BAB 2 LANDASAN TEORI 2.1 E-Learning - Sistem Rekomendasi pada Informal E-Learning Menggunakan Metode Collaborative Filtering dengan Algoritma Slope One

BAB 2 LANDASAN TEORI

2.1 E-Learning

2.1.1 Pengertian E-Learning

E-learning atau pembelajaran elektronik, merupakan salah satu bentuk dari aplikasi

Teknologi Informasi dan Komunikasi (TIK) dalam kegiatan pembelajaran. Ada beberapa

definisi e-learning yang dikemukakan oleh para ahli. Definisi-definisi tersebut memiliki

cakupan yang berbeda, tergantung dari perspektif yang digunakan oleh ahli yang

bersangkutan.

E-learning merupakan suatu jenis belajar mengajar yang memungkinkan

tersampaikannya bahan ajar ke siswa dengan menggunakan media internet, intranet atau media jaringan komputer lain (Hartley, 2001 ).

2.1.2 Sejarah E-Learning

E-learning pertama kali diperkenalkan oleh Universitas Illionis di Urbana-Champaign

dengan menggunakan sistem instruksi berbasis komputer (computer-assisted

instruction ) dan komputer bernama PLATO. Sejak saat itu, perkembangan e-learning

dari masa ke masa adalah sebagai berikut: a.

Tahun 1990 : Pada masa CBT (Computer-Based Training) di mana mulai bermunculan aplikasi e-learning yang berjalan dalam PC standalone ataupun berbentuk kemasan CD-ROM. Isi materi dalam bentuk tulisan maupun multimedia (video dan audio) dalam format mov, mpeg-1, atau avi. b.

Tahun 1994 : Seiring dengan diterimanya CBT oleh masyarakat sejak tahun 1994 CBT muncul dalam bentuk paket-paket yang lebih menarik dan diproduksi secara massal.

Tahun 1997 : LMS (Learning Management System). Seiring dengan perkembangan teknologi internet, masyarakat dunia mulai terkoneksi dengan internet. Kebutuhan akan informasi yang dapat diperoleh dengan cepat mulai dirasakan sebagai kebutuhan mutlak dan jarak serta lokasi bukanlah halangan lagi. Dari sinilah munculnya LMS. Perkembangan LMS yang semakin pesat membuat pemikiran baru untuk mengatasi masalah interoperabilitas antara LMS yang satu dengan lainnya secara standar. Bentuk standar muncul misalnya standar yang dikeluarkan oleh AICC (Airline Industry CBT Comittee), IMS, IEEE LOM, ARIADNE, dsb.

Tahun 1999 sebagai tahun aplikasi e-learning berbasis web. Perkembangan LMS menuju aplikasi e-learning berbasis web berkembang secara total, baik untuk pembelajar (learner) maupun administrasi belajar mengajarnya. LMS mulai digabungkan dengan dengan situs-situs informasi, majalah dan surat kabar. Isinya juga semakin kaya dengan perpaduan multimedia, video streaming serta penampilan interaktif dalam berbagai pilihan format yang lebih standar dan berukuran kecil.

2.1.3 Fungsi E-learning

Ada 3 fungsi pembelajaran elektronik terhadap kegiatan pembelajaran, yaitu sebagai suplemen yang sifatnya opsional (pilihan), komplemen (pelengkap), atau pengganti (substitusi) (Siahaan, 2002).

Suplemen Dikatakan berfungsi sebagai suplemen (tambahan), apabila peserta didik mempunyai kebebasan memilih, apakah akan memanfaatkan materi pembelajaran elektronik atau tidak. Dalam hal ini, tidak ada kewajiban/keharusan bagi peserta didik untuk mengakses materi pembelajaran elektronik. Sekalipun sifatnya opsional, peserta didik yang memanfaatkannya tentu akan memiliki tambahan pengetahuan atau wawasan. b.

Komplemen (Tambahan) Dikatakan berfungsi sebagai komplemen (pelengkap) apabila materi pembelajaran elektronik diprogramkan untuk melengkapi materi pembelajaran yang diterima siswa di dalam kelas. Sebagai Komplemen berarti materi pembelajaran elektronik diprogramkan untuk menjadi materi reinforcement (pengayaan) atau remedial bagi peserta didik di dalam mengikuti kegiatan pembelajaran konvensional. Materi pembelajaran elektronik dikatakan sebagai enrichment, apabila kepada peserta didik yang dapat dengan cepat menguasai / memahami materi pelajaran yang disampaikan guru secara tatap muka (fast learners) diberikan kesempatan untuk mengakses materi pembelajaran elektronik yang memang secara khusus dikembangkan untuk mereka. Tujuannya agar semakin memantapkan tingkat penguasaan peserta didik terhadap materi pelajaran yang disajikan guru didalam kelas. Dikatakan sebagai program remedial, apabila kepada peserta didik yang kesulitan memahami materi pelajaran yang disajikan guru secara tatap muka di kelas (slow learners) diberikan kesempatan untuk memanfaatkan materi pembelajaran elektronik yang memang secara khusus dirancang untuk mereka.

Pengganti (Substitusi) Beberapa perguruan tinggi di negara-negara maju memberikan beberapa alternative model kegiatan pembelajaran / perkuliahan kepada para mahasiswanya.

Tujuannya agar para mahasiswa dapat secara fleksibel mengelola kegiatan perkuliahannya sesuai dengan waktu dan aktifitas lain sehari-hari mahasiswa.

E-learning bisa mencakup pembelajaran secara formal maupun informal. E-

learning secara formal, misalnya adalah pembelajaran dengan kurikulum, silabus,

mata pelajaran dan tes yang telah diatur dan disusun berdasarkan jadwal yang telah disepakati pihak-pihak terkait (pengelola e-learning dan pembelajar sendiri). Pembelajaran seperti ini biasanya tingkat interaksinya tinggi dan diwajibkan oleh perusahaan pada karyawannya, atau pembelajaran jarak jauh yang dikelola oleh universitas dan perusahaan-perusahaan (biasanya perusahan konsultan) yang memang bergerak di bidang penyediaan jasa e-learning untuk umum. E-learning bisa juga dilakukan secara informal dengan interaksi yang lebih sederhana, misalnya melalui sarana mailing list, e-newsletter atau website pribadi, organisasi dan perusahaan yang ingin mensosialisasikan jasa, program, pengetahuan atau keterampilan tertentu pada masyarakat luas (biasanya tanpa memungut biaya).

2.1.4 Keunggulan dan Kekurangan

Keuntungan menggunakan e-learning (Wahono, 2005) diantaranya adalah sebagai berikut: a.

Menghemat waktu proses belajar mengajar.

Mengurangi biaya transportasi.

Menghemat biaya pendidikan secara keseluruhan.

Menjangkau wilayah geografis yang lebih luas.

Melatih pembelajaran lebih mandiri dalam mendapatkan ilmu pengetahuan. Pemanfaatan internet untuk pembelajaran atau e-learning juga tidak terlepas dari berbagai kekurangan. Berbagai kekurangan (Bullen, 2001 dan Beam, 1997), antara lain: a.

Kurangnya interaksi antara guru dan siswa atau bahkan antar siswa itu sendiri.

Kecenderungan mengabaikan aspek akademik atau aspek sosial dan sebaliknya mendorong tumbuhnya aspek bisnis / komersial.

Proses belajar dan mengajarnya cenderung kearah pelatihan daripada pendidikan.

Berubahnya peran guru dari yang semula menguasai teknik pembelajaran konvensional, juga dituntut mengetahui teknik pembelajaran menggunakan

ICT.

Siswa yang tidak mempunyai motivasi belajar yang tinggi cenderung gagal.

Tidak semua tempat tersedia fasilitas internet.

Kurangnya tenaga yang mengetahui dan memiliki keterampilan internet.

2.1.5 Informal E-learning

Karakteristik dari informal e-learning terdiri atas dua aspek berikut:

1. Aspek Lingkungan Pembelajaran: a.

Bergantung pada aplikasi komputer, layanan web atau teknologi.

Tidak bergantung pada kurikulum.

Belajar bisa dilakukan dimana saja dan kapan saja selagi terhubung dengan internet.

Tidak terdapat penilaian atau sertifikat kepada pengguna untuk pencapaian tertentu.

2. Aspek Personal: a.

Bersifat mandiri sesuai kebutuhan pribadi.

Proses belajar yang koperatif. Adapun aplikasi, teknologi dan layanan yang digunakan dalam informal e-

learning adalah: a.

Aplikasi: web browser.

Layanan: search engines (Google, Bing, Yahoo), social bookmarking (delicious), social networks (facebook, XING, eduspaces.net), RSS.

Konten: Wikipedia, Youtube, micro-publishing.

Teknologi: e-portfolios, wikis, podcasts, weblogs.

2.2 Sistem Rekomendasi (Recommendation System)

2.2.1 Pengertian Sistem Rekomendasi

Sistem rekomendasi merupakan model aplikasi dari hasil observasi terhadap keadaan dan keinginan pengguna. Oleh karena itu, sistem rekomendasi memerlukan model rekomendasi yang tepat agar hasil rekomendasi sesuai dengan kebutuhan pengguna. Menurut Sebastia, L et. al (2009) sistem rekomendasi merupakan sebuah alat personalisasi yang menyediakan sebuah informasi daftar item-item yang sesuai dengan keinginan pengguna. Sistem rekomendasi menyimpulkan preferensi pengguna dengan menganalisis ketersediaan data pengguna dan lingkungannya. Oleh karena itu, sistem rekomendasi akan menawarkan kemungkinan dari penyaringan informasi personal sehingga hanya informasi yang sesuai dengan kebutuhan dan preferensi pengguna yang akan ditampilkan di sistem dengan menggunakan sebuah teknik atau model rekomendasi.

Sistem rekomendasi dikelompokkan kedalam metode berikut ini, berdasarkan bagaimana rekomendasi dibuat: a.

Content-based Recommendations: item yang direkomendasikan kepada pengguna disesuaikan dengan minat pengguna di masa lalu.

Collaborative Filtering Recommendations: item yang direkomendasikan kepada pengguna disesuaikan dengan minat dan penilaian pengguna lainnya di masa lalu.

Hybrid Approaches: metode ini menggabungkan metode collaborative filtering dengan content-based filtering.

2.2.2 Collaborative Filtering Recommendations

Collaborative filtering adalah salah satu teknik yang digunakan dalam sistem

rekomendasi. Collaborative filtering memiliki 2 pengertian, yang khusus dan yang lebih umum (Herlocker, et. al, 2001). Secara umum, collaborative filtering adalah proses penyaringan informasi atau pola menggunakan teknik yang melibatkan kolaborasi antara multiple agents, sudut pandang, sumber data, dll. Aplikasi dalam

collaborative filtering biasanya melibatkan kumpulan data yang sangat besar. Secara

khusus, collaborative filtering adalah sebuah metode dalam membuat prediksi otomatis tentang minat pengguna dengan mengumpulkan informasi pilihan dan selera dari banyak pengguna. Asumsi yang mendasari pendekatan collaborative filtering adalah jika individu A dan individu B memiliki opini tentang sesuatu, A lebih sependapat dengan B tentang hal tersebut dibandingkan dengan orang lain yang dipilih secara acak. Misalnya, sistem rekomendasi collaborative filtering untuk pilihan acara televisi bisa membuat prediksi tentang acara televisi mana yang mungkin disukai oleh pengguna, diberikan dalam bentuk list berdasarkan selera pengguna (suka atau tidak suka).

Pengantar Collaborative Filtering Pertumbuhan internet telah menjadikan proses ekstraksi informasi secara efektif dari besar membutuhkan semacam mekanisme untuk menyaring informasi secara efisien. Salah satu teknik yang digunakan untuk menangani masalah ini adalah collaborative filtering.

Motivasi penggunaan metode collaborative filtering berasal dari sebuah ide dimana seseorang sering memperoleh rekomendasi dari seseorang yang memiliki minat yang sama. Collaborative filtering mengeksplorasi kesesuaian minat dan membuat rekomendasi kesamaan berdasarkan minat tersebut.

Collaborative filtering biasanya membutuhkan: a.

Partisipasi pengguna aktif b.

Cara yang mudah untuk merepresentasikan minat pengguna ke sistem.

Algoritma yang bisa menyesuaikan pengguna yang memiliki selera yang sama. Biasanya, alur kerja collaborative filtering adalah: 1.

Pengguna mengungkapkan pilihannya dengan memberi rate pada item dalam sistem. Rating ini bisa dilihat kurang lebih sebagai gambaran minat pengguna terhadap.

2. Sistem menyesuaikan rating pengguna dengan pengguna lainnya dan menemukan pengguna yang memiliki minat paling mirip.

3. Sistem merekomendasikan item yang diberi rating tertinggi oleh pengguna lain, kepada pengguna yang belum memberikan rating terhadap item tersebut.

Metodologi

Collaborative filtering memiliki banyak metode, tetapi pada umumnya hanya

digunakan 2 metode: 1.

User-based collaborative filtering a.

Mencari pengguna yang memberikan pola rating yang sama dengan pengguna aktif.

Menggunakan rating dari pengguna yang sependapat yang ditemukan pada langkah 1 untuk menghitung prediksi bagi pengguna aktif.

2. a.

Membangun matriks item-item yang menentukan hubungan antara pasangan item.

Menggunakan matriks, dan data pada pengguna aktif, untuk menyimpulkan minat pengguna.

Sistem rekomendasi berbasis collaborative filtering dibuat untuk mengatasi kelemahan dari sistem rekomendasi content-based filtering yaitu: a.

Pendekatan collaborative dapat bekerja dalam domain dimana terdapat sedikit content yang berasosiasi dengan item atau ditempat dimana content sulit dianalisis menggunakan komputer seperti ide, masukan atau opini sehingga menjadi reliable.

Pendekatan collaborative mempunyai kemampuan untuk menyediakan rekomendasi yang tidak terduga atau tidak disengaja, misalnya dapat merekomendasikan item yang relevan kepada pengguna sekaligus tidak mengandung content dari profil pengguna tersebut.

2.3 Algoritma Slope One

Algoritma Slope One merupakan salah satu algoritma yang digunakan dalam metode

collaborative filtering, yang diperkenalkan dalam sebuah karya tulis oleh Daniel

Lemire dan Anna Mclachlan pada tahun 2005. Algoritma Slope One digunakan untuk mengurangi overfitting, meningkatkan kinerja dan implementasi yang lebih mudah.

Slope One

didasarkan pada “popularity differential” yang dihitung dengan mengurangkan rating rata-rata dari dua buah item (Lemere dan McGrath, 2005).

Algoritma Slope One memiliki persamaan seperti berikut: Dimana Cij dalam persamaan tersebut adalah jumlah pengguna yang memberikan

rate terhadap item i dan item j. Semakin besar nilai Cij, maka hasil prediksi (r ij dev ) semakin lebih bisa dipercaya.

Gambar 2.1. Skema dasar Slope One

Misalkan: 1.

Pengguna A memberikan 1 terhadap item I dan 1,5 terhadap item J.

2. Pengguna B memberikan 2 terhadap item I.

3. Bagaimana pengguna B menilai item J? 4.

Jawaban dari Slope One adalah 2,5 (1,5-1+2 = 2,5) Untuk contoh yang lebih nyata, perhatikan table berikut:

Tabel 2.1. Contoh implementas Slope One

Pelanggan Item 1 Item 2 Item 3 John

2 Mark

3 4 - Lucy -

5 Dalam hal ini, perbedaan rating rata-rata antara item 1 dan 2 adalah (2+(-1))/2 = 0.5. Oleh karena itu, berdasarkan rata-rata, item 1 di-rate diatas item 2 sebesar 0.5.

Demikian pula, perbedaan rata-rata antara item 3 dan 1 adalah 3. Oleh karena itu, jika kita mencoba memprediksi penilaian Lucy terhadap item 1 menggunakan penilaiannya terhadap item 2, kita memperoleh 2+0.5=2.5. Demikian pula, jika kita mencoba untuk memprediksi penilaiannya terhadap item 1 menggunakan penilaiannya terhadap item 3, kita memperoleh 8 (5+3 = 8).

Jika pengguna memberi rate terhadap sejumlah item, hasil prediksi hanya akan adalah jumlah pengguna yang memberi rate terhadap kedua item. Pada contoh diatas, kita akan memprediksi rating untuk Lucy:

2.4 Unified Modeling Language (UML)

Unified Modeling Language (UML) adalah sebuah “bahasa” yang telah menjadi standard industri untuk visualisasi, merancang dan mendokumentasikan sistem piranti lunak (Dharwiyanti dan Wahono, 2003). Dengan menggunakan UML, pemodelan

informal e-learning menjadi lebih terstruktur sebelum diimplementasikan ke bahasa

pemrograman tertentu. Unified Modeling Language (UML) bukanlah : 1.

Bahasa pemrograman visual, tetapi bahasa pemodelan visual.

2. Spesifikasi kakas, tetapi spesifikasi bahasa pemodelan.

3. Proses, tetapi yang memungkinkan proses-proses.

Tujuan perancangan UML adalah: 1.

Menyediakan bahasa pemodelan visual yang ekspresif dan siap pakai untuk mengembangkan dan pertukaran model-model yang berarti. Dalam penelitian ini, UML digunakan dalam pemodelan interaksi antara komponen dari informal e-learning seperti: user dan konten.

2. Menyediakan mekanisme perluasan dan spesialisasi untuk memperluas konsep- konsep inti.

3. Mendukung spesifikasi independen bahasa pemrograman dan pengembangan tertentu.

4. Menyediakan basis formal untuk pemahaman bahasa pemodelan.

5. Mendukung konsep-konsep pengembangan level lebih tinggi seperti komponen, kolaborasi, framework dan pattern.

Unified Modeling Language (UML) menyediakan sejumlah diagram untuk menggambarkan pemodelan berorientasi objek yang dilakukan. UML membagi diagram menjadi dua tipe yaitu :

1. Diagram Struktur

Diagram ini untuk memvisualisasi, menspesifikasi, membangun dan mendokumentasikan aspek statik dari sistem. Diagram struktur di UML terdiri dari: a.

Diagram Kelas (Class diagram) b.

Diagram Objek (Object diagram) c. Diagram komponen (Component diagram) d.

Diagram deployment (Deployment Diagram)

2. Diagram perilaku Diagram ini untuk memvisualisasi, menspesifikasi, membangun dan mendokumentasikan aspek dinamis dari sistem. Diagram struktur di UML terdiri dari: a.

Diagram use-case (Use case diagram) b.

Diagram sekuen (sequence diagram) c. Diagram kolaborasi (collaboration diagram) d.

Diagram statechart (Statechart diagram) e. Diagram aktivitas (Activity diagram)

2.4.1 Diagram Use Case

Diagram use case merupakan salah satu diagram untuk memodelkan aspek perilaku sistem atau digunakan untuk mendeskripsikan apa yang seharusnya dilakukan oleh sistem (Hariyanto, 2004). Diagram use case terdiri dari beberapa elemen yaitu: 1.

Aktor Aktor adalah pemakai sistem, dapat berupa manusia atau sistem terotomatisasi lain.

Aktor adalah sesuatu atau seseorang yang berinteraksi dengan sistem, yaitu siapa dan apa yang menggunakan sistem. Aktor adalah tipe (kelas) bukan instan. Aktor mempresentasikan peran bukan pemakai individu dari sistem. Aktor memiliki nama,

Gambar 2.2. Aktor-aktor use case 2.

Use Case

Use case adalah cara spesifik penggunaan sistem oleh aktor. Use case melibatkan

interaksi antara aktor-aktor dan sistem. Use case mengemukakan suatu kerja yang tampak.

Gambar 2.3. Aktor dan use case 3.

Keterhubungan Keterhubungan antara use case dengan use case lain berupa generalisasi antara use

case yaitu : a. include, perilaku use case merupakan bagian dari use case lain.

b. extend, perilaku use case memperluas perilaku use case yang lain.

Gambar 2.4. Aktor, use case dan keterhubungan

2.4.2 Use Case Spesification Spesifikasi use case memberikan gambaran lengkap spesifikasi tekstual pada use case.

Spesifikasi use case sistem rekomendasi dilakukan berdasarkan case yang ada pada

use case diagram. Spesifikasi use case biasanya terdiri dari : a.

Deskripsi singkat case, yang menjelaskan apa yang terjadi pada case.

Pra kondisi yaitu keadaan apa yang terjadi sebelum case berlangsung.

Karakteristik yang dimiliki oleh case.

Skenario (flow of event) yaitu menjelaskan cara kerja case mulai dari awal hingga akhir.

Pasca kondisi yaitu keadaan apa atau output apa yang dihasilkan setelah case berlangsung.

2.4.3 Diagram Sekuen (Sequence Diagram)

Diagram sekuen (sequence diagram) menggambarkan interaksi antar objek di dalam dan di sekitar sistem (termasuk pengguna, display dan sebagainya) berupa message (pesan) yang digambarkan terhadap waktu.

Diagram sekuen digunakan untuk memodelkan scenario penggunaan. Skenario penggunaan adalah barisan kejadian yang terjadi selama satu eksekusi sistem. Diagram sekuen menunjukkan objek sebagai garis vertical dan tiap kejadian sebagai panah horizontal dari objek pengirim ke objek penerima. Waktu berlalu dari atas ke bawah dengan lama waktu tidak relevan.

Diagram sekuen (sequence diagram) memeiliki beberapa elemen yang terdiri dari:

Tabel 2.1. Elemen-elemen dari sequence diagram

Nama Penjelasan Gambar

1 Objek lifeline Menggambarkan batasan objek

2 Boundary Berhubungan dengan proses input output ataupun interface.

3 Controller Berhubungan dengan proses

4 Entity Berhubungan dengan input-output data

5 Massage Menggambarkan Arrow alur proses, perintah atau pengiriman data.

6 Aktivasi Menggambarkan aktifitas objek

7 Actor Menggambarkan actor sebagai objek

2.4.4 Diagram Aktivitas (Activity Diagram)

Diagram aktivitas adalah diagram flowchart yang diperluas untuk menunjukkan aliran kendali satu aktivitas ke aktivitas lain. Diagram aktivitas digunakan untuk memodelkan aspek dinamis sistem. Diagram aktivitas berupa operasi-operasi dan aktivitas-aktivitas di use case (Hariyanto, 2004). Diagram aktivitas dapat digunakan untuk: 1.

Pandangan dalam yang dilakukan di operasi.

2. Pandangan dalam bagaimana objek-objek bekerja.

3. Pandangan dalam aksi-aksi dan pengaruhnya pada objek-objek.

4. Pandangan dalam dari suatu use case.

5. Logik dari proses bisnis. Diagram aktivitas merupakan state diagram khusus, dimana sebagian besar state adalah action dan sebagian besar transisi di-trigger oleh state sebelumnya (internal

processing ). Oleh karena itu diagram aktivitas tidak menggambarkan behaviour

sebuah sistem (dan interaksi antar subsistem) secara eksak, tetapi lebih

internal menggambarkan proses-proses dan jalur-jalur aktivitas dari level atas secara umum.

Sebuah aktivitas dapat direalisasikan oleh satu use case atau lebih. Aktivitas menggambarkan proses yang berjalan, sementara use case menggambarkan bagaimana aktor menggunakan sistem untuk melakukan aktivitas (Dharwiyanti dan Wahono,

Tabel 2.2 Simbol Aktivitas Diagram

2.5. Bahasa Pemrograman PHP

PHP (Hypertext Preprocessor) adalah bahasa komputer yang dibuat untuk pengembangan web dinamis. Pada umumnya PHP digunakan di server namun juga dapat berdiri sendiri sebagai aplikasi graphical (www.php.net, 2008).

Pada sistem rekomendasi informal e-learning ini digunakan bahasa pemrograman PHP dalam membangun sistem dan database MySQL sebagai penyimpanan data dan basis pengetahuan. Penggunanan PHP dan MySQL dipilih karena PHP dan MySQl memiliki beberapa kelebihan seperti dinyatakan oleh Nugroho, B (2008) kelebihannya sebagai berikut: 1.

Bahasa pemrograman PHP adalah sebuah bahasa script yang tidak melakukan sebuah kompilasi dalam penggunaanya.

2. Web Server yang mendukung PHP sangat mudah ditemukan, mulai dari IIS sampai dengan Apache, dengan konfigurasi yang relatif mudah.

3. Dalam sisi pengembangan lebih mudah, karena banyaknya milis - milis dan

4. Dalam sisi pemahamanan, PHP adalah bahasa scripting yang paling mudah karena referensi yang banyak.

5. PHP adalah bahasa open source yang dapat digunakan di berbagai mesin (Linux, Unix, Windows) dan dapat dijalankan secara runtime melalui console serta juga dapat menjalankan perintah-perintah sistem.

BAB 2 LANDASAN TEORI 2.1 E-Learning - Sistem Rekomendasi pada Informal E-Learning Menggunakan Metode Collaborative Filtering dengan Algoritma Slope One