BAB I PENDAHULUAN 1.1 Latar Belakang

Transkripsi

1 BAB I PENDAHULUAN 1.1 Latar Belakang Institusi pendidikan saat ini seharusnya membuat proses pembelajaran yang sesuai dengan karakteristik siswanya. Hal ini perlu diaplikasikan karena setiap siswa memiliki kebutuhan dan karakteristik yang berbeda-beda, sebagai contoh prior knowledge, intellectual level, cognitive traits, dan learning styles [1][2]. Pendidikan keteknikan merupakan salah satu bagian yang harus terus dikembangkan dalam rangka menuju negara yang mandiri khususnya secara teknologi, dalam konteks ini maka diperlukan proses pendidikan yang memperhatikan karakteristik/kebutuhan siswa teknik. Jenis pembelajaran ini disebut juga dengan personalised learning approach, yaitu suatu metode yang mampu membantu siswa untuk belajar, metode ini disebut juga sebagai Adaptive Learning (AL). AL secara substantif berarti suatu pembelajaran yang berfokus pada personal siswa, recommendation-based learning, dan inquire-based learning. Salah satu implementasi personalised learning approach adalah personalisasi pada Learning Object (LO) berupa materi, aktivitas belajar, dan lingkungan belajar [2]. Penelitian ini dalam upaya pengindentifikasian/pemodelan siswa menggunakan Machine Learning (ML) untuk melakukan Data Mining (DM) terhadap siswa. DM merupakan sebuah proses penggalian/pencaritahuan pola tersembunyi, informasi [3], hubungan, struktur, dan estimasi nilai yang belum diketahui dari suatu item untuk mengklasifikasikan obyek dari sebuah data [4], hasil dari sebuah DM dapat digunakan untuk mendukung pengambilan keputusan [3][4][5]. DM berkembang lebih spesifik untuk knowledge discovery, pembuatan keputusan, dan rekomendasi pada bidang pendidikan yang kemudian disebut dengan Educational Data Mining (EDM). EMD merupakan bagian dari Learning Technology (LT), LT mencakup teknologi yang luas dan beragam untuk mendukung pembelajaran [6]. EDM muncul sebagai paradigma baru dalam mendesain suatu model, tugas, metode, dan algoritme untuk mengekplorasi data dari dunia pendidikan. Tujuannya

2 adalah untuk mencari tahu pola dan membuat prediksi mengenai karakteristik dari pembelajar, penghargaan, domain pengetahuan, penilaian, fasilitas pendidikan, dan penerapan pendidikan [4][7]. Salah satu bentuk penerapan teknologi ini adalah EMD sebagai pendorong tercapai proses pembelajaran yang lebih baik [4]. EDM memiliki potensi yang besar terutama karena pendidikan adalah salah satu prioritas paling penting dalam kehidupan manusia [4], yang disebut sebagai sebuah paradigma baru untuk meningkatkan kualitas, efisiensi, dan pencapaian dari sistem pendidikan. Penelitian ini menggunakan EDM untuk memodelkan metacognitive dari siswa kemudian dikombinasikan dengan pemodelan learning style menggunakan rule based untuk menentukan Learning Path (LP) atau disebut juga model pembelajaran merupakan rangkaian dari konsep dan aktifitas yang memberi petunjuk kepada siswa, mengenai materi mana yang harus diambil atau tidak [8][9]. Learning style merupakan perbedaan yang dimiliki oleh setiap siswa yang menimbulkan implikasi yang kuat antara belajar dan pembelajaran, implikasi ini berupa level yang beragam mengenai motivasi, perilaku mengenai belajar dan pembelajaran, selanjutnya adalah respons siswa pada sebuah kelas untuk suatu proses pembelajaran [10][11]. Sedangkan metacognitive merupakan suatu pengetahuan tentang kemampuan cara berpikir diri, termasuk kesadaran dalam mengontrol belajar, memperbaiki kesalahan, menganalisa seberapa efektif strategi yang digunakan, dan mengganti kebiasaan atau strategi bila dibutuhkan [12][13][14], dan cognitive merupakan kemampuan berpikir siswa. Sedangkan model pembelajaran dapat diartikan pula sebagai pola yang digunakan untuk menyusun kurikulum, mengatur materi, dan memberi petunjuk kepada guru di kelas [1] sehingga sangat penting untuk menentukan model yang digunakan oleh guru dalam proses pembelajaran. Pengetahuan tentang model yang harus digunakan untuk suatu kelas tertentu, menjadikan guru mampu mengevaluasi jenis model tertentu yang harus digunakan untuk materi pembelajaran tertentu, mengetahui mekanisme pengajaran dengan metode tertentu, bentuk penugasan, dan bentuk evaluasi serta penilaian. Penelitian ini menggunakan dua variabel untuk menentukan model pembelajaran yaitu metacognitive dan learning style.

3 Penentuan model pembelajaran pada penelitian ini menggunakan penggalian aspek-aspek yang ada pada Learner Style (LS) terlebih dahulu, dari komponen ini diperoleh knowledge yang digunakan dalam menentukan LP yang sesuai dengan kondisi pembelajaran tertentu melalui rule-based expert system yang berdasar pada hasil pemodelan metacognitive dan learning style. Hasil keluaran dari sistem yang berupa LP ditujukan untuk digunakan guru dan siswa mengevaluasi proses pembelajarannya sehingga akan meningkatkan proses pembelajaran berupa AL. Sistem ini ditujukan untuk ruang kelas fisik, hal ini didasarkan pada konsep Blended Learning (BL), BL merupakan suatu model pembelajaran yang efektif dewasa ini [15]. Model ini merupakan pengabungan dari model pembelajaran dengan menggunakan pengabungan beberapa model, seperti pengabungan model pembelajaran face to face dengan model pembelajaran berbasis internet, atau pengabungan model pembelajaran yang didukung suatu teknologi dengan model dengan teknologi berbeda, dengan tujuan untuk menciptakan lingkungan pembelajaran yang paling efisien [15]. BL dalam aplikasinya diterapkan pada pengabungan pembelajaran online dan tradisional, teknologi dan media penyampaian materi pembelajaran, antar model-model pembelajaran, aktivitas pembelajaran kelompok dan individual, dan interaksi sinkron dan ansinkron dalam pembelajaran. Termasuk juga untuk memilih gabungan/campuran yang paling cocok untuk meningkatkan motivasi peserta didik, dan memberikan bantuan kepada mereka untuk menjamin kesuksesan dalam menguasai materi [16][17][18]. Penelitian ini dalam konteks penerapan BL pada pengabungan kelas fisik dengan e- larning, diharapkan mampu membentuk pembelajaran yang efisien kelas fisik khususnya di kelas software enginering. Permasalahan penelitian adalah setiap siswa memiliki kebutuhan dan karakteristik yang berbeda-beda dalam suatu proses pembelajaran yang mengabungkan kelas nyata dan e-learning. Penelitian pada bidang ini perlu untuk diteliti lebih lanjut. Sehingga diperlukan sebuah penelitian mengenai LP pada ruang kelas nyata dan e-learning, dengan multi-ls yang ditujukan untuk lebih merepresentatifkan pemodelan terhadap kondisi siswa sesungguhnya.

4 1.2 Perumusan Masalah Setiap siswa memiliki kebutuhan dan karakteristik yang berbeda-beda dalam suatu proses pembelajaran pada suatu kelas fisik dan Intelligent Tutoring System (ITS), maka diperlukan sebuah Adaptive Learning (AL) berupa Learning Path (LP), namun bidang tersebut masih memerlukan penelitian lebih lanjut. sehingga diperlukan sebuah penelitian mengenai LP dengan multi learner style berupa metacognitive dan learning styles pada ruang kelas nyata dan e-learning. 1.3 Keaslian Penelitian Penelitian mengenai aktivitas siswa merupakan salah satu bidang yang banyak digunakan sebagai obyek penelitian, yang paling banyak dilakukan student modeling untuk menemukan karakteristik siswa, seperti Katuk dkk. [9] yang membuat learning path menggunakan teori flow pada Intelligent Tutoring System (ITSs), Kardan dkk. [8] dengan menggunakan teknik algoritme dua level AL yang disebut ACO-Map, level pertama dari algoritme ini adalah melihat pola dari kognitif dari siswa, dan level kedua menggunakan ant colony optimization untuk mencari LP berdasar pada Ausubel Meaningful Learning Theory, sehingga diperoleh keluaran berupa concept map untuk setiap group berdasarkan kebutuhannya. Jugo dkk. [19] menggunakan DM untuk membuat AL, penelitian ini melakukan rekomendasi berdasarkan pola yang diperoleh dari domain pengetahuan siswa. Moga dkk. [20] membuat desain baru dalam membuat domain module untuk menciptakan interaksi antara individu dan modul pembelajaran, pendekatan penelitian yang dilakukan berdasarkan pada Euclidean Distance Between a Learning Object and The Student s Ability (EDALO) dan Reusable Learning Object Matrix (RLOM), sedangkan domain module sendiri merupakan bagian penting dari Affective Tutoring System (ATS)/ITS. Seghroucheni dkk. [21] membuat sebuah sistem yang dapat menanggulangi learning path dari seorang siswa yang tidak lulus ujian, dengan melakukan kalkulasi kesamaan sifat antara siswa dengan aktivitas belajar apa yang telah dilakukan. Shukhman dkk. [22] membuat sistem Individual Learning Path (ILP) menggunakan Petri Nets Modeling

5 dalam basis sistem generalisasi kompetensi. Shukhman dkk. [23] mengembangkan ILP dengan menggunakan model isi pembelajaran pada multi-level sistem yang berdasar pada kompetensi/standar professional sebagai dasarnya. Suazo dkk. [24] mengembangkan AL menggunakan Bayesian Network dengan menggunakan evaluasi performa siswa dalam sebuah materi/mata kuliah pada platform e-learning Science School of Intituto Tecnologico de Costa Rica (TEC Digital). Tam dkk. [25] mengembangkan kerangka kerja yang dapat digunakan untuk melakukan analisis semantik pada meteri pembelajaran, berdasar pada artikel Wiki yang relevan untuk suatu materi pembelajaran menggunakan heuristic-based concept clustering algorithm untuk mengelompokan konsep-konsep yang relevan untuk setiap materi sebelum mengukur tingkat hubunganya. Vazquez-Barreiros dkk. [26] mengembangkan sistem yang disebut dengan SoftLearning yang dapat mengekplolari secara lengkap, akurat dan mudah suatu learning path dari event log. Xu dkk. [27] mengembangkan LP dengan menggunakan pendekatan social tag untuk mengkarakteristikan profil pengguna dan menggunakan algoritme Bayes. Zheng dkk. [28] mengembangkan algoritme baru untuk membentuk LP berdasar pada knowledge map, algoritme Learning Navigation Path Algorithm (LNPA) dengan memilih knowledge unit yang dibutuhkan oleh pengguna untuk diperlajari lebih lanjut, kemudian memberikan peringkat secara sequential. Peng [29] mengembangkan learning path management module untuk pembelajaran secara online. Penelitian yang dilakukan pada pembahasan di atas berfokus pada e- learning, sedangkan pada penelitian ini digunakan untuk kombinasi ruang kelas nyata dan e-learning sekaligus. Student Modeling (SM) yang digunakan pada penelitian ini berupa modeling metacognitive dan learning styles dengan pendekatan Metacognitive Strategy Based Instruction [30] untuk pembentukan LP metacognitive dan menggunakan LP pada naskah Felder [31] untuk LP learning style. Penelitian ini melakukan penggalian LS siswa, dari komponen ini akan diperoleh knowledge yang akan digunakan dalam menentukan LP yang sesuai dengan kondisi pembelajaran tertentu, dalam SM penelitian ini menggunakan multi aspek metacognitive dan learning styles, hal ini bersesuain dengan tren SM yang

6 tidak hanya melihat dari aspek kognitif saja, namun sudah berkembang dengan cakupan yang lebih kompleks [32][33]. Hasil dari pemodelan kemudian digunakan sebagai knowledge base untuk decision rule, hasil dari pemrosesan expert berupa LP, LP digunakan untuk membantu guru dalam proses pembelajaran dengan kombinasi kelas nyata dan e-learning yang bersesuaian dengan karakteristik siswa sekaligus membantu siswa untuk belajar. 1.4 Tujuan Penelitian Learning Path (LP) merupakan bagian personalised learning approach, yaitu suatu metode yang mampu membantu pembelajar untuk belajar yang sesuai untuk suatu lingkungan pembelajaran tertentu. Penelitian ini bertujuan untuk melakukan penggalian aspek-aspek yang ada pada Learner Style (LS) untuk memodelkan metacognitive dan learning style siswa. Hasil pemodelan siswa digunakan sebagai komponen/knowledge yang akan digunakan dalam menentukan LP dengan pendekatan Metacognitive Strategy Based Instruction (MSI) untuk pembentukan LP metacognitive dan menggunakan Learning Style Strategy pada naskah Felder untuk LP learning style. Tujuan penelitian ini secara terperinci sebagai berikut: a. Melakukan student modeling berupa multi aspek LS: metacognitive dan learning style. b. Membuat rule-based system yang mampu memberikan rekomendasi learning path pada proses pembelajaran pada mata kuliah software engineering JTETI UGM yang digunakan untuk kelas fisik sekaligus e- learning dalam proses pembelajarannya. c. Mengetahui pengaruh adaptif learning path yang dikembangkan terhadap proses pembelajaran. 1.5 Manfaat Penelitian Penelitian ini menghasilkan sebuah rule-based system yang mampu

7 melakukan multi-aspek student modeling sekaligus membentuk LP ditujukan untuk digunakan guru mengevaluasi proses pembelajarannya sehingga akan meningkatkan proses pembelajaran berupa Adaptive Learning (AL). Hasil dari penelitian ini dapat digunakan sebagai balikan kepada tenaga pengajar dalam melakukan proses pembelajaran. Manfaat penelitian secara terperinci sebagai berikut: a. Penelitian ini dapat digunakan peneliti untuk mengembangkan diri terutama dalam melakukan penelitian kecerdasan buatan pada bidang pendidikan dimasa mendatang. b. Bagi Universitas Gadjah Mada (UGM), penelitian ini bermanfaat untuk mencetak mahasiswa yang mampu memberikan solusi dalam pemecahan persoalan-persoalan pendidikan, khususnya di institusi-institusi pendidikan. c. Penelitian ini mampu memberikan modeling secara multi-aspek pada student modeling dan multi model pembelajaran. Sehingga diharapkan akan menciptakan kondisi pembelajaran yang mampu mengoptimalkan daya serap peserta didik, serta proses pembelajaran yang dapat diterima dengan optimal dan bermakna. d. Bagi pembaca, penelitian ini dapat dijadikan sebagai sumber informasi dan referensi bagi pembaca, terutama dalam mengembangkan ilmu pengetahuan yang relevan dengan penelitian ini, sehingga nantinya akan ada penelitipeneliti berikutnya sebagai penyempurna penelitian ini.