autonomous levelling sentence composer berbasis …

AUTONOMOUS LEVELLING

SENTENCE COMPOSER

BERBASIS CAUSAL BAYESIAN NETWORK

UNTUK INTELLIGENT TUTORING SYSTEM

Mohamad Safrodin

NRP : 2208 205 736

G a m e T e c h n o l o g y [ I T S ] - 2 0 1 0

14 JULI 2010

Daftar Isi

Latar Belakang 1

Standar Kompetensi Bahasa Inggris 2

Kajian 3

Metode Penelitian 4

Pustaka 5

Latar Belakang

Keunggulan sistem tutor cerdas dibandingkan guru adalah

kemampuannya dalam memahami karakteristik unik setiap siswa dan

menyampaikan materi pembelajaran sesuai dengan karakteristik

siswa tersebut (Franek, 2003). Kecerdasan sistem tutor cerdas

diwujudkan dalam kemampuan pedagogignya untuk menyampaikan

materi sesuai karakteristik siswa yang diajarnya, memberikan tugas,

dan menilai kemampuan siswa

Model Kompetensi Komunikatif (dari Celce-Murcia et al.)

Salah satu model terkini yang ada di dalam literatur pendidikan bahasa adalah yang dikemukakan oleh Celce-Murcia, Dornyei dan Thurrell (1995) yang kompatibel dengan pandangan teoritis bahwa bahasa adalah komunikasi, bukan sekedar seperangkat aturan. Implikasinya adalah bahwa model kompetensi berbahasa yang dirumuskan adalah model yang menyiapkan siswa untuk berkomunikasi dengan bahasa untuk berpartisipasi dalam masyarakat pengguna bahasa. Model ini dirumuskan sebagai Communicative

Competence atau Kompetensi

Komunikatif (KK) yang direpresentasikan dalam Celce-Murcia et al. (1995:10) sebagai berikut:

Diagram Kern

pengembangan kemampuan berwicara dan beraksara dilakukan secara terpadu.

Keterampilan mendengarkan, berbicara, membaca dan menulis tidak diposisikan secara linier, berjajar, melainkan terpadu sebagai struktur yang mewarnai rancangan proses belajar dan mengajar. Kern (2000:132) merepresentasikan gagasannya dalam tiga lingkaran talking, reading dan writing.

Modified Diagram

Dalam konteks pengajaran bahasa asing, seringkali kegiatan mendengarkan dilakukan terpisah dari kegiatan berbicara karena kegiatan tersebut difokuskan kepada latihan mengucapkan atau menirukan bunyi-bunyi, kata dan sebagainya. Oleh karenanya model Kern (2000) di atas dapat dimodifikasi menjadi empat lingkaran sebagai berikut:

Bayes Theorem

Bentuk dasar dari Teori Bayes adalah sebagai Berikut :

Dimana : P(A) = adalah prior probability atau marginal probability dimana

probabilitas A tidak tergantung kondisi B P(A|B) = adalah probabilitas kondisional A dari kondisi B P(B|A) = adalah probabilitas kondisional B dari kondisi A P(B) = adalah prior probability atau marginal probability dimana

probabilitas B tidak tergantung kondisi A

State of the Art

ITS Architecture & Lesson Sequence

VERB TENSE

Simple Present Simple Past Simple Future

I study English every day. Two years ago, I studied English in England.

If you are having problems, I will help you study English. I am going to study English next year.

Present Continuous Past Continuous Future Continuous

I am studying English now. I was studying English when you called yesterday.

I will be studying English when you arrive tonight. I am going to be studying English when you arrive tonight.

Present Perfect Past Perfect Future Perfect

I have studied English in several different countries.

I had studied a little English before I moved to the U.S.

I will have studied every tense by the time I finish this course. I am going to have studied every tense by the time I finish this course.

Present Perfect Continuous Past Perfect Continuous Future Perfect Continuous

I have been studying English for five years.

I had been studying English for five years before I moved to the U.S.

I will have been studying English for over two hours by the time you arrive. I am going to have been studying English for over two hours by the time you arrive.

Verb Tense Overview with Examples

Metodologi Penelitian

Markov Assumption Default Tingkat Kesulitan

Komponen Penyusun Kalimat

Tenses 16 Tenses VERB Type

CO

RP

US

Assesment dan Skor

Word

Sentence Composer

DB

Causal Bayesian Net

Level of Difficulties

Level

Tenses

Pre

sent

Pas

t

Futu

re

Kata Kerja (Verb)

Reg

ular

Irreg

ular

Word

Corpus P

opul

ar

Non

-Pop

ular

Rar

e

Type

Pos

itive

Neg

ativ

e

Inte

rroga

tive

HASIL SENTENCE COMPOSER

14 Juli 2010

Perhitungan Probabilitas

Level (L) dimana ini merupakan input awal untuk menentukan tingkat kesulitan dari kalimat yang akan dihasilkan oleh sentence composer. node compose (C)

Dengan menggunakan Causal Bayesian Network maka probabilitas Level (L) input dapat dihitung. Misalkan dengan memberikan target pada sentence composer untuk menghasilkan kalimat dengan tingkat “B-Beginner” dan diketahui bahwa Tenses, Word dan Verb juga ditingkat “B-Beginner”

Perhitungan Probabilitas

COMPOSE TENSES TYPE WORD VERB LEVEL * ∑ RESULT

BBBBBB 0,9 0,95 0,6667 0,9 0,9 0,1852 0,0855

0,1178

0,8979

BBIBBB 0,7 0,95 0,2667 0,9 0,9 0,1852 0,0266

BBABBB 0,6 0,95 0,0667 0,9 0,9 0,1852 0,0057

COMPOSE TENSES TYPE WORD VERB LEVEL * ∑

BBBBBB 0,9 0,95 0,6667 0,9 0,9 0,1852 0,0855

0,1312

BBBBBI 0,9 0,3 0,3137 0,3 0,3 0,6296 0,0048

BBBBBA 0,9 0,2 0,0667 0,2 0,2 0,1852 0,0001

BBIBBB 0,7 0,95 0,2667 0,9 0,9 0,1852 0,0266

BBIBBI 0,7 0,3 0,3725 0,3 0,3 0,6296 0,0044

BBIBBA 0,7 0,2 0,2667 0,2 0,2 0,1852 0,0003

BBABBB 0,6 0,95 0,0667 0,9 0,9 0,1852 0,0057

BBABBI 0,6 0,3 0,3137 0,3 0,3 0,6296 0,0032

BBABBA 0,6 0,2 0,6667 0,2 0,2 0,1852 0,0006

•Tenses(TE) •Type(TY) •Word(WO) •Verb(VE)

Pada setiap parameter secara umum dibedakan dalam tiga level: •Beginner (B) •Intermediate(I) •Advance(A)

Perhitungan Probabilitas

Autonomous Levelling

Emphasis Autonomous Levelling

Hasil Sentence Composer

KESIMPULAN

Dari hasil pengujian terhadap sistem ALESCO (Autonomous Leveling Sentence Composer) diperoleh tingkat kesalahan rata-rata sebesar 3,8086% untuk level Advance, 4,3035% untuk level Intermediate, dan 13,5178% untuk level

Beginner. Level Beginner mempunyai tingkat kesalahan yang cukup tinggi karena kesalahan sedikit dengan pembanding yang mempunyai probabilitas kecil akan mengakibatkan error yang besar.

JADWAL KEGIATAN

Kegiatan Bulan_Tahun 2010

Maret-2010 April-2010 Mei 2010 Juni 2010 Juli-2010

Desain Knowledge Base

Desain Rule Tenses into DBMS

Desain Causal Bayesian Network

Implementasi Sistem

Pengujian

Penyusunan Buku

Referensi

Acid, S., de Campos, L., Ferna´ndez-Luna, J., & Huete, J. (2003). An information retrieval model based on simple Bayesian networks. International Journal of Intelligent Systems, 18(2), 251–265.

Archana K Rane(2005). Intelligent Tutoring System For Marathi. Celce-Murcia, M., Z. Dornyei, S. Thurrell 1995. Communicative Competence: A Pedagogically

Motivated Model with Content Specifications. In Issues in Applied Linguistics, 6/2, pp 5-35. Kyoung-Min Kim, Jin-Hyuk Hong, Sung-Bae Cho (2007). A semantic Bayesian network

approach to retrieving information with intelligent conversational agents. Information Processing and Management 43 (2007) 225–236

M. Asfah Rahman(2005), Gambaran tingkat penguasaan materi Kurikulum bahasa inggris lulusan Sekolah menengah umum Di sulawesi selatan

Horvitz, E., Breese, J., Heckerman, D., Hovel, D., & Rommelse, K. (1998). The Lumiere project: Bayesian user modeling for inferring the goals and needs of software users. In Proc. of the 14th conf. uncertainty in artificial intelligence (pp. 256–265).

Yi-Ting Huanga, Yi-Lung Lina, Jie-Chi Yang, and Yu-Chieh Wu, fsf An English Dialogue Companion System for Supporting Conversation Practice

DEPARTEMEN PENDIDIKAN NASIONAL (2003) STANDAR KOMPETENSI Mata Pelajaran BAHASA INGGRIS SEKOLAH MENENGAH ATAS dan MADRASAH ALIYAH, Kurikulum 2004.

Surya Supeno,Msc(2009), Sistem tutor cerdas berbasis game (game-based intelligent tutoring

System) dengan fitur agen Percakapan berbahasa indonesia

safrodin@elect-eng.its.ac.id safrodin@eepis-its.edu

http://lecturer.eepis-its.edu/~safrodin/index.htm

TANYA JAWAB