PEMODELAN FAKTOR-FAKTOR KESIAPAN E-LEARNING MENGGUNAKAN ONTOLOGI ONTOLOGY FOR E-LEARNING READINESS FACTORS

Transkripsi

1 PEMODELAN FAKTOR-FAKTOR KESIAPAN E-LEARNING MENGGUNAKAN ONTOLOGI ONTOLOGY FOR E-LEARNING READINESS FACTORS Yeni Anistyasari 1) 1) Universitas Muhammadiyah Jember Jl. Karimata Jember ABSTRAK Saat ini hampir semua perguruan tinggi mengembangkan e-learning untuk mendukung proses perkuliahan. Dana yang dikeluarkan untuk pembuatan e-learning tidak sedikit. Namun, tidak semua perguruan tinggi tersebut memperoleh hasil yang sebanding dengan dana yang dikeluarkan untuk pengembangan e-learning. Faktor yang mempengaruhi kesuksesan e- learning adalah kesiapan perguruan tinggi dalam mengembangkan e-learning. Faktor kesiapan yang mempengaruhi e-learning antara lain: teknis, organisasi, dan sosial. Penelitian tentang kesiapan e-learning masih berupa penelitian kuesioner yang hanya memberikan hasil berdasarkan hasil kuesioner dan belum bisa memberikan saran untuk pengembangan kesiapan e-learning secara otomatis. Untuk mengatasi masalah ini, dikembangkan ontologi. Ontologi dibentuk dari tiga faktor kesiapan e-learning di atas. Kemudian dilakukan penarikan kesimpulan terhadap ontologi tersebut. Hasil yang diberikan dari penelitian ini adalah bentuk ontologi yang mampu melakukan penarikan kesimpulan terhadap instance ontologi yang diberikan. Kata kunci: kesiapan e-learning, ontologi, penarikan kesimpulan ABSTRACT Nowadays, almost higher education uses e-learning to support learning process. Much money is spent to establish e-learning. However, only few of higher education gets a good feedback for its e-learning. E-learning is influenced by higher education readiness to apply e-learning. They are technical, organizational, and social. Many e-learning readiness researches are not able to give automatic recommendations. This research proposes an ontology for e-learning readiness model and do some reasoning from ontology instances. Keywords: e-learning, ontology, reasoning PENDAHULUAN Laju perkembangan teknologi informasi dan komunikasi menjadikan e-learning sebagai suatu kebutuhan wajib bagi pendidikan modern. Lebih dari seribu institusi di 50 negara menggunakan e-learning untuk menunjang kegiatan perkuliahan (Bhuasiri, et.al., 2012). Keuntungan terbesar e-learning adalah kebebasan berinteraksi antara siswa dan guru atau antar siswa tanpa harus berada dalam tempat yang sama. Karena keuntungan ini, dana yang dianggarkan untuk pengembangan e-learning juga tidak sedikit. Namun, tidak semua perguruan tinggi yang menggunakan e-learning mendapat hasil yang sesuai dengan harapan (Sun, et al., 2008). C-42-1

2 Seperti halnya prinsip garbage in garbage out, e-learning juga demikian. Suatu institusi (perguruan tinggi atau perusahaan) yang belum siap menggunakan e -learning tidak dapat dipaksa menggunakan e-learning. Jika tetap dipaksakan maka hasil yang diberikan juga tidak akan baik. Untuk mengetahui faktor kesiapan e-learning, ada dua pendapat yang diberikan para peneliti. Pendapat pertama, keberhasilan e-learning secara tidak langsung dipengaruhi faktor-faktor kesiapan yang saling mempengaruhi satu sama lain. Faktor-faktor tersebut adalah kebijakan institusi dan ketersediaan TIK. Pendapat kedua adalah evaluasi tentang faktor-faktor yang mempengaruhi outcome e-learning secara langsung (Keramati, Afshari-Mofrad, & Kamrani, 2011). Secara detil, pendapat kedua mengemukakan bahwa ada beberapa faktor yang mempengaruhi keberhasilan e-learning, yaitu teknis, organisasi, dan sosial. Pendapat lain mengemukakan bahwa keberhasilan e-learning ditentukan oleh operation management, trainee management, contents management, IT managements, dan culture management (In, 2007). Untuk mendapatkan hasil yang maksimal dari keempat faktor tersebut diperlukan kesiapan atas keempatnya. Sejauh ini penelitian tentang kesiapan e-learning hanya bersifat manual dan tidak ada proses beajar yang dilakukan komputer terhadap pengukuranpengukuran sebelumnya. Penelitian ini bertujuan untuk memodelkan faktor-faktor kesiapan penerapan e-learning sehingga bisa dibuat rekomendasi apakah e-learning bisa diterapkan di institusi tersebut atau tidak. Jika institusi tersebut dianggap belum siap, maka akan diberikan rekomendasi hal-hal apa saja yang perlu dibenahi. Ontologi sebagai bentuk pemodelan yang memiliki kemampuan dalam hal penalaran dan penarikan kesimpulan (Wang, Lee, Hsieh, Hsu, Acampora, & Chang, 2010) sangat cocok untuk memodelkan faktor-faktor kesiapan e-learning. Ontologi juga memiliki kelebihan dalam hal integrasi, pertukaran data antar sistem dan dapat digunakan kembali (Li & Yang, 2008). Tujuan penelitian ini adalah memodelkan faktor-faktor kesiapan e-learning untuk mendapatkan tingkat kesiapan penerapan e-learning. Masalah yang akan diselesaikan adalah: Bagaimana membentuk ontologi untuk memodelkan faktor-faktor kesiapan e-learning? Secara sistematis, makalah ini dibagi menjadi empat bab. Bab 1 adalah Pendahuluan, Bab 2 Metode, Bab 3 menerangkan Hasil dan Pembahasan, dan Bab terakhir adalah Kesimpulan dan Saran. METODE Metode yang digunakan dalam penelitian ini dimulai dari penentuan faktor-faktor kesiapan e-learning yang digunakan untuk membentuk ontologi mengacu penelitian (Keramati, et.al., 2011). Ada tiga faktor kesiapan e-learning yang digunakan yakni teknis, organisasi, dan sosial. Faktor teknis meliputi perangkat keras, perangkat lunak, isi, akses internet, bandwidth, dan ruang sekolah. Faktor organisasi meliputi pakar, aturan organisasi, budaya, dan manajemen. Sedangkan faktor sosial adalah perhatian anggota institusi terhadap e-learning, aturan pemerintah, dan instruksi administrasi. Selanjutnya adalah pemodelan faktor-faktor kesiapan tersebut ke dalam bentuk ontologi. Untuk memodelkan ontologi digunakan Protege 4.2. Langkah terakhir adalah menentukan tingkat kesiapan e-learning berdasarkan perhitungan dan aturan tertentu. Hasil perhitungan ini akan digunakan sebagai rekomendasi kesiapan penerapan e-learning dalam perguruan tinggi tersebut. Tingkat kesiapan e-learning berkisar mulai 0 hingga 1. Nilai 0 menunjukkan bahwa institusi tersebut tidak siap. Nilai 1 menunjukkan bahwa institusi tersebut sangat siap untuk menerapkan e-learning. C-42-2

3 HASIL DAN PEMBAHASAN Gambar 1 menunjukkan class dan subclass untuk pembentukan ontologi. Ontologi yang akan dibentuk memiliki tiga class. Class tersebut diambil dari tiga faktor kesiapan e- learning berdasarkan (Keramati, et.al., 2011). Subclass masing-masing faktor tersebut diambil dari aspek-aspek yang terdapat dalam masing-masing faktor. Masing-masing class pada Gambar 1 tersebut memiliki hubungan has dengan subclass yang dimiliki dan masing-masing subclass memiliki hubungan ispartof dengan class atau induknya (digambarkan di Gambar 2). Masing-masing subclass memiliki instance berdasarkan kuesioner yang dituliskan oleh (Keramati, 2011). Secara lengkap ontologi digambarkan di Gambar 3. Gambar 1. Class dan subclass ontologi kesiapan e-learning Gambar 1. Object Properties ontologi kesiapan e-learning C-42-3

4 Gambar 3. Ontologi faktor-faktor kesiapan e-learning Untuk mendapatkan tingkat kesiapan penerapan e-learning digunakan dua macam perhitungan, yakni perhitungan global dan perhitungan lokal (Darab & Montazer, 2011). Keterangan: LR m x GR n y : Local readiness : banyak faktor yang diukur dalam satu class : bobot tiap faktor : global readiness : banyak dimensi yang diukur dalam penentuan tingkat kesiapan : bobot tiap dimensi C-42-4

5 Dari hasil perhitungan ini, ontologi yang dibentuk akan memberikan keluaran berupa faktor-faktor yang masih memerlukan perbaikan dalam meningkatkan kesiapan e-learning. Reasoner yang digunakan adalah SWRL. KESIMPULAN DAN SARAN Dari hasil uraian di atas dapat ditarik kesimpulan bahwa ontologi dapat digunakan untuk menentukan kesiapan penerapan e-learning suatu institusi. Untuk membentuk ontologi kesiapan e-learning, langkah yang harus dilakukan adalah memilih faktor-faktor yang akan dijadikan class, subclass, dan instance dalam ontologi. Langkah kedua adalah memodelkan faktor-faktor tersebut. Langkah terakhir adalah menentukan aturan yang digunakan dalam penentuan tingkat kesiapan. Langkah yang terakhir ini menggunakan dua proses yakni proses perhitungan nilai kesiapan dan proses penarikan kesimpulan. Proses perhitungan menggunakan nilai rata-rata tiap class. Proses penarikan kesimpulan berdasarkan nilai perhitungan dan penentuan faktor-faktor yang memiliki nilai di bawah nilai yang disyaratkan. Ontologi memungkinkan pembelajaran dari peristiwa pengukuran sebelumnya dan dapat melakukan penarikan kesimpulan. Suatu institusi yang dianggap belum siap dalam menerapkan e-learning sebaiknya tidak memaksakan diri karena pada akhirnya hasil keluaran tidak akan menunjukkan nilai yang memuaskan. Penelitian ini masih perlu perbaikan dalam hal pembelajaran dari riwayat proses perhitungan sebelumnya sehingga dapat menghasilkan rekomendasi yang lebih baik. Penelitian ini baru tahap perancangan dan akan dikembangkan aplikasi yang akan menerapkan pemodelan ini. DAFTAR PUSTAKA (12pt Times new roman) Bhuasiri, W., Xaymoungkhoun, O., Zo, H., & Jeung Rho, J. (2012). Critical success factors for e-learning in developing countries: A comparative analysis between ICT experts and faculty. Computers & Education. Vol 58. Darab, B., & Montazer, G. A. (2011). An eclectic model for assessing e-learning readiness in the Iranian universities. Computers & Education.Vol 56. In, G. J. (2007). Developing Evaluation Tool for e-learning. PICMET Oregon-USA. Keramati, A., Afshari-Mofrad, M., & Kamrani, A. (2011). The role of readiness factors in E- learning outcomes: An empirical study. Computers & Education. Vol 57. Li, L., & Yang, Y. (2008). Agent -based Ontology Mapping and Integration Towards Interoperability. Expert Systems. Vol 25. Sun, P.-C., Tsai, R. J., Finger, G., Chen, Y.-Y., & Yeh, D. (2008). What drives a successful e- Learning? An empirical investigation of the critical factors influencing learner satisfaction. Computer & Education. p Wang, M.-H., Lee, C.-S., Hsieh, K.-L., Hsu, C.-Y., Acampora, G., & Chang, C.-C. (2010). Ontology-based multi-agents for intelligent healthcare applications. Journal of Ambient Intelligence and Humanized Computing. Vol 1. C-42-5