digilib@itb.ac.id +62 812 2508 8800

abstrak - budi laksono putro
PUBLIC Open In Flip Book Didin Syafruddin Asa, S.Sos

Pembelajaran kolaboratif berbasiskan Computer-Supported Collaborative Learning (CSCL) merupakan inti pembelajaran abad ke-21 untuk membangun kecakapan abad ke-21. CSCL merupakan lingkungan pembelajaran digital untuk pembelajaran kolaboratif. CSCL bertujuan membantu instruksional layanan pembelajaran dan interaksi sosial antar pelajar dalam suatu kelompok atau komunitas. Terdapat 3 jenis layanan agen cerdas (intelligent agent) untuk pembelajaran kolaboratif pada CSCL, yaitu: group formation (layanan pembentukan kelompok), domain-specific suppo,t, dan peer interaction support. Peneltian ini memfokuskan pada agen cerdas untuk layanan pembentukan kelompok. Agen ini dipilih karena pembentukan kelompok merupakan layanan awal dan berpengaruh penting terhadap pembelajaran kolaboratif pada CSCL. Perumusan masalah penelitian ini membahas pengembangan model agen cerdas pembentukan kelompok pada CSCL. Pembahasan topik ini berdasarkan domain kei lnuan Se,vice Computing berdasarkan kurikulum ACM 2012 dan IEEE 2017. Sebuah model agen cerdas merupakan referensi untuk pengembangan sebuah agen cerdas untuk pembentukan kelompok pada CSCL. Model agen cerdas sangat terkait dengan penerapan teknologi komputasi pada pada fungsionalitas layanan pembentukan kelompok belajar pada CSCL. Saat ini terdapat empat macam model berdasarkan faktor keberhasilan untuk pembentukan kelompok yaitu user, group, domain, dan activity (UGDA). Pengembangan agen cerdas yang optimal dibutuhkan intergasi penerapan teknologi informasi pada layanan pembentukan kelompok berdasarkan faktor dominan dari keempat faktor keberhasilan (UGDA). Model yang ada masih berdasarkan satu jenis faktor keberhasilan, kurang penjelasan bagairnana pemilihan faktor keherhac;ilan dan teknologi infonnac;i yang paling dominan . .luga mac;ih dihutuhkan sebuah metode implementasi dan evaluasi model usulan pada pengembangan agen cerdas. Tujuan penelitian ini mengembangkan model agen cerdas yang mampu mengintergasikan layanan pembentukan kelompok dengan layanan TI berdasarkan faktor keberhasilan yang paling dominan (dari user, group, domain, dan activity), agar tercapai proses komputasi pembentukan kelompok efektif dan efisien. Penelitian ini menerapkan Design Research Methodology (DRM), dan strategi pengembangan model agen cerdas berdasarkan disiplin Service Computing. Pengembangan model yang dibangun berdasarkan proses pemodelan sistem dinamik. Tahapan pengembangan meliputi: Menentukan tujuan model, Penetapan komponen dan tahapan model, Rekayasa dan optimasi sistem layanan pembentukan kelompok pada CSCL, dan Pengembangan model usulan. Implementasi agen cerdas berdasarkan model usulan dibutuhkan sebuah metode pengembangan agen cerdas. Untuk evaluasi kinerja proses komputasi agen cerdas dibutuhkan sebuah kerangka kerja pengujian. Penelitian disertasi ini menghasilkan 4 ( empat) buah luaran yaitu: 1. Model agen cerdas sebagai luaran utama, 2. Kerangka kerja pengujian agen cerdas, 3. Metode pengambangan agen cerdas, dan 4. Agen cerdas untuk pembentukan kelompok pada CSCL. Model agen cerdas merupakan luaran utama penelitian ini. Model agen cerdas merupakan referensi untuk pengembangan agen cerdas. Metode pengembangan merupakan strategi untuk implementasi model usulan dalam sebuah agen cerdas untuk pembentukan kelompok. Kerangka kerja pengujian kinerja merupakan metode evaluasi untuk proses komputasi agen cerdas untuk pembentukan kelompok. Agen cerdas merupakan pembuktian empms implementasi sistem kerja model agen cerdas, dart dibangun berdasarkan metode pengembangan. Agen cerdas dikembangkan berdasarkan studi kasus permasalahan. Model agen agen cerdas berhasil mengintergasikan layanan teknologi informasi dengan layanan pembentukan kelompok berdasarkan faktor dominan untuk pembentukan kelompok (UGDA). Model ini berhasil membangun agen cerdas dengan proses komputasi pembentukan kelompok efektif dan efisien berdasarkan empat faktor keberhasilan, yaitu: kecocokan antar anggota kelompok, optimasi komposisi kelompok, collaboration performance (CP), dan hasil pembelajaran pembelajaran kolaboratif pada CSCL.