TUGAS AKHIR RE 1599

DESAIN DAN VISUALISASI AUTOMATIS KANSEI SISTEM E-LEARNING MENGGUNAKAN ALGORITMA GENETIK DAN ATURAN FUZZYMuchammad Nur Qomaruddin NRP. 2205100082

Dosen Pembimbing Prof. Dr. Ir. Achmad Jazidie, M.Eng. Yusuf Bilfaqih, S.T., M.T.

JURUSAN TEKNIK ELEKTRO Fakultas Teknologi Industri Institut Teknologi Sepuluh Nopember Surabaya 2009

DESAIN DAN VISUALISASI AUTOMATIS KANSEI SISTEM E-LEARNING MENGGUNAKAN ALGORITMA GENETIK DAN ATURAN FUZZY

TUGAS AKHIRDiajukan Guna Memenuhi Sebagian Persyaratan Untuk Memperoleh Gelar Sarjana Teknik Pada Bidang Studi Teknik Sistem Pengaturan Jurusan Teknik Elektro Institut Teknologi Sepuluh Nopember

Menyetujui: Dosen Pembimbing I Dosen Pembimbing II

Prof. Dr. Ir. Achmad Jazidie, M. Eng. NIP. 131 647 788

Yusuf Bilfaqih, ST., MT. NIP. 132 233 782

SURABAYA AGUSTUS, 2009

ABSTRAKSistem e-learning sangat berperan dalam menunjang kegiatan pembelajaran dengan memberikan kesempatan bagi pembelajar untuk melakukan pembelajaran secara on-line. Namun, sistem e-learning harus mampu melibatkan ranah afektif untuk meningkatkan efektivitas pembelajaran dan menumbuhkan berbagai nilai positif di dalam diri pembelajar. Desain kansei sistem e-learning, desain sistem e-learning yang berbasis kansei, merupakan sebuah pendekatan yang tepat untuk melibatkan ranah afektif di dalam sistem e-learning. Desain yang berbasis kansei dilakukan dengan menggunakan Kansei Engineering. Kansei diartikan sebagai kesan subjektif seseorang terhadap sekitarnya yang ditangkap dengan menggunakan panca indra. Hasil desain kansei sistem e-learning diintegrasikan ke dalam sistem visualisasi automatis yang dirancang dan diimplementasikan di dalam Tugas Akhir ini. Sistem visualisasi ini dibangun dengan menggunakan algoritma genetik dan aturan fuzzy sebagai sebuah fitur tambahan di dalam sistem e-learning untuk mengubah tampilan e-learning berdasarkan kansei yang dikehendaki. Hasil Tugas Akhir ini adalah spesifikasi teknis/kaidah desain tampilan e-learning yang merefleksikan empat belas kansei positif dalam pembelajaran. Kaidah desain tersebut digunakan sebagai informasi dasar bagi sistem visualisasi automatis untuk menghasilkan tampilan yang dikehendaki oleh pembelajar. Hasil pengujian melaporkan bahwa sistem visualisasi mampu menyenangkan dan memuaskan keinginan pembelajar melalui tampilan yang dihasilkan. Kata kunci: Algoritma genetik, e-learning, fuzzy, kansei

i

(Halaman ini sengaja dikosongkan)

ii

ABSTRACTE-learning system has an important role to support the learning activities by giving an opportunity for learner to attempt on-line learning. However, e-learning sistem must involve the affective ranah to increase the effectivity of learning and emerge various positive aspects from learner. Design of e-learning systems kansei, kansei based elearning system design, is a suitable approach to involve the affective ranah in e-learning system. Kansei based design was composed using Kansei Engineering. The word kansei itself means an impression of human gotten from a certain artefact, environment, or situation using all their senses. The model resulted from kansei based e-learning system design has been integrated into automatic visualization system which has been designed and implemeted in the final project. The visualization system was composed using genetic algorithm and fuzzy rule as an additional feature in e-learning system to customize the visual of e-learning system based on desired kansei. The result of the final project is a visual design rule for reflecting the fourten positive kansei. The rule was implemented as basic information for the automatic visualization system. The examination of system performance reported that the visualization system could satisfy the learner desire. Keyword: Genetic algorithm, e-learning, fuzzy, kansei

iii

(Halaman ini sengaja dikosongkan)

iv

KATA PENGANTARBismillah Ar-Rohman Ar-Rohiim, Sungguh, Penulis memulai segala tulisan di buku ini dengan Nama Allah subhanahu wa taala yaitu Ar-Rohman, Maha Penyayang, dan Ar-Rohiim, Maha Pengasih dengan segala rasa syukur akan berkah dan kasih-Nya. Dan, semoga rahmat serta keselamatan selalu terlimpah atas Rosulullah Muhammad shallallahu alaihi wa sallam. Melakukan penelitian adalah pengalaman yang amat bermakna. Susah dan senang silih berganti dirasakan namun penulis mendapatkan banyak hal yang berkesan. Pengorbanan yang dilakukan terasa tidak percuma ketika penelitian yang dilakukan menghasilkan hal yang berguna. Oleh karena itu, penulis merasa sangat bersyukur karena dapat melakukan penelitian yang dituliskan dalam buku Tugas Akhir ini dengan judul: Desain dan Visualisasi Automatis Kansei Sistem E-learning Menggunakan Algoritma Genetik dan Aturan Fuzzy Penelitian Tugas Akhir ini dimulai dengan ketidaktahuan, imajinasi, dan harapan namun diakhiri dengan kenyataan. Bahkan ketika buku ini disusun, penelitian belum tuntas dilakukan. Namun, penulis menyadari bahwa pertolongan dan kemudahan selalu menanti orangorang yang beriman. Penulis dengan segala kerendahan hati merasakan kelegaan batin yang sangat besar setelah menyelesaikan penulisan buku ini. Namun, kelegaan itu bisa jadi hanya kelegaan hati penulis belaka, mengingat begitu bodoh dan banyaknya kekurangan yang terdapat dalam diri penulis. Penulis memohon maaf atas semua itu dengan disertai harapan agar segala yang sudah dikerjakan dapat berguna bagi pengembangan keilmuan para pembaca dan semoga buku ini dapat diterima dengan lapang dada terlebih dievaluasi demi kebaikan bersama.

Surabaya, Agustus 2009

P enu lis v

(Halaman ini sengaja dikosongkan)

vi

UCAPAN TERIMA KASIHMelakukan penelitian merupakan sebuah penelusuran yang tidak dapat dijalankan sendiri. Dalam proses pengerjaan penelitian Tugas Akhir ini, penulis bertemu dengan orang-orang yang memberikan arah dan dukungan kepada penulis baik secara pribadi atau profesional. Oleh karena itu penulis hendak menyampaikan ungkapan terima kasih yang amat dalam kepada mereka semua. Rasa terima kasih yang amat besar saya persembahkan kepada Pembimbing I, Prof. Achmad Jazidie, yang senantiasa meluangkan waktu di sela kesibukannya sebagai guru besar untuk memotivasi dan memberikan solusi kepada penulis selama proses pengerjaan Tugas Akhir ini serta Pembimbing II, Bapak Yusuf Bilfaqih, yang mencurahkan segenap perhatian dan keluangan waktu serta tiada bosan memberikan bimbingan, arahan, petunjuk, dan solusi secara sabar dan real-time bagi setiap masalah yang penulis hadapi dalam Tugas Akhir ini. Selanjutnya, penulis menyampaikan terima kasih kepada Bapak Imam Arifin yang sudah membantu penulis dalam memahami algoritma genetik dan fuzzy. Saya juga hendak menyampaikan terima kasih kepada rekanrekan tim e-learning yang selalu memberikan dukungan kepada saya. Bang Nyoman yang telah berbagi pemahaman tentang hakikat kehidupan, Mas Abi yang sudah berbagi cerita dan printer, dan Mas Agung yang menyemarakkan suasana laboratorium. Matur nuwun juga untuk teman-teman seperjuangan di Teknik Sistem Pengaturan yang selalu berbagi senyum dan keramahan. Dan terakhir, penulis menyampaikan rasa syukur dan terima kasih yang terdalam kepada Ayah dan Ibu serta kedua adik perempuan-ku yang tiada bosan merawat dan menghiburku serta menanti kelulusanku. Semoga Allah subhanahu wa taala membalas budi baik mereka semua serta merahmati mereka semua di kehidupan dunia serta di kehidupan kelak yang tiada pernah binasa.

Surabaya, Agustus 2009

P enu lis vii

(Halaman ini sengaja dikosongkan)

viii

DAFTAR ISI

ABSTRAK ..................................................................................... i ABSTRACT.................................................................................iii KATA PENGANTAR .................................................................. v UCAPAN TERIMA KASIH.......................................................vii DAFTAR ISI................................................................................ ix DAFTAR GAMBAR .................................................................xiii DAFTAR TABEL ....................................................................... xv BAB 1 PENDAHULUAN......................................................................... 11.1 Latar Belakang .............................................................................. 1 1.2 Permasalahan................................................................................ 2 1.3 Batasan Masalah ........................................................................... 3 1.4 Tinjauan Pustaka........................................................................... 3 1.5 Tujuan............................................................................................ 4 1.6 Metodologi Penelitian ................................................................... 4 1.7 Sistematika Penulisan Buku........................................................... 5 1.8 Manfaat dan Relevansi .................................................................. 6

BAB 2 TEORI PENUNJANG .................................................................. 9ix

2.1 Kajian Pustaka ...............................................................................9 2.2 Kansei Engineering ......................................................................12 2.2.1. Deskripsi Semantik ..............................................................14 2.2.2. Deskripsi Fisik......................................................................15 2.2.3. Sintesis .................................................................................15 2.2.4. Uji Validitas .........................................................................15 2.2.5. Model Produk.......................................................................15 2.3 Learning Management System (LMS) Moodle.............................16 2.4 Algoritma Genetik ........................................................................18 2.4.1. Inisialisasi.............................................................................18 2.4.2. Decoding ..............................................................................18 2.4.3. Evaluasi Nilai Kesesuaian ....................................................18 2.4.4. Rekombinasi dan Mutasi......................................................19 2.4.5. Seleksi ..................................................................................20 2.4.6. Pemilihan Parameter Algoritma Genetik .............................21 2.5 Inferensi Fuzzy .............................................................................21

BAB 3 DESAIN KANSEI SISTEM E-LEARNING ............................... 233.1 Deskripsi Semantik.......................................................................24 3.2 Deskripsi Fisik..............................................................................26 3.3 Sintesis..........................................................................................27 3.3.1. Pembuatan Sampel Kuesioner..............................................28 3.3.2. Evaluasi Kansei ....................................................................29 3.3.3. Hasil Kuesioner ....................................................................29 3.4 Uji Validitas .................................................................................29 3.5 Model Tampilan E-learning .........................................................29

BAB 4 PERANCANGAN DAN IMPLEMENTASI SISTEM VISUALISASI..................................................................... 31

x

4.1 Studi Kebutuhan Sistem ............................................................... 31 4.1.1. Survey Kebutuhan ............................................................... 31 4.1.2. Perumusan Misi Sistem ....................................................... 31 4.1.3. Perumusan Fungsi Sistem.................................................... 32 4.2 Perancangan Konseptual ............................................................ 32 4.2.1. Parameter Sistem ................................................................. 32 4.2.2. Variabel Sistem.................................................................... 33 4.2.3. Batasan Sistem..................................................................... 33 4.3 Perancangan Fungsional ............................................................ 33 4.4 Perancangan Detail..................................................................... 36 4.4.1. Gambar Fisik Sistem ........................................................... 36 4.4.2. Struktur Produk.................................................................... 38 4.5 Pengujian Sistem ......................................................................... 46 4.6 Implementasi Sistem .................................................................... 46 4.6.1. Instalasi LMS Moodle ......................................................... 47 4.6.2. Pemilihan Tema................................................................... 47 4.6.3. Penambahan Blok ................................................................ 48 4.6.4. Pembuatan Program Utama ................................................. 51 4.6.5. Contoh Keluaran Sistem Visualisasi ................................... 51

BAB 5 PENGUJIAN SISTEM................................................................ 535.1 Pengujian Kepuasan.................................................................... 53 5.2 Pengujian Keberagaman ............................................................. 54 5.3 Pengujian Subjektif dan Kualitatif .............................................. 54

BAB 6 PENUTUP................................................................................... 576.1 Kesimpulan .................................................................................. 57 6.2 Rekomendasi untuk Penelitian Selanjutnya................................. 57

xi

DAFTAR PUSTAKA.................................................................. 59 LAMPIRAN A: KUESIONER SEMANTIK............................. A1 LAMPIRAN B: HASIL KUESIONER SEMANTIK ................ B1

xii

DAFTAR GAMBARGambar 2.1 Form kuesioner dengan 5-Skala Diferensial Semantik...... 10 Gambar 2.2 Konsep sistem pembuat font [7] ........................................ 11 Gambar 2.3 Kansei Engineering [9]...................................................... 13 Gambar 2.4 LMS Moodle di ITS (SHARE-ITS) .................................. 16 Gambar 2.5 Algoritma genetik .............................................................. 16 Gambar 2.6 Proses decoding 3-bit biner ............................................... 17 Gambar 2.7 Proses rekombinasi ............................................................ 19 Gambar 2.8 Proses mutasi ..................................................................... 19 Gambar 2.9 Metode seleksi roda putar .................................................. 20 Gambar 2.10 Diagram blok inferensi fuzzy [17].................................... 22 Gambar 3.1 Aplikasi Kansei Engineering untuk tampilan e-learning .. 23 Gambar 3.2 Matriks pasangan ............................................................... 27 Gambar 3.3 Form kuesioner .................................................................. 28 Gambar 3.4 Hasil kuesioner .................................................................. 29 Gambar 4.1 Tema LMS Moodle untuk sistem visualisasi..................... 37 Gambar 4.2 Contoh keluaran sistem visualisasi .................................... 37 Gambar 4.3 Antarmuka sistem visualisasi ............................................ 38 Gambar 4.4 Struktur sistem visualisasi ................................................. 38 Gambar 4.5 Contoh nilai masukan sistem visualisasi ........................... 39 Gambar 4.6 Atribut tampilan e-learning ............................................... 39 Gambar 4.7 Model kromosom dari atribut tampilan e-learning ........... 42 Gambar 4.8 Fungsi keanggotaan trapesium .......................................... 42 Gambar 4.9 Proses subsistem visualisasi .............................................. 46 Gambar 4.10 Blok Calendar di LMS Moodle....................................... 48 Gambar 4.11 Blok Site Administration.................................................. 49 Gambar 4.12 Blok Add Blocks .............................................................. 50 Gambar 4.13 Blok Kansei Interface ...................................................... 50 Gambar 4.14 Tampilan e-learning "Simple" ......................................... 52 Gambar 4.15 Fresh dan Complicated............................................ 52

xiii

(Halaman ini sengaja dikosongkan)

xiv

DAFTAR TABELTabel 2.1 Tiga macam atribut tampilan web ......................................... 10 Tabel 2.2 Calon penyelesaian................................................................ 21 Tabel 3.1 Daftar 118 kansei word yang didapatkan .............................. 24 Tabel 3.2 Hasil kuesioner ...................................................................... 25 Tabel 3.3 Hasil deskripsi semantik........................................................ 26 Tabel 3.4 Atribut tampilan e-learning................................................... 27 Tabel 4.1 Tabel fungsi operasional sistem ............................................ 34 Tabel 4.2 Spesifikasi LMS Moodle....................................................... 47 Tabel 4.3 Parameter sistem.................................................................... 51 Tabel 5.1 Hasil pengujian...................................................................... 55

xv

(Halaman ini sengaja dikosongkan)

xvi

BAB 1 PENDAHULUANBab ini merupakan permulaan dari buku Tugas Akhir ini. Isi bab ini meliputi latar belakang, permasalahan, batas permasalahan, tujuan, metodologi penelitian, sistematika penulisan buku, serta manfaat dan relevansi Tugas Akhir.

1.1 Latar BelakangAfektif merupakan ranah yang harus dilibatkan (selain ranah kognitif dan psikomotorik) untuk mewujudkan pembelajaran yang efektif [1]. Ranah afektif meliputi perasaan, emosi, evaluasi, sikap, dan rasa suka atau tidak suka dari dalam diri pembelajar [2]. Sementara itu, para ahli syaraf telah memaparkan bahwa emosi merupakan variabel pembelajaran yang penting [1]. Hasil pembelajaran yang melibatkan ranah afektif mampu menumbuhkan perilaku, motivasi, dan berbagai nilai positif yang terpendam di dalam diri pembelajar [2]. Oleh karena itu, ranah afektif tidak boleh diabaikan dalam proses pembelajaran. Kehadiran e-learning memberikan kesempatan bagi pembelajar untuk mendapatkan informasi melalui berbagai media elektronik yang tidak dibatasi oleh ruang dan waktu. Internet adalah salah satu media elearning yang sudah banyak dikembangkan dan diaplikasikan untuk kegiatan pembelajaran. Namun, pembelajaran yang menggunakan elearning hendaknya tetap melibatkan ranah afektif pembelajar. Oleh karena itu, gagasan utama Tugas Akhir ini adalah mewujudkan sistem elearning yang mampu melibatkan ranah afektif pembelajar melalui desain kansei sistem e-learning (desain sistem e-learning yang berbasis kansei). Desain yang berbasis kansei digunakan sebagai pendekatan di dalam Tugas Akhir ini karena sudah menarik banyak perhatian dari kalangan akademik dan industri serta banyak diaplikasikan untuk beragam produk dengan hasil yang memuaskan [4][5][6][7][8]. Desain yang berbasis kansei dilakukan dengan menggunakan Kansei Engineering [9]. Kansei diartikan sebagai kesan subjektif seseorang terhadap sekitarnya yang ditangkap dengan menggunakan panca indra [10]. Desain produk yang berbasis kansei mampu melibatkan ranah afektif manusia dalam merancang sebuah produk baru [4]. Oleh karena itu, Tugas Akhir ini mengaplikasikan Kansei 1

Engineering untuk melakukan desain sistem e-learning untuk melibatkan ranah afektif di dalam e-learning. Hasil desain kansei sistem e-learning digunakan sebagai informasi dasar untuk sistem visualisasi automatis yang dirancang dan diimplementasikan di dalam Tugas Akhir ini. Sistem visualisasi automatis dirancang berdasarkan kerangka kerja sistem yang dirancang di ref[7] untuk diimplementasikan ke dalam sistem e-learning sebagai sebuah fitur tambahan untuk mengubah tampilan e-learning berdasarkan kansei (kesan subjektif) yang dikehendaki. Fitur ini disediakan untuk melibatkan ranah afektif seorang pembelajar secara khusus dan meningkatkan kualitas pembelajaran secara umum. Sistem visualisasi ini membutuhkan masukan dari pembelajar berupa nilai kansei tampilan e-learning yang ingin divisualisasikan. Sistem ini disusun dari dua bagian utama yaitu bagian desain dan bagian evaluasi. Bagian desain bertugas untuk membuat beragam tampilan elearning secara numerik dengan menggunakan operasi genetik sedangkan bagian evaluasi melakukan penilaian dari setiap tampilan yang telah dibuat berdasarkan tingkat kesesuaiannya terhadap keinginan pembelajar. Tampilan yang memiliki tingkat kesesuaian tertinggi akan divisualisasikan sebagai tampilan e-learning. Berdasarkan latar belakang di atas, judul yang dipilih untuk penelitian Tugas Akhir ini adalah Desain dan Visualisasi Automatis Kansei Sistem E-learning Menggunakan Algoritma Genetik dan Aturan Fuzzy.

1.2 PermasalahanSistem e-learning sangat berperan dalam menunjang kegiatan pembelajaran dengan memberikan kesempatan bagi pembelajar untuk melakukan pembelajaran secara on-line. Namun, pengembangan elearning hendaknya tidak hanya memberikan penekanan pada ranah kognitif karena ranah afektif juga memiliki peran besar untuk pembelajaran. Penyajian informasi melalui tampilan e-learning yang statik dan kurang memperhatikan kesan psikologi pembelajar adalah suatu bukti bahwa ranah afektif belum mendapatkan perhatian khusus. Selain itu, sistem e-learning juga belum menyediakan fitur bagi pembelajar untuk mengubah tampilan e-learning berdasarkan kesan yang dikehendaki. Tugas Akhir ini dilakukan sebagai upaya penyelesaian terhadap permasalahan ini dengan meggunakan pendekatan Kansei Engineering dan sistem visualisasi automatis. 2

1.3 Batasan MasalahDefinisi istilah e-learning yang digunakan di dalam Tugas Akhir ini adalah pembelajaran elektronik yang menggunakan media internet. Desain kansei sistem e-learning dibatasi pada desain visual sistem elearning dan tidak melibatkan aspek audio. Selain itu, Tugas Akhir ini tidak membuat sistem e-learning yang baru namun menambahkan mekanisme visualisasi automatis ke dalam sistem e-learning yang sudah tersedia.

1.4 Tinjauan PustakaSiu et al. [5] menuliskan bahwa aestetik atau tampilan adalah kriteria penting yang membedakan kualitas situsweb. Tampilan situsweb tersusun dari berbagai komponen yang memiliki efek spesifik terhadap respons dan perasaan psikologi pengguna. Beliau mencoba meneliti pengaruh spesifik dari jenis font, warna font, dan ukuran gambar yang ditampilkan di situsweb terhadap pengguna. Namun, hasil penelitian menyatakan bahwa ketiga komponen ini belum mampu membangkitkan efek yang positif terhadap respons psikologi pengguna. Penelitian yang lain [12] melaporkan bahwa variasi temperatur warna mempengaruhi aestetik dari tampilan situsweb. Selain itu, penggunaan warna sejuk primer (biru) untuk bagian atas halaman utama situsweb dan warna sejuk yang lain (biru muda) atau hangat (oranye) untuk beberapa komponen halaman situsweb berikutnya dapat memunculkan keseimbangan warna dan perasaan menyenangkan secara aestetik bagi pengguna. Kombinasi sebaliknya akan menimbulkan perasaan yang sangat tidak nyaman secara aestetik bagi pengguna. Penelitian mengenai pengaruh perbedaan kombinasi teks dan latar belakang terhadap ingatan dan persepsi subjektif pengguna dilakukan oleh Hall et al. [13]. Penelitian ini melibatkan 136 responden. Sebagian dari hasil penelitian yang dilaporkan adalah bahwa tampilan situsweb dengan teks warna hitam di atas latar belakang warna putih dan tampilan situsweb dengan teks warna biru terang di atas latar belakang warna biru gelap memiliki tingkat keterbacaan yang tertinggi. Tampilan situsweb dengan teks warna biru terang di atas latar belakang warna biru gelap juga memiliki kualitas aestetik yang tertinggi dibandingkan dengan kombinasi yang lain.

3

Sebuah konsep desain kansei tampilan e-learning menggunakan Kansei Engineering telah dirumuskan oleh Tharangie et al. [12]. Namun, konsep ini hanya melibatkan komponen warna dari tampilan elearning dan efeknya bagi pembelajar. Beliau melaporkan bahwa penggunaan variasi warna dalam tampilan e-learning lebih diprioritaskan daripada penggunaan warna hitam dan putih untuk peningkatan kemampuan pembelajar dalam mengingat dan mengolah informasi. Variasi warna favorit yang disarankan adalah biru, hijau, pink, dan oranye. Selain itu, warna font yang gelap lebih disukai untuk warna latar belakang yang terang. Wada et al. [7] telah merancang sebuah sistem pembuat font yang dapat merefleksikan kansei tertentu seperti fresh, cool, dan classical. Sistem ini dirancang dengan menggunakan kombinasi antara Kansei Engineering, algoritma genetik, dan inferensi fuzzy. Pengguna hanya menentukan derajat dari kansei yang dikehendaki sebagai masukan sistem. Jika nilai masukan sudah didapatkan, sistem melakukan operasi genetik dan evaluasi secara berulang hingga didapatkan spesifikasi font yang paling mendekati dengan keinginan pengguna. Berdasarkan pengujian yang dilakukan, keluaran sistem ini memiliki tingkat kepuasan mencapai 63.4% bahkan hingga 72% artinya sistem ini memberikan hasil yang relatif memuaskan.

1.5 TujuanTujuan pertama dari Tugas Akhir ini adalah merancang tampilan e-learning yang merefleksikan kansei tertentu sehingga mampu memberikan pengaruh positif bagi pembelajar dalam rangka melibatkan ranah afektif selama proses pembelajaran. Tujuan ke dua adalah membangun sistem visualisasi automatis tampilan e-learning untuk LMS Moodle sebagai implementasi dari tujuan pertama.

1.6 Metodologi PenelitianMetodologi penelitian untuk menyelesaikan Tugas Akhir ini adalah sebagai berikut: 1. Studi Literatur Studi literatur dilakukan untuk menunjang penguasaan dan pemahaman tentang semua materi, informasi, dan konsep yang diperlukan dalam proses pengerjaan Tugas Akhir. Studi literatur yang dilakukan meliputi kajian penelitian di berbagai jurnal, prosiding, buku teks, dan e-book. Beberapa hal yang dipahami melalui studi 4

literatur adalah beberapa penelitian tentang desain situsweb, Kansei Engineering, algoritma genetik, inferensi fuzzy, dan bahasa pemrograman Cascading Style Sheet (CSS) serta Hypertext Preprocessor (PHP). 2. Pengumpulan Data Pengumpulan data dilakukan untuk mewujudkan hasil penelitian yang valid dan objektif. Pengumpulan data yang dilakukan meliputi tiga hal. Pertama, pengumpulan data untuk memilih kansei yang mampu memberikan pengaruh positif bagi pembelajar. Ke dua, pengumpulan data untuk merumuskan kaidah desain tampilan elearning yang berbasis kansei. Ke tiga, pengumpulan data untuk pengujian yang meliputi uji kepuasan, uji keberagaman, serta uji subjektif dan kualitatif terhadap sistem visualisasi automatis. 3. Perancangan Sistem Visualisasi Perancangan sistem visualisasi meliputi studi kebutuhan sistem, perancangan konseptual, perancangan fungsional, dan perancangan detail. 4. Implementasi Sistem Visualisasi Sistem visualisasi automatis ini diimplementasikan dengan menggunakan bahasa pemrograman PHP. Perangkat lunak yang digunakan untuk melakukan penulisan kode program adalah Notepad++ versi 5.0.3. Implementasi sistem visualisasi meliputi pembuatan program utama dan antarmuka pembelajar di LMS Moodle versi 1.9 atau selebihnya. 5. Penulisan Buku Penulisan buku dilakukan secara paralel dengan pelaksanaan poin 1 s.d. 4.

1.7 Sistematika Penulisan BukuBuku Tugas Akhir ini disusun secara runtut dan sistematis berdasarkan panduan resmi penulisan buku Tugas Akhir di Jurusan Teknik Elektro Institut Teknologi Sepuluh Nopember. 1. Pendahuluan

5

Bab ini memuat latar belakang, permasalahan beserta batasnya, tinjauan pustaka, tujuan, metodologi penelitian, sistematika penulisan buku, serta manfaat dan relevansi Tugas Akhir. 2. Teori Penunjang Bab ini berisi materi, informasi, dan konsep yang diperlukan dan dijadikan sebagai kerangka berpikir dalam pengerjaan Tugas Akhir. Bab ini diawali dengan kajian pustaka dan diikuti dengan penjabaran tentang Kansei Engineering, LMS Moodle, algoritma genetik, dan inferensi fuzzy. 3. Desain Kansei Sistem E-learning Bab ini menjabarkan semua tahap desain tampilan e-learning dengan menggunakan Kansei Engineering. 4. Perancangan dan Implementasi Sistem Visualisasi Bab ini menguraikan perancangan dan implementasi sistem visualisasi automatis serta ilustrasi penggunaan sistem visualisasi yang sudah diintegrasikan di dalam LMS Moodle. 5. Pengujian Sistem Visualisasi Bab ini melaporkan hasil pengujian yang dilakukan terhadap sistem visualisasi. Pengujian yang dilakukan meliputi uji kepuasan, uji keberagaman, serta uji subjektif dan kualitatif. 6. Penutup Bab ini berisi hasil dan kesimpulan Tugas Akhir serta rekomendasi untuk penelitian selanjutnya.

1.8 Manfaat dan RelevansiManfaat Tugas Akhir ini adalah sebagai berikut: 1. Developing Mengembangkan LMS Moodle dengan menambahkan fitur baru yang berguna untuk menjalankan mekanisme visualisasi automatis. 2. Customizing Mengijinkan pembelajar untuk mengubah tampilan e-learning berdasarkan keinginannya secara subjektif.

6

3. Interacting Menyediakan fitur baru dalam LMS Moodle yang dapat dimanfaatkan untuk meningkatkan interaksi antara pembelajar dan sistem e-learning. 4. Satisfying Memberikan kenyamanan dan kepuasan bagi pembelajar dalam proses pembelajaran melalui penyesuaian tampilan e-learning. 5. Improving Meningkatkan efektifitas dan kualitas pembelajaran dengan melibatkan ranah afektif melalui visualisasi kansei sistem e-learning yang dikehendaki oleh pembelajar. Tugas Akhir ini merupakan bagian dari sebuah penelitian besar dan terintegrasi yang bertema An Approach to Integrate Kansei Engineering in E-Learning System Design and Implementation. Sub tema yang dikerjakan dalam Tugas Akhir ini adalah Kansei Based ELearning System Design.

7

(Halaman ini sengaja dikosongkan)

8

BAB 2 TEORI PENUNJANGBab ini menguraikan secara detail materi, informasi, dan konsep yang diperlukan serta dijadikan sebagai kerangka berpikir dalam pengerjaan Tugas Akhir. Hal-hal yang diuraikan dalam bab ini adalah kajian pustaka, Kansei Engineering, LMS Moodle, algoritma genetik dan inferensi fuzzy.

2.1 Kajian PustakaBerbagai studi empirik telah melaporkan bahwa fitur antarmuka web seperti ukuran gambar, tingkat kejelasan suatu gambar, dan mode presentasi dapat mempengaruhi respons pengguna yang meliputi konsentrasi, ingatan, waktu pencarian informasi, dan perilaku. Tetapi, penelitian yang membahas desain halaman web yang menitikberatkan pada perasaan psikologi pengguna masih sangat sedikit dilakukan [5]. Siu et al. [5] menanggapi kenyataan ini dengan melakukan penelitian terhadap perasaan psikologi dan fitur antarmuka dari sebuah halaman web. Penelitian ini menggunakan Kansei Engineering sebagai kerangka kerja penelitian. Istilah kansei mewakili perasaan psikologi pengguna web yang sedang diteliti. Tujuan penelitian beliau adalah menemukan relasi antara atribut tampilan web dan kansei pengguna web. Beliau melakukan eksperimen dalam empat tahap. Tahap pertama adalah pemilihan tiga atribut tampilan web berdasarkan penelitianpenelitian yang sudah dilakukan. Tiga atribut yang dipilih adalah jenis font, warna font, dan ukuran gambar. Tahap ke dua adalah pemilihan lima kansei dari 48 kata sifat. Kansei yang terpilih adalah friendly, like, novel, comfortable, dan professional. Kelima kansei tersebut dipilih karena sering dijumpai dalam buku panduan desain web, situsweb, dan jurnal. Tahap ke tiga adalah pembuatan sampel tampilan web dengan menggunakan kombinasi dari ketiga atribut tampilan web yang ditunjukkan di Tabel 2.1. Dua puluh lima tampilan dibuat sebagai sampel kuesioner. Kuesioner ini disusun dengan menggunakan Skala Diferensial Semantik seperti yang ditampilkan di Gambar 2.1. Responden menentukan derajat kansei dari setiap sampel tampilan dengan menggunakan 5 skala. Tahap ke empat adalah evaluasi hasil

9

kuesioner yang dilakukan dengan menghitung nilai rata-rata yang diberikan oleh seluruh responden terhadap setiap sampel. Hasil eksperimen menyatakan bahwa sebagian besar skor penilaian dari responden untuk setiap sampel dan setiap kansei berada di bawah nilai 3. Nilai tersebut bermakna bahwa perasaan/kesan pengguna terhadap sampel tampilan adalah negatif atau kombinasi ketiga atribut tampilan web tidak mampu membangkitkan kansei yang positif bagi pengguna web. Perbedaan antara nilai rata-rata tertinggi dan terendah untuk setiap kansei juga tidak lebih dari satu skala artinya responden tidak peka terhadap variasi sampel tampilan yang dikuesionerkan. Tabel 2.1 Tiga macam atribut tampilan web Jenis font Book antiqua Courier new Impact Lucida console Verdana Warna font Red (R225, G0, B0) Green (R0, G225, B0) Blue (R0, G0, B225) Black (R0, G0, B0) Ukuran gambar Large (8cm*8cm) Medium (6cm*6cm) Small (4cm*4cm)

Gambar 2.1 Form kuesioner dengan 5-Skala Diferensial Semantik

10

font

font

font fuzzy

Font font

Gambar 2.2 Konsep sistem pembuat font [7] Wada et al. [7] telah merancang sebuah sistem pembuat font yang mampu merefleksikan kansei tertentu seperti fresh, cool, dan classical. Gambar 2.2 mengilustrasikan konsep dari sistem tersebut. Sistem akan mulai bekerja jika masukan dari pengguna sudah didapatkan. Sistem tersusun dari dua bagian, yaitu bagian pembuat font dan bagian evaluasi font. Bagian pembuat font bertugas membuat beragam font dengan menggunakan operasi genetik yang melibatkan 19 parameter font. Parameter font adalah karakteristik sebuah font seperti ketebalan, rasio panjang-lebar, kemiringan, dan dekorasi. Kemudian, bagian evaluasi font melakukan inferensi terhadap setiap font yang dihasilkan berdasarkan aturan fuzzy serta menghitung perbedaan antara nilai masukan dari pengguna dan nilai inferensi sistem sebagai nilai kesesuaian. Font yang memiliki kesesuaian terbaik cenderung akan bertahan dari proses seleksi yang dilakukan oleh algoritma genetik sehingga font yang dihasilkan sistem akan memenuhi kansei yang diinginkan oleh pengguna secara perlahan. Sistem akan menampilkan font yang memiliki tingkat kesesuaian terbaik. Kansei Engineering digunakan untuk mencari relasi spesifik antara parameter font dan kansei yang direpresentasikan dalam aturan fuzzy. Sistem ini juga dilengkapi dengan kemampuan pembelajaran sehingga mampu menghasilkan font yang mampu merefleksikan perbedaan kansei yang dikehendaki oleh pengguna yang berbeda-beda. Hasil pengujian melaporkan bahwa sistem

11

mampu menghasilkan font yang memenuhi keinginan pengguna dengan tingkat kepuasan 63.4% bahkan hingga 72% jika sistem mengaktifkan kemampuan pembelajaran. Kedua penelitian yang sudah dijabarkan di atas merupakan acuan pokok dari penelitian Tugas Akhir ini. Kelemahan di dalam penelitian Siu et.al. adalah bahwa atribut tampilan web yang dilibatkan dalam penelitian terlalu sedikit sehingga tidak cukup mewakili tampilan web secara keseluruhan dan kombinasi dari ketiga atribut tersebut tidak cukup untuk membangkitkan kansei yang positif. Tugas Akhir ini menutupi kelemahan tersebut dengan melibatkan atribut tampilan elearning dengan jumlah yang lebih representatif. Kansei Engineering digunakan untuk mencari kaidah desain tampilan e-learning yang berbasis kansei. Jika kaidah desain sudah didapatkan maka sistem visualisasi automatis dirancang dengan mengacu pada konsep sistem yang ditunjukkan di Gambar 2.2. Hasil Tugas Akhir ini adalah sistem visualisasi yang mampu memvisualisasikan kansei sistem e-learning berdasarkan kehendak pembelajar dalam upaya melibatkan ranah afektif selama pembelajaran.

2.2 Kansei EngineeringProfessor Mitsuo Nagamachi, seorang ilmuwan Jepang, telah mengembangkan Kansei Engineering di awal tahun 70-an. Kansei Engineering merupakan suatu disiplin ilmu untuk mengeksplorasi perasaan manusia secara sistematis terhadap suatu produk dan mewujudkannya ke dalam parameter desain produk. Kansei Engineering sudah diaplikasikan pada desain beraneka ragam produk. Dua contoh yang terkemuka adalah mobil Mazda Miata yang pernah menjadi mobil sport terlaris di dunia versi The Guinness Book of Records tahun 2001 dan kamera video Sharp dengan LCD eksternal [6][9]. Kansei adalah perasaan/kesan yang dialami seseorang terhadap sebuah hasil karya, lingkungan atau situasi tertentu dengan menggunakan semua panca indra. Ilustrasi sederhana dari peran Kansei Engineering adalah konsumen yang hendak membeli barang. Para konsumen membuat keputusan akhir secara tidak sadar dan berdasarkan pada faktor subjektif. Mereka membeli produk, yang terasa lebih baik, dan sering kali tidak diketahui alasannya [9]. Proses desain produk yang memperhitungkan perasaan ini atau afektif manusia [4] dapat memberikan keuntungan penjualan yang sangat banyak. Jika

12

dianalogikan untuk sistem e-learning, tampilan e-learning harus didesain dengan memperhitungkan kansei agar ranah afektif pembelajar dapat dilibatkan untuk meningkatkan kualitas pembelajaran. Gambar 2.3 menunjukkan diagram alir Kansei Engineering. Konsep utama Kansei Engineering ialah penjabaran produk dari dua perspektif yang berbeda, yaitu deskripsi semantik dan fisik. Deskripsi semantik adalah tahap untuk menjabarkan objek secara verbal sedangkan tahap deskripsi fisik menjabarkan atribut fisik yang dimiliki oleh produk. Sintesis merupakan tahap untuk memadukan deskripsi semantik dan fisik. Validitas dari hasil sintesis harus diuji sebelum dinyatakan sebagai model produk yang baru. Professor Nagamachi membuat klasifikasi Kansei Engineering ke dalam 6 tipe berdasarakan alat/teknik yang dilibatkan dan daerah kerja. Keenam tipe tersebut adalah sebagai berikut: 1. Kansei Engineering Tipe I Kategori Klasifikasi Kansei Engineering tipe pertama ini adalah tipe yang paling sederhana. Strategi produk dan pembagian pasar diidentifikasi dan direpresentasikan ke dalam sebuah struktur pohon sebagai keinginan afektif dari kostumer. Kebutuhan afektif ini atau kansei dikaitkan dengan ciri-ciri produk secara manual. Kansei Engineering tipe pertama digunakan di dalam Tugas Akhir untuk merancang model tampilan e-learning yang berbasis kansei.

Gambar 2.3 Kansei Engineering [9]

13

2. Kansei Engineering Tipe II Sistem Kansei Engineering Kansei Engineering Tipe II merupakan sebuah sistem yang dibangun dengan menggunakan mekanisem interferensi dan basis data kansei. Relasi antara kansei dan ciri-ciri produk ditentukan dengan menggunakan teknik matematika statistik. 3. Kansei Engineering Tipe III Sistem Kansei Engineering Hibrid Kansei Engineering Tipe III merupakan sistem basis data yang mampu memprediksi kansei yang diwujudkan oleh ciri-ciri produk dengan menggunakan prototipe atau model skala utuh. 4. Kansei Engineering Tipe IV Pemodelan Kansei Engineering Tipe ke empat dari Kansei Engineering memusatkan perhatian pada penyusunan model prediksi matematis. Model-model tersebut jauh lebih valid daripada di tipe ke dua dan ke tiga. 5. Kansei Engineering Tipe V Virtual Kansei Engineering Kansei Engineering Tipe V mengintegrasikan teknik Virtual Reality (VR) dengan sistem pengumpulan data standard. Tipe ini menggantikan keberadaan produk sebenarnya dengan menggunakan representasi VR. 6. Kansei Engineering Tipe VI Desain Kansei Engineering Kolaboratif Tipe terakhir dari Kansei Engineering memiliki basis data kansei yang dapat diakses melalui internet sehingga proses desain dapat melibatkan beberapa kelompok kerja secara bersama-sama. Uraian berikut ini akan menjelaskan tentang tahap-tahap Kansei Engineering yang ditunjukkan di Gambar 2.3. 2.2.1. Deskripsi Semantik Deskripsi semantik adalah tahap untuk mendeskripsikan produk secara verbal. Tahap deskripsi semantik dilakukan dalam tiga langkah yaitu mengumpulkan kata-kata yang mendeskripsikan produk, memilih kata-kata yang sangat berpengaruh pada pikiran manusia, dan menetapkan kata kesan yang akan direfleksikan oleh produk atau kansei

14

word. Hasil dari tahap deskripsi semantik adalah kata-kata kesan (kansei word) yang menjabarkan produk. 2.2.2. Deskripsi Fisik Deskripsi fisik adalah tahap untuk menjabarkan produk secara fisik. Langkah pertama dalam deskripsi fisik adalah penjabaran kriteria fisik dari produk secara lengkap. Kemudian, kriteria fisik yang paling relevan dipilih melalui diskusi grup penelitian. Beberapa kriteria fisik yang terpilih ini dikaitkan dengan kansei word di tahap sintesis. Sebagai misal jika produk yang dimodelkan adalah lilin maka kriteria fisiknya antara lain warna, diameter lingkaran, lama waktu pembakaran, dan lain-lain. 2.2.3. Sintesis Sintesis adalah tahap yang paling penting. Tahap ini mengaitkan kansei word dengan kriteria fisik produk. Metode sintesis bergantung pada tipe Kansei Engineeing yang digunakan. Metode sintesis yang paling banyak digunakan adalah mengumpulkan data secara langsung dari kostumer dan mengevaluasi data tersebut secara matematis. Metode ini mengurangi resiko ketidakakuratan karena interpretasi subjektif tidak digunakan di sini. Sintesis dimulai dengan mengumpulkan penilaian kostumer terhadap produk untuk kansei word yang sudah diperoleh. Penilaian dilakukan dengan menggunakan skala semantik. Kemudian, kriteria produk dihubungkan dengan kansei word yang relevan berdasarkan hasil evaluasi matematis dari penilaian kostumer yang sudah terkumpul. 2.2.4. Uji Validitas Tahap uji validitas dilakukan terhadap hasil sintesis untuk menghasilkan model produk yang benar-benar valid. Kriteria produk yang tidak layak dilibatkan dan kansei word yang kurang relevan dapat diketahui dari hasil pengujian ini sehingga iterasi harus dilakukan hingga hasil sintesis dinyatakan valid. 2.2.5. Model Produk Jika tahap pengujian menyatakan hasil yang memuaskan maka semua data yang dikumpulkan dari tahap sintesis dapat dinyatakan sebagai sebuah model produk.

15

Peran Kansei Engineering di dalam Tugas Akhir ini sangat dominan dan tidak dapat diabaikan. Penjelasan yang lebih detail dari Kansei Engineering ini dapat dipelajari di [4][6][7][9].

Gambar 2.4 LMS Moodle di ITS (SHARE-ITS) Inisialisasi P(t ) P(0) Inisialisasi best_fit = 0 Evaluasi P(0) ; P (t ) : Populasi pada waktu t ; Nilai kesesuaian terbaik

Mencari kesesuaian terbaik dari P (0) dan meng-update nilai best_fit Selama (kondisi tidak berhenti) maka Mulai t t +1 ; Peningkatan generasi Membuat P(t ) dari P(t 1) Operasi genetik P(t ) ; mutasi dan rekombinasi Evaluasi P(t )Mencari kesesuaian terbaik dari P(t ) Jika (kesesuaian terbaik dari P(t ) > best_fit) maka best_fit = kesesuaian terbaik dari P(t ) Selesai Selesai.

Gambar 2.5 Algoritma genetik

16

2.3 Learning Management System (LMS) MoodleModular Object-Oriented Dynamic Learning Environment (Moodle) merupakan platform perangkat lunak e-learning yang tersedia secara gratis dan open source dan juga dikenal sebagai Course Management System (CMS), Learning Management System (LMS), atau Virtual Learning Environment. LMS Moodle sudah digunakan dalam 49.256 situs yang sudah terdaftar dengan 28.177.443 pengguna dan 2.571.885 kursus (diambil pada Februari 2009). LMS Moodle didesain untuk membantu para pendidik untuk membuat kursus on-line dengan kesempatan interaksi yang relatif banyak. Lisensi open source dan desain modular yang dimiliki oleh LMS Moodle berarti bahwa setiap orang dapat mengembangkan fungsi-fungsi tambahan di LMS Moodle [11]. Semua informasi, dokumentasi, dan pengembangan moodle dapat diakses secara on-line di situs http://www.moodle.org/. Gambar 2.4 menampilkan situs e-learning di Institut Teknologi Sepuluh Nopember yang dikembangkan dengan menggunakan LMS Moodle. LMS Moodle memiliki beragam fitur yang diperlukan oleh elearning dan konstruksi modular sehingga dapat diperluas dengan membuat plugin untuk fungsi spesifik yang baru. Salah satu contoh yang paling sederhana adalah bahwa LMS Moodle mengijinkan penambahan blok baru untuk fungsi tambahan yang belum tersedia. Teknik penambahan blok ini dapat dipahami dan dilakukan oleh setiap pihak berdasarkan keperluan yang diinginkan. Tugas Akhir ini memanfaatkan fasilitas penambahan blok untuk menampilkan antarmuka bagi pembelajar dalam menentukan kansei tampilan e-learning yang diinginkan. 000 = nilai minimum dari parameter 001 = nilai minimum dari parameter + qx 2 0 010 = nilai minimum dari parameter + qx 21

M111 = nilai maksimum dari parameter dimana (nilai maks - nilai min ) q= 2L 1

17

Gambar 2.6 Proses decoding 3-bit biner

2.4 Algoritma GenetikProfessor John Holland di tahun 1975 merumuskan sebuah model komputasi, Algoritma Genetik, yang mengadopsi proses evolusi biologi untuk menyelesaikan berbagai masalah dalam suatu ranah yang luas. Algoritma genetik memiliki tiga aplikasi utama yaitu pencarian cerdas, optimisasi, dan pembelajaran mesin. Algoritma ini juga dapat dikombinasikan dengan neural network dan/atau fuzzy logic untuk menyelesaikan berbagai masalah yang lebih kompleks. Tugas Akhir ini menggunakan algoritma genetik untuk menjalankan proses pencarian. Calon penyelesaian (dalam algoritma genetik) untuk suatu masalah tertentu direpresentasikan sebagai kromosom. Kromosom tersusun dari beberapa gen yang mewakili nilai tertentu. Sebuah populasi tersusun dari sejumlah kromosom. Algoritma genetik mengevaluasi sebuah populasi dan menghasilkan sebuah populasi baru secara iteratif. Jika diberikan sebuah populasi awal P(0) , algoritma genetik akan menghasilkan generasi baru P(t ) yang berdasarkan pada generasi sebelumnya P(t 1) sebagaimana Gambar 2.5. Algoritma genetik memiliki enam tahap secara umum. Keenam tahap tersebut akan dijelaskan di dalam uraian berikut: 2.4.1. Inisialisasi Tahap inisialisasi adalah tahap untuk membuat sebuah populasi awal yang terdiri dari N calon penyelesaian serta melakukan evaluasi nilai fungsi tujuan (i) dari setiap calon penyelesaian/kromosom (xi). 2.4.2. Decoding Tahap decoding merupakan tahap untuk merepresentasikan model penyelesaian secara numerik. N calon penyelesaian dikonversi ke dalam string biner yang meiliki panjang L-bit dan digunakan untuk menyatakan bilangan real sebagaimana Gambar 2.6 Interval diskritisasi q mewakili tingkat kepresisian dari bilangan real yang diwakili. Jika masalah yang hendak dipecahkan adalah masalah yang multidimensi maka beberapa string biner dapat dirangkai untuk membentuk sebuah string biner tunggal sebagai calon penyelesaian.

18

2.4.3. Evaluasi Nilai Kesesuaian Nilai kesesuaian dari setiap calon penyelesaian adalah hal yang fundamental dalam algoritma genetik. Ketika algoritma genetik digunakan untuk melakukan optimisasi terhadap suatu fungsi tujuan tertentu, fungsi kesesuaian yang digunakan harus mewakili fungsi tujuan tersebut. Namun, untuk kasus pencarian cerdas, sebuah transformasi diperlukan untuk merefleksikan perbedaan kualitatif dari calon-calon penyelesaian serta memastikan agar nilai kesesuaian selalu bernilai positif. 2.4.4. Rekombinasi dan Mutasi Operator rekombinasi dan mutasi merupakan operator utama dalam operasi genetik. Rekombinasi merupakan pertukaran informasi numerik (sebagai materi genetik) antara dua individu acak, sedangkan mutasi merupakan perubahan nilai satu digit materi genetik yang juga terjadi secara acak dengan probabilitas mutasi tertentu. Gambar 2.7 dan Gambar 2.8 menampilkan mekanisme rekombinasi dan mutasi secara berurutan.

Gambar 2.7 Proses rekombinasi

19

Gambar 2.8 Proses mutasi

2.4.5. Seleksi Tahap seleksi adalah tahap pencarian induk untuk menghasilkan keturunan atau generasi selanjutnya. N individu/calon penyelesaian diseleksi untuk menjadi induk bagi generasi selanjutnya berdasarkan nilai kesesuaiannya dari sebuah populasi. Individu dengan nilai kesesuaian yang tinggi memiliki probabilitas terpilih yang lebih tinggi daripada individu yang lain dengan nilai kesesuaian yang rendah. Beberapa metode dapat digunakan untuk proses seleksi seperti elitism dan roulette-wheel. Metode yang cukup dikenal, metode roulette-wheel (roda putar), akan dijelaskan dan digunakan di dalam Tugas Akhir ini. Gambar 2.9 menunjukkan mekanisme seleksi dengan menggunakan 2 2 metode roda putar untuk fungsi tujuan ( x1 , x2 ) = x1 + x2 dan populasi N sebanyak 4 calon penyelesaian yang ditampilkan di Tabel 2.2. Permukaan roda putar dibagi berdasarkan probabilitas nilai kesesuaian dari masing-masing calon penyelesaian. Jika nilai kesesuaian semakin besar maka probabilitas terpilih juga semakin besar. Roda ini diputar hingga berhenti di salah satu bagian di roda putar. Bagian yang terpilih ketika roda berhenti menyatakan kromosom yang akan dijadikan sebagai induk dari generasi selanjutnya. Roda sangat mungkin berhenti dua hingga tiga kali pada bagian yang mewakili nilai kesesuaian tertinggi sehingga calon penyelesaian/kromosom yang bersesuaian dapat dipilih dua hingga tiga kali. Calon penyelesaian dengan nilai kesesuaian yang rendah mungkin tidak akan pernah terpilih untuk dijadikan induk bagi generasi selanjutnya.

20

Gambar 2.9 Metode seleksi roda putar

Tabel 2.2 Calon penyelesaian Individu 1 2 3 4 Kromosom Kesesuaian 011100 25 000011 9 110100 52 010011 13 Total 99 Prosentase 25.25% 9.09% 52.53% 13.13% 100%

2.4.6. Pemilihan Parameter Algoritma Genetik Parameter utama yang harus dipertimbangkan dalam algoritma genetik adalah ukuran populasi N, probabilitas rekombinasi, dan probabilitas mutasi. Tidak ada aturan umum dalam menentukan ketiga parameter ini, namun panduan umum yang ditentukan berdasarkan eksperimen dapat memberikan hasil yang dapat diterima. Panduan yang dimaksud adalah sebagai berikut:N [60,100], Ppindah silang [0.6,0.9], Pmutasi [0.001,0.01]

Penjelasan yang lebih detail mengenai algoritma genetik dapat dipelajari di ref[14][24].

2.5 Inferensi Fuzzy21

Inferensi adalah proses untuk membuat kesimpulan/keputusan berdasarkan data-data yang sudah tersedia atau proses untuk menduga fakta baru berdasarkan fakta lama. Inferensi fuzzy tidak membatasi keputusan hanya pada benar atau salah namun mampu membuat keputusan baru hingga pada nilai sebenarnya. Inferensi fuzzy berbasis pada konsep teori himpunan fuzzy, aturan if-then fuzzy, dan fuzzy reasoning. Struktur dasar dari inferensi fuzzy terdiri dari tiga komponen konseptual: basis aturan, yang memuat aturan fuzzy; basisdata, yang merumuskan fungsi keanggotaan yang digunakan dalam aturan fuzzy; dan mekanisme reasoning, yang menjalankan prosedur inferensi. Inferensi fuzzy memiliki tiga macam model [17], yaitu model Mamdani, Sugeno, dan Tsukamoto. Gambar 2.10 menunjukkan diagram blok inferensi fuzzy dengan keluaran crisp. Studi lebih lanjut tentang inferensi fuzzy dapat dipelajari di ref[17][18].r x = A1r y = B1r y = B2

r x

r x = A2

y

r x = Ar

r y = Br

Gambar 2.10 Diagram blok inferensi fuzzy [17] Inferensi fuzzy menerima masukan berupa nilai fuzzy atau crisp kemudian melakukan perhitungan untuk setiap aturan yang ada. Nilai dari setiap aturan bergantung pada nilai masukan. Blok pengumpul data bergunan untuk mengumpulkan hasil perhitungan dari semua aturan yang ada dan blok defuzzyfikasi berguna untuk melakukan transformasi dari nilai fuzzy yang dihasilkan dari blok pengumpul data ke nilai crisp sebagai keluaran/hasil dari proses inferensi fuzzy.

22

BAB 3 DESAIN KANSEI SISTEM E-LEARNINGBab ini menjelaskan tentang desain kansei sistem e-learning yang melibatkan aspek visual sistem e-learning. Tujuan perancangan ini adalah untuk menemukan kaidah desain tampilan e-learning yang dapat memberikan pengaruh positif bagi pembelajar. Perancangan ini mengaplikasikan Kansei Engineering Tipe 1 [6][10]. Gambar 3.1 menunjukkan diagram alir Kansei Engineering yang diaplikasikan untuk tampilan e-learning. Konsep utama Kansei Engineering ialah penjabaran tampilan e-learning dari dua sudut pandang, yaitu deskripsi semantik dan deskripsi fisik. Deskripsi semantik merupakan tahap untuk menjabarkan tampilan e-learning secara verbal. Hasil yang didapatkan dari tahap ini adalah beberapa kansei word (kata kesan) yang memiliki efek positif bagi pembelajar. Tahap deskripsi fisik menjabarkan kriteria fisik yang dimiliki oleh tampilan e-learning. Sintesis adalah tahap untuk memadukan deskripsi semantik dan fisik hingga diperoleh kaidah penyusunan tampilan elearning. Jika kaidah penyusunan tampilan tersebut sudah dinyatakan valid maka kaidah tersebut merupakan hasil desain kansei sistem elearning.

Gambar 3.1 Aplikasi Kansei Engineering untuk tampilan e-learning 23

3.1 Deskripsi SemantikDeskripsi semantik bertujuan untuk mendapatkan deskripsi verbal dari tampilan e-learning yang mampu menimbulkan efek positif bagi pembelajar. Tahap ini dimulai dengan pengumpulan kata kesan dari berbagai referensi (seperti jurnal, prosiding, artikel, dan ebook) serta brainstorming hingga tidak ditemukan kata kesan yang baru. Tabel 3.1 menampilkan semua kata kesan yang didapatkan. Jumlah ini direduksi menjadi 69 kata kesan (kata kesan yang dicetak italic di Tabel 3.1) dengan mengeliminasi kata-kata yang tidak berdampak positif bagi pembelajaran seperti static, vague (tidak jelas), dan boring. Kemudian semua kata kesan hasil reduksi dikuesionerkan kepada 35 responden untuk mencari kata kesan yang paling diinginkan (dapat memberikan efek positif) oleh pembelajar. Responden memilih 10 dari 69 kata kesan berdasarkan dampak positif yang dirasakan oleh pembelajar dengan kesan tersebut. Tabel 3.2 menampilkan hasil kuesioner yang sudah dilakukan. Ketujuh kata kesan yang terpilih ini disebut dengan kansei word. Tabel 3.1 Daftar 118 kansei word yang didapatkan Balanced Beautiful Bold Calm Cartoony Casual Charming Chic Classic Clean Clear Cold Colourful Comfort Compact Cool Friendly Fun Futuristic Gentle Grace Harmony Heavy High quality Interesting Light Luxurious Masculine Meaningful Metallic Mild Modern Standard Sweet Tasteful Traditional Understandable User friendly Warm Western Youthful Alluring Amateurish Appealing Believable Boring Brilliant Complicated Noble Open Oppressive Practical Professional Provocative Reassuring Restful Rude Salient Serious Smart Speedy Stable Static Stimulating

24

Creative Dazzling Decorative Dressy Eastern Elegant Enjoyable Exciting Extravagant Familiar Feminine Formal Freedom Fresh

Natural Nostalgic Original Plain Pleasant Pure Relaxing Romantic Sharp Simple Smooth Soft Sophisticated Sporty

Considered Conspicuous Credible Dignified Disconcerting Dynamic Engross Favorable Gorgeous Hard Humane Intense Loose Moderate

Strong Subdued Tacky Tedious Trustworthy Ugly Unimaginative Urbane Vague Varied Vivid Wild

Hasil kuesioner di Tabel 3.2 menunjukkan bahwa desain kuesioner ini memiliki kekeliruan. Kekeliruan yang dimaksud adalah keterlibatakn kata kesan friendly, friendly, fun, dan enjoyable. Kata-kata ini memiliki kecenderungan besar untuk dipilih oleh responden karena tampilan e-learning memang harus memiliki sifat-sifat ini. Alasannya, pembelajar tidak akan tahan lebih lama jika tampilan e-learning terkesan sad (sedih) atau unfriendly. Oleh karena itu, kata-kata kesan yang sudah mutlak diperlukan harus dieliminasi dari kuesioner seperti friendly, pleasant, dan understandable. Tabel 3.2 Hasil kuesioner No. 1 2 3 4 5 6 7 Kansei word Simple User Friendly Friendly Creative Fun Fresh Enjoyable Suara 21 19 18 16 16 14 13

25

Tabel 3.3 Hasil deskripsi semantik No. 1 2 3 4 5 6 7 Kansei word Kiri Kanan Simple Complicated Fresh Warm Light Heavy Casual Formal Grace Elegant Classic Modern Cool Excite

Kuesioner diajukan kembali dengan hanya melibatkan 34 kata kesan yang dicetak underline di Tabel 3.1 dan diisi oleh 45 responden. Hasil kuesioner selanjutnya didiskusikan di dalam diskusi grup. Tabel 3.3 menunjukkan 14 (7 pasang) kansei word yang diputuskan sebagai hasil deskripsi semantik yang diolah berdasarkan hasil kuesioner dan diskusi grup. Kuesioner dan hasilnya secara lengkap dilampirkan di LAMPIRAN A dan B

3.2 Deskripsi FisikTahap ini menjabarkan tampilan e-learning dalam aspek fisik. Tampilan e-learning sebagaimana tampilan web disusun dari berbagai komponen atau atribut. Teks dan grafik adalah dua komponen dasar dari sebuah halaman web. Jenis font merupakan elemen besar yang digunakan untuk berkomunikasi dengan otak user. Jenis font memiliki peran dalam komunikasi verbal dan visual. Warna memiliki daya untuk mempengaruhi perasaan manusia dan selalu berperan dalam setiap desain yang dihasilkan. Ukuran merupakan salah satu penilaian manusia yang paling primitif terhadap lingkungan sehingga ukuran dimanipulasi dalam berbagai situs web, terutama situs web e-commerce. [5] Ketiga atribut tampilan ini (jenis font, ukuran font, dan ukuran page) serta beberapa atribut yang lain dipertimbangkan dan ditentukan dari ref[5][12][13][14][15], brainstorming, dan diskusi grup. Atribut tampilan yang ditetapkan sebagai hasil dari tahap deskripsi fisik ditampilkan di Tabel 3.4. Setiap atribut tampilan diklasifikasikan dalam dua kategori. Sebagai misal latar belakang diklasifikasikan ke dalam plain dan decorative dan posisi logo institut dibedakan menjadi right dan left. 26

Tabel 3.4 Atribut tampilan e-learning No. 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 Atribut Tampilan Latar belakang Ukuran page Warna latar belakang-blok Jenis font-judul blok Ukuran font-judul blok Jenis font-konten blok Ukuran font-konten blok Spasi antarhuruf Tipe header dan footer Warna header dan footer Warna strip header Posisi logo institut Tipe header-blok Tipe border Sudut blok Tipe kursor Jarak vertikal antarblok Kategori 1 Plain Narrow Dark Serif Small Serif Small Condensed Plain Black Black Left Plain Plain Square Arrow Condensed Kategori 2 Decorative Wide Bright Sans-serif Large Sans-serif Large Expanded Emboss White White Right Emboss Emboss Round Non-arrow Expanded

Gambar 3.2 Matriks pasangan

3.3 SintesisSintesis merupakan tahap untuk memadukan deskripsi semantik dan deskripsi fisik. Tahap ini bertujuan untuk mendapatkan relasi antara setiap kansei word dan atribut tampilan e-learning. Tugas Akhir ini menggunakan Kansei Engineering tipe I sehingga relasi ini ditentukan

27

secara manual dengan menggunakan matriks pasangan yang ditunjukkan di Gambar 3.2. Selain itu, pengumpulan data melalui kuesioner dilakukan untuk mendapatkan kaidah desain kansei tampilan e-learning secara spesifik. 3.3.1. Pembuatan Sampel Kuesioner Kuesioner dilakukan dengan menggunakan perangkat lunak Microsoft Excel 2003. Enam belas macam tampilan e-learning dibuat sebagai sampel untuk kuesioner. Semua sampel dibuat berdasarkan variasi dari semua atribut tampilan e-learning yang disebutkan di Tabel 3.4. Gambar 3.3 menampilkan salah satu sampel tampilan e-learning yang diujikan melalui kuesioner.

Gambar 3.3 Form kuesioner 28

Jika Latar Belakang = Plain dan Ukuran Page = Narrow Simple-Complicated = 0.5 Fresh-Warm = 0 Light-Heavy = -0.5 Casual-Formal = 0 Grace-Elegant = 0 Classic-Modern = 0.5 Cool-Excite = 0.5 Gambar 3.4 Hasil kuesioner 3.3.2. Evaluasi Kansei Evaluasi kansei dilakukan dengan melibatkan 45 mahasiswa sebagai responden. Responden mengevaluasi setiap sampel tampilan elearning melalui 9-skala diferensial semantik dengan tujuh pasang kansei word yang sudah dipilih di subbab 3.1. Penggunaan skala diferensial semantik dalam kuesioner merujuk pada ref[10]. Gambar 3.3 menunjukkan form kuesioner untuk setiap sampel tampilan e-learning. 9-skala di form tersebut mewakili jangkauan nilai antara -1 s.d. +1. 3.3.3. Hasil Kuesioner Hasil kuesioner adalah kaidah/aturan spesifik dari kombinasi dua atribut tampilan e-learning terhadap ketujuh pasang kansei word. Salah satu dari 168 kaidah hasil kuesioner ditunjukkan di Gambar 3.4.

3.4 Uji ValiditasTahap uji validitas berguna untuk mengevaluasi hasil sintesis. Namun, Tugas Akhir ini tidak melakukan uji validitas terhadap hasil sintesis karena pengujian dilakukan secara langsung terhadap keluaran sistem visualisasi melalui wawancara. Pengujian ini akan dijelaskan lebih lanjut di BAB 5.

3.5 Model Tampilan E-learningHasil sintesis yang sudah melewati pengujian diputuskan sebagai model tampilan e-learning untuk setiap kansei yang dikehendaki. Model tampilan merupakan spesifikasi atribut tampilan yang dapat dirumuskan dari keluaran sistem visualisasi untuk kansei yang dikehendaki.

29

(Halaman ini sengaja dikosongkan)

30

BAB 4 PERANCANGAN DAN IMPLEMENTASI SISTEM VISUALISASIProsedur perancangan sistem akan diuraikan di dalam bab ini. Prosedur tersebut meliputi studi kebutuhan sistem, perancangan konseptual, perancangan fungsional, perancangan detail, dan implementasi sistem.

4.1 Studi Kebutuhan Sistem4.1.1. Survey Kebutuhan Afektif merupakan ranah yang harus dilibatkan (selain ranah kognitif dan psikomotorik) untuk mewujudkan pembelajaran yang efektif [1]. Ranah afektif meliputi perasaan, emosi, evaluasi, sikap, dan rasa suka atau tidak suka dari pembelajar [2]. Hasil pembelajaran yang melibatkan afektif mampu menumbuhkan perilaku, motivasi, dan berbagai nilai positif yang terpendam di dalam diri pembelajar [2]. Oleh karena itu, ranah afektif tidak boleh diabaikan dalam proses pembelajaran. Sistem e-learning sangat berperan dalam menunjang kegiatan pembelajaran dengan memberikan kesempatan bagi pembelajar untuk melakukan pembelajaran secara on-line. Namun, pengembangan elearning hendaknya tidak hanya memberikan penekanan pada ranah kognitif karena ranah afektif juga memiliki peran besar untuk pembelajaran. Penyajian informasi melalui tampilan e-learning yang statik dan kurang memperhatikan kesan psikologi pembelajar adalah suatu bukti bahwa ranah afektif belum mendapatkan perhatian khusus. Selain itu, sistem e-learning juga belum menyediakan fitur bagi pembelajar untuk mengubah tampilan e-learning berdasarkan kesan yang dikehendaki. Oleh karena itu, sistem visualisasi yang dirancang di dalam Tugas Akhir ini berguna untuk mewujudkan sistem e-learning yang mampu melibatkan ranah afektif pembelajar melalui visualisasi kansei sistem e-learning. 4.1.2. Perumusan Misi Sistem Misi dari sistem visualisasi automatis adalah sebagai berikut:

31

1. Mengakomodasi ranah afektif dalam pembelajaran yang menggunakan sistem e-learning. 2. Meningkatkan efektifitas dan kualitas pembelajaran yang menggunakan e-learning. 3. Mengupayakan kenyamanan dan kesenangan pembelajar selama proses pembelajaran yang menggunakan e-learning. 4. Meningkatkan interaksi antara pembelajar dan sistem elearning. 5. Mengembangkan LMS Moodle dengan menambahkan fi1tur pengubahan tampilan. 4.1.3. Perumusan Fungsi Sistem Fungsi sistem visualisasi automatis yang dirancang di dalam Tugas Akhir ini adalah sebagai berikut: 1. Memberikan kesempatan bagi pembelajar untuk melakukan personalisasi tampilan e-learning berdasarkan kansei yang dikehendaki. 2. Menyimpan tampilan e-learning yang dikehendaki oleh pembelajar dari keluaran sistem menjadi sebuah tema yang dapat digunakan di semua LMS Moodle.

4.2 Perancangan Konseptual4.2.1. Parameter Sistem Parameter sistem visualisasi automatis adalah sebagai berikut: 1. Jumlah calon penyelesaian dalam satu populasi. 2. Jumlah generasi yang dihasilkan oleh algoritma genetik. 3. Jumlah aturan fuzzy yang digunakan. 4. Probabilitas mutasi. 5. Jumlah kansei word yang digunakan sebagai masukan sistem. 6. Panjang string biner yang merepresentasikan satu calon penyelesaian. 7. Jumlah atribut tampilan e-learning yang dilibatkan. 8. Sistem visualisasi hanya dapat diimplementasikan di LMS Moodle versi 1.9 atau selebihnya. 9. Sistem visualisasi harus menggunakan tema Custom Corners ScyT. 10. Sistem visualisasi hanya dapat dijalankan dengan menggunakan perangkat lunak Mozilla Firefox atau Microsoft Internet Explorer 2007. 32

4.2.2. Variabel Sistem Variabel sistem visualisasi automatis adalah sebagai berikut: 1. Nilai kansei word yang merupakan masukan sistem visualisasi. 2. Pengguna yang mengakses sistem e-learning. 4.2.3. Batasan Sistem Batasan yang digunakan pada sistem visualisasi adalah sebagai berikut: 1. Jangkauan nilai masukan sistem adalah 100. 2. Pengguna yang mengakses sistem e-learning diklasifikasikan sebagai pembelajar dan administrator.

4.3 Perancangan FungsionalTahap perancangan fungsional menjabarkan semua fungsi operasional sistem yaitu semua fungsi yang dijalankan oleh sistem ketika sistem dioperasikan. Fungsi operasional sistem adalah sebagai berikut: 1. Menjalankan mekanisme personalisasi tampilan untuk setiap pembelajar sistem e-learning. 2. Menerima nilai masukan dari pembelajar. 3. Menghasilkan beragam tampilan secara numerik dengan menjalankan algoritma genetik. 3.1. Membuat satu populasi awal calon tampilan. 3.2. Mengevaluasi setiap calon tampilan dengan menggunakan inferensi fuzzy. 3.2.1. Menghitung nilai keanggotaan dari calon tampilan. 3.2.2. Menghitung nilai kebaikan dari setiap aturan fuzzy. 3.2.3. Menghitung nilai inferensi sistem. 3.2.4. Menghitung nilai kesesuaian calon tampilan. 3.3. Memilih calon tampilan yang memiliki nilai kesesuaian terbaik. 3.4. Membuat generasi selanjutnya. 3.4.1. Mengurutkan calon tampilan dari nilai kesesuaian yang paling rendah. 3.4.2. Memilih dua calon tampilan sebagai induk. 3.4.3. Menjalankan mutasi dan rekombinasi. 3.4.4. Menghasilkan satu populasi keturunan. 3.4.5. Menjalankan fungsi 3.2. 33

3.4.6. Memilih calon tampilan yang memiliki nilai kesesuaian lebih baik dari populasi sebelumnya. 4. Memvisualisasikan tampilan yang memiliki nilai kesesuaian terbaik. 5. Menyimpan keluaran sistem visualisasi sebagai sebuah tema yang dapat digunakan untuk semua LMS Moodle. Tabel 4.1 menampilkan penjabaran fungsi operasional sistem yang meliputi kriteria, variabel, parameter, dan batasan setiap fungsi operasional. Tabel 4.1 Tabel fungsi operasional sistem Fungsi 1 Kriteria Menghasilkan tampilan yang berbeda untuk pembelajar yang berbeda dengan nilai masukan yang sama Nilai masukan sistem adalah nilai kansei word Subsistem desain Satu populasi berisi kromosom numerik yang menyatakan calon tampilan Subsistem evaluasi Variabel Nilai masukan sistem Parameter Batasan Variasi tampi- Jumlah lan didasarkan nilai pada 17 atmasukan ribut tampilan Jangkauan nilai masukan adalah 100 Jumlah nilai Jangkauan masukan nilai masukan tidak melebihi 100

2

Jangkauan nilai masukan

3 3.1

Jumlah calon tampilan dalam satu populasi

3.2

34

Fungsi 3.2.1

Kriteria Nilai keanggotaan dihitung untuk setiap atribut tampilan

Variabel

Parameter Jumlah atribut tampilan dalam satu calon tampilan Jumlah fungsi keanggotaan

Batasan

3.2.3

3.2.4

3.3

3.4. 3.4.1

3.4.2

Nilai inferensi sistem dihitung untuk setiap calon tampilan Nilai kesesuaian dihitung dengan menggunakan nilai masukan dan nilai inferensi sistem Nilai kesesuaian terbaik adalah nilai kesesuaian yang terkecil dari satu populasi Membuat keturunan Mengurutkan calon tampilan berdasarkan nilai kesesuaiannya Menggunakan metode roulette-wheel

Nilai eksponen p

Nilai eksponen p harus lebih dari 1

35

Fungsi 3.4.3

3.4.4

Kriteria Operasi genetik untuk menghasilkan keturunan Calon tampilan yang baru

Variabel

Parameter Probabilitas mutasi

Batasan

Jumlah calon tampilan dalam satu populasi

3.4.5

3.4.6

4 5

Melakukan evaluasi calon tampilan Mencari calon tampilan yang memliki nilai kesesuaian terbaik Subsistem visualisasi Membuat tema tampilan elearning

4.4 Perancangan DetailTahap perancangan detail menjabarkan sistem melalui gambar fisik dan struktut produk. 4.4.1. Gambar Fisik Sistem Subbab ini menampilkan beberapa gambar yang menjabarkan sistem visualisasi secara fisik. Gambar 4.1 menampilkan tema LMS Moodle Custom Corners Scyt yang digunakan untuk keperluan sistem visualisasi, Gambar 4.2 menampilkan keluaran sistem untuk kansei Grace, dan Gambar 4.3 menunjukkan antarmuka sistem visualisasi yang digunakan oleh pembelajar untuk menyatakan keinginannya. Sistem visualisasi yang dibangun di Tugas Akhir ini harus menggunaka tema Custom Corners Scyt agar sistem dapat dioperasikan sehingga tampilan e-learning dari hasil keluaran sistem visualisasi memiliki layout (tataletak) yang sama dengan tema tersebut. 36

Gambar 4.1 Tema LMS Moodle untuk sistem visualisasi

Gambar 4.2 Contoh keluaran sistem visualisasi

37

Gambar 4.3 Antarmuka sistem visualisasi

Gambar 4.4 Struktur sistem visualisasi 4.4.2. Struktur Produk Gambar 4.4 menampilkan struktur produk dari sistem visualisasi. Sistem visualisasi disusun dari empat subsistem yang saling berkaitan. Sistem membutuhkan masukan dari pembelajar melalui subsistem kansei. Selanjutnya, sistem mulai beroperasi dengan subsistem desain dan subsistem evaluasi. Subsistem desain menjalankan operasi genetik untuk menghasilkan beragam tampilan e-learning secara numerik yang akan dievaluasi di subsistem evaluasi. Sistem akan memvisualisasikan tampilan yang paling sesuai dengan keinginan pembelajar.

38

Gambar 4.5 Contoh nilai masukan sistem visualisasi

Gambar 4.6 Atribut tampilan e-learning Subsistem desain melakukan operasi genetik, yaitu menghasilkan secara numerik beragam calon tampilan berdasarkan kombinasi dari semua atribut tampilan. Kemudian, subsistem evaluasi melakukan evaluasi/inferensi berdasarkan aturan fuzzy terhadap kesan dari setiap tampilan e-learning yang telah dihasilkan di bagian desain. Selisih antara nilai masukan yang didapatkan dari pembelajar dan nilai hasil evaluasi/inferensi sistem dihitung sebagai nilai kesesuaian. Operasi genetik melakukan proses seleksi pada tampilan yang telah dibuat. 39

Tampilan dengan kesesuaian yang lebih tinggi akan bertahan untuk proses seleksi selanjutnya. Jika proses perulangan subsistem desain dan evaluasi sudah berakhir maka subsistem visualisasi akan memvisualisasikan tampilan yang memiliki nilai kesesuaian terbaik dari semua calon tampilan yang sudah diolah di subsistem desain dan evaluasi. 4.4.2.1. Subsistem Kansei Subsistem kansei berguna untuk menangkap masukan sistem yang berupa nilai kansei tampilan e-learning yang diinginkan oleh pembelajar untuk direflesikan secara visual. Kansei tersebut tidak lain adalah tujuh pasang kansei word di Tabel 3.3 yang sudah didapatkan melalui deskripsi semantik. Gambar 4.3 menampilkan antarmuka sistem visualisasi. Jangkauan nilai masukan yang diijinkan untuk setiap pasang kansei word adalah 100 masukan +100 . Tanda minus (-) digunakan untuk menyatakan kansei word yang berada di sebelah kiri dan tanda positif (+) digunakan untuk menyatakan kansei word yang berada di sebelah kanan. Pembelajar hanya perlu menentukan derajat setiap pasang kansei word berdasarkan keinginannya melalui antarmuka yang telah disediakan. Sebagai misal, pembelajar menginginkan kesan tampilan e-learning yang simple 50%, warm 100%, dan formal 30% maka nilai masukan kansei word yang diberikan adalah sebagaimana yang ditunjukkan di Gambar 4.5. 4.4.2.2. Subsistem Desain Subsistem desain merupakan bagian dari sistem yang membuat secara numerik beragam tampilan e-learning dengan melakukan operasi genetik terhadap semua atribut tampilan e-learning. Gambar 4.7 menunjukkan beberapa atribut tampilan e-learning. Sistem ini menggunakan semua atribut tampilan e-learning sebagaimana yang didapatkan dari subbab 3.2, tahap deskripsi fisik, dan dituliskan di Tabel 3.4. Gambar 4.7 menampilkan model kromosom dari seluruh atribut tampilan e-learning yang digunakan. Model ini digunakan oleh operasi genetik untuk menghasilkan beragam tampilan e-learning secara numerik. Atribut tampilan yang dimaksud adalah berbagai atribut yang menyusun tampilan e-learning, sebagai misal latar belakang, jenis dan ukuran font, serta warna header-footer. Setiap atribut tampilan

40

dinyatakan sebagai sebuah gen dan semua atribut tampilan menyusun sebuah tampilan e-learning yang dinyatakan sebagai sebuah kromosom. Gambar 4.7 menunjukkan model kromosom yang dimaksud. Sistem yang dirancang dalam Tugas Akhir ini memiliki 17 macam atribut tampilan dan melibatkan semuanya sebagai sebuah kromosom. Setiap gen dinyatakan dalam 3-bit biner sehingga sebuah kromosom yang tersusun dari 17 gen dinyatakan dalam 51-bit biner. Setiap atribut tampilan hanya memiliki 8 macam karena hanya dinyatakan dalam 3-bit biner. Sebuah kromosom merupakan calon penyelesaian yang mewakili satu tampilan e-learning. Subsistem desain membuat beragam tampilan secara numerik dengan operasi genetik yang melibatkan proses seleksi, rekombinasi, dan mutasi. 4.4.2.3. Subsistem Evaluasi Subsistem evaluasi bertugas untuk melakukan inferensi berdasarkan aturan fuzzy, kemudian mengevaluasi selisih antara nilai masukan dari pembelajar dan nilai inferensi sistem untuk setiap tampilan yang dihasilkan secara numerik oleh subsistem desain. Hasil evaluasi ini disebut nilai kesesuaian. Aturan fuzzy yang digunakan sebagai dasar inferensi menjabarkan kondisi dari atribut tampilan dalam bagian if (syarat), dan nilai dari setiap pasang kansei word di bagian then (konsekuensi). Bentuk dari aturan fuzzy yang digunakan merujuk pada ref[7]. Bentuk aturan fuzzy yang dimaksud adalah sebagai berikut:Jika x1 adalah L1r , x2 adalah L2 r , . . . maka I1'1 = K1'1r , I 2'2 = K 2'2 r , . . .

(bagian syarat) (bagian konsekuensi)

dimana x n adalah aribut tampilan, Lnr menyatakan label dari atribut tampilan, I m ' m adalah pasangan Kansei word, dan K m ' mr menyatakan nilai pasangan Kansei word mm untuk aturan ke-r, 1 K m ' mr 1 .

Lnr adalah label dari atribut tampilan yaitu kategori atribut tampilan sebagaimana yang ditulis di Tabel 3.4. Sebagai misal, jika parameter tampilan adalah latar belakang, maka labelnya adalah plain dan decorative. Jika parameter tampilan adalah jenis font, maka labelnya adalah serif dan sans-serif.

41

Gambar 4.7 Model kromosom dari atribut tampilan e-learning

Gambar 4.8 Fungsi keanggotaan trapesium

0, x a. xa , a x b. ba trapezoid ( x; a, b, c, d ) = 1, b x c. d x c x d. d c , d x. 0,

(1)

Label dari setiap atribut tampilan menggunakan fungsi keanggotaan untuk melakukan klasifikasi terhadap setiap atribut tampilan. Fungsi keanggotaan yang digunakan untuk label dari atribut tampilan adalah tipe trapezoid (trapesium). Gambar 4.8 menunjukkan fungsi keanggotaan yang digunakan. Pemilihan fungsi keanggotaan tipe trapesium mengacu pada ref[7]. Bentuk fungsi keanggotaan tipe trapesium dinyatakan di persamaan (1).

42

Ketika bagian if dari sebuah aturan menyatakan kondisi yang terkait dengan kansei word yang berada di sisi kanan, aturan akan memberikan nilai K m ' mr yang positif, dan ketika menyatakan kondisi yang terkait dengan kansei word di sisi kiri, aturan akan memberikan nilai K m ' mr yang negatif, namun ketika menyatakan kondisi yang tidak terkait dengan kansei word di sisi kanan atau kiri, aturan akan memberikan nilai K m ' mr sama dengan nol. Setiap aturan hanya membandingkan kondisi antara dua atribut tampilan. Setiap atribut tampilan memiliki dua label/kondisi sehinnga subsistem evaluasi membutuhkan empat aturan untuk membandingkan semua kondisi dari kedua atribut tampilan. Contoh aturan fuzzy yang digunakan di dalam sistem ini adalah sebagai berikut: Jika Latar Belakang = Plain dan Ukuran Page = Narrow Simple-Complicated = 0.5 Fresh-Warm = 0 Light-Heavy = -0.5 Casual-Formal = 0 Grace-Elegant = 0 Classic-Modern = 0.5 Cool-Excite = 0.5 Jika Latar Belakang = Plain dan Ukuran Page = Wide Simple-Complicated = 1 Fresh-Warm = 0 Light-Heavy = 0.5 Casual-Formal = 0 Grace-Elegant = 0 Classic-Modern = -0.5 Cool-Excite = 0 Jika Latar Belakang = Decorative dan Ukuran Page = Narrow Simple-Complicated = 0.75 Fresh-Warm = 0 Light-Heavy = 0.5 Casual-Formal = 0 Grace-Elegant = 0 Classic-Modern = 1 Cool-Excite = 0 43

Jika Latar Belakang = Decorative dan Ukuran Page = Wide Simple-Complicated = 1 Fresh-Warm = 0 Light-Heavy = 0.75 Casual-Formal = 0 Grace-Elegant = 0 Classic-Modern = -1 Cool-Excite = 0

Keempat aturan yang disebutkan di atas adalah bagian dari 168 aturan yang digunakan oleh subsistem evaluasi untuk melakukan inferensi dan menghitung nilai kesesuaian. Seluruh aturan fuzzy yang digunakan oleh sistem dijabarkan di Buku Pelengkap Tugas Akhir. Aturan fuzzy di sistem ini dirancang berdasarkan data hasil kuesioner. Kuesioner dilakukan dengan menggunakan perangkat lunak Microsoft Excel 2003. Enam belas macam tampilan e-learning dibuat sebagai sampel kuesioner. Semua sampel dibuat berdasarkan kombinasi dari 17 atribut tampilan. Kuesioner ini melibatkan 45 mahasiswa sebagai responden. Responden memberikan penilaian terhadap ketujuh pasang kansei word melalui 9 skala diferensial semantik untuk setiap sampel tampilan e-learning. Penggunaan skala diferensial semantik dalam kuesioner merujuk pada ref[10]. Goodness (nilai kebaikan) g r terhadap aturan ke- r dihitung dengan menggunakan perkalian dari semua nilai keanggotaan di aturan ke- r sebagaimana persamaan (2).g r = f l ( xl )l

(2)

Sistem melakukan perhitungan derajat kesan I m ' m terhadap setiap pasang kansei word dari setiap tampilan yang dihasilkan. Integrasi dari inferensi fuzzy melibatkan rata-rata bobot dan eksponensial dari nilai K m ' mr yang dihitung degan nilai goodness g r terhadap setiap aturan dan parameter eksponensial p sebagaimana persamaan (3).

44

r ( g r K m'mr g r K m'mr ) I m'm = p r g r K m'mrp

(3)

Bobot dari goodness g r menyatakan bahwa nilai g r dari setiap aturan sangat mempengaruhi nilai inferensi. Eksponen p merepresentasikan pengaruh nilai inferensi g r K m' mr dari setiap aturan. Jangkauan nilai inferensi g r K m ' mr adalah -1 < g r K m ' mr < 1 sehingga dengan penetapan nilai p > 1, pengaruh dari nilai inferensi g r K m' mr yang bernilai kecil akan semakin melemah. Sistem yang dirancang menghitung fungsi kesesuaian f dengan menggunakan derajat kansei I m ' m terhadap setiap pasangan kansei word mm. Fungsi kesesuaian f merupakan kedekatan antara nilai masukan dari pembelajar dan nilai inferensi sistem dengan fuzzy aturan. Fungsi kesesuaian f dari setiap desain visual yang dibuat dihitung dengan persamaan jarak Euclidean yang dinyatakan dalam persamaan (4) dimana IUm ' m adalah nilai masukan dari pembelajar melalui interface dan I Sm ' m adalah nilai inferensi sistem.f = jarak (IU , I S ) f =

( IUm'm I Sm'm ) 2m' m

(4)

Nilai kesesuaian antara kansei yang diinginkan oleh pembelajar dan kansei tampilan e-learning dari hasil inferensi dihitung untuk setiap tampilan yang dihasilkan di subsistem desain. Dengan melakukan perulangan pada subsistem desain dan subsistem evaluasi, tampilan elearning yang dihasilkan akan merefleksikan secara perlahan kansei yang diinginkan oleh pembelajar. Pada akhirnya, sistem hanya akan memvisualisasikan satu tampilan e-learning yang memiliki nilai kesesuaian tertinggi. 4.4.2.4. Subsistem Visualisasi Subsistem visualisasi berguna untuk menampilkan tampilan elearning yang memiliki nilai kesesuaian terbaik. Gambar 4.9

45

menunjukkan proses yang dilakukan di subsistem visualisasi untuk memvisualisasikan tampilan e-learning.e-learning

page

font

Gambar 4.9 Proses subsistem visualisasi Satu kromosom tampilan e-learning yang memiliki nilai kesesuaian terbaik diterjemahkan menjadi atribut tampilan e-learning. Proses penerjemahan dilakukan untuk setiap gen atau atribut tampilan elearning. Hasil penerjemahan ini direpresentasikan menjadi sebuah tampilan e-learning.

4.5 Pengujian SistemPengujian sistem dilaporkan di BAB 5 secara khusus. Pengujian yang dilakukan adalah pengujian operasional sistem yang meliputi uji kepuasan, uji keberagaman, serta uji subjektif dan kualitatif.

4.6 Implementasi SistemSubbab ini akan menjelaskan implementasi sistem visualisasi. Implementasi sistem ini merupakan kegiatan pengembangan (developing) LMS Moodle dengan menambahkan fitur baru di

46

dalamnya. Keterlibatan pembelajar dalam sistem ini untuk menentukan (customizing) kesan dari tampilan e-learning sesuai dengan keinginan (satisfying) merupakan salah satu bentuk interaksi (interacting) yang dapat mengoptimalkan (optimizing) proses pembelajaran. Seluruh prosedur di tahap implementasi sistem dilakukan secara off-line dengan menggunakan aplikasi localserver, XAMPP untuk Windows versi 1.6.4, yang di-install di direktori: C:\Program Files\xampp\. 4.6.1. Instalasi LMS Moodle Tahap instalasi LMS Moodle adalah tahap permulaan dari implementasi. File paket LMS Moodle harus di-download terlebih dulu di situs resmi LMS Moodle, http:\\www.moodle.org\. Tabel 4.2 menampilkan spesifikasi teknis dari LMS Moodle yang digunakan di dalam Tugas Akhir ini. Proses instalasi LMS Moodle diawali dengan mengekstrak file paket yang sudah di-download ke direktori: C:\Program Files\xampp\htdocs\. Jika proses ekstraksi sudah dilakukan maka sebuah folder yang bernama moodle akan tersedia di direktori ini. Tahap selanjutnya adalah mengaktifkan LMS Moodle. Buka perangkat lunak Mozilla Firefox kemudian tuliskan http:\\localhost\moodle\ di bagian navigasi. Ikuti setiap prosedur instalasi hingga LMS Moodle benar-benar siap diakses. 4.6.2. Pemilihan Tema Langkah ke dua dalam implementasi sistem adalah memilih tema LMS Moodle yang digunakan sebagai kerangka kerja sistem. Seluruh tema LMS Moodle yang tersedia di situs resmi LMS Moodle, http://www.moodle.org/, pada bulan Maret 2009 dikumpulkan dalam tahap pemilihan ini. Pemilihan tema dilakukan melalui diskusi grup. Tema yang dipilih harus mampu merefleksikan keempat belas kansei yang sudah dipilih. Jika kondisi tersebut sudah dipenuhi maka aspek kemudahan dan kesederhanaan dipertimbangkan lebih lanjut sebagai keriteria pemilihan tema. Tabel 4.2 Spesifikasi LMS Moodle Nama Versi Nama File Paket LMS Moodle 1.9.2 moodle-1.9.2 - Latest Official Release.tgz 47

Ukuran File Jumlah File Situs Resmi

11.1 MB 5.563 http:\\www.moodle.org\

Gambar 4.10 Blok Calendar di LMS Moodle Gambar 4.1 menampilkan tema LMS Moodle yang dipilih untuk sistem visualisasi automatis. Tema ini dibuat oleh Urs Hunkler dan dinamakan Custom Corners SCyT. Tema ini dipilih karena mampu merefleksikan keempat belas kansei word. Selain itu, tema ini juga relatif mudah dan sederhana untuk dimodifikasi. 4.6.3. Penambahan Blok LMS Moodle memiliki beragam fitur yang diperlukan sistem elearning. Beragam fitur yang tersedia ditampilkan sebagai blok dengan fungsinya masing-masing. Sebagai misal, blok Online Users untuk memantau pembelajar yang sedang mengakses situs e-learning dan blok Calendar untuk menampilkan kalender. Gambar 4.10 menampilkan blok Calendar yang tersedia di LMS Moodle. LMS Moodle dibuat dengan konstruksi modular sehingga dapat diperluas dengan membuat plugin untuk fungsi spesifik yang baru. Penjelasan yang paling sederhana adalah bahwa LMS Moodle mengijinkan penambahan blok baru untuk fungsi tambahan yang belum tersedia. Proses penambahan blok ini tidak rumit sehingga dapat dilakukan oleh setiap pihak. Teknik penambahan blok ini dapat dipelajari di ref[23]. Sistem visualisasi ini membutuhkan interaksi dari pembelajar sebagai masukan sistem sehingga antarmuka baru harus dibuat di LMS 48

Moodle untuk keperluan visualisasi automatis ini. Antarmuka baru ini dibuat dalam bentuk blok tambahan yang bernama Kansei Interface di LMS Moodle yang memungkinkan pembelajar untuk memberikan nilai masukan berupa derajat kesan dari tampilan e-learning berdasarkan keinginannya. Jika blok baru yang bernama Kansei Interface sudah selesai dibuat maka blok baru ini harus diaktifkan lebih dulu agar dapat dikenali di LMS Moodle. Cara untuk mengaktifkan blok ini adalah sebagai berikut: 1. Buka perangkat lunak Mozilla Firefox dan ketik http://localhost/moodle di bagian navigasi. 2. Masuk ke halaman login, ketik username dan password dari akun admin, kemudian klik Login. 3. Klik menu Notifications yang terletak di dalam blok Site Administration. Gambar 4.11 menampilkan blok Site Administration yang memuat menu Notifications.

49

Gambar 4.11 Blok Site Administration

Gambar 4.12 Blok Add Blocks

50

Gambar 4.13 Blok Kansei Interface Setelah tahap pengaktifan, blok Kansei Interface dapat ditampilkan di LMS Moodle dengan cara sebagai berikut: 1. Klik tombol Turn editing on. 2. Pilih [[KANSEI]] pada menu Add... yang disediakan di blok Blocks. Jika semua tahap di atas sudah dilakukan maka blok Kansei Interface segera ditampilkan di LMS Moodle. Gambar 4.13 menampilkan blok Kansei Interface yang sudah dibuat. Blok Kansei Interface ini menampilkan tujuh pasang kansei word. Form teks yang terletak di setiap pasang kansei word adalah tempat yang disediakan bagi pembelajar untuk memasukkan nilai derajat kansei tampilan yang diinginkan. Jangkauan nilai masukan adalah -100 sampai dengan +100. Sebagai misal, jika pembelajar menginginkan tampilan yang simple dan modern maka nilai -100 harus dimasukkan ke pasangan kansei word I (Simple-Complicated) dan nilai +100 untuk pasangan kansei word VI (Classic-Modern). Selanjutnya, tombol Create harus ditekan agar sistem visualisasi mulai bekerja. Tombol Reset digunakan untuk mengosongkan kembali semua form teks di blok Kansei Interface. 4.6.4. Pembuatan Program Utama Program utama yang dimaksud adalah program yang menjalankan mekanisme sistem visualisasi seperti yang ditunjukkan di

51

Gambar 4.4. Program utama merupakan kombinasi algoritma genetik dan inferensi fuzzy. Program utama dibuat dalam dua file dengan ekstensi .php yaitu system.php dan system.class.php. Kedua file ini disimpan di dalam direktori: C:\Program Files\xampp\htdocs\moodle\blocks\kansei_interface\. File pertama, system.php, berisi kode pemrograman untuk mekanisme pengubahan tampilan LMS Moodle dan file ke dua, system.class.php, memuat semua fungsi yang digunakan dalam sistem. Kode pemrograman dari file system.php dituliskan di Buku Pelengkap Tugas Akhir. 4.6.5. Contoh Keluaran Sistem Visualisasi Gambar 4.14 dan Gambar 4.15 menunjukkan contoh tampilan yang dihasilkan oleh sistem visualisasi. Tabel 4.3 menampilkan beberapa parameter sistem yang digunakan sistem. Semua parameter ini ditentukan berdasarkan pada ref[24] dan metode trial and error. Tampilan di Gambar 4.14 dibuat untuk merefleksikan Simple dan tampilan di Gambar 4.15 dibuat untuk merefleksikan Fresh dan Complicated. Kedua contoh ini menunjukkan bahwa beragam tampilan dapat dihasilkan untuk setiap kesan. Tabel 4.3 Parameter sistem Jumlah kromosom Jumlah generasi Probabilitas mutasi Eksponen p 5 5 1/9 2

52

Gambar 4.14 Tampilan e-learning "Simple"

Gambar 4.15 Fresh dan Complicated

53

BAB 5 PENGUJIAN SISTEMBab ini berisi tentang pengujian yang dilakukan untuk mengetahui validitas sistem. Eksperimen pengujian dilakukan dengan menggunakan metode wawancara. Pengujian yang dilakukan meliputi tiga macam, yaitu pengujian kepuasan, pengujian keberagaman, dan pengujian kulitatif. Pengujian ini dilakukan dengan melibatkan lima belas responden. Pengujian kepuasan dilakukan dengan meminta penilaian responden dalam 5 skala berdasarkan tingkat kepuasannya terhadap untuk tampilan yang dihasilkan terkait dengan kansei yang dikehendaki. Pengujian keberagaman dilakukan dengan meminta penilaian responden dalam 5 skala berdasarkan tingkat keberagaman untuk 3 macam tampilan yang dihasilkan terkait dengan kansei yang dikehendaki. Pengujian kualitatif dilakukan dengan meminta penilaian responden dalam 5 skala terhadap pengaruh positif yang ditimbulkan oleh sistem dan tingkat kesenangan yang dirasakan terhadap berbagai tampilan yang dihasilkan sistem.

5.1 Pengujian KepuasanPengujian kepuasan dilakukan untuk mengetahui tingkat kepuasan pembelajar terhadap keluaran sistem berdasarkan kansei yang dikehendaki sebagai masukan sistem. Prosedur pengujian kepuasan adalah sebagai berikut: 1. Pemilihan kansei word Responden memilih dua kansei word secara acak untuk diberi masukan maksimum. Dua kansei word tersebut tidak boleh satu pasang seperti simple-complicated. 2. Evaluasi Responden mengevaluasi tingkat kepuasan terhadap tampilan yang dihasilkan oleh sistem. Sistem menghasilkan tiga macam tampilan untuk dua kansei word yang sudah dipilih dan responden memberikan penilaian untuk setiap tampilan. Prosedur pengujian ini dilakukan dua kali sehingga responden memberikan evaluasi tingkat kepuasan sebanyak 6 kali.

54

5.2 Pengujian KeberagamanPengujian keberagaman dilakukan untuk membandingkan tingkat keberagaman dari tampilan yang dihasilkan ketika atribut tampilan tertentu tidak diikutsertakan. Prosedur pengujian keberagaman adalah sebagai berikut: 1. Evaluasi tanpa atribut Latar Belakang Responden memilih satu kansei word secara acak untuk diberikan masukan maksimum kemudian mengevaluasi tingkat keberagaman dari tiga macam tampilan yang dihasilkan. 2. Evaluasi tanpa atribut Ukuran Page Porsedur pengujian sama dengan poin 1. 3. Evaluasi dengan semua atribut Pengujian dengan melibatkan semua atribut tampilan dilakukan seperti poin 1.

5.3 Pengujian Subjektif dan KualitatifPengujian kualitatif dilakukan terakhir kali untuk mengetahui efek kualit