Rancang Bangun Reinforcement Learning pada Intelligent Tutoring System untuk Personalisasi Tingkat Kesulitan Soal Matematika

Argio, Vidi (2025) Rancang Bangun Reinforcement Learning pada Intelligent Tutoring System untuk Personalisasi Tingkat Kesulitan Soal Matematika. Bachelor Thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Download (1MB)
	PDF BAB_I.pdf Download (217kB)
	PDF BAB_II.pdf Download (363kB)
	PDF BAB_III.pdf Download (653kB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (752kB)
	PDF BAB_V.pdf Download (246kB)
	PDF DAFTAR_PUSTAKA.pdf Download (211kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (348kB)

Abstract

Pendidikan merupakan aspek krusial dalam pengembangan sumber daya manusia. Khususnya pada usia 15 tahun, di mana pemahaman konsep matematika sangat menentukan perkembangan kognitif mereka. Namun, sistem pembelajaran konvensional seringkali tidak mampu menyesuaikan tingkat kesulitan materi dengan kemampuan masing-masing pelajar, yang berdampak pada rendahnya performa akademik. Untuk mengatasi permasalahan tersebut, penelitian ini mengembangkan sistem Intelligent Tutoring System (ITS) berbasis web yang mengimplementasikan algoritma Reinforcement Learning, khususnya Q-Learning, guna mempersonalisasi tingkat kesulitan soal matematika. Dalam konteks pembelajaran matematika, tantangan utama adalah menyediakan soal yang sesuai dengan kemampuan individu siswa. Penelitian ini bertujuan untuk merancang dan mengimplementasikan algoritma Reinforcement Learning (RL), khususnya model Q-Learning, pada Intelligent Tutoring System (ITS) untuk personalisasi tingkat kesulitan soal matematika. Sistem ini memungkinkan adaptasi dinamis berdasarkan interaksi siswa, dengan memanfaatkan parameter learning rate ( = 0.1) dan discount factor ( = 0.9). Implementasi dilakukan menggunakan teknologi full- stack dengan backend Python dan database Microsoft SQL Server. Hasil evaluasi menunjukkan bahwa sistem mampu menyesuaikan tingkat kesulitan soal secara adaptif berdasarkan performa siswa, dengan waktu respons rata-rata di bawah 130 ms, memastikan efisiensi dalam skenario pembelajaran interaktif real-time. Sistem ini meningkatkan pengalaman belajar yang personal dan progresif, mendukung peningkatan penguasaan materi matematika secara bertahap.

Item Type:	Thesis (Bachelor Thesis)
Creators:	Argio, Vidi (00000063596)
Contributors:	Kusnadi, Adhi Twince Tobing, Fenina Adline
Keywords:	Intelligent Tutoring System (ITS), Pembelajaran Adaptif, Personalisasi Soal, Q-Learning, Reinforcement Learning (RL).
Subjects:	000 Computer Science, Information and General Works
Divisions:	Faculty of Engineering & Informatics > Informatics
Date Deposited:	10 Sep 2025 06:54
URI:	https://kc.umn.ac.id/id/eprint/40519

Actions (login required)

View Item