๐ Sintesa Solusi per Kasus
Berikut adalah penjelasan rinci mengenai sintesa solusi untuk setiap kasus non-kognitif belajar Informatika,
dilengkapi dengan referensi ilmiah yang menjadi landasan teoritisnya.
๐ง Case-Based Reasoning (CBR)
Apa itu CBR?
Case-Based Reasoning (CBR) adalah pendekatan dalam kecerdasan buatan yang menyelesaikan masalah baru
dengan mencari solusi dari kasus-kasus lama yang serupa. Sistem ini menyimpan basis pengetahuan
berupa kasus-kasus sebelumnya, kemudian ketika ada masalah baru, sistem akan:
- Mencari kasus yang paling mirip dengan masalah baru
- Mengadaptasi solusi dari kasus tersebut
- Memberikan rekomendasi solusi
๐ก Pada sistem ini: CBR digunakan untuk mendiagnosis kondisi non-kognitif siswa dalam belajar Informatika.
Sistem membandingkan jawaban siswa (10 parameter) dengan 40 kasus yang sudah ada, lalu memberikan rekomendasi
solusi berdasarkan kasus dengan tingkat kemiripan tertinggi.
Metode Similaritas: Tversky
Sistem ini menggunakan rumus Similaritas Tversky untuk mengukur tingkat kemiripan antara
kasus baru dengan kasus lama:
S(A,B) = C / (C + ฮฑยทA_only + ฮฒยทB_only)
- C = Jumlah parameter yang bernilai "Ya" pada kedua kasus (kesamaan)
- A_only = Jumlah parameter yang bernilai "Ya" hanya pada kasus baru
- B_only = Jumlah parameter yang bernilai "Ya" hanya pada kasus lama
- ฮฑ = 0.5 dan ฮฒ = 0.5 (bobot preferensi)
Semakin tinggi nilai Similaritas (mendekati 1), semakin mirip kasus tersebut dengan kondisi siswa.
Contoh Langkah Penggunaan (1)
๐ Skenario: Seorang siswa mengisi asesmen dengan parameter:
- P1: Ya, P2: Tidak, P3: Tidak, P4: Ya, P5: Tidak, P6: Tidak, P7: Tidak, P8: Tidak, P9: Tidak, P10: Ya
โ๏ธ Proses:
- Sistem membandingkan vektor siswa dengan 40 kasus menggunakan rumus Tversky.
- Ditemukan Kasus #2 memiliki similarity tertinggi (85%).
- Sistem menampilkan solusi dari Kasus #2: "Motivasi + minat: gunakan proyek teknologi sesuai minat siswa, pengembangan game, dan aplikasi".
โ
Hasil: Guru menerima rekomendasi dan menerapkannya dalam pembelajaran.
Contoh Langkah Penggunaan (2)
๐ Skenario: Seorang siswa mengisi asesmen dengan parameter:
- P1: Tidak, P2: Tidak, P3: Ya, P4: Tidak, P5: Tidak, P6: Tidak, P7: Tidak, P8: Tidak, P9: Tidak, P10: Tidak
โ๏ธ Proses:
- Sistem membandingkan vektor siswa dengan 40 kasus menggunakan rumus Tversky.
- Ditemukan Kasus #6 memiliki similarity tertinggi (78%) dan Kasus #11 (72%) sebagai alternatif.
- Sistem menampilkan solusi dari Kasus #6: "Tingkatkan kepercayaan diri: beri tugas bertahap, pujian spesifik, dan latihan teknologi".
- Guru dapat melihat 5 kasus teratas beserta similarity-nya.
โ
Hasil: Guru memilih rekomendasi dari Kasus #6 karena paling sesuai dengan kondisi siswa.
๐ก Sistem menampilkan 5 kasus teratas sehingga guru memiliki alternatif solusi.
Keunggulan CBR pada Sistem Ini
- Adaptif: Solusi disesuaikan dengan kasus yang paling mirip
- Transparan: Guru dapat melihat kasus mana yang digunakan sebagai acuan
- Akumulatif: Basis pengetahuan dapat terus bertambah seiring waktu
- Kontekstual: Mempertimbangkan kombinasi parameter secara holistik