Embed Size (px)
Citation preview
ADAPTIVE QUIZ SYSTEM BERBASIS WEB (STUDI KASUS: MATA PELAJARAN BIOLOGI SMU)
Oleh :
ZANUAR DIDIK BINTORO G64101065
DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR BOGOR
2008
RINGKASAN
ZANUAR DIDIK BINTORO. Adaptive Quiz System Berbasis Web(Studi Kasus: Mata Pelajaran Biologi SMU). Dibimbing oleh MEUTHIA RACHMANIAH dan WISNU ANANTA KUSUMA.
Penggunaan perangkat komputer dalam metode pembelajaran dapat meningkatkan pemahaman siswa dalam mempelajari materi. Salah satu sistem yang dikembangkan adalah modul quiz berbasis komputer. Adaptive quiz ini dikembangkan sebagai salah satu alternatif media pembelajaran bagi siswa SMU. Aplikasi ini akan memberikan latihan soal Biologi SMU dengan tingkat kesulitan tertentu yang disesuaikan dengan hasil pembelajaran siswa, yaitu soal akan bertambah sukar jika jawaban sebelumnya benar dan soal akan bertambah mudah jika jawaban sebelumnya salah. Aplikasi ini juga memberikan umpan balik yang sesuai dengan hasil pekerjaan siswa.
Hasil dari penelitian ini adalah suatu aplikasi quiz berbasis web yang memadukan logika fuzzy untuk menentukan tingkatan kesukaran soal Biologi. Penalaran fuzzy yang digunakan adalah metode penalaran Mamdani dengan proses defuzzifikasi centroid. Parameter fuzzy yang digunakan adalah tingkat kesukaran awal soal, tingkat kesukaran akhir soal dan persentase kebenaran. Rentang nilai dalam penentuan fungsi keanggotaan fuzzy ditentukan berdasarkan hasil wawancara dengan pengajar Biologi sebagai pakar. Dalam proses pembelajaran, tingkat kesukaran soal akan terus berubah ketika siswa telah berinteraksi dengan sistem. Parameter yang mempengaruhi perubahan tingkat kesukaran soal adalah persentase kebenaran siswa dalam menjawab soal dan tingkat kesukaran awal soal. Hasil penghitungan nilai keluaran fuzzy pada aplikasi ini telah diuji dengan membandingkan hasil keluaran dari perangkat lunak Matlab. Hasil pengujian menunjukkan bahwa hasil penghitungan fuzzy pada aplikasi ini telah sesuai dengan hasil penghitungan keluaran fuzzy pada Matlab.
Kata Kunci : Adaptive Quiz, Mamdani, metode centroid, Biologi
ADAPTIVE QUIZ SYSTEM BERBASIS WEB (STUDI KASUS MATA PELAJARAN BIOLOGI SMU)
Skripsi
sebagai salah satu syarat untuk memperoleh gelar Sarjana Komputer pada Fakultas Matematika dan Ilmu Pengetahuan Alam
Institut Pertanian Bogor
Oleh :
ZANUAR DIDIK BINTORO G64101065
DEPARTEMEN ILMU KOMPUTER
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR
BOGOR 2008
Judul Skripsi : Adaptive Quiz System Berbasis Web (Studi Kasus: Mata Pelajaran Biologi SMU) Nama : Zanuar Didik Bintoro NRP : G64101065
Menyetujui,
Pembimbing I
Ir. Meuthia Rachmaniah, M.Sc. NIP 131 414 854
Pembimbing II
Wisnu Ananta Kusuma, ST, MT. NIP 132 312 485
Mengetahui, Dekan Fakultas Matematika dan Ilmu Pengetahuan Alam
Institut Pertanian Bogor
Dr. drh. Hasim, DEA. NIP 131 578 806
Tanggal Lulus:
PRAKATA Alhamdulillahirobbil’alamin,
Puji dan syukur penulis panjatkan kehadirat Allah SWT atas segala rahmat dan hidayahnya telah memberikan kekuatan dan kelancaran kepada penulis selama menyelesaikan studi hingga tersusunnya skripsi ini.
Penelitian Tugas Akhir yang berjudul Adaptive Quiz System Berbasis Web (Studi Kasus: Mata Pelajaran Biologi SMU) ini, merupakan syarat penulis untuk menyelesaikan studi di Departemen Ilmu Komputer IPB.
Penyelesaian tulisan ini tidak terlepas dari keterlibatan berbagai pihak yang turut andil demi kelancaran penelitian ini. Sebagai penghargaan terhadap pihak-pihak yang telah berjasa tersebut, penulis menyampaikan terimakasih yang sebesar-besarnya kepada:
• Kedua orangtua serta kedua adik penulis, Iwan dan Ginanjar yang telah memberikan
semangat, do’a, dan dukungan demi kelancaran penulis dalam menyelesaikan tugas akhir ini.
• Ir. Meuthia Rachmaniah, M.Sc. dan Wisnu Ananta Kusuma, ST, MT. selaku pembimbing skripsi, serta Panji Wasmana, S.Kom, M.Si. selaku penguji. Terima kasih atas bimbingan, waktu, pikiran, dan perhatian yang telah diberikan kepada penulis.
• Seluruh dosen dan staf departemen Ilmu Komputer atas segala bantuannya. • Teman-teman seperjuangan Bagus, Cepi, Holan, Erwin, dan Liesca atas bantuan
semangat, kebersamaan, dan dukungannya. Tetap semangat...... We can do this !! • Teman-teman di Wisma Galih, Khamam, Voltak ’Adi Sukma’, Ranggo, dan Giyanto
terima kasih atas bantuan dan dukungannya. • Toto Haryanto, S.Kom. terima kasih atas segala bantuan dan dukungan semangatnya. • Seluruh teman-teman Ilkomerz 38, 39, 40 dan 41 terima kasih atas segala bantuan dan
kebersamaannya. • Teman-teman Statsitik 38, May ’Hendra’, Asep, terima kasih atas semangat dan
kebersamaannya. • Para punggawa COP, Mas Hardi, Mba’ Yoen, Mba’ Nia, Hery, Novi, terima kasih atas
semangat dan dukungannya. • Semua pihak yang tidak bisa disebutkan satu persatu. Semoga penelitian ini dapat bermanfaat, amin.
Bogor, Mei 2008
Penulis
RIWAYAT HIDUP
Penulis dilahirkan di Purworejo pada tanggal 24 Januari 1984 sebagai anak pertama dari
tiga bersaudara, putra dari pasangan Muhari dan Sri Hartuti. Penulis menempuh pendidikan di SDN Kemiri Kidul lulus pada tahun 1995, SMP Negeri 1
Kemiri lulus tahun 1998, SMU Negeri 1 Kutoarjo lulus tahun 2001. Penulis diterima di Jurusan Ilmu Komputer FMIPA IPB pada tahun 2001 melalui jalur UMPTN.
Pada bulan Februari-Mei 2005, penulis melaksanakan praktek lapang di SEAMEO BIOTROP Bogor. Pada tahun 2006, penulis menjadi asisten dosen untuk mata kuliah Sistem Informasi Manajemen Pangan di Magister Manajemen Ketahanan Pangan IPB.
Selain menjalani kewajiban sebagai mahasiswa, penulis juga pernah terlibat dalam beberapa project pembuatan perangkat lunak dan website diantaranya adalah website BKSNT-Pontianak, software pembelajaran bioteknologi (BMPI), website STEI Hamfara Jogjakarta, website ICSD Jakarta, website Jakarta Islamic Centre, website PSP3 IPB, dan website COP (Centre for Orangutan Protection)
vii
DAFTAR ISI
Halaman
DAFTAR GAMBAR .................................................................................................................... viii DAFTAR LAMPIRAN................................................................................................................. viii PENDAHULUAN.............................................................................................................................1
Latar Belakang .............................................................................................................................1 Tujuan...........................................................................................................................................1 Ruang Lingkup.............................................................................................................................1 Manfaat Penelitian........................................................................................................................1
TINJAUAN PUSTAKA....................................................................................................................1 Sistem Adaptif (Adaptive System) ................................................................................................1 Penggunaan Komputer dalam Pendidikan....................................................................................1 Computer Assisted Instruction (CAI) ...........................................................................................2 Standar Kompetensi Lintas Kurikulum ........................................................................................2 Feedback atau Umpan Balik ........................................................................................................2 Normalisasi...................................................................................................................................2 Logika Fuzzy ...............................................................................................................................2 Defuzzifikasi ................................................................................................................................3
METODE PENELITIAN..................................................................................................................3 1. Tahap perencanaan .............................................................................................................3 2. Tahap Analisis ....................................................................................................................4 3. Tahap Desain ......................................................................................................................4 4. Tahap Implementasi............................................................................................................4 5. Tahap Pengujian .................................................................................................................4
HASIL DAN PEMBAHASAN.........................................................................................................4 1. Tahap Perencanaan .............................................................................................................4 2. Tahap Analisis ....................................................................................................................5
2.1 Analisis Kebutuhan.....................................................................................................5 2.2 Analisis Fungsi Perangkat Lunak ...............................................................................5 2.3 Akuisisi Pengetahuan..................................................................................................5 2.4 Analisis Sistem Inferensi Fuzzy ..................................................................................6
3. Tahap Desain ......................................................................................................................6 3.1 Desain Basis Data .......................................................................................................6 3.2 Desain Sistem Fuzzy ...................................................................................................7 3.3. Desain Proses..............................................................................................................9 3.4 Desain Tampilan..............................................................................................................11
4 Tahap Implementasi..........................................................................................................11 4.1 Implementasi desain basis data .................................................................................11 4.2 Implementasi desain sistem fuzzy .............................................................................12 4.3 Implementasi proses aliran sistem ............................................................................14 4.4 Implementasi desain tampilan...................................................................................15
5. Tahap Pengujian ...............................................................................................................15 Kelebihan Sistem........................................................................................................................15 Kekurangan Sistem.....................................................................................................................16
KESIMPULAN DAN SARAN.......................................................................................................16 Kesimpulan.................................................................................................................................16 Saran...........................................................................................................................................16
DAFTAR PUSTAKA .....................................................................................................................16
viii
DAFTAR GAMBAR Halaman Gambar 1 Tiga komponen proses belajar..........................................................................................2 Gambar 2 Contoh gugus keanggotaan fuzzy......................................................................................3 Gambar 3 Alur penyelesaian masalah dengan metode fuzzy .............................................................3 Gambar 4 Diagram black box testing ................................................................................................4 Gambar 5 Representasi kurva trapesium...........................................................................................8 Gambar 6 Daerah hasil komposisi ....................................................................................................9 Gambar 7 Daerah solusi fuzzy. ..........................................................................................................9
DAFTAR LAMPIRAN Halaman
Lampiran 1. Tabel keterhubungan TKAwalSoal, PersentaseKebenaran terhadap TKAkhirSoal ...19 Lampiran 2. Diagram ER dengan kamus data.................................................................................20
Lampiran 3. Fungsi keanggotaan himpunan fuzzy ..........................................................................22
Lampiran 4. Kaidah-kaidah yang digunakan untuk inferensi fuzzy.................................................25 Lampiran 5. Modul Pengajar...........................................................................................................26 Lampiran 6. Modul quiz (1) ...........................................................................................................27 Lampiran 7. Modul Pembelajaran ..................................................................................................28 Lampiran 8. Modul Pretest (3.1) ....................................................................................................29 Lampiran 9. Modul quiz adaptif (3.2) ............................................................................................30 Lampiran 10. Desain tampilan sistem .............................................................................................31 Lampiran 11. Form masukan ..........................................................................................................33
Lampiran 12. Implementasi secara fisik basis data yang digunakan pada sistem ...........................34 Lampiran 13. Tampilan halaman administrator ..............................................................................40 Lampiran 14. Contoh tampilan sistem ............................................................................................41 Lampiran 15. Halaman rekap hasil belajar siswa............................................................................46 Lampiran 16. Konfigurasi toolbox fuzzy pada Matlab.....................................................................47
Lampiran 17. Hasil uji perbandingan nilai defuzzifikasi ................................................................50 Lampiran 18. Hasil pengujian sistem menggunakan metode black box pada modul admin ...........51 Lampiran 19. Hasil pengujian sistem menggunakan metode black box pada modul pengguna......54
1
PENDAHULUAN
Latar Belakang Dalam dunia pendidikan dan pengajaran,
komputer memiliki peranan yang sangat penting karena dengan komputer dapat dibuat sebuah aplikasi pengajaran tertentu yang dapat mempermudah pemahaman siswa dalam menyerap materi/soal yang disampaikan. Dengan sebuah aplikasi, siswa dapat berinteraksi dengan aplikasi tersebut dan dapat memantau perkembangan belajarnya sendiri.
Sebuah aplikasi pembelajaran akan lebih interaktif dan efektif apabila dapat memberikan umpan balik kepada siswa ketika siswa tersebut berinteraksi dengannya. Aplikasi juga akan memiliki nilai lebih apabila mampu beradaptasi terhadap kemampuan siswa, yaitu dapat memberikan soal yang memang sesuai dengan kemampuan siswa. Salah satu contoh aplikasi yang demikian adalah modul quiz berbasis HTML dan SGML yang dikembangkan oleh Lucio C. Tinoco yang diberi nama QUIZIT (Tinoco, 2004). Aplikasi ini mampu beradaptasi dengan kegiatan siswa, namun aplikasi tersebut masih memiliki beberapa kekurangan, antara lain: soal yang akan keluar berikutnya telah ditentukan dalam skrip dan tidak menggunakan basis data sehingga pembaharuan soal tidak dapat dilakukan.
Penelitian ini berusaha memperbaiki aplikasi yang dikembangkan oleh Tinoco dengan menambahkan fasilitas yang mampu memperbaharui soal dan mengintegrasikan metode fuzzy untuk menentukan tingkat kesukaran soal. Sistem yang akan dikembangkan berupa sebuah modul PHP dengan MySQL sebagai basis data untuk menyimpan seluruh data. Diharapkan aplikasi ini mampu mengatasi berbagai kelemahan pada sistem quiz yang sudah ada. Aplikasi ini diberi nama adaptive quiz system berbasis web.
Tujuan
Penelitian ini bertujuan membuat sebuah aplikasi quiz dinamis yang mampu beradaptasi dengan kemampuan siswa dalam menjawab soal. Ruang Lingkup
Ruang lingkup pada penelitian ini adalah:
1 Soal yang dapat dibuat adalah soal bertipe pilihan ganda dan essay jawaban singkat.
2 Setiap bab pada masing-masing kategori harus dimasukkan secara berurutan dari bab awal hingga bab paling akhir.
Manfaat Penelitian Penelitian ini diharapkan dapat membantu pengajar dalam memberikan soal yang bersifat dinamis. Di sisi lain siswa dapat mengetahui tingkatan kemampuannya dalam hal penguasaan materi yang ditentukan dengan menyelesaikan soal yang ada pada sistem.
TINJAUAN PUSTAKA
Sistem Adaptif (Adaptive System) Sebuah sistem adaptif adalah sebuah
sistem di mana sistem dapat mengalami perubahan pada berbagai aspek dikarenakan respon dari interaksi pengguna dengan sistem tersebut. (Browne et al.,1987). Browne et al. (1987) mengidentifikasi empat persyaratan pada suatu sistem adaptif. Persyaratan dimaksud, yaitu: tujuan, identifikasi karakteristik pengguna, alasan tentang karakteristik tersebut, dan mekanisme antar muka yang fleksibel yang mendukung perubahan antar muka penggunaan.
Suatu sistem adaptif dibangun berdasar pada teori dasar interaksi manusia dan komputer. Sebagai contoh, pada awalnya pengguna sistem dapat dikategorikan sebagai pemula, menengah, dan ahli. Dikarenakan adanya suatu interaksi pengguna dengan sistem, maka perubahan kondisi tersebut dapat berubah sesuai dengan aturan yang berlaku pada sistem adaptif (Browne et al.,1987) Penggunaan Komputer dalam Pendidikan Menurut Ysewijn (1992) terdapat tiga bentuk proses belajar mengajar yaitu: 1 Secara tradisional (belajar tanpa
komputer) yang melibatkan komponen guru dan siswa.
2 Dengan bantuan komputer (mixed teaching) yang melibatkan semua komponen (guru, siswa, dan komputer).
3 Dengan mesin (automated teaching) yang melibatkan siswa dan komputer.
2
Gambar 1 Tiga komponen proses belajar
mengajar
Gambar 1 menggambarkan hubungan yang terjadi antara tiga komponen terkait yang ada dalam proses pengajaran. Nomor 1 menggambarkan pengajaran secara tradisional yaitu pengajaran tanpa bantuan komputer. Nomor 2 menggambarkan penggunaan komputer untuk hal-hal di luar pengajaran, misalnya pengelolaan sekolah. Nomor 3 menggambarkan penggunaan komputer untuk pengajaran tanpa guru di mana siswa langsung belajar melalui komputer. Nomor 4 menggambarkan pengajaran dengan bantuan komputer yang melibatkan semua komponen yaitu guru, siswa dan komputer (mixed teaching) Computer Assisted Instruction (CAI)
CAI atau Computer Assisted Instruction atau Computer Aided Instruction atau dalam bahasa Indonesia diterjemahkan menjadi Pengajaran Berbantuan Komputer (PBK) adalah sebuah aplikasi dari Computer Based Training (CBT) yang melibatkan proses interaktif antara pelajar dengan sebuah sistem yang terkomputerisasi. Pada CAI, komputer digunakan sebagai mesin pengajaran yang akan memberikan pelatihan individual.(http://www.auditmypc.com/acronym/CAI.asp)
Standar Kompetensi Lintas Kurikulum Standar kompetensi lintas kurikulum merupakan kecakapan hidup dan belajar sepanjang hayat yang dibakukan dan harus dicapai oleh peserta didik melalui pengalaman belajar (Depdiknas, 2004). Standar kompetensi dalam sistem ini digunakan untuk memberikan fasilitas umpan balik akan hasil belajar siswa. Feedback atau Umpan Balik
Definisi umpan balik adalah suatu pesan atau informasi yang memberikan respon kepada pelajar dalam situasi pembelajaran atau suatu peristiwa yang memberikan
informasi kepada pelajar tentang kebenaran atas jawabannya (Bationo, 1992). Umpan balik yang dimaksud pada sistem ini adalah informasi yang diberikan kepada siswa ketika siswa melakukan pembelajaran, siswa dapat mengetahui apakah jawaban siswa benar, level yang dicapai, berapa waktu yang diperlukan untuk menjawab sebuah soal dan fasilitas bantuan sesuai dengan soal tersebut.
Normalisasi Normalisasi adalah pemrosesan relasi-
relasi menjadi bentuk normal lebih tinggi yang memiliki tingkat redundansi lebih rendah. Terdapat beragam tingkat bentuk normal yaitu bentuk normal pertama (1NF), bentuk normal kedua (2NF), bentuk normal ketiga (3NF), bentuk Boyce-Codd (BCNF), bentuk normal keempat (4NF), bentuk normal kelima (5NF). Pada penelitian ini proses normalisasi dilakukan hingga bentuk normal ketiga (3NF) karena bentuk normal tahap ini telah memenuhi kriteria basis data yang baik.
Menurut Connolly (1996), tahapan dalam normalisasi adalah sebagai berikut:
a Bentuk normal tahap pertama (1NF) terpenuhi jika suatu relasi pada setiap perpotongan pada tiap baris dan kolom hanya terdiri dari sebuah nilai.
b Bentuk normal tahap kedua (2NF) terpenuhi jika: telah memenuhi 1NF dan jika semua atribut yang tidak termasuk dalam kunci primer memiliki ketergantungan fungsional pada kunci primer secara utuh.
c Bentuk normal tahap ketiga (3NF) terpenuhi jika: telah memenuhi 1NF dan 2NF serta jika atribut bukan kunci (non-key attribute) tidak memiliki ketergantungan fungsional terhadap atribut bukan kunci lainnya. Seluruh atribut bukan kunci pada suatu relasi hanya memiliki ketergantungan fungsional terhadap kunci primer di relasi itu saja.
Logika Fuzzy Teori himpunan logika fuzzy dikembangkan oleh Prof. Lofti Zadeh pada tahun 1965. Ia berpendapat bahwa logika benar dan salah dari logika boolean/ konvensional tidak dapat mengatasi masalah gradasi yang berada pada dunia nyata.. Tidak seperti logika boolean, logika fuzzy mempunyai nilai yang kontinu. Fuzzy dinyatakan dalam derajat dari suatu keanggotaan dan derajat dari kebenaran.
siswa guru
komputer
1
3 2 4
3
Oleh sebab itu sesuatu dapat dikatakan sebagian benar dan sebagian salah pada waktu yang sama. Contoh himpunan fuzzy yang merepresentasikan konsep bahwa soal Biologi bisa sukar, sedang, dan mudah seperti ditunjukkan pada Gambar 2
Mudah Sedang Susah 1 sukar sedang mudah 0 40 55 70 Gambar 2 Contoh gugus keanggotaan fuzzy
Menurut Marimin (2002), alur penyelesaian masalah dengan metode fuzzy disajikan pada Gambar 3.
Gambar 3 Alur penyelesaian masalah
dengan metode fuzzy Defuzzifikasi Menurut Marimin (2002), defuzzifikasi merupakan suatu proses pengubahan
keluaran fuzzy ke keluaran yang bernilai tunggal (crisp). Defuzzifikasi merupakan suatu proses yang mengkombinasikan seluruh keluaran fuzzy menjadi sebuah hasil spesifik yang dapat digunakan untuk masing-masing keluaran sistem. Jadi defuzzifikasi dapat dilakukan dengan mengambil satu keluaran fuzzy terkuat / derajat keanggotaan terbesar sebagai hasil. Terdapat beberapa metode yang biasa digunakan yaitu metode centroid dan maximum. Pada metode centroid, nilai tunggal variabel keluaran dihitung dengan menemukan nilai variabel dari center of gravity suatu fungsi keanggotaan untuk nilai fuzzy. Sedangkan dalam metode maximum, satu dari nilai-nilai variabel yang merupakan nilai kepercayaan maksimum gugus fuzzy dipilih sebagai nilai tunggal untuk variabel keluaran.
METODE PENELITIAN
Metode yang digunakan untuk pengembangan sistem ini adalah metode System Development Live Cycle (SDLC) di mana metode ini adalah sebuah proses evolusioner dalam mengembangkan sistem berbasis komputer (Kendall et al., 1998). Adaptive quiz system ini dikembangkan dengan menerapkan 5 (lima) langkah dalam SDLC, yaitu:
1 Tahap perencanaan
Pada tahap ini direncanakan aplikasi yang akan dikembangkan yaitu adaptive quiz system berbasis web. Aktivitas yang dapat dilakukan pada tahap ini adalah mengidentifikasi masalah dan menentukan tujuan sistem.
1.1 Identifikasi masalah
Dengan semakin banyaknya penerapan penggunaan komputer dalam dunia pendidikan maka diperlukan sebuah aplikasi quiz yang dapat beradapatasi dengan penggunanya. Sebagian besar aplikasi quiz yang sudah ada pada saat ini hanya bersifat statis dan tidak memiliki kemampuan untuk beradaptasi dengan kemampuan pengguna aplikasi tersebut.
1.2 Menentukan tujuan sistem Dengan melihat permasalahan di atas, maka adaptive quiz system ini dikembangkan. Diharapkan pengajar dapat menggunakan aplikasi ini sebagai sarana untuk memberikan latihan soal kepada
4
siswa, sementara pada sisi siswa dapat mengetahui hingga batas mana kemampuan pemahaman siswa akan materi yang diberikan.
2. Tahap Analisis Hal yang paling mendasar dalam
pengembangan aplikasi ini adalah bagaimana menentukan tingkat kesukaran soal. Tingkat kesukaran soal dalam aplikasi ini terbagi menjadi dua, yaitu tingkat kesukaran awal soal dan tingkat kesukaran akhir soal. Tingkat kesukaran awal soal merupakan sebuah nilai yang menjadi standar (nilai tetap) kesukaran untuk soal tertentu, sementara tingkat kesukaran akhir soal merupakan nilai yang akan selalu berubah-ubah dikarenakan akan selalu diperbarui seiring kemampuan siswa mengerjakan quiz dengan benar. Selain penentuan kesukaran soal, hal lain yang perlu ditentukan adalah metode apa yang sesuai untuk menentukan perubahan nilai tingkat kesukaran soal.
3. Tahap Desain
Pada tahap ini dilakukan desain secara teknis untuk mengembangkan aplikasi. Tahap ini terdiri dari beberapa macam desain yaitu desain basis data, desain sistem fuzzy, desain proses, dan desain tampilan.
Tahap desain basis data merupakan proses pembuatan struktur basis data yang akan digunakan pada aplikasi adaptive quiz system. Tahap desain sistem fuzzy adalah menentukan parameter fuzzy dan memodelkan fungsi keanggotaan yang sesuai dengan kebutuhan. Desain proses adalah menentukan proses aliran data yang terjadi ketika aplikasi berjalan. Tahap desain tampilan adalah tahap pembuatan tampilan berupa halaman web yang menarik dan mudah dimengerti oleh pengguna.
4. Tahap Implementasi Pada tahap ini dilakukan seluruh kegiatan
dalam mengembangkan aplikasi ini, yaitu memproses seluruh tahap desain hingga menjadi sebuah aplikasi yang baru. 5. Tahap Pengujian
Pada tahap ini, dilakukan pengujian yang berfungsi untuk mengetahui seberapa jauh aplikasi dapat digunakan oleh pengguna. Pengujian akan dilakukan dengan metode black box testing di mana pengujian terfokus pada keluaran yang dihasilkan oleh eksekusi masukan (Williams, 2004). Diagram black box testing ditampilkan pada Gambar 4.
Gambar 4 Diagram black box testing
HASIL DAN PEMBAHASAN
Berdasarkan metode penelitian yang telah diterapkan maka telah dihasilkan sebuah aplikasi adaptive quiz system berbasis web. Adapun tahapan pengembangan aplikasi ini adalah sebagai berikut: 1. Tahap Perencanaan
Sebuah aplikasi pembelajaran berbasis web telah banyak dikembangkan, baik itu quiz adaptive seperti QUIZIT ataupun modul quiz lainnya seperti PHPQuest yang dikembangkan oleh Max Kaplan yang dapat diunduh di http://www.dynamicdeeds.com, PHPTest yang dikembangkan oleh Brandon Tallent yang dapat diunduh di http://www.resynthesize.com/code/phptest.php atau modul quiz pada MOODLE. Dari sekian banyak modul quiz yang ada, penulis menitik beratkan penelitian pada aplikasi quiz adaptive.
QUIZIT merupakan sebuah modul quiz adaptive. Pada aplikasi ini, masih memiliki berbagai kekurangan seperti tidak adanya fasilitas untuk memperbarui soal, tidak adanya fasilitas basis data, serta soal yang akan diberikan selanjutnya telah ditentukan di dalam kode programnya. Dengan melihat berbagai kekurangan yang ada tersebut, maka dikembangkan aplikasi adaptive quiz system.
Adapun tujuan pengembangan aplikasi ini adalah untuk:
• Membantu pengajar dalam menyusun materi/soal.
• Sebagai bahan belajar untuk siswa setelah materi/soal diberikan oleh pengajar.
• Menilai kemampuan siswa dalam memahami soal berdasarkan tingkat kesukaran yang diberikan.
• Siswa memperoleh soal yang benar-benar sesuai dengan tingkat kemampuannya, karena aplikasi mampu
5
menentukan soal selanjutnya berdasarkan soal yang telah dijawab sebelumnya.
• Memberikan umpan balik berdasarkan hasil pembelajaran siswa.
2. Tahap Analisis
Pada tahap ini dilakukan analisis terhadap beberapa aplikasi quiz yaitu QUIZIT, PHPQuest, PHPTest dan modul quiz pada MOODLE. Analisis untuk aplikasi quiz non adaptive (PHPQuest, PHPTest dan modul quiz pada MOODLE) dilakukan untuk mengetahui proses masukan dan keluaran serta hubungan timbal balik antara pengguna dengan aplikasi. Hal ini dilakukan sebagai dasar pengembangan untuk modul quiz. Sedangkan analisis untuk aplikasi quiz adaptive (QUIZIT) adalah untuk mengetahui bagaimana proses adaptasi terhadap penggunanya.
Dari analisis yang dilakukan, diketahui bahwa penentuan level adaptasi terhadap kemampuan penggunanya yaitu dalam hal menjawab soal adalah dengan memberikan tingkat kesukaran untuk tiap soal. Tingkat kesukaran soal telah ditentukan sebelumnya dan terintegrasi dalam skrip pemrogramannya sehingga tingkat kesukaran soal tidak dapat berubah seiring dengan jawaban pengguna. Sementara itu soal selanjutnya yang akan diberikan jika pengguna menjawab benar/salah juga telah ditentukan dalam skrip pemrogramannya. Selain itu, aplikasi juga tidak memberikan fasilitas administrasi yang digunakan untuk melakukan proses pembaharuan pada soal.
2.1 Analisis Kebutuhan
Menindaklanjuti permasalahan yang ditemukan pada saat identifikasi, maka hasil yang diperoleh pada tahap ini adalah :
• Tingkat kesukaran awal soal diperoleh dengan mengujikan soal yang akan digunakan kepada beberapa siswa SMU. Rumus untuk menentukan tingkat kesukaran soal sebagai berikut:
TK = JB/n di mana:
Jadi semakin mendekati nilai 1 (satu) maka soal dinyatakan semakin mudah, sebaliknya jika mendekati nilai 0 (nol) maka soal dinyatakan semakin sukar (Zulaiha, 2007). TK pada aplikasi ini akan menggunakan skala 0-100.
• Perlu dibuat halaman administrasi untuk fasilitas insert/update dan delete untuk soal dan kategori soal.
• Untuk menentukan perubahan nilai tingkat kesukaran soal akan digunakan metode fuzzy. Tingkat kesukaran soal yang dimaksud adalah tingkat kesukaran akhir soal.
2.2 Analisis Fungsi Perangkat Lunak
Berdasarkan hasil analisis dari beberapa modul quiz yang ada maka dapat disimpulkan beberapa fungsi yang umum digunakan untuk mengembangkan sebuah modul quiz. Adapun fungsi-fungsi yang terdapat pada aplikasi adaptive quiz system ini adalah sebagai berikut:
• Menyediakan fasilitas pendaftaran bagi pengguna.
• Menyediakan fasilitas insert/update/delete data yang berhubungan dengan manajemen soal yaitu soal pilihan ganda atau essay jawaban singkat, kategori/bab soal, waktu pengerjaan, soal harus dikerjakan, kategori soal, nilai benar, dan nilai salah.
• Menyediakan fasilitas penilaian yang memberikan umpan balik kepada pengguna tentang hasil belajarnya.
• Menyediakan fasilitas insert /update/delete parameter fuzzy.
2.3 Akuisisi Pengetahuan
Pada aplikasi ini, nilai tingkat kesukaran akhir soal akan selalu diperbaharui seiring aktivitas pengguna berinteraksi dengan sistem. Metode fuzzy akan digunakan pada aplikasi ini untuk menentukan tingkat kesukaran akhir soal. Tingkat kesukaran akhir soal akan dipengaruhi oleh tingkat kesukaran awal soal dan persentase kebenaran. Variabel tingkat kesukaran awal soal dan tingkat kesukaran akhir soal dapat dikategorikan menjadi tiga yaitu sukar, sedang, dan mudah. Untuk variabel persentase kebenaran dikategorikan menjadi tiga yaitu sedikit, sedang, dan banyak.
Pengumpulan data tentang kriteria ketika tingkat kesukaran soal dikategorikan sebagai sukar, sedang, dan mudah maupun kriteria
TK = Tingkat kesukaran soal
JB = Banyaknya siswa yang menjawab benar
n = Banyaknya siswa
6
persentase kebenaran dikategorikan sebagai sedikit, sedang, dan banyak dilakukan dengan proses akuisisi pengetahuan terhadap pakar. Pakar, dalam hal ini dipilih dari latar belakang pendidikan yang berbeda, pengalaman yang berbeda, namun kompeten dalam bidang Biologi. Proses akuisisi pengetahuan dilakukan dengan cara mengumpulkan informasi yang dibutuhkan. Informasi tersebut berasal dari literatur, arsip hasil pembelajaran siswa terhadap mata pelajaran Biologi yang relevan, serta keahlian pakarnya itu sendiri.
Proses akuisisi dimulai dengan mengumpulkan materi soal Biologi khusus untuk bab bioteknologi, standar kompetensi untuk mata pelajaran Biologi sesuai dengan kurikulum yang berlaku serta arsip hasil pembelajaran siswa untuk materi Biologi.
Tahap selanjutnya adalah melakukan wawancara dengan pakar untuk bertukar pengetahuan dan pengalaman. Wawancara dilakukan dengan memberikan gambaran yang jelas tentang aplikasi adaptive quiz system, sehingga pakar dapat memahami garis besar sistem. Tahap wawancara dengan pakar dilakukan beberapa kali sehingga ada titik temu antara pewawancara dengan pakar. Setelah dilakukan beberapa kali pertemuan, diperoleh rentang nilai ketika soal itu dianggap sukar, sedang atau mudah. Dari hasil wawancara dengan pakar, diperoleh rentang nilai tingkat kesukaran sebagai berikut:
TK < =30 soal sukar 20 <= TK <= 80 soal sedang TK >= 70 soal mudah
Rentang tersebut digunakan sebagai variabel fuzzy tingkat kesukaran awal soal (TKAwalSoal).
TK <= 40 soal sukar 25 <= TK <= 75 soal sedang TK >= 75 soal mudah
Rentang tersebut digunakan sebagai variabel fuzzy tingkat kesukaran akhir soal (TKAkhirSoal). Selain itu juga diperoleh rentang persentase kebenaran sebagai berikut:
Persentase < =40 sedikit 25 <= Persentase <= 75 sedang Persentase >= 75 banyak 4
Rentang tersebut digunakan sebagai variabel fuzzy persentase kebenaran (PersentaseKebenaran).
2.4 Analisis Sistem Inferensi Fuzzy Metode logika fuzzy pada penelitian ini
merupakan upaya untuk mendekati mekanisme penalaran pakar dalam melakukan penarikan kesimpulan yang terkadang mengalami ketidakpastian serta kesamaran dalam mengambil keputusan sehingga menyebabkan keambiguan bahasa. Gugus fuzzy merupakan perangkat yang tepat untuk mengekspresikan ketidakpastian. Penerapan ketidakpastian dalam aplikasi ini adalah dalam pengklasifikasian pada variabel masukan dan keluaran serta pemberian nilai skor pada selang nilai setiap variabel parameternya, sehingga didapat kesimpulan yang akurat.
Setelah ada aktivitas pengguna, tingkat kesukaran soal dapat berubah. Pada kasus ini digunakan penalaran fuzzy Mamdani dengan metode centroid untuk proses defuzzifikasinya. Penalaran fuzzy Mamdani dipilih karena nilai masukan (anteseden) maupun keluaran (konsekuen) sistem berupa himpunan fuzzy (Kusumadewi, 2003). Masukan fuzzy adalah tingkat kesukaran awal soal dengan persentase kebenaran siswa dalam menjawab soal. Tabel keterikatan dalam penentuan tingkat kesukaran soal seperti pada tabel pada Lampiran 1.
3. Tahap Desain 3.1 Desain Basis Data
Pada tahap ini dilakukan proses pembuatan basis data yang digunakan pada aplikasi adaptive quiz system. Adapun langkah-langkah perancangan basis data yang digunakan pada aplikasi ini adalah sebagai berikut:
a Perancangan secara konseptual yaitu
dengan merancang sebuah diagram Entity Relationship (ER). Sebuah diagram ER terdiri dari dua komponen yaitu entitas dan relasi. Entitas merupakan individu yang mewakili sesuatu yang nyata eksistensinya dan dapat dibedakan dari sesuatu yang lain. Setiap entitas memiliki atribut yang mendeskripsikan karakteristik entitas tersebut. Sebagai contoh dalam aplikasi ini terdapat entitas user yang memiliki atribut username, nama, telepon, dan email. Komponen berikutnya adalah relasi yang menunjukkan adanya hubungan di antara sejumlah entitas yang berasal dari himpunan entitas yang berbeda, misalnya user mempunyai relasi
7
dengan entitas soal. Relasi di antara kedua entitas tersebut mengandung arti bahwa user tersebut sedang mengerjakan soal. Pada tahap ini ditentukan pula derajat relasi/kardinalitas dari tiap-tiap entitas. Dari identifikasi entitas, atribut, dan relasi diperoleh diagram ER seperti disajikan pada Lampiran 2.
b Perancangan lojik yaitu transformasi model ER ke model relasional. Pada tahap ini semua entitas distrukturkan secara lojik menjadi relasi-relasi (tabel). Untuk memperoleh basis data yang efisien, tiap tabel pada basis data akan dinormalisasi hingga normalisasi tahap 3 (3NF). Sebagai contoh normalisasi pada tabel user. Tabel user memiliki atribut username, nama, telepon, dan email. Kunci utama (primary key) pada tabel user adalah username, karena atribut ini dapat membedakan semua baris data dalam tabel secara unik.
Syarat 1NF telah terpenuhi karena pada tabel user tidak memiliki atribut bernilai banyak.
Syarat 2NF telah terpenuhi karena 1NF telah terpenuhi dan semua atribut bukan kunci memiliki ketergantungan secara penuh terhadap kunci, yaitu:
- username nama yang berarti bahwa atribut nama hanya
tergantung pada atribut username. Hal ini dibuktikan pada fakta bahwa untuk setiap username yang sama, maka pasti nilai nama-nya juga sama.
- username telepon yang berarti bahwa atribut telepon hanya
tergantung pada atribut username. Hal ini dibuktikan pada fakta bahwa untuk setiap username yang sama, maka pasti nilai telepon-nya juga sama.
- dan seterusnya. Syarat 3NF telah terpenuhi karena 2NF telah terpenuhi dan semua atribut bukan kunci (non-key attribute) tidak memiliki ketergantungan fungsional terhadap atribut bukan kunci lainnya, yaitu: - nama tidak bergantung pada telepon
karena tidak dapat dipastikan jika nama yang sama pasti telepon-nya juga sama, karena pada faktanya dapat terjadi beberapa nama yang sama.
- telepon tidak bergantung pada email karena tidak dapat dipastikan jika telepon yang sama pasti email-nya juga sama.
- dan seterusnya. Pada tabel lain yang digunakan telah melalui tahap hingga normalisasi ke 3 (3NF)
sehingga seluruh tabel yang digunakan telah memenuhi kriteria tabel yang baik dan tidak terdapat redundansi pada masing-masing tabel.
Setelah dilakukan normalisasi basis data, langkah terakhir adalah perancangan secara fisik yaitu mengimplementasikan tabel-tabel yang telah terbentuk ke dalam sebuah basis data pada MySQL. Langkah ini akan dijelaskan pada tahap implementasi. 3.2 Desain Sistem Fuzzy
Pada aplikasi ini diberikan halaman untuk mengubah parameter himpunan fuzzy. Nilai parameter himpunan fuzzy dapat diubah jika memang nilai tersebut sudah tidak akurat lagi, misalnya: penilaian dilakukan oleh pakar lain yang berbeda, aplikasi digunakan untuk materi pembelajaran yang lain, ataupun perubahan yang dilakukan oleh pakar yang sama dikarenakan dengan bertambahnya pengalaman pakar dalam mengajar (adanya perbedaan kemampuan siswa di masing-masing tempat/sekolah)
Representasi fungsi keanggotaan himpunan fuzzy dikembangkan dalam model kurva trapesium (Gambar 5). Kurva jenis ini dipilih karena untuk mengklasifikasikan kategori tingkat kesukaran soal diperlukan selang yang cukup panjang untuk kategori yang memiliki nilai keanggotaan satu. Adapun persamaan untuk model trapesium:
⎪⎪⎪⎪⎪⎪⎪
⎩
⎪⎪⎪⎪⎪⎪⎪
⎨
⎧
≥
≤≤−−
≤≤
≤≤−−
≤
=
dx
dxccdxd
cxb
bxaabax
ax
xf
0
)()(
1
)()(
0
][μ
Di mana µf[x] adalah nilai keanggotaan himpunan fuzzy dan x adalah nilai variabel sedangkan a, b, c, d adalah nilai parameter himpunan fuzzy. Representasi himpunan
8
fuzzy pada aplikasi adaptive quiz system ini dapat dilihat pada Lampiran 3 1
µ[x]
0 a b c d
Gambar 5 Representasi kurva trapesium Pada umumnya kaidah-kaidah fuzzy dinyatakan dalam bentuk jika-maka yang merupakan inti dari suatu relasi fuzzy. Kaidah ini menunjukkan bagaimana suatu sistem beroperasi, secara umum aturan fuzzy pada aplikasi ini dituliskan sebagai berikut:
JIKA TKAwalSoal = X DAN PersentaseKebenaran = Y, MAKA TKAkhirSoal = Z
Inferensi fuzzy tersebut memiliki dua variabel masukan yaitu TKAwalSoal dan PersentaseKebenaran yang masing-masing terdiri dari tiga himpunan fuzzy, maka kaidah yang terbentuk ada 9 kaidah. Beberapa kaidah yang terbentuk seperti pada Lampiran 4.
Pada proses fuzzifikasi, untuk proses fungsi implikasinya menggunakan aturan fungsi MIN dengan operator AND. Hasil fungsi implikasi dari setiap kaidah digunakan pada proses komposisi dengan metode MAX.
Tahap defuzzifikasi menggunakan metode centroid, di mana solusi crisp diperoleh dengan cara mengambil titik pusat daerah fuzzy, secara umum dirumuskan sebagai berikut:
∑
∑
=
== n
jj
n
jjj
z
zzz
1
1
)(
)(
μ
μ
di mana:
Proses defuzzifikasi akan menghasilkan tingkat kesukaran akhir soal (TKAkhirSoal), demikian seterusnya setiap ada aktivitas pengguna, maka proses penghitungan TKAkhirSoal akan terus dilakukan.
Contoh menentukan hasil penghitungan TKAkhirSoal dengan nilai masukan TKAwalSoal=40 dan PersentaseKebenaran=10. Fungsi keanggotaan sesuai dengan Lampiran 3 dan Aturan yang digunakan sesuai dengan Lampiran 4. Langkah 1. Fuzzifikasi/aplikasi operator fuzzy. Menentukan derajat keanggotaan untuk tiap variabel masukan TKAwalSoal=40 dan PersentaseKebenaran=10 pada tiap fuzzy set yang sesuai. Untuk variabel TKAwalSoal sebagai berikut:
Sukarμ = 0
Sedangμ = 1
Mudahμ = 0 Untuk variabel PersentaseKebenaran sebagai berikut:
Sedikitμ = 1
Sedangμ = 0
Banyakμ = 0 Langkah 2. Komputasi secara fuzzy. Semua aturan menggunakan fungsi implikasi MIN (operator yang digunakan adalah AND). Rule 1: min( Sukarμ AND Banyakμ )
= min(0,0) = 0 Rule 2: min ( Sukarμ AND Sedangμ ) = min(0,0) = 0 Rule 3: min( Sukarμ AND Sedikitμ )
= min(0,1) = 0 Rule 4: min( Sedangμ AND Banyakμ )
= min(1,0) = 0 Rule 5: min( Sedangμ AND Sedangμ )
= min(1,0) = 0 Rule 6: min( Sedangμ AND Sedikitμ )
= min(1,1) = 1 Rule 7: min( Mudahμ AND Banyakμ )
Z = Solusi crisp µ(zj) = Nilai keanggotaan solusi
fuzzy sampai aturan ke j
9
= min(0,0) = 0 Rule 8: min( Mudahμ AND Sedangμ )
= min(0,0) = 0 Rule 9: min( Mudahμ AND Sedikitμ )
= min(0,1) = 0
Langkah 3. Komposisi semua keluaran Rule 1 = 0 tidak ada daerah keluaran Rule 2 = 0 tidak ada daerah keluaran Rule 3 = 0 tidak ada daerah keluaran Rule 4 = 0 tidak ada daerah keluaran Rule 5 = 0 tidak ada daerah keluaran Rule 6 = 1 ada daerah keluaran TKAkhirSoal=sukar Daerah hasil komposisi adalah sebagai berikut:
Gambar 6 Daerah hasil komposisi Rule 7 = 0 tidak ada daerah keluaran Rule 8 = 0 tidak ada daerah keluaran Rule 9 = 0 tidak ada daerah keluaran Untuk melakukan komposisi semua keluaran fuzzy dilakukan dengan menggunakan metode MAX. Karena daerah hasil solusi fuzzy hanya terdapat sebuah daerah solusi fuzzy, maka hasil komposisi keluaran fuzzy merupakan daerah tersebut, yaitu:
Gambar 7 Daerah solusi fuzzy. Langkah 4. Defuzzifikasi.
Untuk menentukan nilai centroid dari Gambar 7 adalah dengan menghitung momen dan menghitung luas daerah. Daerah
hasil solusi dapat dibagi menjadi dua buah bangun yaitu bujur sangkar dan segitiga. Daerah pertama yaitu daerah bujur sangkar dengan batas antara 0 – 25, dan daerah yang kedua adalah segitiga dengan batas antara 25 – 40. Untuk penghitungan centroid sebagai berikut:
a. Menghitung momen Momen daerah 1: M1=(0*1)+(1*1)+(2*1)+(3*1)+(4*1)+...+(25*1) = 325 Momen daerah 2:
M2=(26*25402640
−− )+(27*
25402740
−− )+(28*
25402840
−− )+(29*
25402940
−− )+...+(40*
25404040
−− )
= 204,75 b. Menghitung luas Luas daerah 1: L1=25*1=25 Luas daerah 2:
L2=2
2540 − =7,5
Menghitung nilai centroid:
TotalLuasTotalMomen
z
zzz n
jj
n
jjj
==
∑
∑
=
=
1
1
)(
)(
μ
μ
= 5,72575,204325
++ =
5,3275,529 = 3,16
Jadi nilai keluaran fuzzy untuk nilai masukan TKAwalSoal=40 dan PersentaseKebenaran=10 adalah 16,3 3.3. Desain Proses Komponen dalam aplikasi ini akan dapat diakses oleh tiga pengguna yaitu oleh administrator, siswa, dan tamu.
Administrator, memiliki akses untuk melakukan proses modifikasi basis data yaitu dapat melakukan pembuatan soal ataupun memperbaharui soal yang ada (update atau delete). Administrator dapat menentukan pertanyaan beserta jawabannya,
10
menentukan waktu pengerjaan soal, ataupun mengubah soal yang sudah ada. Aliran sistem terbagi menjadi tiga, yaitu aliran sistem yang terjadi pada modul admin, modul siswa, dan modul penilaian. Adapun aliran modul tersebut akan dijelaskan sebagai berikut: 3.3.1 Aliran sistem pada modul admin /pengajar (Lampiran 5): Pada modul admin ini, proses utama adalah autentikasi pengguna sebagai admin, setelah proses autentikasi berhasil, maka admin dapat melakukan berbagai manipulasi basis data. Proses authoring untuk manajemen soal pada modul admin: 1 Untuk memulai, admin akan diberikan
menu utama untuk quiz (Lampiran 6). 2 Admin dapat menentukan bab pada
suatu kategori tertentu. 3 Admin dapat memberikan waktu untuk
mengerjakan soal pada satu bab untuk kategori quiz tertentu, nilai benar dan nilai salah, syarat lulus untuk bab tertentu, dan berapa jumlah soal yang harus dikerjakan. Semua data kemudian akan disimpan dalam basis data.
4 Admin dapat membuat soal tipe pilihan ganda dan essay jawaban singkat.
Admin dapat juga menentukan soal pretest, memberikan penilaian, mengubah parameter fuzzy, dan melakukan manajemen pengguna aplikasi. 3.3.2 Aliran sistem pada modul pembelajaran siswa: 1 Untuk pertama kalinya, seorang
pengguna yang akan menggunakan aplikasi ini, diharuskan mendaftar sebagai anggota. Pengguna yang mendaftar, statusnya adalah sebagai siswa. Pada kasus ini, siswa mengakses modul pembelajaran. Lampiran 7 menunjukkan diagram alir untuk modul pembelajaran.
2 Setelah pengguna melakukan registrasi, maka pengguna dapat login ke sistem dengan memasukkan username dan password yang sesuai.
3 Jika langkah nomor 2 terpenuhi, maka siswa dapat mengakses kategori quiz yang sudah ada, jika tidak, maka akan muncul pesan kesalahan dalam login.
4 Siswa yang baru pertama kali login, maka diharuskan mengerjakan soal
pretest, dalam hal ini diakses modul pretest (Lampiran 8) sebelum dapat mengakses modul quiz adaptif. Pada tahap ini, setelah siswa selesai mengerjakan soal pretest, level siswa akan disimpan di basis data dan nantinya akan digunakan sebagai level standar siswa pada saat awal mengerjakan soal quiz adaptif. Level yang dimaksud adalah rata-rata tingkat kesukaran dari semua soal yang diberikan.
5 Selain level, basis data juga akan menyimpan data untuk bab tertentu di mana siswa menjawab banyak jawaban yang benar. Hal ini untuk memberikan bab yang sesuai dengan kemampuan siswa ketika mengakses modul quiz.
6 Pada quiz adaptif (Lampiran 9), siswa akan diberikan soal yang sesuai dengan level dan bab tertentu. Ketika berada dalam proses pembelajaran soal berikutnya yang diberikan akan disesuaikan berdasarkan jawaban siswa pada pertanyaan sebelumnya. Jika jawaban sebelumnya benar maka aplikasi akan memilihkan soal yang lebih sukar, sebaliknya jika jawaban salah maka aplikasi akan memilihkan soal yang lebih mudah untuk soal berikutnya.
7 Tingkat kesukaran soal dapat berubah sewaktu waktu berdasarkan kegiatan siswa dalam menjawab soal. Variabel yang menentukan adalah jumlah siswa yang menjawab benar, jumlah siswa yang menjawab salah, dan TKAwalSoal. Dalam tahap ini, proses inferensi fuzzy dilakukan dengan masukan variabel fuzzy berupa persentase kebenaran siswa dengan TKAwalSoal. Persentase kebenaran siswa ditentukan dengan rumus :
%100)( X
TotalSoalahTotJwbnSalarTotJwbnBenpersentase −
=
8 Pada setiap saat mengerjakan soal, beberapa variabel akan dicatat pada basis data, beberapa diantaranya adalah waktu menjawab tiap soal, jumlah soal yang sudah dijawab, id soal, id bab, id kategori, jawaban siswa dan tingkat kesukaran soal. Pencatatan ini dilakukan sementara, artinya jika siswa telah selesai mengerjakan quiz, maka data yang ada pada basis data akan dihapus.
11
Selain terdapat basis data temporer, terdapat juga basis data permanen yang menyimpan beberapa variabel, seperti level siswa, id bab, id kategori, waktu pengerjaan (hari-tanggal-bulan-tahun), total nilai, total waktu pengerjaan, dan persentase.
9 Jika siswa telah selesai mengerjakan semua soal, pada halaman selanjutnya siswa dapat memberikan koreksi atas jawaban untuk soal yang telah dijawab sebelumnya. Jika telah yakin akan semua jawabannya, maka siswa dapat memilih pilihan selesai mengerjakan soal.
10 Jika siswa telah selesai mengerjakan quiz, selanjutnya akan ditampilkan nilai beserta persentase kebenaran akan jawaban, waktu mengerjakan tiap soal, waktu total, dan umpan balik dari pengajar.
3.3.3 Aliran sistem pada modul penilaian: 1 Pada modul penilaian, data yang diolah
adalah data yang berasal dari hasil kegiatan siswa, yaitu:
a Nilai total = (Total jawaban benar * nilai jawaban benar) – (Total jawaban salah * nilai jawaban salah) / Total soal
b Persentase = (Total jawaban benar – Total jawaban salah)/ Total soal * 100%
2 Pada modul penilaian, ditentukan pula umpan balik yang sesuai dengan level dan persentase dalam menjawab soal.
3.4 Desain Tampilan Tampilan sistem merupakan bagian yang berhubungan secara langsung dengan pengguna. Perancangan desain tampilan seperti pada Lampiran 10. Desain tampilan dibedakan berdasarkan pengguna. Adapun pengguna aplikasi ini terbagi menjadi tiga kelompok yaitu: administrator, siswa, dan tamu. Desain tampilan dibagi menjadi dua bagian yaitu desain masukan dan desain keluaran, yaitu: 3.4.1 Desain Masukan Desain masukan pada aplikasi adalah masukan dari seluruh pengguna yang memiliki wewenang untuk mengakses aplikasi, adapun masing-masing pengguna memiliki form masukan masing-masing. Form masukan dapat dilihat pada Lampiran 11.
3.4.2 Desain Keluaran Desain keluaran juga dibedakan berdasarkan pengguna aplikasi. Untuk administrator, halaman keluaran berisi tampilan data-data yang telah dimasukkan ke dalam aplikasi dan pada halaman tersebut terdapat pilihan untuk melakukan proses ubah atau hapus. Halaman keluaran untuk siswa adalah halaman tampilan soal, ubah profil dan tampilan nilai. Untuk tamu, halaman keluaran adalah halaman selamat datang, tampilan nilai dan halaman pendaftaran. 4 Tahap Implementasi
Aplikasi adaptive quiz system ini dikembangkan berbasis web. Aplikasi ini dapat diakses baik melalui internet maupun intranet sehingga aplikasi ini dapat digunakan oleh banyak pengguna pada saat bersamaan dan dapat diakses secara online. Aplikasi ini akan dikembangkan dengan menggunakan perangkat lunak Microsoft Windows XP SP2 sebagai sistem operasinya, web server Apache versi 2.0.54, PHP versi 5.0.4 sebagai bahasa pemrograman, MySQL versi 4.1.13 sebagai sistem manajemen basis data, Macromedia Dreamweaver 8 sebagai editor, Adobe Photoshop CS sebagai pengolah gambar. Perangkat keras yang digunakan adalah komputer dengan spesifikasi AMD Athlon 1.13 GHz, RAM 512 MB, Harddisk 60 GB, VGA 64 MB, keyboard dan mouse.
4.1 Implementasi desain basis data Dari tahap desain basis data, yaitu desain konseptual dengan diagram ER dan mentransformasi diagram ER ke bentuk relasional, langkah terakhir dalam merancang basis data adalah perancangan secara fisik. Aturan umum yang digunakan dalam pemetaan model relasional menjadi basis data fisik adalah:
1 Setiap himpunan entitas akan diimplementasikan sebagai sebuah tabel.
2 Relasi dengan derajat relasi 1-1 (satu ke satu) yang menghubungkan dua buah himpunan entitas akan direpresentasikan dalam bentuk penambahan/penyertaan atribut-atribut relasi ke tabel yang mewakili salah satu dari kedua himpunan entitas.
3 Relasi dengan derajat relasi 1-N (satu ke banyak) yang menghubungkan dua buah
12
himpunan entitas juga akan direpresentasikan dalam bentuk pemberian atribut kunci dari himpunan entitas pertama (yang berderajat 1) ke tabel yang mewakili himpunan entitas kedua (yang berderajat N)
4 Relasi dengan derajat relasi N-N (banyak ke banyak) yang menghubungkan dua entitas akan diwujudkan dalam bentuk tabel khusus yang mewakili field yang berasal dari kunci dari himpunan entitas yang dihubungkannya.
Berdasarkan model relasional yang diperoleh dari desain basis data, maka ditentukan entitas-entitas berikut menjadi tabel. Untuk mempermudah penamaan tabel, penulis merubah nama tiap entitas menjadi nama tabel yang diperlukan.
1 Entitas User menjadi sebuah tabel
tbl_user. 2 Entitas Nilai menjadi sebuah tabel
tbl_nilai 3 Entitas Level menjadi sebuah tabel
tbl_level 4 SesiUser menjadi sebuah tabel
tbl_session 5 Login menjadi sebuah tabel tbl_login 6 Pretest menjadi sebuah tabel
tbl_pretest 7 Mengerjakan_pretest menjadi sebuah
tabel tbl_pretestuser 8 Soal menjadi sebuah tabel tbl_soal 9 Mengerjakan_soal menjadi sebuah
tabel tbl_soaluser 10 KategoriSoal menjadi sebuah tabel
tbl_kategori 11 Mempunyai_kat menjadi sebuah tabel
tbl_pengkategori 12 TKAwalsoal menjadi sebuah tabel
tbl_tkawal 13 TKAkhirSoal menjadi sebuah tabel
tbl_tkakhir 14 PersentaseKebenaran menjadi sebuah
tabel tbl_persentase 15 Feedback menjadi sebuah tabel
tbl_feedback 16 Grafik menjadi sebuah tabel
tbl_grafik 17 Cekpretest menjadi sebuah tabel
tbl_cekpretest Implementasi secara fisik dapat dilihat pada Lampiran 12. 4.2 Implementasi desain sistem fuzzy
Berdasarkan tahap desain sistem fuzzy, implementasi penghitungan keluaran fuzzy pada aplikasi ini mengikuti algoritma berikut:
1 Ambil nilai TKAwalSoal dan PersentaseKebenaran dari basis data.
2 Loop sebanyak variabel masukan (i), seleksi jenis kurva masukan yang digunakan.
3 Hitung hasil nilai keanggotaan untuk tiap kurva untuk masukan ke i.
4 Masukkan ke rule masing-masing (implikasi) cari nilai MIN.
5 Cari daerah implikasi sesuai dengan jumlah keluaran.
6 Buat range dan garis batas kurva implikasi.
7 Seleksi jenis kurva keluaran yang digunakan.
8 Komposisi menggunakan aturan MAX untuk seluruh jumlah keluaran.
9 Hitung nilai centroid. Berdasarkan algoritma diatas, implementasi kode pada aplikasi ini adalah sebagai berikut: Inisialisasi masukan, keluaran dan rule: $jum_input=2; $jum_output=1; $jum_rule=9; Mengambil nilai TKAwalSoal dari basis data dengan query berikut: $sql = mysql_query("select * from
tbl_tkawal where id=1"); $hasil = mysql_fetch_row($sql); demikian juga berlaku untuk query PersentaseKebenaran dan TKAkhirSoal. Setelah data diperoleh, dilakukan inisialisasi variabel masukan yaitu nama, range, dan jenis kurva yang digunakan, yaitu: $input[1][nama] = "TKAwalSoal"; $input[1][range] = array(0, 100); $input[1][kurva][1][nama] = "Sukar"; $input[1][kurva][1][jenis] = "trapmf"; $input[1][kurva][1][params] =
array($hasil[1],$hasil[2],$hasil[3],$hasil[4]);
$input[1][kurva][2][nama] = "Sedang"; $input[1][kurva][2][jenis] = "trapmf"; $input[1][kurva][2][params] =
array($hasil[5],$hasil[6],$hasil[7],$hasil[8]);
$input[1][kurva][3][nama] = "Mudah"; $input[1][kurva][3][jenis] = "trapmf";
13
$input[1][kurva][3][params] = array($hasil[9],$hasil[10],$hasil[ 11],$hasil[12]); Definisikan juga rule yang digunakan yaitu: //penghubung menggunakan AND
$rule[1][input]= array(1, 3); $rule[1][output]=array(3); ...............
//dst hingga rule 9 $bobotakhir = $_POST['bobot']; $persentase = $_POST['persen']; $nilai_input = array($bobotakhir,$persentase);
Dari inisialisasi, maka untuk memperoleh nilai hasil penghitungan fuzzy dengan memanggil fungsi berikut: mamdani($input, $output, $rule, $nilai_input); Fungsi ini dibuat berdasarkan algoritma menentukan keluaran fuzzy. Pada fungsi mamdani akan dipanggil beberapa fungsi yaitu fungsi cari_min, cari_max, dan trapmf. Langkah awal adalah dengan menentukan hasil nilai keanggotaan untuk tiap masukan pada masing-masing kurva yang sesuai menggunakan skrip berikut:
$jum_input=count($input); $jum_output=count($output); $jum_rule=count($rule); //loop sebanyak jumlah input for ($i=1; $i <= $jum_input; $i++) {
//loop, hitung hasil masing2 kurva untuk input ke i for ($j=0; $j <= count($input[$i][kurva]); $j++)
{ //seleksi jenis kurva yang dipakai disini dihitung nilai keanggotaan untuk tiap input (kurva trapmf)
........... } } Langkah selanjutnya adalah implikasi dengan menggunakan aturan MIN yaitu dengan kode berikut: //masukan ke rule masing2 for ($i=1; $i <= $jum_rule; $i++) {
//impilkasi menggunakan nilai MIN ambil dulu nilai2 hasil_input, sesuai dengan rule
for ($j=1; $j <= $jum_input; $j++) {
$arr_input[$j]=$hasil_input[$j][$r ule[$i][input][$j-1]][0];
} .................... }
//cari nilai minimal, cari daerah implikasi, sesuai dengan jumlah output
for($j=1; $j <= $jum_output; $j++) { //buat range dan buat garis batas for ($c = $output[$j][range][0]; $c <= $output[$j][range][1]; $c++) { $r[$c]=$c; $batas[$c]=$imp; } } Selanjutnya cari plot dari kurva keluaran sesuai rule menggunakan skrip berikut: $jenis_kurva=$output[$j][kurva][$rule[$i][output][$j-1]][jenis]; //seleksi jenis kurva output yang dipakai
//jika kurva trapesium if ($jenis_kurva == "trapmf") { //panggil fungsi trapmf
...................... $hasil_imp[$j][$i]=trapmf($r, $output[$j][kurva][$rule[$i][output][$j-1]][params]);
} Langkah selanjutnya adalah cari hasil implikasi dengan kode berikut: //diambil yang <= imp, panggil fungsi min
$hasil_imp[$j][$i]=cari_min($batas, $hasil_imp[$j][$i]); Langkah berikutnya adalah menentukan nilai keluaran berdasarkan rule (komposisi dengan aturan MAX) dengan kode berikut: //aturan kompisisi menggunakan aturan MAX,loop sebanyak jumlah output
for ($i=1; $i <= $jum_output; $i++) { //inisialisasi dulu array hasil dengan nilai 0
for ($c = $output[$i][range][0]; $c <= output[$i][range][1]; $c++)
{ $hasil_komp[$i][$c]=0; } //loop sebanyak jumlah_rule for ($j=1; $j <= $jum_rule; $j++) {
14
$hasil_komp[$i]=cari_max($hasil_komp[$i],$hasil_imp[$i][$j]);
} } Langkah terakhir adalah menentukan nilai centroid dengan kode berikut: //DEFUZZIFIKASI (METODE CENTROID) //loop sebanyak jumlah output for ($i=1; $i <= $jum_output; $i++) { if(array_sum($hasil_komp[$i])==0) { //tampilkan pesan error ........................ exit(1); } for ($c = $output[$i][range][0]; $c <= $output[$i][range][1]; $c++) { $temp[$c]=$hasil_komp[$i][$
c] * $c; } //hitung centroid sesuai rumus $hasil_mamdani[$i]=array_sum($temp)/array_sum($hasil_komp[$i]); } print("<br> <br> hasil akhir <br>"); return $hasil_mamdani; Dari fungsi mamdani tersebut diperoleh hasil keluaran nilai fuzzy.
Penghitungan nilai fuzzy dilakukan untuk memperbaharui nilai TKAkhirSoal. Pembaharuan ini dilakukan setiap saat seiring pengguna berinteraksi dengan aplikasi yaitu saat mengerjakan quiz. 4.3 Implementasi proses aliran sistem
Pengguna aplikasi ini dibagi menjadi tiga yaitu administrator, siswa dan tamu. Administrator memiliki wewenang dalam proses manipulasi seluruh basis data. Sebelum dapat mengakses halaman administrator, pengguna diharuskan login sebagai administrator terlebih dahulu. Jika berhasil maka akan muncul halaman administrator. Pada halaman tersebut terdapat menu untuk pendaftaran siswa, manajemen soal, manajemen soal pretest, penilaian, ubah password admin, ubah selang parameter fuzzy, resume quiz, dan logout (Lampiran 13)
Pengguna berikutnya adalah siswa. Siswa merupakan pengguna yang telah
terdaftar. Siswa merupakan objek yang akan melakukan pembelajaran yaitu mengerjakan pretest atau quiz adaptif. Aplikasi ini dikembangkan berbasis web, sehingga memungkinkan aplikasi ini diakses oleh banyak pengguna dalam waktu bersamaan.
Seperti halnya adiministrator, sebelum dapat mengakses modul quiz pada aplikasi ini, pengguna harus mendaftar dan setelah terdaftar dapat login ke dalam aplikasi dan melakukan pembelajaran. Sebelum dapat mengakses modul quiz adaptif, siswa harus melewati modul pretest dahulu. Hal ini untuk mendapatkan level dan tingkat kesukaran yang akan diberikan nantinya ketika siswa mengakses modul quiz adaptif.
Pada modul pretest terdapat syarat kelulusan apakah siswa telah lulus atau belum lulus. Jika telah lulus, maka akan dilakukan pembaharuan nilai flag pada tabel tbl_cekpretest menjadi 1 (satu). Untuk mengecek apakah siswa telah lulus dilakukan query pada tabel tbl_cekpretest sebagai berikut: //cek pernah lulus pretest $ck = mysql_query("select flag from
tbl_cekpretest where username='$loginUsername' AND id_kategori='$id_kategori'");
$hasilcek = mysql_fetch_row($ck); if($hasilcek[0]==0) { //ternyata belum lulus pretest, maka pilih soal pretest }
else { //bisa akses modul quiz adaptif }
Jika siswa telah lulus pretest maka siswa dapat mengakses modul quiz adaptif. Pada modul quiz adaptif aplikasi ini dapat menentukan soal yang sesuai dengan kemampuan siswa dalam menjawab soal, yaitu dapat menentukan soal selanjutnya berdasarkan soal yang telah dijawab sebelumnya. Jika siswa menjawab dengan benar pada soal sebelumnya maka soal selanjutnya adalah soal yang lebih sukar (tingkat kesukaran rendah), sebaliknya jika siswa menjawab salah pada soal sebelumnya maka soal selanjutnya adalah soal yang lebih mudah (tingkat kesukaran tinggi). Untuk mengimplementasikan hal ini digunakan kode berikut:
- jika jawaban benar
$sql="select bobot,id from tbl_soal where bobot < '$bobotsblm' AND
15
id_kategori='$id_kategori' AND id_bab='$id_bab' AND terjawab!=1 order by bobot DESC limit 1";
$aa = mysql_query($sql); $hsl = mysql_fetch_array($aa); //dapatkan idsoal $idbaru = $hsl[1];
if($hsl[0]==NULL) { //jika soal pada bab tsb sudah habis semuanya maka cari TK bab diatasnya yg tertinggi
$id_bab=$id_bab+1; $queri= mysql_query("select
bobot,id from tbl_soal where id_kategori='$kategori' AND terjawab!=1 AND id_bab=$id_bab order by bobot DESC limit 1");
......................
//lakukan perubahan TKAkhirSoal dengan metode fuzzy
- jika jawaban salah
$sql = mysql_query("select bobot,id from tbl_soal where bobot > '$bobotsblm' AND id_kategori='$kategori' AND id_bab='$id_bab' AND terjawab!=1 order by bobot ASC limit 1");
$hsl = mysql_fetch_array($sql); $idbaru = $hsl[1];
if($hsl[0]==NULL) {
//jika soal pada bab tsb sudah habis semuanya maka cari TK bab diatasnya yg terendah
if($id_bab!=0){ $id_bab=$id_bab-1;} if($id_bab==0){$id_bab=1;
}
$queri= mysql_query("select bobot,id from tbl_soal where id_kategori='$kategori' AND id_bab=$id_bab AND terjawab!=1 order by bobot ASC limit 1");
...............
//lakukan perubahan TKAkhirSoal dengan metode fuzzy
Proses pembelajaran akan terus berlangsung sesuai dengan jumlah soal yang telah ditentukan administrator/pengajar. Jika soal telah habis, maka akan ditampilkan halaman koreksi atas jawaban. Jika telah yakin, siswa dapat menekan tombol selesai dan akan tampil halaman penilaian beserta
feedback berdasarkan hasil pembelajaran sebelumnya. Untuk menampilkan feedback digunakan query berikut: $tfeedback = mysql_query("select *
from tbl_feedback where idkategori='$id_kategori' AND level='$levelku' AND idbab='$idku'");
Pengguna selanjutnya adalah tamu. Tamu adalah pengguna yang paling terbatas dalam mengakses aplikasi ini. Pada aplikasi ini tamu hanya dapat melakukan pendaftaran saja. Tamu yang melakukan pendaftaran dan berhasil maka statusnya adalah sebagai siswa. 4.4 Implementasi desain tampilan
Tampilan aplikasi ini dibuat berdasarkan layout hasil desain tampilan pada tahap analisis desain. Contoh tampilan sistem dapat dilihat pada Lampiran 14.
5. Tahap Pengujian
Pengujian dilakukan untuk mengetahui apakah hasil pengembangan aplikasi telah sesuai dengan yang diharapkan. Lampiran 15 menunjukkan halaman rekap hasil belajar siswa. Pada halaman tersebut dapat ditunjukkan proses terjadinya adaptasi sistem terhadap jawaban siswa. Soal berikutnya yang diberikan kepada siswa akan ditentukan berdasarkan jawaban siswa sebelumnya. Pengujian selanjutnya yang paling utama adalah pengujian hasil keluaran fungsi fuzzy. Hasil keluaran fungsi fuzzy pada aplikasi ini akan dibandingkan dengan hasil penghitungan fuzzy dengan menggunakan perangkat lunak Matlab. Perangkat lunak Matlab telah menyediakan toolbox fuzzy yang dapat menentukan hasil keluaran nilai fuzzy. Lampiran 16 menunjukkan konfigurasi pada Matlab. Lampiran 17 menunjukkan perbandingan hasil penghitungan nilai keluaran fuzzy pada aplikasi ini dengan nilai keluaran yang dihasilkan perangkat lunak Matlab.
Hasil pengujian yang lain adalah dengan metode black-box. Pengujian dilakukan untuk mengetahui apakah aplikasi yang dikembangkan sudah sesuai dengan yang diharapkan. Hasil pengujian dapat dilihat pada Lampiran 18 dan Lampiran 19. Kelebihan Sistem 1 Sistem memiliki fasilitas administrasi,
sehingga tidak menutup kemungkinan
16
soal yang diberikan terbatas hanya pada soal Biologi SMU saja.
2 Terdapat fasilitas untuk mengubah selang fungsi keanggotaan fuzzy.
3 Aplikasi dikembangkan berbasis web sehingga dapat diakses oleh banyak pengguna pada waktu bersamaan.
Kekurangan Sistem 1 Himpunan fuzzy yang digunakan masih
terbatas pada tingkatan kesukaran soal dan persentase kebenaran siswa.
2 Penentuan selang fungsi keanggotaan fuzzy oleh pakar masih purposive.
3 Soal masih terbatas pada pilihan ganda dan essay jawaban singkat.
KESIMPULAN DAN SARAN Kesimpulan
Adaptive quiz system ini dapat digunakan sebagai salah satu alternatif media pembelajaran bagi siswa, selain beberapa modul quiz yang sudah ada. Adaptive quiz system ini dikembangkan berbasis web dan mengintegrasikan metode fuzzy dalam sistemnya. Pada penelitian ini menggunakan materi Biologi SMU sebagai materi quiz.
Untuk merepresentasikan adanya adaptasi pengguna dengan aplikasi adalah adanya penentuan soal yang akan diberikan selanjutnya berdasarkan jawaban soal sebelumnya. Parameter utama untuk menentukan soal manakah yang akan diberikan kepada siswa adalah tingkat kesukaran soal. Parameter dari himpunan fuzzy dapat diubah oleh pakar/pengajar apabila memang parameter fuzzy sebelumnya sudah tidak valid lagi. Aplikasi ini dapat digunakan untuk memantau tingkat perkembangan pemahaman siswa akan materi yang dikuasainya berdasarkan history pengerjaan quiz yang sudah dikerjakan sebelumnya. Selain itu umpan balik yang diberikan oleh pengajar dapat digunakan sebagai acuan siswa untuk pembelajaran selanjutnya.
Saran Pada penelitian ini, penentuan tingkat kesukaran soal (TKAkhirSoal) masih terbatas pada hasil pembelajaran dari beberapa siswa (TKAwalSoal) dengan persentase kebenaran siswa. Penelitian yang lebih lanjut dapat dengan menambahkan parameter lain dalam penentuan tingkat
kesukaran soal, misalnya parameter tentang tipe soal (apakah banyak gambar, perlu analisis, hanya hafalan, dan lain-lain). Dalam menentukan selang fungsi keanggotaan fuzzy oleh pakar dapat dilakukan dengan melakukan voting terhadap beberapa orang pakar. Dari hasil voting tersebut dapat diambil nilai tengah hasil voting sebagai selang parameter fuzzy. Keterbatasan tipe soal yang ada yaitu soal pilihan ganda dan jawaban singkat dapat dikembangkan dengan menambahkan tipe soal yang lain, seperti soal essai, menjodohkan, multiple answer, dan lain-lain.
DAFTAR PUSTAKA
Anonym. 2004. CAI. http://www.auditmypc.com/acronym/CAI.asp [5 September 2007]
Bationo, B. 1992. The effects of three
feedback forms on learning through a computer-based tutorial.
Calico Journal, 10(1), 45-52. Browne, D. P., R. Trevellyan, P. Totterdell
dan M. Norman. 1987. Metrics for Building Evaluation and Comprehension of Self-Regulating Adaptive Systems. Di dalam : Downton A, editor. Engineering the Human-Computer Interface. Dept. Of Electric Systems Engineering, University of Essex.
Connolly, Thomas dan Anne D Strachan.
1996. Database Systems A Practical Approach to Design, Implementation and Management. Addison Wesley Longman Limited, England.
Depdiknas. 2004. Standar Kompetensi Mata
Pelajaran Biologi SMU dan MA. http://www.puskur.net [1 Maret 2007 ]
Kendall, Kenneth E. dan Julie E. Kendall.
1998. Systems Análysis and Design Fourth Edition. Prentice Hall International Inc, USA.
Kusumadewi, Sri. 2003. Analisis dan Desain
Sistem Fuzzy. Graha Ilmu, Yogyakarta.
17
Marimin. 2002. Teori dan Aplikasi Sistem Pakar dalam Teknologi Manajerial. IPB Press, Bogor.
Tinoco, Lucio. 2004. QUIZIT : An
Interactive Quiz System for WWW-based Instruction. Computer Science Dept. Virginia Polytechnic Institute & State University, USA.
Williams, Laurie. 2004. Testing Overview
and Black-Box Testing Techniques. UK.
Ysewijn, Pierre. 1992. Introduction to
Computer Assisted Instruction. http://mypage.bluewin.ch/Ysewijn/english_cbt.htm [1 Maret 2007]
Zulaiha, Rahmah. 2007. Analisis Butir Soal
Secara Manual. Pusat Penilaian Pendidikan, Badan Penelitian dan Pengembangan Departemen Pendidikan Nasional, Jakarta.
LAMPIRAN
19
Lampiran 1. Tabel keterhubungan TKAwalSoal, PersentaseKebenaran terhadap TKAkhirSoal
No TKAwalSoal PersentaseKebenaran TKAkhirSoal 1 Sukar Banyak Mudah 2 Sukar Sedang Sedang 3 Sukar Sedikit Sukar 4 Sedang Banyak Mudah 5 Sedang Sedang Sedang 6 Sedang Sedikit Sukar 7 Mudah Banyak Mudah 8 Mudah Sedang Mudah 9 Mudah Sedikit Sedang
Lampiran 2. Diagram ER dengan kamus data 20
21
Lampiran 2. Diagram ER dengan kamus data (lanjutan)
Kamus data: User = {username, nama, telepon, email} Soal = {idsoal, idkategori, idbab, hint, gambar, soal, jwbna, jwbnb, jwbnc, jwbnd, jwbne, jwbnf, jwbng, jwbnh, jwbni, jwbnj, gbra, gbrb, gbrc, gbrd, gbre, gbrf, gbrg, gbrh, gbri, gbj, jawaban, benar, salah, terjawab, persen, tkawal, tkakhir} Mengerjakan_soal = {username, idsoal, idketgori, jawaban, score, waktu, flag, tkesukaran} Pretest = {idpretest, idsoal, idbab, idkategori, username, flag, syarat} Mengerjakan_pretest = {idpretest, username, idsoal, idkategori, flag, jawaban, tkesukaran} Nilai = {idnilai, idbab, username, idkategori, nilai, waktu, cobake, levelku, persen, totalsoal, benar, salah, waktutotal} Mempunyai_nilai = {username, idnilai, idkategori, flag} Level = {idlevel, idkategori, username, idbab, level} Mempunyai_lvl={username, idlevel} TKAwalSoal = { idtkawal, a_sukar, b_sukar, c_sukar, d_sukar, a_sedang, b_sedang, c_sedang, d_sedang, a_mudah, b_mudah, c_mudah, d_mudah} TKAkhirSoal = { idtkakhir, a_sukar, b_sukar, c_sukar, d_sukar, a_sedang, b_sedang, c_sedang, d_sedang, a_mudah, b_mudah, c_mudah, d_mudah} PersentaseKebenaran = { idpk, a_sedikit, b_sedikit, c_sedikit, d_sedikit, a_sedang, b_sedang, c_sedang, d_sedang, a_banyak, b_banyak, c_banyak , d_banyak} KategoriSoal = {idkategori, idbab, namakategori, rank, waktu, benar, salah, harusjwb} Mempunyai_kat = {idsoal, idkategori} SesiUser = {username, phpsessid, expire} Feedback = {idfeedback, pesan, idkategori, idbab, level} Login = {username, password} Grafik = { idgrafik, username, idkategori, coba1, coba2, coba3, coba4, coba5, coba6, coba7, coba8, coba9, coba10}Cekpretest = {idcek, idkategori, username, flag}
22
Lampiran 3. Fungsi keanggotaan himpunan fuzzy
1. Persentase Kebenaran
Persentase Kebenaran mempunyai tiga buah himpunan fuzzy yaitu : Sedikit, Sedang dan Banyak. Himpunan fuzzy Sedikit dan Banyak direpresentasikan dengan menggunakan kurva bahu dan untuk himpunan fuzzy Sedang menggunakan kurva trapesium
Fungsi keanggotaannya adalah :
⎪⎪⎪⎪
⎩
⎪⎪⎪⎪
⎨
⎧
≥
≤≤−−
≤
=
400
4025)2540()40(
251
][
x
xx
x
xSedikitμ
⎪⎪⎪⎪⎪⎪⎪
⎩
⎪⎪⎪⎪⎪⎪⎪
⎨
⎧
≥
≤≤−−
≤≤
≤≤−−
≤
=
750
7560)6075()75(
60401
4025)2540()25(
250
][
x
xx
x
xx
x
xSedangμ
⎪⎪⎪⎪
⎩
⎪⎪⎪⎪
⎨
⎧
≥
≤≤−−
≤
=
751
7560)6075()75(
600
][
x
xx
x
xBanyakμ
23
2. TKAwalSoal
TKAwalSoal mempunyai tiga buah himpunan fuzzy yaitu : Sukar, Sedang dan Mudah. Himpunan fuzzy Mudah dan Sukar direpresentasikan dengan menggunakan kurva bahu dan untuk himpunan fuzzy Sedang menggunakan kurva trapesium
Fungsi keanggotaannya adalah :
⎪⎪⎪⎪
⎩
⎪⎪⎪⎪
⎨
⎧
≥
≤≤−−
≤
=
300
3020)2030()30(
201
][
x
xx
x
xSukarμ
⎪⎪⎪⎪⎪⎪⎪
⎩
⎪⎪⎪⎪⎪⎪⎪
⎨
⎧
≥
≤≤−−
≤≤
≤≤−−
≤
=
800
8070)7080()80(
70301
3020)2030()20(
200
][
x
xx
x
xx
x
xSedangμ
⎪⎪⎪⎪
⎩
⎪⎪⎪⎪
⎨
⎧
≥
≤≤−−
≤
=
801
80707080(
)80(
700
][
x
xx
x
xMudahμ
24
3. TKAkhirSoal
TKAkhirSoal mempunyai tiga buah himpunan fuzzy yaitu : Sukar, Sedang dan Mudah. Himpunan fuzzy Mudah dan Sukar direpresentasikan dengan menggunakan kurva bahu dan untuk himpunan fuzzy Sedang menggunakan kurva trapesium
Fungsi keanggotaannya adalah :
⎪⎪⎪⎪
⎩
⎪⎪⎪⎪
⎨
⎧
≥
≤≤−−
≤
=
400
4025)2540()40(
251
][
x
xx
x
xSukarμ
⎪⎪⎪⎪⎪⎪⎪
⎩
⎪⎪⎪⎪⎪⎪⎪
⎨
⎧
≥
≤≤−−
≤≤
≤≤−−
≤
=
750
7560)6075()75(
60401
4025)2540()25(
250
][
x
xx
x
xx
x
xSedangμ
⎪⎪⎪⎪
⎩
⎪⎪⎪⎪
⎨
⎧
≥
≤≤−−
≤
=
751
7560)6075()75(
600
][
x
xx
x
xMudahμ
25
Lampiran 4. Kaidah-kaidah yang digunakan untuk inferensi fuzzy
Kaidah 1 : JIKA TKAwalSoal = Sukar DAN PersentaseKebenaran = Banyak MAKA TKAkhirSoal = Mudah Kaidah 2 : JIKA TKAwalSoal = Sukar DAN PersentaseKebenaran = Sedang MAKA TKAkhirSoal = Sedang Kaidah 3 : JIKA TKAwalSoal = Sukar DAN PersentaseKebenaran = Sedikit MAKA TKAkhirSoal = Sukar Kaidah 4 : JIKA TKAwalSoal = Sedang DAN PersentaseKebenaran = Banyak MAKA TKAkhirSoal = Mudah Kaidah 5 : JIKA TKAwalSoal = Sedang DAN PersentaseKebenaran = Sedang MAKA TKAkhirSoal = Sedang Kaidah 6 : JIKA TKAwalSoal = Sedang DAN PersentaseKebenaran = Sedikit MAKA TKAkhirSoal = Sukar Kaidah 7 : JIKA TKAwalSoal = Mudah DAN PersentaseKebenaran = Banyak MAKA TKAkhirSoal = Mudah Kaidah 8 : JIKA TKAwalSoal = Mudah DAN PersentaseKebenaran = Sedang MAKA TKAkhirSoal = Mudah Kaidah 9 : JIKA TKAwalSoal = Mudah DAN PersentaseKebenaran = Sedikit MAKA TKAkhirSoal = Sedang
26
Lampiran 5. Modul Pengajar
27
Lampiran 6. Modul quiz (1)
28
Lampiran 7. Modul Pembelajaran
29
Lampiran 8. Modul Pretest (3.1)
30
Lampiran 9. Modul quiz adaptif (3.2)
Basis data bank soal
Acak Soal
Tampilkan soal yg belumpernah ditampilkan
Kirimkan jawaban
Cek apakah total soalyang telah dikerjakan >soal yang ditentukan ?
Waktu habis ?
Halaman rekappembelajaran
Submit hasil ?
Basis data
Tampilkan nilai
Tidak
Ya
Ya
Tidak
Tidak
Ya
Input semua variabel (bobot,nilai, presentase, waktu,
level, username, id_kategori)
Jawaban benar ?
Soal lebih mudah Soal lebih sukar
YaTidak
Cek Waktu
31
Lampiran 10. Desain tampilan sistem
a. Tampilan untuk administrator
Menu utamaadministrator Tampilan menu
Header
b. Tampilan untuk siswa
Pilih kategoriquiz
Header
Informasi quiz yang dipilih
Tampilan statistik hasil belajar siswa
History pembelajaran siswa
32
c. Tampilan untuk tamu
23
Lampiran 11. Form masukan
Form Admin Siswa Tamu Form masukan untuk menambah / memperbaharui/ menghapus pengguna sistem √ Form masukan untuk menambah / memperbaharui root / kategori soal √ Form masukan untuk menambah / memperbaharui waktu pengerjaan, nilai benar, nilai salah, total soal yang harus dikerjakan √ Form masukan untuk menambah / memperbaharui soal pilihan ganda dan soal essai √ Form masukan untuk memperbaharui password √ Form masukan untuk memperbaharui selang persentase untuk pemberian feedback √ Form masukan untuk memperbaharui parameter himpunan fuzzy √ Form masukan untuk login √ √ Form masukan untuk menentukan jawaban soal √ Form masukan untuk memperbaharui profil √ Form masukan untuk memperbaharui password √ Form masukan untuk melakukan pendaftaran √
33
34
Lampiran 12. Implementasi secara fisik basis data yang digunakan pada sistem 1. tbl_user merupakan tabel yang menyimpan data pengguna Deskripsi tabel tbl_user
Nama Kolom Tipe Data Keterangan Tambahan username varchar(255) Not Null, Primary Key Nama varchar(255) Not Null Telepon Varchar(255) Null Email varchar(30) Not Null
2. tbl_nilai merupakan tabel yang menyimpan nilai untuk tiap pengguna untuk kategori tertentu Deskripsi tabel tbl_nilai
3. tbl_level merupakan tabel yang menyimpan level pengguna untuk tiap ketegori tertentu Deskripsi tbl_level :
Nama Kolom Tipe Data Keterangan Tambahan idlevel int(11) Not Null, Primary Key idkategori int(11) Not Null username varchar(255) Not Null idbab int(11) Not Null level int(11) Not Null
Nama Kolom Tipe Data Keterangan Tambahan idnilai int(11) Not Null, Primary Key idbab int(11) Not Null username varchar(255) Not Null idkategori int(11) Not Null nilai int(11) Not Null waktu varchar(30) Not Null cobake int(11) Not Null levelku int(11) Not Null persen int(11) Not Null totalsoal int(11) Not Null benar int(11) Not Null salah int(11) Not Null waktutotal int(11) Not Null
35
4. tbl_session merupakan tabel yang menyimpan sesi pengguna
Deskripsi tabel tbl_session
Nama Kolom Tipe Data Keterangan Tambahan username varchar(255) Not Null, Primary Key phpsessid varchar(40) Not Null expire int(11) Not Null
5. tbl_login merupakan tabel yang menyimpan username dan password Deskripsi tabel tbl_login Nama Kolom Tipe Data Keterangan Tambahan username varchar(255) Not Null, Primary Key password varchar(255) Not Null
6. tbl_pretest merupakan tabel yang menyimpan id soal pretest bagi tiap pengguna beserta syarat kelulusan pretest Deskripsi tabel tbl_pretest :
Nama Kolom Tipe Data Keterangan Tambahan idpretest int(11) Not Null, Primary Key idsoal int(11) Not Null idbab int(11) Not Null idkategori int(11) Not Null username varchar(255) Not Null flag int(11) Not Null syarat float Not Null
7. tbl_pretestuser merupakan tabel yang menyimpan jawaban pretest pengguna Deskripsi tabel tbl_pretestuser
Nama Kolom Tipe Data Keterangan Tambahan idpretest int(11) Not Null, Primary Key idsoal int(11) Not Null idkategori int(11) Not Null username varchar(255) Not Null flag int(11) Not Null jawaban varchar (255) Not Null tkesukaran float Not Null
8. tbl_soal merupakan tabel yang menyimpan data-data soal Deskripsi tabel tbl_soal
Nama Kolom Tipe Data Keterangan Tambahan idsoal int(11) Not Null, Primary Key idkategori int(11) Not Null idbab int(11) Not Null hint text Not Null gambar varchar(255) Not Null soal text Not Null
36
jwbna varchar(255) Not Null jwbnb varchar(255) Not Null jwbnc varchar(255) Not Null jwbnd varchar(255) Not Null jwbne varchar(255) Not Null jwbnf varchar(255) Not Null jwbng varchar(255) Not Null jwbnh varchar(255) Not Null jwbni varchar(255) Not Null jwbnj varchar(255) Not Null gbra varchar(255) Not Null gbrb varchar(255) Not Null gbrc varchar(255) Not Null gbrd varchar(255) Not Null gbre varchar(255) Not Null gbrf varchar(255) Not Null gbrg varchar(255) Not Null gbrh varchar(255) Not Null gbri varchar(255) Not Null gbrj varchar(255) Not Null jawaban varchar(255) Not Null benar int(11) Not Null salah int(11) Not Null terjawab int(11) Not Null persen float Not Null tkawal float Not Null tkakhir float Not Null
9. tbl_soaluser merupakan tabel yang menyimpan data sementara ketika pengguna mengerjakan quiz Deskripsi tabel tbl_soaluser
Nama Kolom Tipe Data Keterangan Tambahan username varchar(255) Not Null, Primary Key idsoal int(11) Not Null idkategori int(11) Not Null jawaban varchar(30) Not Null score int(11) Not Null waktu int(255) Not Null flag int(11) Not Null tkesukaran float Not Null
10. tbl_kategori merupakan tabel yang menyimpan kategori soal Deskripsi tabel tbl_kategori :
Nama Kolom Tipe Data Keterangan Tambahan idkategori int(11) Not Null, Primary Key namakategori varchar(50) Not Null rank tinyint(4) Not Null waktu int(11) Not Null benar int(11) Not Null
37
salah int(11) Not Null harusjwb int(11) Not Null idbab int(11) Not Null
11. tbl_pengkategori merupakan tabel yang menyimpan id parent dan id child untuk penentuan kategori Deskripsi tabel tbl_pengkategori : Nama Kolom Tipe Data Keterangan Tambahan idsoal int(11) Not Null, Primary Key idkategori int(11) Not Null
12. tbl_tkawal merupakan tabel yang menyimpan nilai parameter fuzzy TKAwalSoal Deskripsi tabel tbl_ tkawal : Nama Kolom Tipe Data Keterangan Tambahan idtkawal int(11) Not Null, Primary Key a_sukar int(11) Not Null b_sukar int(11) Not Null c_sukar int(11) Not Null d_ sukar int(11) Not Null a_sedang int(11) Not Null b_sedang int(11) Not Null c_sedang int(11) Not Null d_sedang int(11) Not Null a_mudah int(11) Not Null b_ mudah int(11) Not Null c_ mudah int(11) Not Null d_ mudah int(11) Not Null
13. tbl_tkakhir merupakan tabel yang menyimpan nilai parameter fuzzy TKAkhirSoal
Deskripsi tabel tbl_tkakhir : Nama Kolom Tipe Data Keterangan Tambahan idtkakhir int(11) Not Null, Primary Key a_sukar int(11) Not Null b_sukar int(11) Not Null c_sukar int(11) Not Null d_ sukar int(11) Not Null a_sedang int(11) Not Null b_sedang int(11) Not Null c_sedang int(11) Not Null d_sedang int(11) Not Null a_mudah int(11) Not Null b_ mudah int(11) Not Null c_ mudah int(11) Not Null d_ mudah int(11) Not Null
38
14. tbl_persentase merupakan tabel yang menyimpan nilai parameter fuzzy persentase kebenaran siswa Deskripsi tabel tbl_persentase : Nama Kolom Tipe Data Keterangan Tambahan idpk int(11) Not Null, Primary Key a_sedikit int(11) Not Null b_ sedikit int(11) Not Null c_ sedikit int(11) Not Null d_ sedikit int(11) Not Null a_sedang int(11) Not Null b_sedang int(11) Not Null c_sedang int(11) Not Null d_sedang int(11) Not Null a_banyak int(11) Not Null b_ banyak int(11) Not Null c_ banyak int(11) Not Null d_ banyak int(11) Not Null
15. tbl_feedback merupakan tabel yang menyimpan feedback berdasarkan persentase tertentu Deskripsi tabel tbl_feedback Nama Kolom Tipe Data Keterangan Tambahan idfeedback int(11) Not Null, Primary Key idbab int(11) Not Null pesan text Not Null level int(11) Not Null idkategori int(11) Not Null 16. tbl_grafik merupakan tabel yang menyimpan 10 aktivitas terakhir pengguna untuk ditampilkan datanya dalam bentuk grafik Deskripsi tabel tbl_grafik
Nama Kolom Tipe Data Keterangan Tambahan idgrafik int(11) Not Null, Primary Key username varchar(255) Not Null idkategori int(11) Not Null coba1 int(11) Not Null coba2 int(11) Not Null coba3 int(11) Not Null coba4 int(11) Not Null coba5 int(11) Not Null coba6 int(11) Not Null coba7 int(11) Not Null coba8 int(11) Not Null coba9 int(11) Not Null coba10 int(11) Not Null
39
17. tbl_cekpretest merupakan tabel yang menyimpan data pengguna yang telah berhasil lulus mengerjakan pretest Deskripsi tbl_cekpretest :
Nama Kolom Tipe Data Keterangan Tambahan idcek int(11) Not Null, Primary Key idkategori int(11) Not Null username varchar(255) Not Null flag int(11) Not Null
40
Lampiran 13. Tampilan halaman administrator
41
Lampiran 14. Contoh tampilan sistem
a. Halaman awal sistem
42
b. Halaman saat mengerjakan quiz
43
c. Halaman ubah salah satu selang parameter fuzzy (untuk persentase kebenaran)
44
d. Halaman administrasi kategori quiz
45
e. Halaman authoring soal
46
Lampiran 15. Tampilan halaman rekap hasil belajar siswa
Keterangan: Data diatas merupakan rekap pembelajaran siswa. Pada gambar tersebut ditampilkan tingkat kesukaran (TK) untuk tiap soal. Jika jawaban benar maka soal berikutnya adalah soal dengan kesukaran lebih rendah, demikian sebaliknya. Sebagai contoh: Joni: bobot awal 90 karena menjawab benar maka TK soal berikut=83,72 (naik disini menunjukkan soal semakin sukar, angka 1 menunjukkan bab 1) soal berikutnya dijawab dengan benar TK soal berikut=73,71, dst.
47
Lampiran 16. Konfigurasi toolbox fuzzy pada Matlab Untuk menggunakan toolbox fuzzy, gunakan perintah ‘fuzzy’ pada command Matlab diperoleh hasil sbb: Nilai fungsi keanggotaan untuk TKAwalSoal, PersentaseKebenaran dan TKAkhirSoal sbb: a. TKAwalSoal (sebagai input)
b. PersentaseKebenaran (sebagai input)
48
c. TKAkhirSoal (sebagai output)
Sedangkan rule yang digunakan adalah sbb:
49
Tampilan pada FIS editor adalah sbb:
Hasil output defuzzifikasi sbb (Pada gambar, nilai input=[40 10] output 16,3)
50
Lampiran 17. Hasil uji perbandingan nilai defuzzifikasi menggunakan Matlab dan menggunakan fungsi fuzzy pada sistem (nilai masukan dibangkitkan secara acak)
TKAkhirSoal TKAwalSoal PersentaseKebenaran Matlab Fuzzy pada sistem
Selisih % Kebenaran
6 8 16.3 16.2828 0.02 99.8945 7 2 16.3 16.2828 0.02 99.8945 8 40 50.0 50.0000 0.00 100.0000 21 61 51.9 51.8801 0.02 99.9617 23 27 23.5 23.4943 0.01 99.9757 27 55 50.0 50.0000 0.00 100.0000 33 84 83.7 83.7171 0.02 99.9796 35 9 16.3 16.2828 0.02 99.8945 39 48 50.0 50.0000 0.00 100.0000 42 94 83.7 83.7171 0.02 99.9796 43 45 50.0 50.0000 0.00 100.0000 56 3 16.3 16.2828 0.02 99.8945 56 6 16.3 16.2828 0.02 99.8945 57 86 83.7 83.7171 0.02 99.9796 62 71 72.6 72.6285 0.03 99.9608 65 90 83.7 83.7171 0.02 99.9796 80 40 83.7 83.7171 0.02 99.9796 89 87 83.7 83.7171 0.02 99.9796 96 4 50.0 50.0000 0.00 100.0000 97 83 83.7 83.7171 0.02 99.9796
51
Lampiran 18. Hasil pengujian sistem menggunakan metode black box pada modul admin
No Deskripsi uji Kondisi awal Skenario uji Hasil yang diharapkan Hasil uji
1
Menguji fungsi untuk autentikasi pengguna sebagai administrator
Web browser berada pada halaman login administrator
Masukankan username dan password pada form autentikasi
Menuju halaman administrasi Sukses
2 Menguji respon aksi pemilihan menu pendaftaran siswa
Berada pada halaman admin Pilih menu pendaftaran siswa Tampilkan halaman untuk
manajemen pengguna Sukses
Pilih menu daftarkan Tampilkan form pendaftaran siswa Sukses
3
Menguji respon aksi pemilihan menu daftarkan dan manajeman user
Berada pada halaman manajemen siswa
Pilih manajemen user Tampilkan menu pencarian user Sukses
Mandatory field tidak terisi Muncul pesan bahwa field dalam keadaan tidak terisi Sukses
Field username diisi dengan username yang telah terdaftar
Muncul pesan bahwa username tersebut telah terdaftar
Sukses
Isi pada field password dan ulangi password tidak sama
Muncul pesan bahwa password yang diketikkan tidak sama
Sukses
4 Menguji fungsi pendaftaran siswa
Berada pada halaman form pendaftaran siswa dan semua field dalam keadaan belum terisi
Field telah diisi sepenuhnya dengan benar
Muncul pesan bahwa data telah berhasil dimasukkan Sukses
Field pencarian tidak diisi Muncul semua username pengguna sistem Sukses Berada pada
halaman form manajemen user dan field pencarian tidak terisi
Field pencarian diisi
Muncul semua pengguna sesuai dengan kata kunci yang diberikan (menggunakan 'like')
Sukses
Telah tampil username yang dicari
Memilih salah satu user yang ada
Muncul halaman administrasi user yang bersangkutan Sukses
Klik tombol ubah password Menuju halaman ubah password Sukses
Klik tombol hapus Mengkonfirmasi apakah user tersebut akan dihapus Sukses
Berada pada halaman administrasi user tertentu
Klik tombol ubah profil Menuju halaman ubah profil untuk user tersebut Sukses
Field tidak diisi Password tidak diubah Sukses Berada pada halaman ubah password Field diisi Password akan diubah Sukses
5 Menguji fungsi untuk manajemen user
Berada pada halaman ubah profil Field diubah oleh admin Profil user akan diupdate Sukses
Menguji respon aksi pemilihan menu manajemen soal
Berada pada halaman admin Pilih menu manajemen soal Muncul halaman untuk
manajemen soal Sukses
Filed tambah root kosong Tidak ada root baru Sukses
6
Menguji fungsi manajemen soal
Berada pada halaman manajemen soal Field tambah root diisi Terdapat root baru Sukses
52
No Deskripsi uji Kondisi awal Skenario uji Hasil yang diharapkan Hasil uji Lampiran 18. Hasil pengujian sistem menggunakan metode black box pada modul admin (lanjutan)
Memilih salah satu kategori soal yang sudah ada
Tampil field untuk penentuan waktu pengerjaan, nilai benar, nilai salah, dan soal yang harus dikerjakan
Sukses
Masukankan waktu pengerjaan, nilai benar, nilai salah dan soal harus dikerjakan lalu klik tombol set
Update field waktu pengerjaan, nilai benar, nilai salah, dan soal harus dikerjakan
Sukses
Field soal harus dikerjakan diisi dengan nilai yang lebih kecil dari setengah dari jumlah soal
Muncul pesan error bahwa soal harus lebih besar dari setengah total soal di bank soal
Sukses
Field edit kategori diubah Update kategori soal Sukses
Field tambah kategori diisi Akan menambah kategori (sub kategori) untuk kategori tersebut
Sukses
Berada pada halaman manajemen soal,telah dipilih kategori soal
Field tambah root diisi Terdapat root baru Sukses
Semua field pada soal pilihan ganda terisi
Menambah soal baru dengan tipe pilihan ganda untuk kategori tersebut
Sukses Menguji fungsi untuk menambah soal untuk kategori tertentu
Berada pada halaman manajemen soal, telah dipilih kategori soal Semua field pada soal tipe
jawaban pendek terisi
Menambah soal baru dengan tipe jawaban pendek untuk kategori tersebut
Sukses
Perubahan dilakukan pada field tertentu
Update soal dengan id dan kategori tersebut Sukses Menguji fungsi
untuk edit soal kategori tertentu
Berada pada halaman manajemen soal, telah dipilih kategori soal, pilih menu lihat soal-> ubah
Tidak dilakukan perubahan Soal tidak di-update Sukses
Berada pada halaman manajemen soal, telah dipilih kategori soal, pilih menu lihat soal
Klik tombol hapus Muncul konfirmasi apakah akan dilakukan penghapusan untuk soal tersebut
Sukses
Pilih tombol ok Soal dengan id tersebut akan dihapus Sukses
Menguji fungsi untuk menghapus soal kategori tertentu Muncul konfirmasi
untuk menghapus soal Pilih tombol cancel Penghapusan soal batal
dilakukan Sukses
Field TKAwalSoal dan persentase tidak diisi (null)
Muncul peringatan bahwa total area = 0 dalam defuzzyfikasi untuk nilai masukan, data yang dimasukankan salah
Sukses
Field TKAwalSoal dan persentase diisi dengan nilai bilangan tertentu (integer/float) melebihi range yang telah ditentukan
Muncul peringatan bahwa total area = 0 dalam defuzzyfikasi untuk nilai masukan, data yang dimasukankan salah
Sukses
Menguji fungsi fuzzy pada saat terjadi aktivitas pengguna
Berada pada halaman quiz adaptive
Field TKAwalSoal dan persentase diisi dengan karakter
Muncul peringatan bahwa total area = 0 dalam defuzzyfikasi untuk nilai masukan, data yang dimasukankan salah
Sukses
53
Lampiran 18. Hasil pengujian sistem menggunakan metode black box pada modul admin (lanjutan)
Field TKAwalSoal dan persentase diisi dengan nilai bilangan tertentu (integer/float) tidak melebihi range yang telah ditentukan
Muncul informasi hasil penghitungan nilai fuzzy Sukses
Menguji respon aksi pemilihan menu manajemen pretest
Berada pada halaman admin
Pilih menu manajeman soal pretest
Muncul halaman untuk administrasi soal pretest Sukses
Checklist untuk soal yang akan diberikan pada saat pretest
Menyimpan soal yang akan digunakan sebagai soal pretest
Sukses 7
Menguji fungsi manajemen soal pretest
Berada pada halaman manajemen soal pretest, telah dipilih kategori Masukankan syarat kelulusan Simpan persentase syarat
kelulusan Sukses
Menguji respon aksi pemilihan menu penilaian
Berada pada halaman admin Pilih menu penilaian Menuju halaman penilaian Sukses
Pilih penilaian untuk tiap level (terdapat 10 level) dengan status ok
Menuju halaman untuk mengubah feedback dan selang parameter penilaian
Sukses Berada pada halaman penilaian, telah dipilih kategori soal
Pilih penilaian untuk tiap level (terdapat 10 level) tanpa status ok
Menuju halaman mengubah selang parameter penilaian Sukses
Pilih ubah selang parameter Menuju halaman berisi field untuk masukan selang persentase
Sukses
Berada pada halaman mengubah selang parameter Masukan selang parameter
Muncul field sejumlah kelipatan dari paramater yang diberikan (maksimal kelipatan*parameter=100) dan field untuk masukan feedback
Sukses
Field feedback diisi Update feedback pada selang dan level tertentu Sukses
8 Menguji fungsi penilaian
Berada pada halaman mengubah feedback Field feedback tidak diisi Update feedback pada selang
dan level tertentu Sukses
Menguji respon aksi pemilihan menu ubah password admin
Berada pada halaman admin
Pilih menu ubah password admin
Menuju halaman ubah password admin Sukses
Field username tidak diisi Pesan error field username tidak diisi Sukses
Field password lama salah Pesan error password lama salah Sukses
9 Menguji fungsi ubah password admin
Berada pada halaman ubah password admin
Field telah diisi sepenuhnya dengan benar
Pesan bahwa username dan password untuk admin telah berhasil diubah
Sukses
54Lampiran 18. Hasil pengujian sistem menggunakan metode black box pada modul admin (lanjutan)
Menguji respon aksi pemilihan menu ubah selang parameter fuzzy
Berada pada halaman admin
Pilih menu ubah parameter fuzzy
Menuju halaman ubah parameter fuzzy Sukses
Berada pada halaman ubah selang parameter fuzzy
Pilih salah satu paramter fuzzy yang akan diubah
Menuju halaman ubah parameter fuzzy untuk paramter tertentu
Sukses
Field diisi bukan angka integer Pesan error Sukses
Field diisi diluar range 0-100 Pesan error Sukses
10
Menguji fungsi ubah selang parameter fuzzy
Berada pada halaman ubah parameter selang fuzzy tertentu
Field diisi angka antara 0-100 Update paramter fuzzy dan hitung ulang semua nilai fuzzy pada database
Sukses
11
Menguji fungsi logout dan respon aksi pemilihan menu logout
Berada pada halaman admin Klik tombol logout
Logout dari sistem sebagai admin dan menuju ke halaman utama sistem
Sukses
Lampiran 19. Hasil pengujian sistem menggunakan metode black box pada modul pengguna
No Deskripsi Uji Kondisi Awal Skenario Uji Hasil yang diharapkan Hasil uji
Masukankan username dan password tidak sesuai dengan yang ada pada database pada form login lalu klik tombol login
Muncul pesan error bahwa username dan password tidak cocok
Sukses
1 Menguji fungsi untuk autentikasi user sebagai siswa
Web browser berada pada halaman utama adaptive quiz system
Masukankan username dan password sesuai dengan yang ada pada database pada form login lalu klik tombol login
Menuju pada halaman quiz untuk user tertentu Sukses
Pilih salah satu kategori soal, user baru pertama kali memilih kategori soal
Klik tombol pretest user Diberikan soal pretest sesuai yang telah ditentukan oleh admin
Sukses 2 Menguji fungsi pretest user
Pilih salah satu kategori soal, user sudah pernah memilih kategori soal tertentu tetapi belum lulus pretest
Klik tombol pretest user Diberikan soal pretest sesuai yang telah ditentukan oleh admin
Sukses
No Deskripsi uji Kondisi awal Skenario uji Hasil yang diharapkan Hasil uji
55
Persentase jawaban lebih kecil dari persentase yang telah ditentukan oleh admin
Muncul pesan bahwa user belum lulus mengerjakan soal pretest dan harus mengulang agar dapat menggunakan adaptive quiz system
Sukses
User telah menyelesaikan semua soal pretest
Persentase jawaban lebih besar atau sama dengan persentase yang telah ditentukan admin
Muncul pesan bahwa user telah lulus mengerjakan soal pretest, dan selanjutnya dapat mengakses modul quiz adaptive
Sukses
User telah lulus pretest Memilih kategori soal
Menuju halaman quiz adaptive untuk kategori soal tertentu
Sukses
3 Menguji fungsi adaptive quiz
User telah memilih kategori soal tertentu
Memilih tombol start quiz kategori tertentu pada level tertentu
Diberikan soal sesuai dengan level user untuk kategori soal tertentu
Sukses
Memilih jawaban salah Soal yang diberikan selanjutnya adalah soal dengan TK yang lebih tinggi
Sukses
4 Menguji fungsi tampil soal berikutnya
User sedang mengerjakan soal quiz adaptive
Memilih jawaban benar Soal yang diberikan selanjutnya adalah soal dengan TK lebih rendah
Sukses
5 Menguji fungsi hitung persentase
User sedang mengerjakan soal quiz adaptive
Memilih jawaban
Persentase dihitung dengan menggunakan rumus total jawaban benar+total jawaban salah/total soal *100%
Sukses
6 Menguji fungsi update TKAkhirSoal
User sedang mengerjakan soal quiz adaptive
Memilih jawaban
TKAkhirSoal soal akan diupdate dengan menggunakan parameter persentase dan TKAwalSoal
Sukses
User telah selesai mengerjakan soal
Pilih tombol ubah pada soal tertentu
Menuju halaman ubah soal untuk id tertentu Sukses
7 Menguji fungsi ubah jawaban soal Berada pada
halaman ubah jawaban
Memilih jawaban Ubah jawaban Sukses
8 Menguji fungsi penilaian
User telah selesai mengerjakan soal Klik tombol selesai
Menuju halaman penilaian untuk user dan kategori soal tertentu
Sukses
9 Menguji fungsi ubah profil
Berada pada halaman utama Pilih menu ubah profil Menuju halaman ubah profil Sukses
Lampiran 19. Hasil pengujian sistem menggunakan metode black box pada modul pengguna (lanjutan)
No Deskripsi Uji Kondisi Awal Skenario Uji Hasil yang diharapkan Hasil uji
56
Field diubah Update profil user tertentu Sukses Berada pada halaman ubah profil
Pilih tombol ubah password Menuju halaman ubah password Sukses
Password tidak dimasukan dengan benar Muncul pesan error Sukses
Berada pada halaman ubah password Password telah dimasukan
dengan benar Password untuk user tertentu telah diubah Sukses
