IPK = 2.70 di mana

keadaan SK = Terlambat.

Berdasarkan proses perhitungan yang telah dilakukan, maka nilai probabilitas

mahasiswa akan lulus dengan tepat (SK = Tepat) adalah 0 dan terlambat (SK =

Terlambat) adalah 0.0071, dengan keadaan mahasiswa tersebut adalah seorang laki-

laki (JK = Laki - laki), statusnya tidak sedang bekerja (SM = Mahasiswa), belum

menikah (SP = Belum), dan nilai IPK semester 1 – 6 adalah 2.70 (IPK = 2.70).

2.4 Bayesian Network

Bayesian Network merupakan salah satu metode untuk manajemen

ketidakpastian, menurut David Heckerman (1996) metode ini menggunakan teori

probabilitas sebagai kerangka kerja formal untuk manajemen ketidakpastian dalam

Artificial Intelligence. Bayesian juga didefinisikan sebagai suatu metode

pemodelan data berbasis probabilitas sederhana yang dibangun dari teori

probabilistik dan teori graf (Nandar, 2009). Teori probabilistik berhubungan

langsung dengan data sedangkan teori graf berhubungan langsung dengan bentuk

representasi yang ingin didapatkan. Bayesian Network dapat merepresentasikan

hubungan sebab akibat diantara variabal-variabel yang terdapat pada struktur

Bayesian Network (Przytula & Thompson, 2000).


18

Bayesian Network adalah model grafis probabilistik yang merepresentasikan

serangkaian variabel dan keterkaitan antar variabel tersebut yang menunjukkan

probabilitas hubungan antara kejadian-kejadian yang saling berhubungan maupun

tidak berhubungan. Pengetahuan tersebut direpresentasikan secara kualitatif dengan

menggunakan graf dan secara kuantitatif menggunakan parameter-parameter

numerik. Metode Bayesian Network ini terdiri dari 2 bagian utama, yaitu:

1. Struktur Graf

Graf adalah sebuah representasi abstrak dari sejumlah objek yang

saling berpasangan dan dihubungkan oleh link. Struktur graf pada

Bayesian Network adalah Directed Acyclic Graph (DAG) yaitu graf

berarah tanpa siklus berarah. DAG terdiri dari node dan edge. Node

merepresentasikan variabel acak dan edge merepresentasikan adanya

hubungan kebergantungan langsung dan dapat juga diinterpretasikan

sebagai pengaruh (sebab-akibat) langsung antara variabel yang

dihubungkannya. Tidak adanya edge menandakan adanya hubungan

kebebasan kondisional di antara variabel.

Struktur grafis bayesian network ini digunakan untuk mewakili

pengetahuan tentang sebuah domain yang tidak pasti. Secara khusus,

setiap node dalam grafik merupakan variabel acak, sedangkan ujung

antara node mewakili probabilistik yang bergantung di antara variabel-

variabel acak yang sesuai. Kondisi ketergantungan ini dalam grafik sering

diperkirakandengan menggunakan statistik yang dikenal dengan metode

komputasi. Oleh karena itu, bayesian network menggabungkan prinsip-

prinsip dari teori graf, teori probabilitas, ilmu pengetahuan komputer, dan

statistik.

2. Himpunan Parameter

Himpunan parameter mendefinisikan

distribusi probabilitas kondisional untuk setiap variabel. Pada bayesian

network, node berkorespondensi denganvariabel acak. Tiap node

diasosiasikan dengan sekumpulan peluang bersyarat, p(xi|Ai) sehingga xi

adalah variabel yang diasosiasikan dengan node dan Ai adalah set dari

parent dalam graf.


19

Bayesian network dibangun dengan pendekatan satistik yang dikenal

dengan teorema bayes yaitu conditional probability (peluang bersyarat).

Conditional probability adalah perhitungan peluang suatu kejadian B apabila

diketahui kejadian A telah terjadi dan dinotasikan dengan P(B|A). Teorema ini

digunakan untuk menghitung peluang suatu set data untuk masuk ke dalam suatu

kelas tertentu berdasarkan inferensi data yang sudah ada.

Judea Pearl (1988) mengungkapkan Bayesian Network merupakan suatu

metode pemodelan data berbasis probabilitas yang merepresentasikan suatu

himpuan variabel melalui suatu Directed Acyclic Graph (DAG) dan diengkapi

dengan Conditional Probability distribution Table (CPT) untuk setiap nodenya.

Setiap node merepresentasikan sebuah domain variable dan setiap arc/panah antar

node merepresentasikan sebuah probabilistic dependency. Secara umum, BN

dapat digunakan untuk menghitung probabilitas bersyarat dari suatu node dengan

memberi nilai pada node lain yang berhubungan.

Beberapa hal yang perlu diperhatikan dalam proses analisis menggunakan

metode Bayesian Network, yaitu diantaranya:

1. Analisis permasalahan

Menganalisis permasalahan yang akan diselesaikan dengan metode

Bayesian Network, analisis permasalahan ini salah satunya adalah

dengan memeriksa data yang digunakan, apakah data tersebut berupa

data kontinu atau data diskrit.

2. Pengumpulan data

Mengumpulkan data yang akan digunakan untuk menghitung

probabilitas dalam kasus tersebut.

3. Membangun diagram sebab akibat (Diagram Acyclic Graph)

Diagram Acyclic Graph (DAG) merupakan diagram berisikan node

yang merepresentasikan peristiwa dan peristiwa tersebut digambarkan

menggunakan garis terarah yang memiliki maksud bahwa adanya hubungan

antar node (Nandar, 2009). DAG dibangun berdasarkan data yang

digunakan, diagram tersebut dapat dibangun sendiri dan sudah tervalidasi

oleh pakar terkait masalah yang diangkat, atau menggunakan


20

diagram yang telah tersedia dari ahli. DAG hanya dapat digunakan

dalam satu kasus yang sama dan tidak dapat dipakai untuk kasus yang

berbeda. Apabila kasus berbeda maka DAG harus dibangun kembali

sesuai dengan data dan peristiwa dari masalah yang diambil.

Sebagai ilustrasi terdapat 3 variabel acak A,B, dan C, dimana A

dan B adalah variable bebas dan masing-masing mempunyai pengaruh

langsung kepada variable C. Hubungan yang terjadi diantara ketiga

variable tersebut dapat digambarkan kedalam Diagram Acyclic Graph

(DAG) seperti yang diperlihatkan pada gambar 2.2 . Setiap node

mewakili sebuah variable dan setiap garis menggambarkan hubungan

ketergantungan antara 2 variabel. Jika terdapat garis A ke C, maka A

merupakan parent C dan C merupakan child dari A.

Gambar 2. 2 Contoh Struktur DAG

4. Proses perhitungan

Setelah digram sebab akibat atau DAG terbangun, selanjutnya yaitu

menghitung probabilitas dari variable yang dicari berdasarkan masalah

yang diambil. Perhitungan didasarkan pada hubungan antar node pada DAG

seperti yang ditampilkan pada Gambar 2.2, DAG tersebut kemudian

dijabarkan pada conditional probability atau biasa lebih dikenal dengan

sebutan conditional probability table (CPT) ( Weber,dkk. , 2010). CPT

didefinisikan sebagai deret variabel acak bersifat diskrit yang

didemonstrasikan kedalam probabilitas marjinal dari satu variabel ke

variabel terhubung seperti yang ditampilkan pada Gambar 2.2.


21

Sama halnya dengan Naïve Bayes, nilai CPT sendiri didapatkan

berdasarkan teorema bayes. Adapun persamaan Bayesian Network ini

dituliskan sebagai berikut:

( , … , ) = ∏ ( | ∏ (2.2) 1 =1

Keterangan:

• P() adalah probabilitas

• Xk adalah variabel ke – k

• k adalah indeks dari variabel

• n adalah total data yang digunakan

Dari persamaan diatas dapat dijelaskan bahwa untuk menghitung

probabilitas dari sebuah variabel Xk adalah dengan mengalikan seluruh

kemungkinan dari variabel Xk terhadap variabel yang lainnya.

2.5 PHP

PHP merupakan singkatan dari Hypertext Preprocessor, sebenarnya adalah

produk yang aslinya bernama “Personal Home Page Tools” (Sidik, 2001). PHP

merupakan script untuk pemrograman script web server side, artinya sintaks dan

perintah yang diberikan akan sepenuhnya dijalankan di server, atau dengan kata

lain aplikasi akan menampilkan hasil di web browser, tetapi prosesnya secara

keseluruhan dijalankan di webserver. Sintaks yang digunakan dalam PHP

memiliki banyak kemiripan dengan bahasa C. Kekuatan PHP yang paling utama

adalah konektifitas database dengan web.

PHP merupakan bahasa pemrograman web server-side yang bersifat open

source. PHP merupakan script yang menyatu dengan HTML dan berada pada

server. PHP adalah script yang digunakan untuk membuat halaman web yang

dinamis. Dinamis berarti halaman yang akan ditampilkan dibuat saat halaman itu

diminta oleh client. Mekanisme ini menyebabkan informasi yang diterima client

selalu yang terbaru. Semua script PHP dieksekusi pada server dimana script

tersebut dijalankan. Sebagian besar sintaksnya mirip dengan bahasa pemrograman

C, Java, asp dan Perl, ditambah beberapa fungsi PHP yang spesifik dan mudah

dimengerti.


22

Dalam buku Aplikasi Web dangan PHP dan MySQL (Kasiman, 2006) PHP

diciptakan pertama kali oleh Rasmus Lerdorf pada tahun 1994. Awalnya, PHP

digunakan untuk mencatat jumlah serta untuk mengetahui siapa saja pengunjung

pada homepage nya. Rasmus Lerdorf adalah salah seorang pendukung open

source. Oleh karena itu, Rasmus mengeluarkan Personal Home Page Tools versi

1.0 secara gratis, kemudian menambah kemampuan PHP 1.0 dan meluncurkan

PHP 2.0. Penyempurnaan PHP dari tahun ke tahun terus dilakukan sehingga pada

tahun 2000 dikeluarkan PHP 4.0. Tidak berhenti sampai disitu, kemampuan PHP

terus ditambah sampai pada versi 5.0.

Sedangkan menurut Mochamad Joko Adi Wirawan (2009) PHP merupakan

bahasa pemrograman yang paling populer dan banyak digunakan untuk

pemrograman web. PHP disebut juga pemrograman server side, artinya program

dijalankan pada server. Sebagai bahasa skrip yang bersifat serverside PHP

memiliki beberapa keunggulan antara lain:

1. Tidak diperlukan kompabilitas browser atau harus menggunakan

browser tertentu karena serverlah yang akan mengerjakan skrip

PHP tersebut.

2. Freeware artinya dapat didistribusikan dengan bebas.

3. Memiliki kemampuan koneksi keberbagai macam database seperti:

MySQL, PostgreSQL, Oracle, dBase, Sybase dan banyak lagi.

4. PHP bersifat open source, karena bersifat open source PHP mudah

didapatkan dan tersedia secara versi-versi baru dalama jangka

waktu yang cepat.

5. Stabilitas dan Kompatibilitas, PHP stabil diberbagai sistem

operasi seperti linux dan Macs selain itu PHP juga terintergrasi

secara baik dengan berbagai macam webserver termasuk 2 yang

paling popular yaitu IIS dan Apache.

2.5.1 PHP/FI

Ini merupakan cikal bakal PHP yang sekarang. Pertama dibuat oleh Rasmus

Lerdorf pada 1995, pada awalnya dia menamakan script ini “Personal Home Page

Tool” yang merupakan bahasa sederhana dari bahasa pemrograman C dimana


23

Personal Home Page Tool ini dapat berkomunikasi dengan database dan bersipat

Open Source. Pada awalnya Rasmus membuat bahasa pemrograman ini bertujuan

untuk menyimpan data pengunjung yang melihat biodata pada websitenya.

Perkembangannya, pada pertengahan tahun 1997 pemakai bahasa bahasa

PHP semakin banyak, terlihat dari jumlah statistik domain yang menggunkan PHP

hampir lebih dari 50.000 web site. Kemudian karena perkembangannya yang

sangat pesat, Rasmus mengembangkan bahasa pemrograman ini, dan pada bulan

November tahun 1997 muncul PHP/FI versi 2.0 yang merupakan cikal bakal PHP

3.

2.5.2 PHP Versi 3

PHP Versi 3 merupakan versi penyempurna dari bugs-bugs pada PHP/FI

versi 1.0 dan PHP/FI versi 2.0. PHP Versi 3 ini dikembangkan oleh Andi Gutmans

and Zeev Suraski pada tahun 1997 yang berhasil ditulis secara sempurna pada

waktu itu. Fasilitas tambahan PHP Versi 3 dibandingkan versi sebelumnya, selain

tambahan fungsi-fumgsi baru, juga mendukung beberapa akses ke banyak

database, pengelolaan protokool, dan API. Dari versi 3 lah singkatan PHP muncul,

yaitu PHP: Hypertext Preprocessor, dan pada tahun 1998 hampir 10% web site di

dunia menggunakan PHP sebagai web servernya.

2.5.3 PHP Versi 4

Pada musim dingin di tahun 1998, menulis ulang bahasa pemrograman

PHP ini untuk membuat ketangguhan bahasa pemrograman ini. Akhirnya pada

pertengahan tahun 1999 diperkenalkanlah PHP versi 4.0 yang menggunakan script

engine Zend untuk meningkatkan penampilan (performance) dan mempunyai

dukungan yang sangat banyak terhadap ekstensi dan berbagai library beserta

modul. PHP versi 4.0 ini juga mempunyai keunggulan dibandingkan versi-versi

sebelumnya, diantaranya mendukung ke beberapa web server, fasilitas HTTP

session, output buffer dan sistem keamanan. Pada perkembangannya, pada saat itu

hampir 20% web server menggunakan bahasa pemrograman PHP sebagai

interpreternya.


24

2.5.4 PHP Versi 5

Pada bulan Juli tahun 2005 muncul PHP versi 5.0 yang menggunakan

Zend Engine 2.0 dengan penambahan beberapa featur dan beberapa objek baru.

Untuk informasi featur-featur baru dari PHP versi 5.0 ini, bisa lihat di

http://www.zend.com/zend/future.php. PHP Versi 5 ini sangat mendukung

pemrograman berbasis Object Oriented Programming (OOP) dan memang di

peruntukan untuk OOP. PHP memiliki 8 (delapan) tipe data yaitu: Integer,

Double, Boolean, String, Object, Array, Null, Nill, Resource.

2.6 MySQL

MySQL adalah database yang menghubungkan script PHP menggunakan

perintah query dan escaps character yang sama dengan PHP. MySQL mempunyai

12 tampilan client yang mempermudah dalam mengakses database dengan kata

sandi untuk mengizinkan proses yang bias dilakukan. phpMyAdmin adalah

sebuah software yang berbentuk seperti halaman situs yang terdapat pada web

server. Fungsi dari halaman ini adalah sebagai pengendali database MySQL

sehingga pengguna MySQL tidak perlu repot untuk menggunakan perintah-

perintah SQL. Karena dengan adanya halaman ini semua hal tersebut dapat

dilakukan hanya dengan meng-klik menu fungsi yang ada pada halaman

phpMyAdmin (Saputra, 2013).

2.7 Framework

Arti istilah framework dalam dunia pemrograman kurang lebih adalah

kumpulan kelas (class) dan fungsi (function, method) yang disusun secara

sistematis berdasarkan kegunaan atau fungsionalitas tertentu untuk mempermudah

pembuatan atau pengembangan suatu aplikasi (Antonius, 2010). Sebagian besar

framework yang beredar saat ini dibangun berdasarkan konsep Object-Oriented

Programming (OOP).

Menurut Janner (2010) Framework adalah sistem perangkat lunak yang dapat

digunakan kembali dengan fungsi umum yang telah diterapkan. Framework dapat

dikhususkan ke dalam aplikasi yang siap pakai (ready-to-use). Framework juga

berfungsi seperti sebuah cetak biru untuk arsitektur dasar dan arsitektur fungsional


25

untuk field aplikasi yang spesifik. Artinya, pengetahuan arsitektur yang terdapat

didalam framework seluruhnya dapat diadopsi di dalam aplikasi.

2.8 CodeIgniter

CodeIgniter adalah sebuah Framework PHP yang dapat mempercepat

developer untuk membuat sebuah aplikasi web. Ada banyak library dan helper yang

berguna di dalamnya dan tentunya mempermudah proses pembangunan sistem.

CodeIgniter merupakan framework PHP yang diklaim memiliki eksekusi tercepat

dibandingkan dengan framework lainya. Codeigniter bersifat open source yang

memungkinkan para pengembang untuk menggunakan framework secara parsial

atau secara keseluruhan. Artinya bahwa CodeIgniter 8 masih memberi kebebasan

kepada para pengembang untuk menulis bagian-bagian kode tertentu di dalam

aplikasi menggunakan cara konvensional atau dengan syntax umum didalam PHP,

tidak harus menggunakan aturan penulisan kode di CodeIgniter. Model yang

digunakan dalam Codeigniter adalah MVC (Model View Controller) yang

merupakan konsep modern framework yang digunakan saat ini. (Widodo, 2013).

CodeIgniter juga memiliki desain dan struktur file yang sederhana, didukung

dengan dokumentasi yang lengkap sehingga framework ini lebih mudah dipelajari.

Framework ini menawarkan banyak library yang dapat kita gunakan, macam

– macam library dapat kita gunakan dengan hanya memanggil class library yang

telah disediakan. Adapun fitur – fitur yang disediakan dalam Codeigniter sebagi

berikut:

1. Form dan Validasi

2. Keamanan dan XSS Filetering

3. Mendukung Acitive Record Database

4. Memiliki Helper dan Library yang cukup banyak

5. Mendukung Ekstensi Class dan Plugin dan masih banyak lagi.

Adapun alur dari aplikasi yang ditulis menggunakan CodeIgniter seperti pada

gambar 2:


26

Gambar 2. 3 Alur Framework CodeIgniter

1. Index.php

Index.php berfungsi sebagai pengendali awal / berfungsi debagai file

pertama yang akan dibaca oleh program, menginisialisasi sumber daya

utama yang dibutuhkan CodeIgniter.

2. Router

Router memeriksa paket HTTP request untuk menentukan aksi apa yang

harus dilakukan oleh sistem.

3. Cache

Apabila dalam program sudah terdapat “cache file” maka file tersebut akan

langsung dikirim ke browser. File cache inilah yang dapat membuat sebuah

website dapat di buka dengan lebih cepat. Cache file dapat melewati proses

yang sebenarnya harus dilakukan oleh program codeigniter.

4. Security

Sebelum Application Controller dieksekusi, paket HTTP request dan

semua data yang dikirimkan pengguna akan disaring terlebih dahulu oleh

Security Class.

5. Controller

Controller, berfungsi sebagai penghubung antara Model, View dan dengan

sumber daya lain yang digunakan untuk memproses HTTP request.

Controller juga biasanya berfungsi sebagai inti pemrosesan lojik aplikasi.

6. View

View, adalah informasi / halaman yang ditampilkan ke pengguna.

Sebuah view biasanya adalah sebuah web page, tapi di CodeIgniter view

juga dapat berupa bagian-bagian halaman web, seperti header dan footer.

BAB II KAJIAN PUSTAKA 2.1 Intelligent Tutoring...

Documents

Transcript of BAB II KAJIAN PUSTAKA 2.1 Intelligent Tutoring...