BAB 3 TEKNIK HEURISTIK AND-OR GRAPH DALAM PERENCANAAN JALUR PEMBELAJARAN 3.1 Analisis Masalah Sistem pembelajaran konvensional masih sering digunakan seperti CAI, dimana pembelajaran yang dilakukan akan bersifat statis tanpa membedakan kemampuan pemelajar. Untuk mengatasi sistem konvensional tersebut maka dibuat sistem tutorial yang adaptif yang dapat memberikan pembelajaran yang sesuai dengan kemampuan pemelajar. DCG merupakan salah satu sistem pembelajaran adaptif yang mampu membantu peran seorang pengajar dalam proses pembelajaran dimana sistem ini mampu menentukan jalur pembelajaran dan bahan ajar yang harus diajarkan kepada pemelajar. Sistem DCG mengadaptasi kemampuan awal pemelajar untuk menentukan jalur pembelajaran yang efektif. Pada sistem DCG terdapat bahan-bahan ajar yang terkumpul membentuk struktur konsep yang direpresentasikan dalam graph and-or dan dikelola oleh course planner. Course planner menghasilkan jalur pembelajaran sesuai dengan tujuan dan pengetahuan sebelumnya dari pemelajar berdasarkan masukan dari model pemelajar sehingga dihasilkan jalur pembelajaran yang sesuai dengan kemampuan awal pemelajar. Agar course planner bekerja dengan baik, maka course planner haruslah efektif dan cepat dalam perancangan jalur pembelajaran. Melalui modul course planner ini, 42
43 diharapkan pemelajar mendapatkan jalur pembelajaran dan bahan ajar yang tepat sesuai dengan kemampuan awal pemelajar dalam mencapai tujuannya. 3.2 Course Planner Model pemelajar mengevaluasi kemampuan pemelajar dan mengirimkan hasil evaluasi tersebut kepada course planner berupa tujuan pembelajaran dan nilai tes awal. Masukan model pemelajar tersebut akan dimasukkan ke dalam modul course planner. Kemudian course planner mengolah masukkan dari model pemelajar dan menghasilkan perencanaan jalur pembelajaran yang disesuaikan dengan struktur konsep. Untuk menjadi course planner yang baik, diperlukan syarat-syarat sebagai berikut : Dapat menentukan jalur pembelajaran yang optimal. Dapat menangani struktur konsep yang besar. Untuk dapat menentukan jalur pembelajaran yang optimal, course planner mengolah masukan dari model pemelajar yang berupa tujuan pembelajaran dan nilai heuristik. Perencanaan jalur pembelajaran harus dilakukan dengan cepat dan efesien, maka teknik pencarian pun menjadi salah satu komponen terpenting. Heuristik AO merupakan teknik yang disarankan oleh Julita Vassileva dalam sistem Dynamic Courseware Generation. Tetapi teknik ini telah dikembangkan oleh penulis menjadi modified heuristik AO yang dapat beradapatasi dengan baik dengan stuktur konsep yang direpresentasikan dengan graph and-or. Struktur konsep harus mendukung proses pencarian jalur pembelajaran, dengan semakin banyaknya bahan ajar yang mendukung dalam suatu konsep pada struktur
44 konsep maka semakin besar kemungkinan pemelajar dapat memahami suatu konsep. Pengetahuan bersifat terbuka dalam hal perkembangan, maka proses sinkronisasi struktur konsep dengan perkembangan pengetahuan merupakan hal yang harus dilakukan, hal ini dapat menjadikan pemelajar secara dinamis mengikuti perkembangan pengetahuan. 3.3 Pemecahan Masalah 3.3.1 Perencanaan Struktur Konsep TIU TIK 1 TIK 2 TIK 3 Gambar 3.1 TIU dan TIK Algoritma dan Pemrograman di mana : TIU : Pemahaman Algoritma dan Pemrograman Dengan tiga TIK adalah sebagai berikut : TIK1 : Mampu mendemonstrasikan penulisan program modular TIK2 : Mampu mendemonstrasikan penulisan program menggunakan Struktur Data TIK3 : Mampu menghasilkan program untuk memecahkan masalah yang berhubungan dengan model matematika deret dan polinom
45 TIK 1 1.1 1.2 1.3 1.4 1.5 1.6 1.1. 1 1.1. 2 1.2. 1 1.2. 2 1.4. 1 1.4. 2 1.4. 3 1.4. 4 1.4. 5 1.6. 1 1.6. 2 1.1. 1.1 1.1. 1.2 1.1. 1.3 1.1. 1.4 Gambar 3.2 Stuktur Konsep TIK 1 1.1 Kategori fungsi 1.1.1 Fungsi yang dibuat programmer(programmer-defined function) 1.1.1.1 Deklarasi dan definisi fungsi 1.1.1.2 Return type dan return 1.1.1.3 Pemanggilan fungsi 1.1.1.4 Letak fungsi 1.1.2 Fungsi standar(standar library function) 1.2 Jangkauan identifier 1.2.1 Global identifier 1.2.2 Lokal identifier 1.3 Struktur fungsi 1.4 Jenis variabel 1.4.1 Variabel lokal 1.4.2 Variabel eksternal 1.4.3 Variabel statis
46 1.4.4 Variabel register 1.4.5 Variabel pointer 1.5 Rekursif 1.6 Pengiriman parameter (argumen) 1.6.1 Pengiriman berupa nilai 1.6.2 Pengiriman berupa alamat data TIK 2 2.1 2.2 2.1. 1 2.1. 2 2.2. 1 2.2. 2 2.2. 4 2.1. 2.1 2.1. 2.2 2.1. 2.3 2.1. 2.4 2.2. 3 2.1. 2.4. 1 2.1. 2.4. 2 2.1. 2.4. 3 Gambar3.3 Struktur Konsep TIK 2 2.1 Senarai Berkait(Linked list) 2.1.1 Alokasi memori secara dinamik 2.1.2 Single linked list
47 2.1.2.1 Deklarasi tipe simpul 2.1.2.2 Deklarasi pointer penunjuk kepala linked list 2.1.2.3 Pembentukan simpul baru 2.1.2.4 Pengaitan simpul ke linked list 2.1.2.4.1 LIFO single-linked list 2.1.2.4.2 FIFO single-linked list 2.1.2.4.3 Single-linked list simpul tersisip 2.2 Larik(Array) 2.2.1 Pointer dan array 2.2.2 Array 1 dimensi sebagai parameter 2.2.3 Array 1 dimensi 2.2.4 Array multi dimensi TIK 3 3.1 3.2 3.2. 1 3.1. 1 3.1. 2 3.1. 3 3.2. 1.1 3.2. 1.2 3.1. 1.1 3.1. 1.2 3.1. 1.3 3.1. 1.4 3.1. 1.5 3.1. 2.1 3.1. 2.2 3.1. 3.1 3.1. 3.2 3.1. 3.3 3.1. 3.4 Gambar 3.4 Struktur Konsep TIK 3 3.1 Polinom 3.1.1 Struktur kendali perulangan 3.1.1.1 Instruksi for
48 3.1.1.2 Instruksi while 3.1.1.3 Instruksi do while 3.1.1.4 Infinite loop 3.1.1.5 Break dan continue 3.1.2 Struktur kendali pemilihan 3.1.2.1 Instruksi if dan else 3.1.2.2 Instruksi switch 3.1.3 Array 3.1.3.1 Pointer dan array 3.1.3.2 Array 1 dimensi sebagai parameter 3.1.3.3 Array 1 dimensi 3.1.3.4 Array multi dimensi 3.2 Eliminasi gauss 3.2.1 Struct 3.2.1.1 Deklarasi struct 3.2.1.2 Pointer to structure Bahan ajar yang dibangkitkan akan sesuai dengan jalur pembelajaran yang telah dirancang oleh modul course planner. 3.3.2 Struktur Konsep Bahan ajar yang telah terkumpul membentuk struktur konsep yang direpresentasikan dalam bentuk graph and-or. Struktur konsep yang luas akan membantu pemelajar dalam memahami suatu topik. Semakin luas/besar struktur
49 konsep maka semakin banyak bahan ajar yang dapat dijadikan acuan bagi pemahaman pemelajar atas topik atau sub-topik. 3.3.3 Hubungan Antar Bahan Ajar Bahan-bahan ajar yang membentuk struktur konsep mempunyai hubungan dengan bahan ajar lainnya. Hubungan ini terbentuk atas empat komponen yaitu child, parent, relasi and, relasi or yang akan membentuk suatu graph dimana relasi and dan or merupakan hubungan antar bahan ajar yang selevel dalam graph. AO graph merupakan graph yang cocok untuk memaparkan bahan ajar ini, dimana semua karakteristik relasinya terpenuhi oleh AO graph. 3.3.4 Rancangan Struktur Konsep Struktur konsep menggunakan database relational untuk mewakili nilainilai yang dimilikinya. Isi dari tabelnya adalah : 1. Node 2. Child 3. Relasi 4. Acuan 5. Bobot 6. Nama Nama Tabel : Graph Primary Key : Node
50 Tabel 3.1 Tabel Struktur Konsep Nama Field Tipe Data Keterangan Node Int Node yang dedifinisikan dengan angka Child Var char Child dari node Relasi Int Menunjukan relasi AND atau OR Acuan Float Nilai acuan suatu konsep Bobot Var char Nilai bobot pada relasi AND Nama Var char Nama dari suatu konsep 3.3.5 Heuristik AO Penelusuran terhadap graph untuk mendapatkan jalur pembelajaran yang optimal harus dilakukan dengan cepat. Pada struktur konsep yang besar, teknik pencarian menjadi hal yang penting karena akan terjadi perbedaan waktu pencarian antara teknik pencarian yang satu dengan yang lain. Itu berarti teknik pencarian dengan karakteristik yang lebih sesuai akan menghasilkan waktu yang lebih baik. Menurut Julita Vassileva (Dynamic Courseware Generator), teknik pencarian yang paling sesuai dengan struktur konsep dalam sistem DCG adalah heuristik AO. Suatu teknik baru yang pada dasarnya sama dengan teknik heuritik AO, dikembangkan menjadi modified heuristik AO yang telah disesuaikan dengan konsep graph and-or.
51 Sebelum modul course planner melakukan fungsi heuristik untuk menentukan jalur pembelajaran, dijalankan fungsi setnilai. Fungsi ini bertujuan untuk memberikan nilai perkiraan kemampuan pemelajar pada setiap konsep yang akan menjadi panduan fungsi heuristik untuk menentukan pemilihan jalur pembelajaran yang sesuai. Dalam melakukan set nilai, pertama-tama modul menganggap kemampuan pemelajar pada setiap konsep sama dengan nilai acuan pada setiap konsep. Berikutnya modul menjalankan fungsi setnilai dari masing-masing konsep yang telah dilakukan tes awal. Fungsi setnilai akan melakukan update data kemampuan pemelajar pada suatu node sesuai dengan kemampuan pemelajar pada konsep parentnya. Update dilakukan sesuai dengan fungsi sebagai berikut : Knowledge[i] = knowledge[i] + (knowledge[p] acuan[p]) * bobot[i] Nilai acuan merupakan nilai knowledge prior probabilities pada sebuah konsep yang ditentukan oleh orang yang berpengalaman pada konsep tersebut. Semakin besar kemampuan pemelajar pada sebuah konsep, maka dianggap semakin besar pula kemampuan pemelajar pada konsep childnya. Namun demikian, fungsi di atas hanya dijalankan apabila relasi antar node berupa relasi AND. Jika relasi merupakan relasi OR, maka nilai kemampuan pada konsep childnya tidak dilakukan update, sebab tidak diketahui kemampuan pemelajar pada konsep tersebut berdasarkan pada konsep child yang mana. Penerapan algoritma teknik modified heuristik AO sebagai berikut : 1. mulai pencarian dari node teratas. 2. lihat relasi dengan seluruh childnya.
52 3. apabila relasi dengan seluruh childnya adalah AND, maka telusuri seluruh node child tersebut yang belum mencapai target dengan teknik rekursif hingga node paling dasar. 4. apabila relasi dengan seluruh childnya adalah OR, maka telusuri node child yang memiliki nilai heuristik paling besar apabila node tersebut belum mencapai target dengan teknik rekursif hingga node paling dasar. 3.4 Perancangan Sistem 3.4.1 Rancangan Modul Course Planner dan Interaksinya Teaching Materials Model Pemelajar Course Planner Struktur Konsep Course Gambar 3.5 Rancangan Modul Course Planner dan Interaksinya Model pemelajar berinteraksi dengan modul course planner dengan memberi masukan berupa tujuan pembelajaran dan kemampuan pemelajar pada suatu konsep yang didapat dari nilai tes awal. Modul course planner berinteraksi dengan struktur konsep dengan menerima masukan berupa graph and-or yang memodelkan struktur konsep dari mata kuliah algoritma dan pemrograman.
53 Modul course planner juga berinteraksi dengan teaching materials yang memberi masukan berupa bahan ajar yang akan diberikan kepada pemelajar, hasilnya berupa course yang merupakan jalur pembelajaran atau serangkaian bahan ajar. 3.4.2 Hierarki Menu Home Pemilihan Goal Tentang Smart Learning Bantuan Hubungi Kami Struktur Konsep Rekomendasi Teaching Material Gambar 3.6 Hierarki Menu
54 3.4.3 State Transtition Diagram 3.4.3.1 STD Login Login Login Salah Login Berhasil Pemilihan Goal Gambar 3.7 STD Login
55 3.4.3.2 STD Home Hubungi Kami Klik "Hubungi Kami" Pemilihan Goal Klik "Belajar" Home Klik "Bantuan" Bantuan Klik "Tentang Smart Learning" Tentang Smart Learning Gambar 3.8 STD Home 3.4.3.3 STD Pemilihan Goal Pemilihan Goal Pilih Goal Struktur Konsep Rekomendasi Gambar 3.9 STD Pemilihan Goal
56 3.4.3.4 STD Pemilihan Materi Struktur Konsep Pilih Materi Teaching Material Gambar 3.10 STD Pemilihan Materi 3.4.3.5 STD Log Out Home Klik Log Out Layar Utama Gambar 3.11 STD Log Out
57 3.4.4 Rancangan Layar 3.4.4.1 Rancangan Layar Utama Logo SL Smart Learning Username : Informasi Textfield1 Password : Informasi Textfield2 login Gambar 3.12 Rancangan Layar Utama Komponen-komponen yang ada di dalam Rancangan layar utama adalah : 1. Logo SL, yaitu image atau logo Smart Learning 2. Smart Learning, yaitu text judul sistem 3. Username, yaitu text 4. Password, yaitu text 5. Texfield 1, berfungsi untuk memasukan username 6. Textfield 2, berfungsi untuk memasukan password 7. Login, yaitu tombol yang digunakan untuk masuk ke dalam sistem sesuai dengan username dan password yang diisi
58 8. Informasi, yaitu text yang berisi informasi-informasi tentang Smart Learning 3.4.4.2 Rancangan Layar Pemilihan Goal Logo SL Text 1 Belajar Tentang Smart Learning Bantuan Hubungi Kami Log out Smart Learning Gambar 1 Gambar 2 Info 1 Info 2 Info 3 keterangan Informasi Informasi Gambar 3 Saran Gambar 3.13 Rancangan Layar Pemilihan Goal Komponen-komponen yang ada di dalam rancangan layar pemilihan goal: 1. Logo SL, yaitu image atau logo Smart Learning 2. Smart Learning, yaitu text judul sistem 3. Gambar 1-3, yaitu image yang berupa node yang menggambarkan TIK 1-3 dan jika diklik menuju layar struktur konsep
59 4. Info 1-3, yaitu text tentang tujuan instruktional khusus 5. keterangan, yaitu text tentang keterangan gambar 1-3 6. Informasi, yaitu text yang berisi informasi-informasi tentang tujuan instruktional khusus 7. Saran, yaitu text yang berisi saran kepada user tentang TIK yang sebaiknya diambil 8. text 1, yaitu text yang menyampaikan ucapan selamat datang kepada username 9. Belajar, yaitu link yang jika diklik akan menuju layar struktur konsep 10. Tentang Smart Learning, yaitu link yang jika diklik akan menuju layar tentang Smart Learning 11. Bantuan, yaitu link yang jika diklik akan menuju layar Bantuan 12. Tentang Kami, yaitu link yang jika diklik akan menuju layar tentang kami 13. Log out, yaitu menu yang jika diklik akan keluar dari sistem
60 3.4.4.3 Rancangan Layar Struktur Konsep Logo SL Text 1 Smart Learning Gambar graph Belajar Tentang Smart Learning Bantuan Hubungi Kami Log out tombol 1 Gambar 3.14 Rancangan Layar Struktur Konsep Komponen-komponen yang ada di dalam rancangan layar struktur konsep: 1. Logo SL, yaitu image atau logo Smart Learning 2. Smart Learning, yaitu text judul sistem 3. Gambar graph, yaitu image yang menggambarkan struktur konsep dari TIK yang dipilih dan jika diklik pada salah satu nodenya akan menuju layar teaching material 4. Tombol 1, yaitu tombol finish yang jika diklik untuk keluar dari sistem
61 5. text 1, yaitu text yang menyampaikan ucapan selamat datang kepada username 6. Belajar, yaitu link yang jika diklik akan menuju layar pemilihan goal 7. Tentang Smart Learning, yaitu link yang jika diklik akan menuju layar tentang Smart Learning 8. Bantuan, yaitu link yang jika diklik akan menuju layar bantuan 9. Hubungi Kami, yaitu link yang jika diklik akan menuju layar hubungi kami 10. Log out, yaitu menu yang jika diklik akan keluar dari sistem 3.4.4.4 Rancangan Layar Tentang Smart Learning Logo SL Smart Learning Text 1 Informasi Belajar Tentang Smart Learning Bantuan Hubungi Kami Log out Gambar 3.15 Rancangan Layar Tentang Smart Learning
62 Komponen-komponen yang ada di rancangan layar tentang Smart Learning : 1. Logo SL, yaitu image atau logo Smart Learning 2. Smart Learning, yaitu text judul sistem 3. Informasi, yaitu text yang berisi tentang informasi tentang Smart Learning 4. text 1, yaitu text yang menyampaikan ucapan selamat datang kepada username 5. Belajar, yaitu link yang jika diklik akan menuju layar pemilihan goal 6. Tentang Smart Learning, yaitu link yang jika diklik akan menuju layar tentang Smart Learning 7. Bantuan, yaitu link yang jika diklik akan menuju layar Bantuan 8. Hubungi Kami, yaitu link yang jika diklik akan menuju layar hubungi kami 9. Log out, yaitu menu yang jika diklik akan keluar dari sistem
63 3.4.4.5 Rancangan Layar Bantuan Logo SL Smart Learning Text 1 Informasi Belajar Tentang Smart Learning Bantuan Hubungi Kami Log out Gambar 3.16 Rancangan Layar Bantuan Komponen-komponen yang ada di rancangan layar bantuan : 1. Logo SL, yaitu image atau logo Smart Learning 2. Smart Learning, yaitu text judul sistem 3. Informasi, yaitu text yang berisi tentang informasi-informasi yang terkait tentang sistem 4. text 1, yaitu text yang menyampaikan ucapan selamat datang kepada username 5. Belajar, yaitu link yang jika diklik akan menuju layar pemilihan goal
64 6. Tentang Smart Learning, yaitu link yang jika diklik akan menuju layar tentang Smart Learning 7. Bantuan, yaitu link yang jika diklik akan menuju layar bantuan 8. Hubungi Kami, yaitu link yang jika diklik akan menuju layar hubungi kami 9. Log out, yaitu menu yang jika diklik akan keluar dari sistem 3.4.4.6 Rancangan Layar Hubungi Kami Logo SL Smart Learning Text 1 Belajar Tentang Smart Learning Email Keterangan Bantuan Hubungi Kami Log out Gambar 3.17 Rancangan Layar Hubungi Kami Komponen-komponen yang ada di rancangan layar hubungi kami : 1. Logo SL, yaitu image atau logo Smart Learning 2. Smart Learning, yaitu text judul sistem
65 3. Email, yaitu text yang berisi tentang email-email yang dapat dihubungi 4. Keterangan, yaitu text yang berisi keterangan 5. text 1, yaitu text yang menyampaikan ucapan selamat datang kepada username 6. Belajar, yaitu link yang jika diklik akan menuju layar pemilihan goal 7. Teantang Smart Learning, yaitu link yang jika diklik akan menuju layar tentang Smart Learning 8. Bantuan, yaitu link yang jika diklik akan menuju layar bantuan 9. Hubungi Kami, yaitu link yang jika diklik akan menuju layar hubungi kami 10. Log out, yaitu menu yang jika diklik akan keluar dari sistem 3.4.4.7 Rancangan Layar Rekomendasi Saran : Text1 Gambar 3.18 Rancangan Layar Rekomendasi Komponen-komponen yang ada di rancangan layar rekomendasi :
66 1. Saran, yaitu text 2. Text 1, yaitu text yang berisikan rekomendasi urutan pembelajaran 3.4.4.8 Rancangan Layar Teaching Material Judul bahan ajar Informasi bahan ajar Gambar 3.19 Rancangan Layar Teaching Material Komponen komponen yang ada di dalam rancangan layar teaching material : 1. Judul bahan ajar, yaitu text berisi judul bahan ajar 2. Informasi bahan ajar, yaitu text berisi tentang bahan ajar
67 3.4.5 Diagram Alir 3.4.5.1 Update Nilai bobot = SELECT bobot FROM graph WHERE node=nd anak = SELECT child FROM graph WHERE node=nd relasi = SELECT relasi FROM graph WHERE node=nd End FALSE relasi = AND TRUE jk = 0 i = 0 i = 0 FALSE i < count(anak) TRUE jk += bobot[i] i++ End FALSE i < count (anak) A TRUE knowledge[child[i]] = acuan[child[i]] + (knowledge[node] - acuan[node]]) * (bobot[i] / jk) node = child[i] i++ Gambar 3.20 Diagram Alir Update Nilai
68 3.4.5.2 Heuristik AO Start node = goal pt = 0 B node=goal FALSE TRUE path[pt] = node pt++ i = 0 TRUE relasi = AND FALSE i = 0 tempknow ledge = 0 tempchild = 0 End FALSE i < count (child) FALSE i < count(child) TRUE TRUE know ledge [node] < 0.65 node = tempchild know ledge[child(i)] > tempknow ledge FALSE i++ TRUE FALSE TRUE node = child [i] B tempknow ledge = know ledge[child(i)] tempchild = child[i] B i++ Gambar 3.21 Diagram Alir Heuristik AO
69 3.4.5.3 Rekomendasi Jalur Pembelajaran Start goal = $_SESSION['goal'] path = $_SESSION['jalur'] p = 0 open connection to server select database pemelajar nd = goal A anak = baca child dari database dimana node = nd i = 0 FALSE i < jumlah child B TRUE j = 0 j < jumlah node pada path FALSE TRUE TRUE anak[i]=path[j] nd = anak[i] FALSE j++ i++ A Gambar 3.22 Diagram Alir Rekomendasi Jalur Pembelajaran [1]
70 B node = goal FALSE TRUE jalurrek[p] = nd p++ TRUE count(jalurrek) = 0 FALSE print "Anda telah menguasai seluruh materi pada TIK ini" print "Saran urutan pembelajaran" i = 0 i < count(jalurrek) FALSE End TRUE jr = jalurrek[i] temp = lihat nama dari database dimana node=jr print temp i++ Gambar 3.23 Diagram Alir Rekomendasi Jalur Pembelajaran [2]
71 3.4.6 Pseudocode TestNode(array) = ambil node di bawah TIK I = 0 Selama I < banyaknya TestNode Knowledge[i] = lihat hasil test dari node ke I dari database I++ Akhir selama I = 1 Selama I <= 3 C = lihat child node ke i Lihat relasi node ke i:and/or Jika relasi AND Knowledge[i] = 0 J = 0 Selama j < banyak child Bobot = lihat bobot node[i]-c[j] dari database Knowledge[i] += knowledge[c[j]] * bobot J++ Akhir selama Selain itu Knowledge[i] = 0
72 J = 0 Selama j < banyak child Jika knowledge[c[j]] > knowledge[i] maka Knowledge[i] = knowledge[c[j]] Akhir jika Akhir selama Akhir jika I++ Akhir selama Input goal Sambung ke database I = 0 Selama I < maxnode Knowledge[i] = acuan[i] I++ Akhir selama I = 0 Selama I < banyaknya TestNode setnilai(testnode) I++ Akhir selama
73 Heuristic(goal) Fungsi setnilai(node) R = lihat relasi node:and/or C = lihat child node If relasi = AND maka I = 0 Selama I < banyak_child Bobot = lihat bobot node-c[i] dari database Knowledge[c[i]] += (knowledge[node]-acuan[anode]) * bobot setnilai(c[i]) I++ Akhir selama Akhir if Akhir fungsi Fungsi heuristic(node) Jika knowledge[node] >= 0.65 maka keluar dari fungsi Masukkan node ke path R = lihat relasi node:and/or C = lihat child node Jika relasi = AND I = 0
74 Selama I < banyak child Heuristic(c[i]) I++ Akhir selama Selain itu I = 0 Tempknowledge = 0; Tempchild = 0; temp Selama I < banyak child Jika knowledge[c[i]] > tempknowledge maka Tempknowledge = knowledge[child[i]] Tempchild = c[i] Akhir selama Heuristic(tempchild) Akhir jika Akhir fungsi Sambung ke database Goal = baca goal dari session Path = baca jalur dari session P = 0 Modul rekomendasi(nd) anak = lihat child dari tabel graph dimana node = nd
75 Inisialisasi i = 0 Selama i < jumlah child Inisialisasi j = 0 Selama j < jumlah node pada path Jika anak[i] = path[j] maka Rekomendasi (anak[i]) Akhir jika J++ Akhir selama I++ Akhir selama Jika nd tidak sama dengan goal maka Jalurrek[p] = nd P++ Akhir jika Akhir modul Panggil modul rekomendasi dengan parameter goal Jika banyak node pada jalurrek = 0 maka Cetak Anda telah menguasai seluruh materi pada TIK ini Selain itu Cetak Saran urutan pembelajaran : Akhir jika I = 0
76 Selama i < jumlah node pada jalurrek Set nilai jr = jalurrek[i] Temp = lihat nama dari tabel graph dimana node=jr Cetak temp I++ Akhir selama 3.4.7 Rancangan Database Model Pemelajar Model pemelajar dalam sistem ini menggunakan database relational yang terdiri dari 3 tabel, yaitu : 1. Nama Tabel : Login Primary Key : Username Tabel 3.2 Tabel Login Nama Field Tipe Data Keterangan Username Var char Username pemelajar Password Var char Password pemelajar 2. Nama Tabel : Knowledge Primary Key : Username
77 Tabel 3.3 Tabel Knowledge Nama Field Tipe Data Keterangan Username Var char Username pemelajar N4 Float Nilai perkiraan penguasaan konsep kategori function N5 Float Nilai perkiraan penguasaan konsep Struktur function N6 Float Nilai perkiraan penguasaan konsep Jangkauan identifier N7 Float Nilai perkiraan penguasaan konsep Jenis variabel N8 Float Nilai perkiraan penguasaan konsep Pengiriman parameter (argument) N9 Float Nilai perkiraan penguasaan konsep Recursif N25 Float Nilai perkiraan penguasaan konsep Array N26 Float Nilai perkiraan penguasaan konsep Linked list N40 Float Nilai perkiraan penguasaan konsep Polinom N41 Float Nilai perkiraan penguasaan konsep Eliminasi gauss