Rancang Bangun Aplikasi Intelligent Tutoring System Pembelajaran Java dengan Random Forest sebagai Pendukung Pemilihan Soal Adaptif

Gabriel Hernandes, Louis (2026) Rancang Bangun Aplikasi Intelligent Tutoring System Pembelajaran Java dengan Random Forest sebagai Pendukung Pemilihan Soal Adaptif. Bachelor Thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Restricted to Registered users only Download (731kB)
	PDF BAB_I.pdf Download (224kB)
	PDF BAB_II.pdf Download (464kB)
	PDF BAB_III.pdf Restricted to Registered users only Download (6MB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (1MB)
	PDF BAB_V.pdf Restricted to Registered users only Download (225kB)
	PDF DAFTAR_PUSTAKA.pdf Restricted to Registered users only Download (223kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (549kB)
	Archive (ZIP) 00000070250_2521_LembarPengesahan.pdf Restricted to Registered users only Download (66kB)

Abstract

Pembelajaran pemrograman pada siswa SMA/SMK memerlukan latihan bertahap karena kemampuan memahami sintaks, alur logika, penelusuran kode, dan perbaikan kesalahan dapat berbeda antarindividu. Penelitian ini bertujuan merancang dan membangun aplikasi Intelligent Tutoring System pembelajaran Java serta mengevaluasi fungsi aplikasi, model prediksi, mekanisme adaptif, dan respons pengguna. Pengembangan menggunakan metode Waterfall. Aplikasi dibangun dengan Python dan Streamlit, menyediakan autentikasi, 5.500 soal pada 11 topik dan 5 tingkat kesulitan, student model, hint progresif, umpan balik, penyimpanan progres, serta sesi 20 soal. Model Random Forest dilatih menggunakan 23.703 interaksi pada dataset CodeWorkout Fall 2019 dari 2nd CSEDM Data Challenge 2021. Model memprediksi peluang keberhasilan pengguna sebagai komponen pendukung pemilihan soal, sedangkan perubahan tingkat kesulitan antarsesi menggunakan aturan pedagogis. Pengujian pada 4.685 data validasi yang dipisahkan berdasarkan pengguna menghasilkan akurasi 0,7266, AUC 0,7658, F1 kelas berhasil 0,8075, macro F1 0,6678, dan Brier score 0,1787. Audit data leakage menunjukkan bahwa atribut hasil soal saat ini dapat meningkatkan AUC secara tidak valid menjadi 0,9759 sehingga atribut tersebut dikeluarkan dari model akhir. Seluruh 13 skenario fungsional dan 7 skenario mekanisme adaptif berjalan sesuai rancangan. Analisis formatif pada data 40 responden menghasilkan rata-rata 3,91 dari 5 atau 78,1%. Penelitian menghasilkan prototipe ITS dengan adaptasi hibrida berbasis prediksi, kondisi pengguna, dan aturan pedagogis. Pengujian lanjutan pada siswa SMA/SMK dan validasi ahli terhadap bank soal tetap diperlukan.

Item Type:	Thesis (Bachelor Thesis)
Creators:	Gabriel Hernandes, Louis (00000070250)
Contributors:	Twince Tobing, Fenina Adline
Keywords:	Intelligent Tutoring System, Java, pembelajaran adaptif, Random Forest, rancang bangun aplikasi.
Subjects:	000 Computer Science, Information and General Works
Divisions:	Faculty of Engineering & Informatics > Informatics
Date Deposited:	25 Jul 2026 07:59
URI:	https://kc.umn.ac.id/id/eprint/48125

Actions (login required)

View Item