KNTIA 2011 1

Abstract—Problem Solving Environment (PSE) merupakan

salah satu komponen yang ada dalam Intelligent TutoringSystem (ITS) yang berfungsi untuk mendefenisikan aktivitaspemecahan masalah antara pelajar dengan sistem serta berisimetode yang akan digunakan untuk melakukan pemecahanmasalah tersebut. Case-Based Reasoning (CBR) merupakansalah satu metode yang dapat diterapkan dalam PSE, dimanasetiap persolaan dan solusi akan direpresentasikan dalam bentukkasus-kasus. Paper ini berisi tentang perancangan PSEmenggunakan CBR serta hasil dan pembahasannya.

Index Terms—CBR, ITS, PSE

I. PENDAHULUANNTELLIGENT Tutoring System (ITS) atau SistemPembelajaran Cerdas merupakan sebuah aplikasi komputer

yang dapat meniru mimik manusia ketika memberikanpembelajaran [1]. Salah satu kelebihan ITS dibandingkanpembelajaran konvensional yaitu karena ITS menggunakanpendekatan one-to-one tutor antara sistem ITS dengan pelajar[2]. Salah satu kelebihan pendekatan ini adalah dapatmenghilangkan gap antara tutor dengan pelajar karena materiyang disampaikan disesuaikan dengan tingkat kemampuanpelajar, sehingga pelajar bisa fokus ke materi tertentu tanpaharus mengejar atau menunggu suatu materi.

Hal ini dapat dimungkinkan karena ITS merupakanaplikasi komputer yang berdiri sendiri (standalone) tidakseperti e-learning yang dalam proses pembelajarannya masihmembutuhkan peran seorang tutor untuk meng-upload materidan berkomunikasi dengan pelajar serta tergantung denganinfrastruktur jaringan internet. ITS dapat digandakan denganmudah sehingga masing-masing pelajar akan mempunyai tutorsendiri dan berkesan private tutor. Hasil rekam jejak

Karya tulis ini merupakan salah satu publikasi dari penelitian yang didanaioleh Kementrian Pendidikan Nasional dalam program Hibah Bersaing 2011yang berjudul “Pengembangan Intelligent Tutoring System MenggunakanCase-Based Reasoning Sebagai Upaya Inovatif Untuk PembelajaranPemrograman Komputer”.

Jaidan Jauhari merupakan dosen jurusan Sistem Informasi, Fakultas IlmuKomputer, Universitas Sriwijaya dan juga mahasiswa doktoral dari UPSI(University Pendidikan Sultan Idris) Malaysia yang sedang fokus dalampenelitian di bidang Intelligent Tutoring System serta pengembangannyadalam dunia pendidikan. jaidan_j@yahoo.com

Abdiansah merupakan dosen jurusan Teknik Informatika, Fakultas IlmuKomputer, Universitas Sriwijaya yang sedang fokus dalam penelitian dibidang Natural Language Processing, Case-Based Reasoning, IntelligentTutoring System dan AI in Game serta pengembangannya dalam duniapendidikan. abdiansah84@gmail.com/abdiansah@unsri.ac.id

pembelajaran akan direkam ITS ke dalam student model(model pelajar) sehingga ITS dapat memberikan penilaianterhadap pelajar yang menggunakannya.

Penelitian di bidang ITS sangat luas dan masihmembutuhkan eksplorasi yang lebih banyak lagi. Gambar.1menampilkan roadmap penelitian dibidang ITS berdasarkanpenelitian-penelitian [3][4][5][6]. Di gambar tersebut dapatdilihat empat buah jenis SPC: ITS Single Agent, ITS MultiAgent, IITS Single Agent, IITS Multi Agent, dan masing-masing jenis ITS tersebut mempunyai empat buah komponen:Problem-Solving Environment, Student Model, PedagogicalModule dan Domain Knowledge.

Gambar 1. Roadmap penelitian ITS

Salah satu komponen ITS adalah PSE yang berfungsiuntuk mendefenisikan aktivitas pemecahan masalah antarapelajar dengan sistem serta metode yang digunakan [7]. Salahsatu bagian PSE adalah user interface (antarmuka pelajar),media komunikasi antara pelajar dengan sistem seperti kotakdialog tanya-jawab dan lainnya. PSE yang digunakan dalampenelitian menggunakan Case-Based Reasoning (CBR)sebagai mesin untuk problem-solving atau pemecahan masalahdari masukan yang diajukan. PSE merupakan inti dari ITSkarena PSE merupakan komponen yang terlibat langsungdengan pelajar pada saat proses pembelajaran. Fokus paper iniadalah bagaimana merancang PSE menggunakan CBR sertahasil dan pembahasannya.

Perancangan Problem-Solving EnvironmentMenggunakan Case-Based Reasoning

Jaidan Jauhari dan Abdiansah

IITSSingle Agent ITSMulti Agent IITSSingle Agent IITSMulti Agent

Problem-SolvingEnvironmentDomainKnowledge StudentModel

PedagogicalModule

KNTIA 2011 2

II. CASE-BASED REASONING

A. CBRCase Based Reasoning (CBR) dikembangkan dari sistem

pembelajaran berbasis kesamaan (similarity-based learning).Secara sederhana CBR merupakan sebuah sistem yangmenggunakan pengalaman lama untuk dapat mengerti danmenyelesaikan masalah baru [8]. Ada beberapa kelebihan dariCBR diantaranya, CBR lebih efisien karena menggunakanpengetahuan lama dan mampu mengadapatasi pengetahuanbaru, tidak seperti sistem pakar yang selalu membangkitkanrules atau aturan-aturan setiap akan menyelesaikan suatumasalah. CBR mempunyai empat tahap penyelesaian masalahyang biasa disebut dengan siklus CBR yaitu: retrieve(mengambil kasus yang ada dalam basis data kasus), reuse(menggunakan solusi kasus terpilih), revise (memperbaikikasus yang tidak relevan) dan retain (menyimpan kasus hasilrevisi). Dengan kemampuan tersebut CBR lebih fleksibel dansederhana dalam penyelesaian masalah.

B. Siklus CBRSiklus CBR tampak pada gambar 2. Proses pertama dalam

siklus CBR adalah retrieve, yaitu mengambil satu atau lebihkasus yang sama dengan kasus baru yang biasanya digunakanfungsi similarity untuk menghitung tingkat kemiripannya.Setelah itu dilanjutkan dengan proses reuse yaitumenggunakan solusi dari kasus yang sama tadi untukdigunakan mengatasi masalah untuk kasus baru. Jika tidak adakasus lama yang cocok, maka dilakukan proses revise yaituproses untuk membuat solusi baru dari kasus baru dankemudian dilanjutkan proses retain yaitu menyimpan solusidari kasus baru setelah revisi. Siklus CBR di atas jarang terjaditanpa intervensi manusia, karena untuk proses revise danretain biasanya ditujukan untuk knowledge engineeringbersama dengan seorang pakar.

Gambar 2. Siklus CBR

III. PERANCANGAN SISTEM

A. Rancangan PSEPerancangan sistem ITS secara umum yang melibatkan

CBR sebagai komponen PSE-nya dapat dilihat pada gambar 3.Pada gambar tersebut dapat dilihat interaksi pengguna dengansistem CBR menggunakan perantara pemrosesan bahasaalami/natural language processing (NLP), karena masukanyang diberikan pengguna ke sistem berupa kalimat bebas/tidakterstruktur. NLP digunakan sebagai pra-pemroses untuk CBRuntuk mengubah fitur yang tidak terstruktur menjadi terstukturdan sesuai dengan format masukan untuk sistem CBR.

Gambar 3. Rancangan CBR sebagai PSE

Pengguna memberikan masukan/masalah menggunakanbahasa alami berupa kalimat. Kalimat tersebut akan diprosesoleh NLP setelah itu baru diproses oleh CBR. Hasilpemrosesan dari CBR akan diberikan langsung ke pengguna.Dalam penelitian ini, komponen PSE/CBR dalam ITS akandigunakan sebagai fasilitas tanya-jawab antara tutor denganpelajar. Dengan fasilitas ini diharapkan terciptanya feed-backdan komunikasi antara tutor dengan pelajar.

B. Parsing dan Pemberian Bobot KataParsing merupakan salah satu proses dalam NLP yang

digunakan untuk menganalis sintak dan semantik dari suatukalimat. Dalam penelitian ini, proses parsing digunakan untukpemecahan kalimat menjadi kata-kata, dari setiap kata-katayang dihasilkan akan dibuat bobot kata yang nanti akandigunakan dalam fungsi similarity CBR. Pembobotan dibuatguna untuk membedakan kata-kata yang spesifik dengan kata-kata yang umum. Kata-kata yang spesifik akan mempunyaibobot yang lebih besar dibandingkan dengan kata-kata umumkarena itulah digunakan metode pemberian bobot untuk setiapkata yang ada pada target-case.

Pada persamaan (1 sampai 8) merupakan rumusan untukmencari bobot setiap kata target-case yang dihasilkan dariquery source-case.

kelas source-case kelas target-case

User

Case-Based Reasoning / Komponen PSE ITSNatural LanguageProcessing (NLP)

KNTIA 2011 3

Keterangan:S : source-casesT : target-caseJ : jumlah kata untuk setiap kata dalam kelas targetnj : jumlah total JJ’ : normalisasi dari Jmaks : nilai maks dari J’min : nilai min dari J’W : bobot-kata

C. Fungsi SimilarityCBR menggunakan fungsi similarity untuk menghitung

kesamaan antara kasus baru dengan kasus lama/kasus yangberada dalam basisdata kasus (case-base). Fungsi similarityyang digunakan dalam penelitian ini dapat dilihat padapersamaan (9, 10 dan 11).

dimana,

dan

Keterangan:S : source-casesT : target-casew : bobot-kataf(S,Ti) : fungsi untuk menghitung kemiripan antara S dan Tfp(S,T) : fungsi untuk mencari banyak kata S dan T

Berdasarkan perhitungan dari fungsi similarity maka akandi dapat rangking kasus. Source-case dengan rangking yangterbaik akan dijadikan solusi bagi target-case.

IV. HASIL DAN PEMBAHASANBerikut ini akan diberikan contoh hasil dan pembahasan

dari fungsi similarity yang dibuat. Misalkan terdapat limabuah kasus source-cases dan target-case seperti terlihat padatabel 1.

Tabel 1. Hasil query target-case terhadap case-baseapa itu variabel

QUERY

merupakan hasilquery dari

apa yang dimaksud variabelmengapa disebut variabelapa guna pointersebutkan variabel pointersebutkan mengapa itu variabel pointer

Setelah mendapatkan bobot untuk masing-masing katatarget-case, baru kemudian dilakukan perhitungan similarityantara source-cases dengan target-case menggunakanpersamaan (9) yang hasil akhirnya dapat dilihat pada tabel 2.

KNTIA 2011 4

Tabel 2. Hasil rangking kasusRANGKING KASUS12345

Dari perhitungan di atas dapat dilihat bahwa S5 memilikinilai yang lebih tinggi dari yang lainnya, oleh karena itu S5dapat dijadikan solusi bagi target-case.

V. KESIMPULANPenelitian ITS masih sangat luas dan bisa diekplorasi lebih

lanjut dengan mengkaji komponen-komponen ITS sepertikomponen PSE (Problem Solving Environment), SM (StudentModel) serta PM (Pendagogic Model). Penerapan CBRsebagai PSE dalam ITS merupakan salah satu bentuk modelpenyelesaian masalah berdasarkan kemiripan kasus yang barudengan kasus yang lama. Perancangan antarmuka untukproblem-solving antara pengguna dengan sistem ITSmenggunakan bahasa alami sehingga lebih memudahkanpengguna dalam berinteraksi dengan sistem. Berdasarkan hasilperancangan dan pembahasan didapatkan bahwa CBR dapatditerapkan sebagai komponen untuk melakukan problem-solving dilingkungan ITS.

DAFTAR PUSTAKA

[1] Samuelis. L, “Notes on The Components for Intelligent TutoringSystems”, www.bmf.hu/journal/Samuelis_10.pdf, 2007.

[2] Nakakoji K. Yamada K. Yamamoto Y. Morita M, “A ConceptualFramework for Learning Experience Design”, IEEE Xplore, ProceedingsFirst Conference on Publication Year: 2003, Page(s): 76 – 83.

[3] Butz C J. Hua S. Maguire R B. “A Web Based Intelligent TutoringSystem for Computer Programming”, IEEE Xplore, Proceedings of theIEEE/WIC/ACM International Conference on Web Intelligence (WI’04), 2004.

[4] Gonzales C, Burguillo J C, Llamas M.A, “Case Based Approach forBuilding Intelligent Tutoring System”. IEEE Xplore.www.springerlink.com/index/6735294g46305586.pdf, 2006.

[5] Rishi O P. Govil R. Sinha M, 2007, “Distributed Case Based Reasoningfor Intelligent Tutoring System: An Agent Based Student ModelingParadigm”, IEEE Xplore, World Academy of Science, Engineering andTechnology, 2006.

[6] Rongmei Z. Lingling L, “Research on Internet Intelligent TutoringSystem Based on MAS and CBR”, IEEE Xplore, International Forum onInformation Technology and Application, 2009.

[7] Corbett. Koedinger. Anderson, “Intelligent Tutoring Systems”, IEEEXplore, 27th ASEE/IEEE Frontiers in Education Conference TIF-14,1997.

[8] Swoboda W. Zwiebel F M. Spitz R and Gierl L, “A case-basedconsultation system for postoperative management of liver-transplantedpatients”. Proceedings of the 12th MIE Lisbon, IOS Press, Amsterdam,pp. 191-195, 1994.