Rancang Bangun Website Pembelajaran Kosakata Mandarin Berbasis Flashcard dengan Penjadwalan Review Menggunakan Model GRU-HLR

Nikolai, Evander (2026) Rancang Bangun Website Pembelajaran Kosakata Mandarin Berbasis Flashcard dengan Penjadwalan Review Menggunakan Model GRU-HLR. Bachelor Thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Restricted to Registered users only Download (1MB)
	PDF BAB_I.pdf Download (216kB)
	PDF BAB_II.pdf Download (284kB)
	PDF BAB_III.pdf Restricted to Registered users only Download (730kB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (1MB)
	PDF BAB_V.pdf Restricted to Registered users only Download (206kB)
	PDF DAFTAR_PUSTAKA.pdf Restricted to Registered users only Download (218kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (564kB)
	Archive (ZIP) 00000079812_2521_LembarPengesahan.pdf Restricted to Registered users only Download (66kB)

Abstract

Retensi kosakata merupakan salah satu tantangan dalam pembelajaran bahasa Mandarin karena kosakata yang telah dipelajari mudah dilupakan seiring berjalannya waktu. Meskipun media pembelajaran berbasis digital flashcard telah banyak digunakan, sebagian besar sistem masih menerapkan jadwal review yang bersifat statis dan belum mempertimbangkan kondisi memori pengguna. Oleh karena itu, penelitian ini bertujuan mengembangkan aplikasi pembelajaran kosakata bahasa Mandarin berbasis web menggunakan digital flashcard dengan menerapkan model Gated Recurrent Unit Half-Life Regression (GRU-HLR) untuk menghasilkan penjadwalan review yang adaptif. Aplikasi dikembangkan menggunakan metode prototyping dengan Next.js sebagai frontend, Express.js sebagai backend, PostgreSQL sebagai basis data, serta PyTorch untuk implementasi model GRU-HLR. Evaluasi sistem dilakukan menggunakan Black Box Testing, sedangkan kepuasan pengguna diukur menggunakan metode End User Computing Satisfaction (EUCS). Selain itu, peningkatan Recall Probability dianalisis menggunakan metode Normalized Gain (N-Gain). Hasil penelitian menunjukkan seluruh fitur aplikasi berjalan sesuai kebutuhan sistem. Evaluasi EUCS terhadap 34 responden memperoleh tingkat kepuasan sebesar 88,27% dengan kategori Sangat Setuju. Seluruh pengguna juga mengalami peningkatan Recall Probability, dengan empat pengguna memperoleh kategori High Gain dan empat pengguna memperoleh kategori Medium Gain. Hasil tersebut menunjukkan bahwa penerapan model GRU- HLR mampu menghasilkan penjadwalan review yang adaptif sehingga mendukung peningkatan retensi kosakata bahasa Mandarin.

Item Type:	Thesis (Bachelor Thesis)
Creators:	Nikolai, Evander (00000079812)
Contributors:	Twince Tobing, Fenina Adline
Keywords:	Digital Flashcard, GRU-HLR, Recall Probability, Pembelajaran Bahasa Mandarin, Spaced Repetition.
Subjects:	000 Computer Science, Information and General Works
Divisions:	Faculty of Engineering & Informatics > Informatics
Date Deposited:	30 Jul 2026 12:01
URI:	https://kc.umn.ac.id/id/eprint/48876

Actions (login required)

View Item